UJI PERBEDAAN

1. Kruskal Wallis
Analyze Descriptive statistic explore Plots: normality OK

Hasilnya p (0,006) < 0,05 tidak homogen (Lihat Shapiro krn sampel < 50), karena tidak
terdistribusi normal maka dilanjutkan kruskal wallis.

Paling tidak ada perbedaan Hb akhir pada 3 kelompok perlakuan. Tapi tidak diketahui kelompok
mana yang memiliki perbedaan. Oleh karena itu, harus dilakukan uji post-hoc (Mann Whitney
untuk Kruskal Wallis)

*) Hasilnya nilai p (0,000) < 0,05 ada perbedaan kadar Hb akhir pada kelompok 1 dan 2

*) Hasil nilai p (0,003) < 0,05 ada perbedaan kadar Hb akhir pada kelompok 1 dan 3

*) Hasilnya nilai p (0,005) < 0,05 ada perbedaan kadar Hb akhir pada kelompok 2 dan 3

ONE WAY ANOVA

Lihat nilai p homogenitasnya dulu. Jika homogen, maka tabel anova dapat digunakan (nilai sig yg paling
kanan), setelah itu lakukan uji post hoc.

Langkah uji post hoc:

Analyze Compare Means One Way ANOVA Post Hoc: checklist Tukey

Jika tidak dalam satu kolom, maka nilainya berbeda (ada perbedaan antar kelompok perlakuan
tersebut).

KORELASI
Syarat: Data harus berskala numerik, tidak dikategorikan
1. Korelasi Pearson
Syarat: data harus numeric, distribusi normal

Analyze Correlate Bivariat masukkan 2 variabel yg ingin dilihat hubungannya

Pearson di checklist OK

Kesimpulan:
a. Nilai p (0,000) ada hbgn bermakna
b. Nilai pearson correlation Fe (0,378) (nilai r) arah korelasinya positif, artinya semakin
tinggi intake Fe semakin besar kadar Hb akhir.
c. Nilai pearson correlation Hb (0, 738) cek lagi hubungannya kuat/tidak jika nilai semakin
mendekati angka 1
2. Spearman
Syarat: jika distribusinya tidak normal
Analyze Correlate Bivariat masukkan 2 variabel yg ingin dilihat hubungannya
Spearman di checklist OK

Kesimpulan:
a. Nilai p (0,300) tidak ada hubungan antara BB dgn kadar Hb awal

Jika tidak ada hubungan, maka tidak perlu dilihat nilai r-nya

ANALISIS MULTIPLE REGRESI

Merupakan uji lanjutan dari uji bivariat

REGRESI LINIER
Syarat: data numerik, harus sdh dianalisis bivariat menggunakan Pearson/Spearman, nilai p yang boleh
digunakan adalah p < 0,25
Langkah: analyze regretion linier dependent: tekanan darah, independent: Ca, Na, K, Mg OK
Hasil: tergantung variabel akhir apa, maka Ca yg paling berpengaruh terhadap hipertensi

Regresi Logistik
Syarat: data kategorikal, harus sdh dianalisis bivariat menggunakan Chi square/Fisher exact, nilai
p yang boleh digunakan adalah p < 0,25
Langkah: analyze regretion binary logistic dependent: kategori hipertensi, covariate: kategori
Ca, Na, K, Mg aktifkan categorical aktivkan save (checklist probabilities) aktivkan option
(ceklist hosmer lemeshow) OK