Panduan Praktik SPSS
Panduan Praktik SPSS
ANALISA DATA
dengan menggunakan
SPSS for W I N D O W S
Penyusun :
Mohamad Mirza Fauzie
Daftar Isi
Halaman Judul
Permohonan dan Harapan
Daftar Isi
I.
III.
II.
MENANGANI DATA
A. ENTRY DATA
Data dimasukkan ketika layar yang aktif adalah : DATA VIEW.
Cara memasukkan data pada SPSS seperti pada Excel. Data
dimasukkan pada sel (potongan antara kolom dan baris).
Masukkan data berikut. Data berikut terdiri dari 7 variabel
yaitu : SEKS, ASAL RT, TINGGI BADAN, BERAT BADAN BULAN
LALU, BERAT BADAN BULAN INI, MELAKUKAN VAKSINASI DAN
KEJADIAN CAMPAK.
Nama responden tidak lazim
dikatagorikan sebagai variabel, lain dengan nama daerah.
DATA BALITA DI RW 49 DUSUN TEMUWUH LOR, DESA BALECATUR, GAMPING, SLEMAN, 2007
NO
NAMA
1
IVAN
2
KEYSYA
3
JIBRIL
4
ICHAN
5
TITA
6
DINDA
7
FAZA
8
RAFLY
9
ADIT
10 NANA
11 FANY
12 DONI
13 ADEK
14 MARY
15 SHINTA
16 SHERLY
17 AMEL
18 NANDA
18 DIKA
20 ALBERT
SEKS : 1 = Laki-laki
SEKS
ASAL RT
1
6
2
6
1
6
1
6
2
6
2
7
2
7
1
7
1
7
2
7
2
8
1
8
1
8
2
8
2
8
2
9
2
9
1
9
1
9
1
9
2= Perempuan
TB
BB (KG)
BB (KG)
MELAKUKAN
KEJADIAN
(CM)
BULAN LALU BULAN INI
VAKSINASI
CAMPAK
80
14
14.50
1
3
98
15
16
1
3
77
13
12.25
1
3
79
15
14.50
2
4
102
18
18
1
3
105
19
20
1
3
74
11.50
12
2
4
83
16
15
2
3
74
14
13.50
1
4
110
21
21
1
3
105
19
19.5
2
3
112
18
19.5
2
3
89
13
14
2
4
57
9
9
1
3
89
16
17
1
3
69
12
13
1
4
72
14
13.50
2
4
61
12
12
1
3
110
19
19.50
1
3
70
14
15.50
1
3
Melakukan Vaksinasi : 1=Ya 2=Tidak
Kejadian Campak : 3 = Tidak 4 =Ya
B. MENDEFINISIKAN VARIABEL
Untuk mendefinisikan variable/memberi keterangan pada
variabel terlebih dahulu aktifkan : VARIABLE VIEW, yang
terletak disebelah kiri bawah layar.
1. Kolom : NAME
Name adalah nama variabel. Pada kolom ini telah tertulis :
var 00001 sampai var 00007, gantikan tulisan var00001
dengan seks, var00002 ganti dengan asalrt, sampai
var00007 ganti dengan campak. Dalam pemberian nama :
JANGAN ADA SPASI, JANGAN MENGGUNAKAN KARAKTER
TIDAK LAZIM, PALING BANYAK 8 KARAKTER SER-TA JANGAN
MENGGUNAKAN NAMA VARIABEL YANG SAMA.
2. Kolom : TYPE
Type merupakan jenis/bentuk data yang dimasukkan. Untuk
data yang berbentuk angka : NUMERIC (DEFAULT DARI
KOMPUTER), untuk data yang berbentuk abjad pilih :
STRING. Semua data yang dimasukkan berbentuk :
NUMERIC
3. Kolom : WIDTH
Width adalah lebar kolom tempat memasukkan data pada
data view. Defaultnya adalah 8 karakter, dapat diubah
sesuai kebutuhan.
4. Kolom : DECIMALS
Decimals adalah banyaknya angka desimal yang diperlukan
(DEFAULT =2) bila tidak diperlukan angka desimal dalam
data yang di entry kan, ganti angka 2 dengan 0. Bila dalam
data memerlukan angka desimal, masukkan angka yang
sesuai dengan desimal yang diperlukan. Dari data yang
dimasukkan, hanya data BB bulan lalu dan BB bulan ini
yang mempunyai angka desimal.
5. Kolom : LABEL
Label adalah keterangan tambahan yang diberikan untuk
variabel.
Variabel : SEKS, Label : JENIS KELAMIN RESPONDEN
Variabel : ASAL RT, Label : ASAL RT RESPONDEN
Variabel : TB, Label : TINGGI BADAN RESPONDEN DALAM
CM dst. Label boleh diberi, boleh tidak.
SEBAIKNYA SETIAP VARIABEL DIBERI LABEL
6. Kolom : VALUES
Values berfungsi sebagai pemberi keterangan dari data
yang mempunyai skala NOMINAL atau ORDINAL. Dari data
yang dimasukkan, yang mempunyai skala nominal atau
ordinal adalah : seks, vaksin dan campak.
Adapun cara memberi keterangan, misal variabel : seks
dimana : 1=Laki-laki dan 2=Perempuan, adalah sebagai
berkut :
B. DESCRIPTIVE STATISTICS
Analisis deskriptif digunakan untuk memberikan gambaran
pada data yang telah dikumpulkan. Adapun gambaran data
tersebut dapat dalam bentuk nilai tengah, nilai keragaman,
analisis perentase dan lain-lain. Sebagai contoh akan
dianalisis variabel TB.
LANGKAH PENGUJIAN :
1. Dari layar data view, Klik : ANALYZE, pilih : DESCRIPTIVE
STA-TISTICS, pilih : FREQUENCIES
2. Dari kotak dialog, pilih data yang akan dianalisis, misal :
TB, masukkan kedalam kotak : Variabel(s): dengan jalan klik
variable TB pada kotak sebelah kiri, tekan tanda panah
yang ada diantara dua kotak.
3. Klik tombol : STATISTICS, untuk memilih uji deskriptif yang
diperlukan, pada pilihan ini analisis yang dapat dipilih
adalah untuk nilai tengah dan keragaman. Beri tanda [V]
pada analisis yang dikehendaki, misal : mean, median,
modus, sum, standard deviasi dan range. Klik tombol :
CONTINUE
4. Klik tombol : CHART, untuk memilih grafik yang dinginkan,
dengan jalan memberi tanda [V] pada grafik yang
dikehendaki, misal : Histogram with normal curve. Klik
tombol : CONTINUE
C. COMPARE MEANS
Prosedur compare means merupakan prosedur yang
digunakan untuk membedakan rata-rata. Prosedur ini
biasanya digunakan data yang mempunyai skala interval atau
ratio.
1. M E A N S
Prosedur means digunakan untuk membandingkan, mean,
standart deviasi, variance, range, jumlah dan sebagainya.
Misal akan dibandingkan nilai : rata-rata, range, standar
deviasi dari variabel : TB, yang dipilah berdasar variabel :
SEKS dan setiap jenis kelamin (Laki-laki atau Perempuan)
dipilah lagi berdasar : ASALRT
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : COMPARE
MEANS, klik : MEANS.
e.
RT 6
ASAL RT
RT 7
RT 8
RT 9
Laki-laki
Perempuan
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : GENERAL
LINEAR MODEL, klik : UNIVARIATE.
b. Dari kotak dialog, masukkan variabel : BBLALU kedalam
kotak : Dependent Variable, masukkan variabel : ASALRT
dan SEKS, kedalam kotak : Fixed Factor(s).
c. Bila ingin menguji perbedaan berat badan bulan lalu
antar rt, klik : POST HOC, aktifkan
fungsi [ V ] LSD
ATAU SHCEFFE tekan : CONTINUE.
d. Tekan : OK
e. PEMBACAAN HASIL :
1)
Tabel 1, menunjukkan jumlah data untuk setiap
vatiabel bebas
2) Untuk pengetahui perbedaan untuk masing-masing
variabel bebas dan interaksi antar variabel bebas
dilihat pada tabel : Test of Between-Subject Effect
pada baris : ASALRT, SEKS DAN SEKS*ASALRT.
Dikatakan berbeda bila nilai Sig. < 0,05. Bila ada beda
fungsi LSD / SCHEFFE dapat dilihat.
3) Fungsi LSD / SCHEFFE dapat dilihat pada tabel Multiple
Comparations, berat badan bulan lalu antar rt atau
seks dikatakan berbeda bila pada kolom : Mean
TIDAK DI VAKSIN
BB BLN LALU BB BLN INI
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : GENERAL
LINEAR MODEL, klik : MULTIVARIATE.
b. Dari kotak dialog, masukkan variabel : BBLALU dan BBINI
kedalam kotak : Dependent Variable, masukkan variabel :
VAKSINASI, kedalam kotak : Fixed Factor(s).
c. Fungsi POST HOC adalah untuk membandingkan variabel
terikat dari sub variabel bebas. Bila ingin menguji
perbedaan berat badan bulan lalu dan berat badan bulan
ini antara balita yang divaksin dengan yang tidak
divaksin, klik : POST HOC, aktifkan fungsi [ V ] LSD ATAU
SHCEFFE tekan : CONTINUE.
d. Tekan : OK
e. PEMBACAAN HASIL :
1) Tabel 1, menunjukkan jumlah data untuk setiap sub
vatiabel bebas
2) Untuk pengetahui pengaruh variabel bebas terhadap
bebarapa variabel terikat, dapat dilihat pada tabel :
Test of Between-Subject Effect pada baris : VAKSINASI.
Dikatakan berbeda bila nilai Sig. < 0,05.
3) Fungsi LSD / SCHEFFE dapat dilihat pada tabel Multiple
Com-parations, dikatakan berbeda bila pada kolom :
Mean Difference (I-J) terdapat tanda asterix (*) atau
pada kolom Sig. nilainya < 0,05. BILA SUB VARIABEL
DARI VARIABEL BEBAS HANYA ADA 2 KATAGORI MAKA
FUNGSI POST HOC TIDAK PERLU DIGUNAKAN.
2. MULTIVARIATE 2 JALUR
Dari contoh data yang ada, kita mencoba membandingkan
antara balita yang divaksinasi /tidak dan seks (variabel
bebas) apakah mempunyai pengaruh pada berat badan
balita bulan ini dan bulan lalu (variabel terikat)
SEKS
VAKSIN
BB BLN
BB BLN
LALU
INI
TIDAK DI VAKSIN
BB BLN
BB BLN
LALU
INI
Laki-laki
Perempuan
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : GENERAL
LINEAR MODEL, klik : MULTIVARIATE.
b. Dari kotak dialog, masukkan variabel : BBLALU dan BBINI
kedalam kotak : Dependent Variable, masukkan variabel :
VAKSINASI, dan SEKS kedalam kotak : Fixed Factor(s).
c. Fungsi POST HOC adalah untuk membandingkan variabel
terikat dari sub variabel bebas. Bila ingin menguji
perbedaan berat badan bulan lalu dan berat badan bulan
ini antara balita yang divaksin dengan yang tidak
divaksin, klik : POST HOC, aktifkan fungsi [ V ] LSD ATAU
SHCEFFE tekan : CONTINUE.
d. Tekan : OK
e. PEMBACAAN HASIL :
1) Tabel 1, menunjukkan jumlah data untuk setiap sub
vatiabel bebas
2) Untuk pengetahui pengaruh variabel bebas terhadap
beberapa variabel terikat, dapat dilihat pada tabel :
E.
2. 2 RELATED SAMPLES
Fungsi uji ini hampir mirip dengan T TEST TERIKAT. Misalkan
dengan menggunakan uji : WILCOXON, akan diuji apakah
ada beda berat badan bulan lalu dengan bulan ini.
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : NON
PARAMETRIC TEST, klik : 2 RELATED SAMPLES
b. Dari kotak dialog, terliha pilihan uji : WILCOXON TELAH
AKTIF [v], klik : BBLALU, klik : BBINI. Masukkan kedalam
kotak : Test pair(s) list
c. Tekan : OK
d. PEMBACAAN HASIL :
Dari tabel : Test Statistics, bila nilai Asym.sig (2-tailed) <
0,05, maka Ho ditolak dan Ha diterima atau ada beda
berat badan antara bulan ini dan bulan lalu.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :
3. K-INDEPENDENT SAMPLES
Fungsi uji ini mirip dengan ONE WAY ANOVA. Misalkan
dengan menggunakan uji : KRUSKAL WALLIS, akan diuji
apakah ada beda berat badan bulan ini antara asal rt dari
balita
LANGKAH PENGUJIAN :
a.
Dari layar data view, Klik : ANALYZE, pilih : NON
PARAMETRIC TEST, Klik : K-INDEPENDENT SAMPLES
b. Dari kotak dialog, pilihan uji KRUSKAL WALLIS H telah
aktif [ V ] masukkan : BBLALU kedalam kotak : Test
variable list.
c. Masukkan : ASALRT ke dalam kotak : Grouping Variable.
Klik : Define range, masukkan angka : 6 ke kotak
minimum dan angka : 9 ke kotak maximun. Tekan :
Continue
d. Tekan : OK
e. PEMBACAAN HASIL :
Dari tabel : Test Statistics, bila nilai Asym.sig (2-tailed) <
0,05, maka Ho ditolak dan Ha diterima atau ada beda
berat badan bulan ini antara balita yang berasal dari rt 6,
rt 7, rt 8 dan rt 9.
TULISKAN HASIL ANALISIS SAUDARA :
F. CORRELATE
1. BIVARIATE
Prosedur ini digunakan untuk melihat hubungan antara dua
variabel. Dalam korelasi product moment dari Karl Pearson,
arah hubungan dinyatakan hasil perhitungannya negatif
atau positif dan biasanya digunakan untuk menguji data
yang mempunyai skala interval atau ratio, sedangkan uji
Kendalls Tau dan Spearman, biasanya untuk menguji data
yang mempunyai skala ordinal, interval atau ratio. Misalkan
akan kita uji apakah ada hubungan antara : BBLALU
dengan BBINI.
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : CORRELATE,
klik : BIVARIATE.
b. Masukkan variabel : BBLALU dan BBINI, kedalam kotak :
Variables
c. Pastikan
pada Correlation Coefficient, pilihan uji
ditetapkan, dengan memberi tanda [ V ].
d. Tekan : OK
e. PEMBACAAN HASIL :
Dari tabel correlation, perhatikan 3 angka pada sel
(pertemuan antara baris dan kolom samples) angka
pertama menunjukkan besarnya nilai r hitung, angka
kedua menunjukkan nilai signifikansinya, bila nilai Sig (2tailed) lebih kecil [ < ] dari 0,05 maka Ho ditolak dan Ha
diterima (ada hubungan), sedangkan angka ketiga
menunjukkan banyaknya data yang diuji.
TULISKAN HASIL ANALISIS SAUDARA :
G. ANALISIS REGRESI
1. ANALISIS REGRESI LINEAR
Analisis regresi mempunyai beberapa fungsi, antara lain :
1. Mencari korelasi antara (beberapa) prediktor (X)
dengan kriterium (Y).
2.
Mencari persamaan garis regresi, yang dinyatakan
dalam persamaan garis regresi. Garis regresi dapat
berbentuk garis lurus (linier) atau lengkung (parabolik
atau hiperbolik).
3. Memberi dasar untuk untuk memprediksi suatu kriterium melalui satu atau beberapa prediktor.
4.
Menentukan prediktor yang paling berpengaruh
terhadap kriterium, bila prediktornya lebih dari 1.
STATISTIK (X1)
8
7
6
9
6
7
6
8
8
6
M. RISET (X2)
8
7
7
7
9
7
8
8
8
9
MKK (X3)
7.5
7
8
6
7
8
8
7
8
7
SKRIPSI (Y)
8
7.25
7
8
6
7
7.5
8
8
7.25
2. REGRESI LOGISTIC
Sebagaimana metode regresi biasa, regresi logistik dapat dibedakan
menjadi 2, yaitu: Binary Logistic Regression (Regresi Logistik Biner)
dan Multinomial Logistic Regression (Regresi Logistik Multinomial).
Regresi Logistik biner digunakan ketika variabel respon/kriterium (Y),
hanya ada 2 kemungkinan : misal 1(YA) dan 0 (TIDAK). Sedangkan
Regresi Logistik Multinomial digunakan ketika pada variabel respon
(Y) terdapat lebih dari 2 kategorisasi. Sedangkan variabel prediktornya
(X) dapat berskala nominal, ordinal, interval atau ratio.
H. CHI SQUARE
Chi square termasuk uji non parametrik, yang biasanya
digunakan untuk menguji independence antar 2 variabel yang
mempunyai skala ordinal atau nominal. Bila data yang akan
diuji mempunyai skala interval atau ratio, maka data tersebut
ordinal
dengan
cara
melakukan
1. TRANSFORMASI DATA.
Sebagai contoh data berikut ini akan di transformasikan,
dengan ketentuan bila : nilai pengetahuan 80 100
digolongkan dalam golongan pandai (kode=1), nilai : 65 79 digolongkan dalam golongan cukup pandai (kode=2)
dan nilai : < 65 digolongkan dalam golongan kurang pandai
(kode=3). Nilai ketrampilan : 75 100 digolongkan trampil
(kode=4) dan nilai <75 digolongkan cukup trampil
(kode=5)
1
2
3
4
5
6
7
8
9
10
TAHU
89
76
56
78
75
80
73
55
60
90
TRAMPIL
76
67
56
79
80
86
75
68
78
76
LANGKAH PENGUJIAN :
a. Klik : TRANSFORM, pilih : RECODE, klik : INTO DIFFERENT
VARIABLE
b. Dari kotak dialog, masukkan variabel yang akan diubah,
misal : TAHU kedalam kotak : Output Variable. Terlihat
kotak output variable aktif. Pada kotak : Name, masukkan
nama variabel yang baru, misal : TAHU1, tekan: CHANGE,
tekan : OLD AND NEW VALUES
c. Pada kotak dialog : Recode,
Pada kotak : New Value, masukkan angka 1 pada value,
klik range : ____ through highest masukkan angka 80,
tekad Add.
Masukkan angka 2 pada value, klik range : ___ through
____ masukkan angka 65 dan 79, tekan Add.
Masukkan angka 3 pada value, klik range : lowest
through ____ , masukkan angka 64, tekan Add.
Tekan : Continue
e. Tekan : OK.
Lakukan langkah serupa untuk variabel TRAMPIL.
PEMBACAAN HASIL :
Pada data view akan terlihat tambahan variabel baru,
dengan nama TAHU1.
2. CHI SQUARE
Salah satu fungsi uji chi square adalah untuk melihat
hubungan antar 2 variabel yang mempunyai skala :
nominal atau ordinal. Misal akan diuji apakah ada hubungan
antara melakukan vaksinasi dengan kejadian campak. Uji
chi square dapat diterapkan pada data yang berbentuk
tabel silang atau data yang masih dalam masing-masing
variabel.
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : DESCRIPTIVE
STATISTICS, klik : CROSSTAB
b. Masukkan variabel : VAKSIN kedalam kotak : Rows
c. Masukkan variabel : CAMPAK kedalam kotak : Column
d. Tekan : Statistics, aktifkan [ V ] pilihan : CHI SQUARE
untuk menghitung nilai chi square. Bila akan menghitung
nilai koefisien kontingensi aktifkan [ V ] pilihan :
CONTINGENCY COEFFICIENT, bila akan menghitung nilai
risk (OR / RR) aktifkan [ V ] pilihan : RISK.
Tekan : Continue
e. BILA AKAN MELAKUKAN ANALISIS PERSENTASE, Klik :
Cells, aktifkan [ V ] kotak : expected, row, column dan
total. Abaikan yang lain. Tekan : Continue
f. Tekan : OK
g. PEMBACAAN HASIL :
Bila langka (d) dilakukan, maka dalam out put akan
ditampilkan lima tabel.
Tabel kedua : Crosstabulation, menyajikan terlebih
dahulu tabel silang dan nilai persentase (bila diminta)
yang menggambarkan penyebaran data. Dari tabel
silang tersebut, dapat dilakukan analisis persentase :
angka pertama adalah frekuensi observasi, angka kedua
adalah frekuensi harapan, angka ketiga adalah persen
terhadap jumlah baris, angka keempat adalah persen
terhadap jumlah kolom dan angka kelima adalah persen
terhadap jumlah total.
Tabel ketiga, hasil uji chi square dapat dilihat padatabel :
Chi SquareTest, bila pada baris Pearson Chi Square nilai
Asym.sig (2-tailed) < 0,05, maka Ho ditolak dan Ha
diterima atau ada hubungan.
Bila jumlah data yang diuji < 20, maka yang dilihat pada
baris Fishers Exact Test.
Tabel keempat adalah tabel : Symmetric Measure, yang
menunjukkan nilai koefisien kontingensi (keeratan
hubungan) dari variabel yang diuji.
Tabel kelima adalah tabel Risk Estimate yang
menunjukkan nilai RISK.
VARIABEL BEBAS
1 (YA)
2 (TIDAK)
Dientrykan seperti berikut :
VARIABEL BEBAS
1
1
2
2
VARIABEL TERIKAT
3
4
3
4
DATA
20
5
5
10
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : DATA, pilih : WEIGHT CASES,
dari ko-tak dialog, pilih : WEIGHT CASES BY dan
masukkan variabel : DATA ke dalam kotak frequency
variable.
b. Tekan : OK
c. Dari layar data view, Klik : ANALYZE, pilih : DESCRIPTIVE
STATISTICS, klik : CROSSTAB
d. Masukkan variabel : VARIABEL BEBAS kedalam kotak :
Rows
e. Masukkan variabel :VARIABEL TERIKAT kedalam kotak :
Column
f. Tekan : Statistics, aktifkan [ V ] pilihan : CHI SQUARE
untuk meng-hitung nilai chi square. Tekan : CONTINUE
g. Tekan : OK
h. PEMBACAAN HASIL sama dengan chi square di atas.
PEMBACAAN HASIL :
Untuk melihat hasil uji validitas, dilihat pada kolom :
Corrected Item Total Correlation. Dikatakann valid bila : 1]
Nilainya Positif dan 2] Nilainya lebih besar dari r tabel.
Dalam contoh digunakan 10 pertanyaan maka nilai
validitasnya ada 10.
Untuk melihat hasil uji reliabilitasnya, dilihat pada pojok kiri
bawah (SPSS : 11.5, tampilan akan sedikit berbeda bila
versi SPSS nya berbeda. Dikatakan reliabel bila : 1] Nilainya
Positif dan 2] Nilainya lebih besar dari r tabel.
Untuk mencari r tabel (Pearson) gunakan sesuai dengan
jumlah responden yang dipakai dalam uji coba kuesioner.
Dalam contoh digunakan 15 responden, nilai r tabel dengan
= 0,05 adalah = 0,514.
Bila dalam analisis tersebut ada butir soal yang tidak valid,
maka uji validitas tersebut diulang hanya bagi butir soal
yang valid saja. Bila butir soal yang tidak valid masih
diperlukan, maka pertanyaan pada butir soal yang tidak
valid tersebut diperbaiki kemudian dilakukan uji coba
kuesioner tersebut, hasilnya diuji seperti langkah tersebut
di atas.
Bila akan menguji validitas dengan menggunakan korelasi
dari Karl Pearson, maka data tersebut harus ditambah
dengan jumlah nilai tiap responden, kemudian baru
dikorelasikan antara P1 P10 dengan JUMLAH.
IV.
GRAFIK
GAMBARKAN HASILNYA :
CLUSTERD
1. Klik : GRAPH, Klik : Bar
2. Klik : Gambar clustered, Klik : Define
3. Masukkan variabel : Seks, ke dalam kotak : Category
Axis
Masukkan variabel : Asalrt, ke dalam kotak : Define
clusterd,
Klik : Titles, bila akan memberi
judul/keterangan tabel, Klik : Continue
4. Klik : OK
GAMBARKAN HASILNYA :
STACKED BAR
1. Klik : GRAPH, Klik : Bar
2. Klik : Gambar stacked, Klik : Define
3. Masukkan variabel : Seks, ke dalam kotak : Category
Axis
Masukkan variabel : Asalrt, ke dalam kotak : Define
stacked by
4. Klik : Titles, bila akan memberi judul/keterangan tabel,
Klik : Continue
5. Klik : OK
GAMBARKAN HASILNYA :
B. PIE
Tampilan grafik Pie digunakan untuk menyajikan data
yang mempunyai skala nominal ordinal
1. Klik : GRAPH, Klik : Pie
2. Klik : Define
3. Masukkan variabel : asalrt , ke dalam kotak : Define
slices by
4. Klik : Titles, bila akan memberi judul/keterangan tabel,
Klik : Continue
5. Klik : OK
GAMBARKAN HASILNYA :
C. LINE
Grafik ini biasa digunakan bagi data yang mempunyai data
interval atau ratio. Data yang akan ditampilkan dapat
hanya 1 variabel (simple) atau data yang ditampilkan
meliputi 2 variabel ( multiple/drop line).
SIMPLE LINE
1. Klik : GRAPH, Klik : Line
2. Klik : Gambar grafik simple, Klik : Define
3. Masukkan variabel : tb, ke dalam kotak : Category Axis
4. Klik : Titles, bila akan memberi judul/keterangan tabel,
Klik : Continue
5. Klik : OK
GAMBARKAN HASILNYA :
MULTIPLELINE
Grafik ini digunakan untuk menggambarkan suatu data
interval atau ratio yang dipilah menggunakan variabel
nominal atau ordinal.
1. Klik : GRAPH, Klik : Line
2. Klik : Gambar multipleline, Klik : Define
3. Masukkan variabel : bbini, ke dalam kotak : Category
Axis
Masukkan variabel : seks, ke dalam kotak : Define lines
by
4. Klik : Titles, bila akan memberi judul/keterangan tabel,
Klik : Continue
5. Klik : OK
GAMBARKAN HASILNYA :
D. SCATTER
Grafik ini sangat membantu secara visual untuk melihat
hubungan / korelasi antara 2 varibel yang mempunyai
skala interval atau ratio atau menggambarkan posisi garis
yang didapat dari persamaan regresi linear.
1. Klik : GRAPH, Klik : Scatter
2. Klik : Gambar simple, Klik : Define
3. Masukkan variabel : bbini, ke dalam kotak : Y Axis
Masukkan variabel : bb lalu, ke dalam kotak : X axis
Klik : Continue
5. Klik : OK
GAMBARKAN HASILNYA :
SOAL LATIHAN
LATIHAN UJI NORMALITAS DATA :
yang
TUGAS MEANS :
Lakukan prosedur serupa untuk variabel BB bulan lalu atau
BB bulan ini
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :
Apakah ada beda tekanan darah (mmHg) antara pasien lakilaki dan perempuan dengan jenis penyakit sama berikut ini ?
No
1
2
3
4
5
6
7
Laki-laki
120
110
130
120
135
125
120
Perempuan
140
135
125
110
110
130
SEBELUM Fitness
66
49
56
53
61
59
60
55
49
70
64
59
56
70
SESUDAH Fitness
43
54
48
54
55
56
63
51
44
62
60
52
49
62
KLAS BBB
6
8
9
6
5
4
KLAS CCC
7
4
5
6
9
8
8
8
KLAS DDD
7
8
9
9
8
7
5
4
SANITASI BAIK/1
SANITASI BURUK /2
KEJADIAN DIARE
YA/3
TIDAK/4
1;3/5
1;4/ 15
2;3/10
2;4/5
P1
1
1
1
1
0
1
1
1
0
0
1
P2
1
1
1
0
0
1
1
1
1
1
0
P3
1
1
1
1
1
1
1
1
1
1
1
P4
0
0
1
1
1
1
1
1
1
0
0
P5
1
1
1
1
1
0
0
0
1
1
1
P6
1
1
0
1
1
1
1
1
1
1
1
P7
0
0
0
1
0
1
0
0
1
1
1