BUKU PANDUAN PRAKTIK :

ANALISA DATA
dengan menggunakan

SPSS for W I N D O W S

Penyusun :
Mohamad Mirza Fauzie

Bila menginginkan, silahkan di satu kelas kan

Tidak perlu minta ijin, apalagi memberi kutipan

Permohonan dan Harapan

Semoga tulisan ini lebih bermanfaat
dalam memahami statistik
terlebih dalam menyelesaikan tugas akhir
guna lebih memahami apa yang tertulis
di satu halaman lebih ini
pembaca yang mulia amat sangat disarankan
untuk membaca buku sejenis yang
ditulis oleh pakarnya dimana
kepandaiannya tidak diragukan
oleh khalayak cerdik pandai
dan
pinjamkan pustaka ini
kepada handai taulan yang memerlukan

Daftar Isi

Halaman Judul
Permohonan dan Harapan
Daftar Isi
I.

Mengaktifkan SPSS for Windows (1)

II.

Menangani Data (1)

A.Entry data (1) B.Mendefinisikan variabel (3)

C.Menyimpan data (4) D.Keluar dari SPSS (4)
E.Membuka data SPSS yang pernah disimpan (5)

III.

Analisis Data (5)

A. Uji normalitas data (5)

B.Descriptive statistics (6)

C.Compare means (7) D.Uji beda non parametrics test (14)
E.Correlate (17) F.Analisis regresi (18) G.Chi square (20)
H.Uji validitas dan reliabilitas (24)

IV. Grafik (26)

A.Bar graph B. Pie graph C. Line graph D. Scatter

V. Mencetak Hasil Analisis (30)

I. MENGAKTIFKAN SPSS FOR WINDOWS

Dari tampilan dekstop windows :
1. Klik pada tombol : START
2. Arahkan pointer mouse pada menu : PROGRAM
3. Arahkan ponter mouse ke folder program : SPSS for
Windows
4. Klik : SPSS for Windows

bila didesktop sudah ada : SPSS for Windows, langsung

double click.
Program SPSS diawali dengan munculnya logo : SPSS for
Windows pada layar. Tunggu logo tersebut menghilang, maka
pada layar akan didapat : SPSS Data Editor yang terbuka
dengan nama file : Untitled.
Tampilan pertama untuk jendela : DATA VIEW, terdiri dari
KOLOM menunjukkan nama variabel sedangkan BARIS
menunjukkan jumlah data/kasus. Sedangkan untuk memberi
keterangan/mendefinisikan dari variabel gunakan jendela :
VARIABLE VIEW (LIHAT LAYAR, BAGIAN KIRI BAWAH).

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 :

a. Klik bagian kanan dalam sel, muncul kotak dialog.

b. Masukkan angka 1 pada value dan ketik laki-laki pada

value label, tekan add.

c. Masukkan angka 2 pada value dan ketik perempuan
pada value label, tekan add.
d. Tekan : OK
7. Kolom : MISSING
Dalam mengisikan data, kemungkinan ada data yang hilang
(datanya tidak ada (hilang), beda dengan nilai 0 = datanya
ada nilainya 0) untuk memberikan tanda bahwa data itu
hilang, maka missing value digunakan, bila tidak ada data
yang hilang maka pilihannya sesuai dengan defaultnya :
NONE.
8. Kolom : COLUMN
Lihat fungsi width.
9. Kolom : ALIGN
Align menunjukkan posisi data pada sel, bila ingin rata
kanan maka pilih RIGHT (angka biasanya rata kanan) atau
rata kiri pilih LEFT (abjad biasanya rata kiri) atau mau rata
tengah pilih CENTER, dengan cara : Klik bagian kanan
dalam sel, muncul kotak dialog, pilih posisi align yang
diinginkan
10.Kolom : MEASURE
Biarkan sesuai dengan default yang diberikan oleh
komputer.
BILA SEMUA DATA YANG TELAH DI ENTRY TELAH DIDEFINISIKAN, MAKA ANALISIS DATA SIAP DILAKUKAN.
Untuk mengecek hasil definisi yang telah dilakukan, dari
jendela data view, klik : VIEW (kiri atas layar), pilih : VALUE
LABEL. Perhatikan perbedaan-nya.
C. MENYIMPAN DATA
Setelah semua data dimasukkan dan telah diberi definisi,
maka data tersebut dapat disimpan, dengan cara :
1. Klik : GAMBAR DISKET atau klik : FILE , pilih : SAVE AS
2. Pilih folder untuk menyimpan data. Data SPSS mempunya
ekstension : .sav
3. Beri nama file pada File Name, misal : LATIHAN1
4. Klik : SAVE.

D. KELUAR DARI SPSS

Bila semua data sudah disimpan, untuk keluar dari SPSS dapat
tekan l X l /close atau klik : FILE kemudian tekan EXIT.

E. MEMBUKA DATA SPSS YANG PERNAH DISIMPAN

Dari layar DATA VIEW, klik : FILE, tekan : OPEN, tekan : DATA,
dari kotak dialog , klik nama file yang telah disimpan :
LATIHAN1. Klik : OPEN.

III. ANALISIS DATA

A. UJI NORMALITAS DATA
Bila akan menggunakan statistik parametrik, data yang diuji
harus normal dan mempunyai skala : interval atau ratio,
sedangkan penggunaan statistik non parametrik bila skala
datanya : nominal, ordinal, intervat atau ratio, dan data
normal atau tidak normal. UJI NORMALITAS HANYA
DIGUNAKAN PADA DATA YANG MEMPUNYAI SKALA INTERVAL
ATAU RATIO.
Salah satu cara untuk mengetahui suatu data terdistribusi
secara normal atau tidak, dengan menggunakan uji : 1 sample
Kolmogorov-Smirnov. Misalkan akan diuji normalitas variabel
TB.
LANGKAH PENGUJIAN :
1.
Dari layar data view, Klik :
ANALYZE, pilih : NON
PARAMETRIC TEST, pilih : 1-sample K-S
2. Dari kotak dialog, masukkan nama variabel yang akan di
test normalitas datanya, dengan jalan : masukkan nama
variabel yang akan dites ke dalam kotak : TEST VARIABLE
LIST, yaitu dengan klik nama variabel yang ada pada kotak
sebelah kiri, kemudian klik tanda panah hitam yang ada
diantara dua kotak, misal yang dimasukkan adalah
variabel : TB
3. Pada : Test Distribution, pilihan : Normal sudah diaktifkan
[V]
4. Klik : OK
5. PEMBACAAN HASIL :
Dari jendela output diperoleh 1 tabel. Dari dalam tabel
perhatikan baris yang bertuliskan Asym. Sig (2-tailed). Data

DIKATAKAN NORMAL, bila pada baris : Asymp. Sig (2-tailed)

nilainya lebih besar [ > ] dari 0,05.
DATA HASIL UJI AKAN DITAMPILKAN PADA LAYAR
YANG BERBEDA (JENDELA OUTPUT) BUKAN PADA
LAYAR DATA VIEW ATAU VARIABLE VIEW
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

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

5. Klik tombol : FORMAT untuk tampilan data yang diinginkan.

Klik to-mbol : CONTINUE
6. Klik : OK
7. PEMBACAAN HASIL :
Dari jendela out put dapat dilihat :
a. Frequncies merupakan hasil dari pilihan pada langkah
statistics, yang menghitung : mean, median, modus, sum,
standard deviasi dan range
b. Frequency Table muncul apabila pada pilihan : Display
frequency tables, tanda pilihan [ V ] tidak dihilangkan.
c. Grafik histogram dan garis kurva normal muncul bila
dalam pilihan : CHART, kotak pilihannya telah diaktifkan
[V]
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

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.

b. Dari kotak dialog, masukkan variabel : TB ke dalam kotak

: Dependent List. Masukkan variabel : SEKS kedalam

kotak : Independent List, klik : Next, masukkan variabel :
ASALRT ke dalam kotak : Independent List.
c. Tekan tombol : Option, masukkan pilihan : rata-rata,
range, standar deviasi ke dalam kotak : Cell Statistics,
yang tidak diperlukan kembalikan ke kotak : Statistics
dari kotak : Cell Statistics. Tekan : Continue
d. Tekan : OK
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

2. ONE SAMPLE T-TEST

Prosedur ini digunakan untuk membandingkan apakah ratarata dari sebuah data, berbeda dengan suatu nilai tertentu.
Misalkan kita akan bandingkan data TB dengan nilai
pembanding 90, apakah ada beda atau tidak.
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : COMPARE
MEANS, klik : ONE SAMPLE T TEST
b. Dari kotak dialog, masukkan variabel yang akan diuji,
misal : TB, kedalam kotak : Test Variable(s).
c. Masukkan nilai pembandingnya kedalam kotak : Test
Value. Misal nilai pembandingnya : 90
d. Tekan : OK
e. PEMBACAAN HASIL :

Out put hasil analisis menghasilkan 2 tabel, pada tabel :

One Sample Test, kolom : Sig (2-tailed) bila nilainya lebih
kecil [ < ] dari 0,05 maka rata-rata TB dikatakan berbeda
dengan nilai pembanding ( 90).
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

3. INDEPENDENT SAMPLE T TEST / T TEST BEBAS

Prosedur ini digunakan untuk menguji beda rata-rata dari 2
kelompok yang tidak saling berhubungan. Misalkan kita
akan menguji apakah ada beda rata-rata berat badan bulan
ini, antara balita laki-laki dan perempuan.
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : COMPARE
MEANS, klik : INDEPENDENT SAMPLE T TEST
b. Dari kotak dialog, masukkan variabel : BBINI, ke dalam
kotak : Test Variable(s).

c. Masukkan variabel : SEX, ke dalam kotak : Grouping

Variabel. Tekan tombol : Define groups, dari kotak dialog,

masukkan angka 1 (kode untuk balita laki-laki) kedalam
kotak group 1 dan , masukkan angka 2 (kode untuk balita
perempuan) kedalam kotak group 2. Tekan : CONTINUE
d. Tekan : OK
e. PEMBACAAN HASIL :
Out put hasil analisis menghasilkan 2 tabel. Rata-rata
berat badan bulan ini antara balita laki-laki dan
perempuam berbeda bila pada tabel Independent
Samples Test, nilai pada kolom : Sig (2-tailed) nilainya
lebih kecil [ < ] dari 0,05.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

4. PAIRED SAMPLES T TEST / T TEST TERIKAT

Prosedur ini digunakan untuk menguji beda rata-rata dari 2
kelompok yang berhubungan atau berpasangan. Misalkan
kita akan menguji apakah ada beda rata-rata berat badan
bulan ini dengan berat badan bulan lalu.
LANGKAH PENGUJIAN :

a. Dari layar data view, Klik : ANALYZE, pilih : COMPARE

b.
c.
d.

e.

MEANS, klik : PAIRED SAMPLES T TEST

Dari kotak dialog, klik : BBLALU, klik : BBINI
Masukkan kedalam kotak : Paired Variables
Tekan : OK
PEMBACAAN HASIL :
Out put hasil manghasilkan 3 tabel. Rata-rata berat
badan bulan ini dan bulan lalu dikatakan berbeda bila
pada tabel Paired Samples Test, nilai pada kolom : Sig (2tailed) nilainya lebih kecil [ < ] dari 0,05.

TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

5. ONE WAY ANOVA

Prosedur ini digunakan untuk menguji beda rata-rata dari 3
kelompok atau lebih, yang tidak saling berhubungan.
Misalkan kita akan menguji apakah ada beda rata-rata

berat badan bulan lalu, antara balita dari rt 6 rt 7 rt 8 dan rt

9.
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : COMPARE
MEANS, klik : ONE WAY ANOVA.
b. Dari kotak dialog, masukkan variabel : BBLALU kedalam
kotak : Dependent List, masukkan variabel : ASALRT
kedalam kotak : Factor.
c. Bila ingin menguji perbedaan antar rt, klik : POST HOC,
aktifkan
fungsi [ V ] LSD ATAU SHCEFFE tekan :
CONTINUE.
d. Bila ingin menguji homogenitas variance atau statistik
deskriptif dari masing masing rt, klik : OPTION, aktifkan
fungsi [ V ] descriptive dan [ V ] homogenity of variance
test, tekan : CONTINUE
e. Tekan : OK
f. PEMBACAAN HASIL :
1) Tabel descriptive merupakan hasil dari statistik
deskripsif masing-masing rt
2) Tabel kedua merupakan hasil uji homogenitas
variance, dikatakan homogen bila nilai Sig. > 0,05
3) Tabel ketiga merupakan hasil uji anova satu jalan,
berat badan bulan lalu antar rt dikatakan berbeda bila
nilai Sig. < 0,05. Bila ada beda fungsi LSD / SCHEFFE
dapat dilihat.
4) Fungsi LSD / SCHEFFE dapat dilihat pada tabel Multiple
Comparations, berat badan bulan lalu antar rt
dikatakan berbeda bila pada kolom : Mean Difference
(I-J) terdapat tanda asterix (*) atau pada kolom Sig.
nilainya < 0,05. Fungsi LSD / SCHEFFE mirip dengan
uji independent samples t test / t test bebas.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

D. GENERAL LINEAR MODE

1. UNIVARIATE UNTUK ANAVA 2 JALAN
Dari kasus
sebelumnya, yaitu
membandingkan berat
badan bulan lalu antara balita rt 6, 7, 8 dan 9, maka
digunakan uji anava satu jalan, akan tetapi bila variabel
berat badan bulan lalu juga dipilah lagi menurut variabel
seks (laki-laki dan perempuan) maka uji yang digunakan
adalah anava dua jalan. Dalam kasus ini variabel asal rt dan
jenis kelamin merupakan variabel bebas dan berat badan
bulan lalu merupakan variabel terikat.
SEKS

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

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.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :
2. MULTIVARIATE 1 JALUR
Dari contoh data yang ada, kita mencoba membandingkan
antara balita yang divaksinasi atau tidak (variabel bebas)
apakah mempunyai pengaruh pada berat badan balita
bulan ini dan bulan lalu (variabel terikat)
VAKSIN
BB BLN LALU
BB BLN INI

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.

TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

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 :

Test of Between-Subject Effect pada baris : SEKS dan

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 DIGU-NAKAN.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

E.

UJI BEDA NON PARAMETRIC TESTS

Uji non parametrik biasanya digunakan bagi data yang

berskala nominal atau ordinal atau data yang mempunyai
skala interval atau ratio tetapi tidak normal.
1. 2 INDEPENDENT SAMPLES
Fungsi uji ini mirip dengan T TEST BEBAS. Misalkan dengan
menggunakan uji : MANN WHITNEY U, akan diuji apakah
ada beda berat badan bulanlalu antara balita laki-laki
dengan balita perempuan
LANGKAH PENGUJIAN :
a.
Dari layar data view, Klik : ANALYZE, pilih : NON
PARAMETRIC TEST, Klik : 2 INDEPENDENT SAMPLES
b. Dari kotak dialog, pilihan uji Mann Whitney U telah aktif
[ V ] masukkan : BBLALU kedalam kotak : Test variable
list.
c. Masukkan : SEKS kedalam kotak : Grouping variable. Klik
: Define group, masukkan angka : 1 ke kotak group 1 dan
angka : 2 ke kotak group 2. 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 lalu antara balita laki-laki dan
perempuan.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

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

Dari tabel di atas akan dicari persamaan garis regresi,

dengan menggunakan 3 prediktor (X1, X2 dan X3) serta
prediktor yang paling berpengaruh terhadap kriterium (Y).
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : REGRESSION,
Klik : LINEAR
b. Dari kotak dialog, masukkan variabel : SKRIPSI kedalam
kotak : Dependent. Masukkan variabel : STAT, RISET dan
MKK ke dalam kotak : Independent(s)
c. Tekan : OK
d. PEMBACAAN HASIL :
Dari output dihasilkan 4 tabel.
Tabel ke 2 : Model Summary, menunjukkan persentase
kontribusi nilai prediktor terhadap nilai kriterium. Bila
prediktornya hanya 1 digunakan R square, bila
prediktornya lebih dari 1 gunakan adjusted R square.
Dari tabel tersebut dapat dilihat bahwa nilai adjusted R
square = 0.458, nilai ini menunjukkan pengaruh dari 3
prediktor terhadap kriterium besarnya 55,7% sedangkan
44,3% dipengaruhi oleh prediktor lain.
Tabel ke 3 : ANOVA, bila nilai sig. pada tabel ini < 0,05,
maka persamaan garis regresi yang diperoleh, bila
digunakan
untuk
mem-prediksi,
hasilnya
dapat
diterima/dipercaya.
Tabel 4 : Coefficient, pada tabel ini ditunjukkan
persamaan garis regresi yaitu : Y (skripsi) = 0,584 X1
(stat) + 0,065 X2 (riset) + 0.213 W3 (mkk) dari ketiga
prediktor bila dibandingkan pengaruhnya terhadap
kriterium maka hanya prediktor STAT yang bermakna,
karena nila sig. < 0,05, sedangkan yang lain > 0,05. Bila
ada lebih dari 1 prediktor yang nilai sig. < 0,05, maka
yang nilai sig. lebih kecil, mempunyai pengaruh lebih
besar dibandingkan prediktor lainnya.

TULISKAN HASIL ANALISIS SAUDARA :

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

harus diubah menjadi

transformasi data.

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.

TULISKAN HASIL ANALISIS SAUDARA :

Bila kita sudah memiliki tabel silang yang akan diuji

memakai chi square maka langkah yang dapat dilakukan
adalah seperti di bawah ini :
VARIABEL TERIKAT
3 (YA)
4 (TIDAK)
20
5
5
10

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.

I. UJI VALIDITAS DAN RELIABILITAS

Uji validitas dan reliabilitas biasanya digunakan untuk menilai
suatu kuesioner yang biasa digunakan untuk mengukur
pengetahuan ataupun sikap.
P1
P2
P3
P4
P5
P6
P7
P8
P9
P10
Q
5
4
3
5
4
5
4
5
3
3
W
5
4
3
5
4
5
4
5
3
2
E
5
3
3
5
4
5
4
5
2
3
R
4
3
2
4
3
5
4
5
2
2
T
5
2
2
5
5
4
2
3
1
3
Y
4
2
3
5
5
4
2
3
2
3
U
5
3
2
4
3
5
2
2
2
3
I
3
3
3
5
4
5
3
2
1
2
O
5
3
3
5
3
5
3
2
2
2
P
5
3
3
4
4
4
3
3
2
2
L
4
2
2
4
4
4
3
3
3
2
J
4
3
3
4
3
3
2
3
3
3
H
5
3
3
5
3
3
3
4
2
3
G
5
3
3
5
4
5
3
4
1
4
F
3
2
3
3
3
5
4
2
2
3
Data di atas terdiri dari 10 pertanyaan (P1 P10), yang diuji
cobakan kepada 15 responden (Q F).
LANGKAH PENGUJIAN :
a. Dari layar data view, Klik : ANALYZE, pilih : SCALE, Klik :
RELIA-BILITY ANALYSIS
b. Dari kotak dialog, masukkan variabel : P1 P10 kedalam
kotak : Item(S). Klik : Statistics, beri tanda [ V ] pada
kotak : Item, Scale dan Scale if item deleted. Tekan :
Continue
c. Tekan : OK

TULISKAN HASIL ANALISIS SAUDARA :

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

Dalam membuat grafik, salah satu pertimbangan yang harus

diperhatikan adalah skala dari data tersebut. Data yang
mempunyai skala nominal atau ordinal biasa menggunakan
Pie Chart atau Bar, sedangkan data yang mem-punyai skala
interval atau ratio biasa menggunakan Grafik Garis atau
Histogram. Pembuatan grafik dapat melalui descriptive
statistics (lihat analisis deskriptif di atas) atau melalui menu
Graph, seperti di bawah ini.
A. BAR
Grafik ini biasa digunakan bagi data yang mempunyai data
nominal atau ordinal. Data yang akan ditampilkan dapat
hanya 1 variabel (simple bar) atau data yang ditampilkan
meliputi 2 variabel ( clustered/stacked bar).
SIMPLE BAR
1. Klik : GRAPH, Klik : Bar
2. Klik : Gambar grafik simple, Klik : Define
3. Masukkan variabel : Seks, ke dalam kotak : Category
Axis
4. Klik : Titles, bila akan memberi judul/keterangan tabel,
Klik : Continue
5. Klik : OK

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

4. Klik : Titles, bila akan memberi judul/keterangan tabel,

Klik : Continue
5. Klik : OK
GAMBARKAN HASILNYA :

V. MENCETAK HASIL ANALISIS

Bila entry data dan analisis data dan menyimpan data telah
dilakukan, maka kegiatan terakhir yang dilakukan adalah
mencetak hasilnya. Biasanya dokumen yang diicetak adalah
hasil analisis data yang ditampilkan dari jendela out put.
Mencetak out put dapat dilakukan untuk semua dokumen atau

perbagian analisis. Berikut cara mencetak perbagian dokumen

. Pastikan kertas dan printer telah sap.
1. Dari jendela output terlihat ada dua kotak. Kotak yang
bagian kanan menampilkan hasil analisis, sedangkan kotak
sebelah kiri menunjukkan bagian dari yang ditampilkan di
kotak sebelah kanan.
2. Untuk mencetak perbagian, perhatikan pada kotak sebelah
kiri. Klik : Tanda kuning, pada bagian yang akan dicetak.
(BUKAN TANDA KUNING YANG DIIKUTI TULISAN : Output,
BILA INI YANG DI KLIK, MAKA YANG TERCETAK ADALAH
SEMUA TAMPILAN YANG ADA DI KOTAK SEBELAH KANAN)
Perhatikan pada tampilan di sebelah kanan. Bagian yang
akan dicetak telah ditandai dengan munculnya garis
berbentuk kotak.
Bila ingin memberi keterangan tambahan pada tampilan,
dapat dilakukan dengan, klik 2 kali pada kotak tanda yang
paling atas, kemudian masukkan keterangan diperlukan.
Klik kembali kotak kuning yang tadi.
3. Lakukan pengaturan posisi tampilan dikertas, Klik : File,
Klik : Page setup. Lakukan pengaturan yang diperlukan
seperti pemilihan ukuran kertas, posisi tampilan, batas
margin atas, bawah, kiri dan kanan. Klik : OK. Klik : File, Klik
: Print, Klik : OK.

SOAL LATIHAN
LATIHAN UJI NORMALITAS DATA :

Lakukan uji normalitas data untuk variable lain

mempunyai skala interval/ratio
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

yang

TUGAS ANALISIS DESKRIPTIF :

Lakukan prosedur serupa untuk variabel BB bulan ini DAN BB
bulan lalu
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS MEANS :
Lakukan prosedur serupa untuk variabel BB bulan lalu atau
BB bulan ini
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS ONE SAMPLE T TEST :

Lakukan prosedur serupa untuk variabel yang lain ( BBINI atau
BBLALU) dengan nilai pembanding yang berbeda.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS INDEPENDENT SAMPLE T TEST / T TEST BEBAS

Apakah ada beda tinggi badan antara balita rt 8 dengan balita
rt 9 ?

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

TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS PAIRED SAMPLES T TEST / T TEST TERIKAT

Dari data berikut ini, apakah ada beda berat badan antara
sebelum dan sesudah mengikuti fitness ?
RESPONDEN
A
S
D
F
G
H
J
K
L
V
Z
X
N
Y
T

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

TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS ONE WAY ANOVA

Buktikan apakah ada beda nilai statistik antar kelas berikut ini
?
KLAS AAA
5
6
7
8
5
6
8

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

TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS 2 INDEPENDENT SAMPLES

Bandingkan TB balita dari rt 6 dengan balita rt 9
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS 2 RELATED SAMPLES

Dari data di atas, bandingkan apakah ada beda berat badan
antara sebelum dan sesudah fitnes ?
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS K-INDEPENDENT SAMPLES

Bandingkan TB balita dari rt 7, rt 8 dan balita rt 9
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS KORELASI BIVARIATE

Apakah ada hubungan antara : TB dengan BBLALU serta TB
dengan BBINI.
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS ANALISIS REGRESI

Mana yang lebih berpengaruh antara variabel TB atau berat
badan bulan lalu terhadap berat badan bulan ini ?
TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS TRANFORMASI DATA

Lakukan prosedur serupa untuk variabel ketrampilan dengan
pengkatagorian sesuai ketentuan seperti di atas

TUGAS CHI SQUARE

Apakah ada hubungan antara TAHU1 dengan TRAMPIL1
Apakah ada hubungan tingkat sanitasi dengan kejadian diare
dari data berikut ini ?

SANITASI BAIK/1
SANITASI BURUK /2

KEJADIAN DIARE
YA/3
TIDAK/4
1;3/5
1;4/ 15
2;3/10
2;4/5

TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

TUGAS UJI VALIDITAS DAN RELIABILITAS

Lakukan uji validitas dan reliabilitas dari data berikut ini :
A
B
C
D
E
F
G
H
I
J
K

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

TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :

P7
0
0
0
1
0
1
0
0
1
1
1