Nurhidayah G42140017 Golongan A
Nurhidayah G42140017 Golongan A
1. Penelitian ini untuk melihat apakah ada hubungan antara penyakit Ca Serviks dan Kejadian
Kematian. Didapatkan tabel seperti berikut:
Kematian
Ca Serviks Total
Ya Tidak
Ya 6 34 40
Tidak 16 19 35
Total 22 53 75
Apakah ada hubungan antara penyakit Ca Serviks dan Kematian?
= 0,05 dan df = 1
Langkah langkah mengerjakan secara manual:
a. Tentukan hipotesis statistika:
H0 = Tidak ada hubungan antara penyakit Ca Serviks dan Kematian
H1 = Ada hubungan antara penyakit Ca Serviks dan Kematian
b. Tentukan Nilai Expected (E):
Kematian Kematian (Expected)
Ca Serviks Total
Ya Tidak Ya Tidak
(22*40)/75 (53*40)/75
Ya 6 34 40
= 11.73 = 28.27
(22*35)/75 (53*35)/75
Tidak 16 19 35
= 10.27 = 24.73
Total 22 53 75 22 53
g. Kemudian Output SPSS keluar. Nilai harapan muncul pada Expected Count dan hasilnya
sama dengan perhitungan yang dilakukan secara manual
h. Karena nilai Frekuensi Harapan yang dihasilkan lebih dari 5, maka nilai yang dibaca
ialah Pearson Chi-Square. Nilai yang dihasilkan sama dengan perhitungan secara
manual
2
Karena 2 > = 8.49 > 3.841 maka H0 ditolak. Jadi, dapat dinyatakan terdapat
hubungan antara penyakit Ca Serviks dan Kematian.
c. Karena terdapat nilai harapan yang <5, maka digunakanlah rumus hitung Koreksi Yates
N
N ( AD BC 2 )2
2
=
(A + B)(C + D)(A + C)(B + D)
15
15 ( 6.6 3.0 2 )2
2 =
(6 + 3)(0 + 6)(6 + 0)(3 + 6)
15 (28.5)2 12183.75
2 = = = .
2916 2916
b. Klik Variable View masukkan variabel yang digunakan pada setiap kolom. Tambahkan
variabel Sel untuk menuliskan data sesuai dengan jumlah sel
c. Tentukan Values pada masing masing variabel, Gender (1 = Laki laki, 2 =
Perempuan); Pekerjaan (1 = Full time, 2 = Part time). Lalu tentukan jenis data (Scale,
Nominal, atau Ordinal)
g. Kemudian Output SPSS keluar. Nilai harapan muncul pada Expected Count
h. Karena nilai Frekuensi Harapan yang dihasilkan kurang dari 5, maka nilai yang dibaca
ialah Continuity Correction. Nilai yang dihasilkan sama dengan perhitungan secara
manual
2
Karena 2 > = 4.178 > 3.841 maka H0 ditolak. Jadi, dapat dinyatakan terdapat
hubungan antara Gender dan Pekerjaan.
Berdasarkan analisis Risk Estimate, interpretasinya adalah:
1) Perempuan memiliki peluang kerja Full time 0.333 kali lebih kecil dibandingkan
dengan laki-laki.
2) Karena terdapat sel yang bernilai kosong (0), maka Risk Estimate tidak dapat muncul
secara keseluruhan.
3. Penelitian di RS X untuk mengetahui perbedaan tingkat depresi seorang laki laki dan
wanita. Didapatkan tabel seperti berikut:
Gender
Depresi Total
Laki laki Wanita
Ringan 33 21 54
Sedang 17 42 59
Berat 12 27 39
Apakah ada perbedaan gender terhadap kondisi depresi?
= 0,05 dan df = 2
Langkah langkah mengerjakan secara manual:
a. Tentukan hipotesis statistika:
H0 = Tidak ada perbedaan tingkat depresi antara laki laki dan wanita
H1 = Ada perbedaan tingkat depresi antara laki laki dan wanita
b. Tentukan nilai Expected (E):
Gender Expected
Depresi Total
Laki laki Wanita Laki laki Wanita
(62*54)/152 (90*54)/152
Ringan 33 21 54
= 22.03 = 32.00
(62*59)/152 (90*59)/152
Sedang 17 42 59
= 24.06 = 34.93
(62*39)/152 (90*39)/152
Berat 12 27 39
= 15.91 = 23.09
Total 62 90 152 62 90
2
( )2
=
(33 22.03)2 (21 32.00)2 (17 24.06)2 (42 34,93)2 (12 15.91)2 (27 23.09)2
2 = + + + + +
22.03 32.00 24.06 34.93 15.91 23.09
2 = 5.46 + 3.78 + 2.07 + 1.43 + 0.96 + 0.66
2 = .
d. Menghitung menggunakan tabel perhitungan
O E OE (O E)2 (O E)2/E
33 22.03 10.97 120.34 5.46
21 32.00 -11.00 121.00 3.78
17 24.06 -7.06 49.84 2.07
42 34.93 7.07 49.98 1.43
12 15.91 -3.91 15.29 0.96
27 23.09 3.91 15.29 0.66
Total 152 -0.02 2 = 14.37
f. Masukkan Variabel Depresi pada baris dan Variabel Gender pada kolom. Setelah itu
pada menu Statistics pilih Chi-square dan centang Risk Continue. Pada menu Cells
pilih Observed, Expected, dan Row Continue. Lalu klik OK
g. Kemudian Output SPSS keluar. Nilai harapan muncul pada Expected Count dan
hasilnya sama dengan perhitungan yang dilakukan secara manual
h. Karena nilai Frekuensi Harapan yang dihasilkan lebih dari 5, maka nilai yang dibaca
ialah Pearson Chi-Square. Nilai yang dihasilkan sama dengan perhitungan secara
manual
2
Karena 2 > = 14.358 > 5.991 maka H0 ditolak. Jadi, ada perbedaan tingkat
depresi antara laki-laki dan wanita.
Risk Estimate statistik tidak dapat dihitung, karena Risk Estimate statitstik hanya bisa
dihitung pada tabel 2x2
4. Dari hasil kuesioner untuk mengetahui kinerja rumah sakit x, diketahui kepuasan pelanggan
rumah sakit (1 = sangat tidak puas, 2 = tidak puas, 3 = kurang puas, 4 = cukup puas, 5 =
puas, 6 = sangat puas, 7 = sangat puas sekali, 8 = sempurna). Didapatkan tabel sebagai
berikut:
1 2 3 4 5 6 7 8 Total
Kepuasan
29 19 18 25 17 10 15 11 144
Pelanggan
Apakah ada perbedaan kepuasan pelanggan terhadap kinerja rumah sakit?
= 0,05 dan df = 7
Langkah langkah mengerjakan secara manual:
a. Tentukan hipotesis statistika:
H0 = Tidak ada perbedaan kepuasan pelanggan terhadap kinerja rumah sakit.
H1 = Ada perbedaan kepuasan pelanggan terhadap kinerja rumah sakit.
b. Tentukan nilai Frekuensi Harapan (fh)
=
29 + 19 + 18 + 25 + 17 + 10 + 15 + 11
= = 18
8
b. Klik Variable View masukkan variabel yang digunakan pada setiap kolom. Tambahkan
variabel Sel untuk menuliskan data sesuai dengan jumlah sel
c. Tentukan Values pada variabel, (1 = sangat tidak puas, 2 = tidak puas, 3 = kurang puas,
4= cukup puas, 5 = puas, 6 = sangat puas, 7 = sangat puas sekali, 8 = sempurna)
h. Hasil perhitungan Chi-square yaitu 16.333, hasil ini sama dengan perhitungan yang
dilakukan secara manual
Kesimpulan:
H0 ditolak jika:
2
Karena 2 > = 16.333 > 14.067 maka H0 ditolak. Jadi, ada perbedaan kepuasan
pelanggan terhadap kinerja rumah sakit