ANALISIS DATA

1. Pendahuluan
Setelah kita selesai melakukan pengolahan data, maka langkah selanjutnya adalah
menganalisis data. Data mentah (raw data) yang sudah susah payah kita kumpulkan tidak akan
ada artinya jika tidak dianalisis. Analisis data merupakan kegiatan yang sangat penting dalam
suatu penelitian, karena dengan analisislah data dapat mempunyai arti/makna yang dapat berguna
untuk memecahkan masalah penelitian.
Analisis mempunyai posisi strategis dalam suatu penelitian. Namun perlu dimengerti
bahwa dengan melakukan analisis tidak dengan sendirinya dapat langsung memberi jawaban
penelitian, untuk itu perlu diketahui bagaimana menginterpretasi hasil penelitian tersebut.
Menginterpretasi berarti kita menjelaskan hasil analisis guna memperoleh makna/arti.
Interpretasi mempunyai dua bentuk, yaitu arti sempit dan arti luas. Interpretasi dalam arti
sempit (deskriptif) yaitu interpretasi data dilakukan hanya sebatas pada masalah penelitian yang
diteliti berdasarkan data yang dikumpulkan dan diolah untuk keperluan penelitian tersebut.
Sedangkan interpretasi dalam arti luas (analitik) yaitu interpretasi guna mencari makna data hasil
penelitian dengan jalan tidak hanya menjelaskan/menganalisis data hasil penelitian tersebut,
tetapi juga melakukan inferensi (generalisasi) dari data yang diperoleh dengan teori-teori yang
relevan dengan hasil-hasil penelitian tersebut.
Pada umumnya analisis data bertujuan untuk:
a. Memperoleh gambaran/deskripsi masing-masing variabel
b. Membandingkan dan menguji teori atau konsep dengan informasi yang ditemukan
c. Menemukan adanya konsepbaru dari data yang dikumpulkan
d. Mencari penjelasan apakah konsep baru yang diuji berlaku umum atau hanya berlaku pada
kondisi tertentu
Seberapa jauh analisis suatu penelitian akan dilakukan tergantung dari:
a. Jenis penelitian
b. Jenis sampel
c. Jenis data/variabel
d. Asumsi kenormalan distribusi data

1
a. Jenis Penelitian
Jika ingin mengeahui bagaimana pada umumnya (secara rata-rata) pendapat masyarakat
akan suatu hal tertentu, maka pengumpulan data dilakukan dengan survei. Dari kasus ini maka
dapat dilakukan analisis data dengan pendekatan kuantitatif. Namun bila kita menginginkan
untuk mendapatkan pendapat/gambaran yang mendalam tentang suatu fenomena, maka data
dapat dikumpulkan dengan fokus grup diskusi atau observasi, maka analisisnya menggunakan
pendekatan analisis kualitatif.

b. Jenis Sampel
Analisis sangat tergantung pada jenis sampel yang dibandingkan, apakah kedua sampel
independen atau dependen. Misalnya pada penelitian survei yang tidak menggunakan sampel
yang sama, dapat digunakan uji statistik yang mengasumsikan sampel yang independen.
Misalkan survei untuk mengetahui apakah ada perbedaan berat badan bayi antara bayi-bayi yang
dilahirkan dari ibu perokok dengan bayi-bayi dari ibu yang tidak merokok. Disini berarti
kelompok ibu perokok dan kelompok ibu bukan perokok bersifat independen.
Sedangkan untuk penelitian eksperimen yang sifatnya pre dan post (sebelum dan sesudah
adanya perlakuan tertentu dilakukan pengukuran) maka uji yang digunakan adalah uji statistik
untuk data yang dependen. Misalnya, suatu penelitian ingin mengetahui pengaruh penelitian
manajemen terhadap kinerja petugas kesehatan. Pertanyaan penelitiannya Apakah ada
perbedaan kinerja petugas kesehatan antara sebelum dan sesudah mendapatkan pelatihan
manajemen?. Dalam penelitian ini sampel kelompok petugas kesehatan bersifat dependen,
karena pada kelompok (orang) yang sama diukur dua kali yaitu pada saat sebelum pelatihan (pre
test) dan sesudah dilakukan pelatihan (Post Test).

c. Jenis Data/Variabel
Data denganjenis katagori berbeda cara analisisnya dengan data jenis numerik. Beberapa
pengukuran/uji statistik hanya cocok untuk jenis data tertentu. Sebagai contoh, nilai
proporsi/persentase (pada analisis univariat) biasanya cocok untuk menjelaskan data berjenis
katagorik, sedangkan untuk data jenis numerik biasanya dapat menggunakan nilai rata-rata untuk
menjelaskan karakteristiknya. Untuk analisis hubungan dua variabel (analsis bivariat), uji kai

2
kuadrat hanya dapat dipakai untuk mengetahui hubungan data katagori dengan data katagori.
Sebaliknya untuk mengetahui hubungan numerik dengan numerik digunakan uji korelasi/regresi.

d. Asumsi Kenormalan
Jenis analisis yang akan dilakukan sangat tergantung dari bentuk distribusi datanya. Bila
distribusi datanya tidak normal, maka sebaiknya digunakan prosedur uji statitik nonparametrik.
Sedangkan bila asumsi kenormalan dapat dipenuhi maka dapat digunakan uji statistik
parametrik.
Berikut ini akan dijelaskan langkah-langkah analisis (pendekatan kuantitatif):
1. Analisis Deskriptif (Univariat)
Tujuan dari analisis ini adalah untuk menjelaskan/mendiskripsikan karakteristik masing-
masing variabel yang diteliti. Bentuknya tergantung dari jenis datanya. Untuk data numerik
digunakan nilai mean (rata-rata), median, standard deviasi dan inter kuartil range, minimal
maksimal.
2. Analisis Analitik (Bivariat)
Setelah diketahui karakteristik masing-masing variabel dapat diteruskan analisis lebih lanjut.
Apabila diinginkan analisis hubungan antar dua variabel, maka analisis dilanjutkan pada
tingkat bivariat. Misalnya ingin diketahui hubungan antara berat badan dengan tekanan
darah. Untuk mengetahui hubungan dua variabel tersebut biasanya digunakan pengujian
statistik. Jenis uji statistik yang digunakan sangat tergantung jenis data/variabel yang
dihubungkan.
3. Analisis Multivariat
Merupakan analisis yang menghubungkan antara beberapa variabel independen dengan satu
variabel dependen.

3
 STATISTIK PARAMETRIK
ANALISIS DATA UJI RERATA 2 KELOMPOK

Uji t
Di bidang kesehatan sering kali kita harus menarik kesimpulan apakah parameter dua
populasi berbeda atau tidak. Misalnya, apakah ada perbedaan tekanan darah penduduk dewasa
orang kota dengan orang desa. Atau, apakah ada perbedaan berat badan antar sebelum mengikuti
program diet dengan sesudahnya. Uji statistik yang membandingkan mean dua kelompok data ini
disebut uji beda dua mean. Pendekatan ujinya dapat menggunakan pendekatan distribusi Z dan
distribusi t , sehingga pada uji beda dua mean bisa menggunakan uji Z atau uji t, namun lebih
sering digunakan uji t.
Sebelum kita melakukan uji statistik dua kelompok data, kita perlu mengetahui apakah
dua kelompok data tersebut berasal dari dua kelompok yang independen atau berasal dari dua
kelompok yang dependen/pasangan. Dikatakan kelompok independen bila data kelompok
yang satu tidak tergantung dari kelopok kedua, misalnya membandingkan mean tekanan darah
sistolik orang desa dengan orang kota. Tekanan darah orang kota independen (tidak tergantung)
dengan orang desa. Dilain pihak, kedua kelompok data dikatakan dependen/pasangan bila
kelompok data yang dibandingkan datanya saling mempunyai ketergantungan, misalnya data
berat badan sebelum dan sesudah mengikuti program diet berasal dari orang yang sama (data
sesudah dependen/tergantung dengan data sebelum).
Berdasarkan karakteristik data tersebut maka uji beda dua mean dibagi dalam dua
kelompok, yaitu: uji beda mean independen (uji T independen) dan uji beda mean dependen (uji
T dependen).

1. Uji beda dua mean independen

Tujuan: untuk mengetahui perbedaan mean dua dua kelompok data independen, syarat yang
harus dipenuhi:
a. Data berdistribusi normal/simetris.
b. Kedua kelompok data independen.

4
c. Variabel yang dihubungkan berbentuk numerik dan katagorik (ket: variabel katagorik hanya
dengan dua kelompok).

Prinsip pengujian dua mean dua mean adalah melihat perbedaan variasi kedua kelompok data.
Oleh karena itu dalam pengujian ini diperlukan informasi apakah varian kedua kelompok yang
diuji sama atau tidak. Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar
error yang akhirnya akan membedakan rumus pengujiannya.
a. Uji untuk varian sama
Uji beda dua mean dapat dilakukan dengan menggunakan uji Z atau uji T. Uji Z dapat
digunakan bila standar deviasi populasi () diketahui dan jumlah sampel besar (>30).
Apabila kedua syarat tersebut tidak terpenuhi maka dilakukan uji . pada umumnya nilai
sulit diketahui, sehingga uji beda dua mean biasanya menggunakan uji T (T Test). Untuk
varian yang sama maka bentuk ujinya sbb:

X1 X2
T=
Sp (1/n1) + (1/n2)

(n1 - 1)S12 + (n2 - 1) S22

Sp2 =
n1 - n2 - 2

df = n1 n2 - 2
Ket :
n1 atau n2 = jumlah sampel kelompok 1 atau 2
S1 atau S2 = standar deviasi sampel kelompok 1 atau 2
b. Uji untuk varian berbeda

X1 X2
T=
(S12/n1) + (S22/n2)
[(S12/n1) + (S22/n2)]2
df =
[(S12/n1)2/(n1-1)] + [(S22/n2)2/(n2-1)]

5
c. Uji homogenitas varian
Tujuan dari uji ini adalah untuk mengetahui varian antara kelompok data satu apakah sama
dengan kelompok data yang kedua.

S12
F=
S22

df1 = n1-1 dan df2 = n2-1

Pada perhitungan uji F, varian yang lebih besar sebagai pembilang dan varian yang lebih
kecil sebagai penyebut.

2. Uji beda dua mean dependen (Paired sample)

Tujuan : Untuk menguji perbedaan mean anatara dua kelompok data yang
dependen. Contoh kasus:
o Apakah ada perbedaan tingkat pengetahuan antara sebelum dan sesudah dilakukan pelatihan.
o Apakah ada perbedaan berat badan antara sebelum dan sesudah mengikuti program diet.
Syarat :
a. Distribusi data normal
b. Kedua kelompok data dependen/pair
c. Jenis variabel: numerik dan katagorik (dua kelompok)
Formula :

d
T=
S_d / n

d = rata-rata deviasi/selisih sampel 1 dengan sampel 2

S_d = standar deviasi dari deviasi/selisih sampel sampel 1 dan sampel 2

KASUS:

6
UJI t INDEPENDEN DAN UJI t DEPENDEN
1. Uji t independen
Sebagai contoh kita gunakan data ASI.SAV dengan melakukan uji hubungan perilaku
menyusui dengan kadar Hb (misal digunakan variabel Hb1), apakah ada perbedaan kadar Hb
antara ibu yang menyusui eksklusif dengan ibu yang menyusuinya tidak eksklusif, caranya:
1. Aktifkan/bukalah file data ASI.SAV

2. Dari menu utama SPSS, pilih menu Analyze, kemudian pilih sub menu Compare Means,

lalu pilih Independen-Samples T Test

3. Pada layar tampak kotak yang di dalamnya ada kotak Test variable (s)I dan Grouping

Variable. Ket: kotak test varibles tempat memasukkan variable numeriknya, sedangkan
kotak grouping variable untuk memasukkan variabel katagoriknya, ingat jangan sampai
terbalik.
4. Klik hb1 dan msukkan ke kotak Test variable
5. Klik variabel eksklu dan masukkan ke kotak Grouping Variable.

6. Klik Define Group, kemudian di layar nampak kotak isian. Anda diminta mengisi kode
variabel menyusui ke dalam kedua kotak. Pada contoh ini, kita tahu bahwa 0 kode untuk
yang tidak eksklusif dan kode 1 untuk Yang eksklusif. Jadi ketiklah 0 pada Group 1 dan 1
pada Group 2

7
7. Klik Continue
8. Klik OK untuk menjalankan prosedur perintahnya, dan hasilnya sbb:

T-Test
Group Statistics
Std. Error
status menyusui asi N Mean Std. Deviation Mean
kadar hb pengukuran tdk EKSKLUSIVE 24 10.421 1.4712 .3003
pertama EKSKLUSIVE 26 10.277 1.3228 .2594

Independent Samples Test

Levene's Test t-test for Equality of Means
for Equality of
Variances
95% Confidence
Sig. Mean Std. Interval of the
(2-taile Differen Error Difference
Sig. df d) ce Differe
F t nce Lower Upper
kadar hb Equal
pengukur variances .072 .790 -.364 48 .717 -.1439 .3951 -.9384 .6505
an assumed
pertama Equal
variances
not -.363 46.4 .719 -.1439 .3968 -.9425 .6547
assumed

Pada tampilan di atas dapat dilihat nilai rata-rata, standar deviasi dan standar error kadar
Hb ibu untuk masing-masing kelompok. Rata-rata kadar Hb ibu yang menyusui ekslusif adalah
10,277 gr% dengan standar deviasi 1,322 gr%, sedangkan untuk ibu yang menyusui non
eksklusif, rata-rata kadar Hb-nya adalah 10,421 gr% dengan standar deviasi 1,471 gr%.

8
 Hasil uji T dapat dilihat pada tabel bawah, SPSS akan menampilkan dua uji T, yaitu uji T
dengan asumsi varian kedua kelompok sama (equal variances assumed) dan uji T dengan asumsi
varian kedua kelompok tidak sama (equal variances not assumed). Untuk, memilih uji mana
yang kita pakai, dapat dilihat uji kesamaan varian melalui uji Levene. Lihat nilai p Levene test,
nilai p < alpha (0,05) maka varian berbeda dan bila nilai p > alpha (0,05) maka varian sama
(equal). Pada uji Levene di atas menghasilkan nilai p = 0,790 sehingga dapat disimpulkan bahwa
pada alpha 5%, didapat tidak ada perbedaan varian (varian kedua kelompok sama). Selanjutnya
dicari p value uji t pada bagian varian sama (equal variances) di kolom sig (2 tailed) ,yaitu
sebesar p=0,717 artinya tidak ada perbedaan yang signifikan rata-rata kadar Hb antara ibu yang
menyusui eksklusif dengan ibu yang menyusui non eksklusif.

Penyajian dan Interpretasi di laporan penelitian:

Seperti pada analisis deskriptif, print out di atas tidak boleh langsung di copy dan disajikan di
laporan penelitian. Pada laporan penelitian kita harus membuat tabel baru untuk menyajikan
hasil print out analisis di atas. Adapun bentuk penyajian dan interpretasinya adalah sbb:
Tabel
Distribusi Rata-Rata Kadar Hb Responden Menurut Perilaku Menyusui di..th..
Menyusui Mean SD SE P value N

Ya Eksklusif 10,277 1,322 0,259 0,717 26

Tdk Eksklusif 10,421 1,471 0,300 24

Rata-rata kadar Hb ibu yang menyusui eksklusif adalah 10,277 gr% dengan standar deviasi 1,322
gr%, sedangkan untuk ibu yang menyusui non eksklusif rata-rata kadar Hb-nya adalah 10,421
gr% dengan standar deviasi 1,471 gr%. Hasil uji statistik didapatkan nilai p=0,717, berarti pada
alpha 5% terlihat tidak ada perbedaan yang signifikan rata-rata kadar Hb antara ibu yang
menyusui secara eksklusif dengan non eksklusif.

2. Uji T Dependen
Uji T dependen seringkali disebut uji T Paired/Related atau pasangan. Uji T dependen
sering digunakan pada analisis data penelitian eksperimen. Seperti sudah dijelaskan di depan
bahwa disebut kedua sampel bersifat dependen kalau kedua kelompok sampel yang

9
dibandingkan mempunyai subyek yang sama. Dengan kata lain disebut dependen bila responden
diukur dua kali/diteliti dua kali, sering orang mengatakan penelitian pre dan post. Misalnya kita
ingin membandingkan berat badan antara sebelum dan sesudah mengikuti program diet.
Untuk contoh ini akan dilakukan uji beda rata-rata kadar Hb antara kadar Hb pengukuran
pertama dengan kadar Hb pengukuran kedua, ingin diketahui apakah ada perbedaan kadar Hb
antara pengukuran pertama dengan pengukuran kedua. Disini terlihat sampelnya dependen
karena orangnya sama diukur dua kali. Adapun langkahnya:
1. Pastikan anda berada di file ASI.SAV, jika belum aktifkan/bukalah file ini.

2. Dari menu utama SPSS, pilih menu Analyze, kemudian pilih sub menu Compare Means,

lalu pilih Paired-Samples T Test

3. Klik hb1
4. Klik hb2
5. Klik tanda panah sehingga kedua variabel masuk kotak sebelah kanan
6. Klik OK hasilnya tampak sbb:

T-Test
Paired Samples Statistics
Mean N Std. Deviation Std. Error
Mean

10
Pair kadar hb pengukuran 10.346 50 1.3835 .1957
1 pertama
kadar hb pengukuran 10.860 50 1.0558 .1493
kedua

Paired Samples Correlations

N Correlation Sig.
Pair Kadar hb pengukuran pertama 50 .707 .000
1 & kadar hb pengukuran kedua

Paired Samples Test

Paired Differences
95% Confidence Sig.
Std. Std. Interval of the (2-
Mean Deviati Error Difference df taile
on Mean Lower Upper t d)
Pair kadar hb
1 pengukuran
pertama - kadar -.5140 .9821 .1389 -.7931 -.2349 -3.701 49 .001
hb pengukuran
kedua

Pada tabel pertama terlihat statistik deskriptif berupa rata-rata dan standar deviasi kadar
Hb antara pengukuran pertama dan pengukuran kedua. Rata-rata kadar Hb pada pengukuran
pertama (hb1) adalah 10,346 gr% dengan standar deviasi 1,38 gr%. Pada pengukuran kedua
(hb2) didapat rata-rata kadar Hb adalah 10,860 gr% dengan standar deviasi 1,05 gr%.
Uji T berpasangan dilaporkan pada tabel kedua, terlihat nilai mean perbedaan antara
pengukuran pertama dan kedua adalah 0,514 dengan standar deviasi 0,982. perbedaan ini diuji
dengan uji T berpasangan menghasilkan nilai p yang dapat dilihat pada kolom Sig (2-tailed).
Pada contoh di atas didapatkan nilai p=0,001, maka dapat disimpulkan ada perbedaan yang
signifikan kadar hb antara pengukuran pertama dengan pengukuran kedua.
Penyajian dan Interpretasi di laporan penelitian:
Dari hasil yang didapat di atas kemudian angka-angka disusun dalam tabel yang disajikan
dalam laporan penelitian. Bentuk penyajian dan interpretasinya sbb:
Tabel

11
 Distribusi Rata-Rata Kadar Hb Responden Menurut Pengukuran pertama dan
Kedua di . Th
Variabel Mean SD SE P value N
Kadar Hb
Pengukuran I 10,346 1,38 0,19 0,001 50
Pengukuran II 10,860 1,05 0,14

Rata-rata kadar Hb pada pengukuran pertama adalah 10,346 gr% dengan standar deviasi 1,38
gr%. Pada pengukuran kedua didapat rata-rata kadar Hb adalah 10,860 gr% dengan standar
deviasi 1,05 gr%. Terlihat nilai mean perbedaan antara pengukuran pertama dan kedua adalah
0,514 dengan standar deviasi 0,982. hasil uji statistik didapatkan nilai 0,001 maka dapat
disimpulkan ada perbedaan yang signifikan antara kadar Hb pengukuran pertama dan kedua.

12
 ANALISIS DATA UJI RERATA 3 KELOMPOK ATAU LEBIH

UJI ANOVA

Pada bab terdahulu telah dijelaskan uji beda mean dua kelompok data baik yang
independen maupun dependen. Namun seringkali kita jumpai jumlah kelompok yang lebih dari
dua, misalnya ingin mengetahui perbedaan mean berat badan bayi untuk daerah Bekasi, Bogor
dan Tangerang. Dalam menganalisis data seperti ini (> 2 kelompok) sangat tidak dianjurkan
menggunakan uji T. kelemahan menggunakan uji T adalah; pertama kita melakukan uji berulang
kali sesuai kombinasi yang mungkin, kedua, bila melakukan uji T berulang kali akan
meningkatkan (inflasi) nilai , artinya akan meningkatkan peluang hasil yang keliru.
Perubahan inflasi sebesar = 1 (1-)n
Untuk mengatasi masalah tersebut maka uji statistik yang dianjurkan (uji yang tepat) dalam
menganalisis beda lebih dari dua mean adalah uji ANOVA atau uji F.
Prinsip uji ANOVA adalah melakukan telaah variabilitas data menjadi dua sumber
variasi yaitu variasi dalam kelompok (within) dan variasi antar kelompok (between). Bila variasi
within dan between sama (nilai perbandingan kedua varian sama dengan 1) maka mean-mean
yang dibandingkan tidak ada perbedaan, sebaliknya bila hasil perbandingan tersebut
menghasilkan lebih dari 1, maka mean yang dibandingkan menunjuk ada perbedaan.
Analisis varian (ANOVA) mempunyai dua jenis analisi varian satu faktor (one way) dan
analisis faktor (two way). Pada bab ini hanya akan dibahas analisis varian satu faktor (one way).
Beberapa asumsi yang harus dipenuhi pada uji ANOVA adalah:
1. Varian homogen
2. Sampel/kelompok independen
3. Data berdistribusi normal
4. Jenis data yang dihubungkan adalah : Numerik dengan katagori (untuk katagori yang lebih
dari 2 kelompok.

Perhitungan uji ANOVA

Sb2
F=
Sw2 13
 df = k-1 untuk pembilang
n-k untuk penyebut

(n1-1)S12 + (n2-1)S22 + ..+ (nk-1)Sk2

2
Sw =
N-k

n1(X1-X)2 + n2(X2-X)2 + + nk(Xk-X)2

2
Sb =
k-1

n1.X1 + n2.X2 + . + nk.Xk

X=
N

Ket N = jumlah seluruh data (n1 + n2 + .. + nk)

Analisis Multi Comparison (POSTHOC TEST)

Analisis ini bertujuam untuk mengetahui lebih lanjut kelompok mana saja yang berbeda
mean-nya bilamana pada pengujian ANOVA dihasilkan ada perbedaan yang bermakna (Ho
ditolak). Ada berbagai jenis analisis multiple comparasion diantaranya adalah Bonferroni,
Honestly Significant different (HSD), Scheffe dan lain-lain. Pada modul ini yang akan dibahas
adalah metode Bonferroni.
Perhitungan Bonfrroni adalah sbb:

Xi - Xj
tij =
Sw2[(1/ni) +(1/nj)]

df = n k
Dengan level of significance () sbb:

* =
(k2)

14
Kasus:
UJI ANOVA
Pada contoh ini aka dicoba dihubungkan antara tingkat pendidikan dengan berat badan bayi.
Variabel pendidikan merupakan variabel katagorik dengan 4 katagori. Variabel berat bayi
berbentuk numerik sehingga uji yang digunakan ANOVA. Adapun caranya sbb:
1. Aktifkan/bukalah file data ASI.SAV

2. Dari menu utama SPSS, pilih menu Analyze, kemudian pilih sub menu Compare Means,

lalu pilih One-Way ANOVA sesaat akan muncul menu One Way ANOVA
3. Dari menu One way ANOVA, terlihat bahwa kotak Dependent List dan kotak Factor perlu

diisi variabel. Kotak dependent diisi variabel numerik dan kotak factor diisi variabel

katagoriknya. Pada contoh ini berarti pada kotak Dependen diisi variabel bbbayi pada
kotak Factor diisi variabel Didik.

4. Klik tombol Options tandai dengan pada kotak Descriptive

5. Klik Continue

15
6. Klik tombol Post Hoc, tandai dengan pada kotak Bonferroni

7. Klik Continue
8. Klik OK

16
Oneway
Descriptives
berat badan bayi
95% Confidence Interval for
Std. Std. Mean Minim Maxim
N Mean Deviation Error Lower Bound Upper Bound um um
SD 10 2470.00 249.666 78.951 2291.40 2648.60 2100 2900
SMP 11 2727.27 241.209 72.727 2565.23 2889.32 2100 3000
SMU 16 3431.25 270.108 67.527 3287.32 3575.18 3000 4000
PT 13 3761.54 386.304 107.141 3528.10 3994.98 3000 4100
Total 50 3170.00 584.232 82.623 3003.96 3336.04 2100 4100

Test of Homogeneity of Variances

berat badan bayi
Levene
Statistic df1 df2 Sig.
2.506 3 46 .071

ANOVA
berat badan bayi
Sum of
Squares df Mean Square F Sig.
Between Groups 12697038 3 4232345.862 48.334 .000
Within Groups 4027962 46 87564.400
Total 16725000 49

17
Post Hoc Tests

Multiple Comparisons
Dependent Variable: berat badan bayi
Bonferroni
(I) (J) 95% Confidence Interval
pendidika pendidikan Mean
n formal formal ibu Difference
ibu menyusui (I-J) Std. Error Sig. Lower Bound Upper Bound
SD SMP -257.273 129.294 .315 -613.76 99.21
SMU -961.250* 119.286 .000 -1290.14 -632.36
PT -1291.538* 124.468 .000 -1634.72 -948.36
SMP SD 257.273 129.294 .315 -99.21 613.76
SMU -703.977* 115.902 .000 -1023.54 -384.42
PT -1034.266* 121.228 .000 -1368.51 -700.02
SMU SD 961.250* 119.286 .000 632.36 1290.14
SMP -703.977* 115.902 .000 384.42 1023.54
PT -330.288* 110.492 .027 -634.93 -25.64
PT SD 1291.538* 124.468 .000 948.36 1634.72
SMP 1034.266* 121.228 .000 700.02 1368.51
SMU 330.288* 110.492 .027 25.64 634.93
*. The mean difference is significant at the .05 level.

Dari print out ini diperoleh rata-rata berat bayi dan standar deviasi masing-masing kelompok.
Rata-rata berat bayi pada mereka yang berpendidikan SD adalah 2470,0 gram dengan standar
deviasi 249,6 gram. Pada mereka yang berpendidikan SMP rata-rata berat bayinya adalah 2727,2
gram dengan standar deviasi 241,2 gram. Pada mereka yang berpendidikan SMU rata-rata berat
bayinya adalah 3431,2 gram dengan standar deviasi 270,1 gram. Pada mereka yang
berpendidikan PT rata-rata berat bayinya adalah 3761,5 gram dengan standar deviasi 386,3 gram.
Pada hasil di atas nilai p uji ANOVA dapat diketahui pada kolom F dan Sig, terlihat p=0,000
(kalau desimalnya 0, maka penulisannnya menjadi p=0,0005), berarti pada alpha 5%, dapat
disimpulkan ada perbedaan berat bayi diantara keempat jenjang pendidikan.
Pada Box paling bawah terlihat hasil dari uji Multiple Comparisons Bonferroni yang berguna
untuk menelusuri lebih lanjut kelompok mana saja yang berhubungan signifikan. Untuk
mengetahui kelompok yang signifikan dapat terlihat dari kolom Sig. Ternyata kelompok
signifikan adalah tingkat pendidikan SD dengan SMU, SD dengan PT, SMP dengan SMU, SMP
dengan PT dan SMU dengan PT.

18
Penyajian dan Interpretasi di laporan Penelitian
Tabel
Distribusi Rata-Rata berat Bayi Menurut Tingkat pendidikan
Variabel Mean SD 95% CI P value
Pendidikan
- SD 2470,0 249,6 2291,4 2648,6 0,0005
- SMP 2727,2 241,2 3565,2 2889,3
- SMU 3431,2 270,1 3287,3 3575,1
- PT 3761,5 386,3 3528,1 3994,9

Rata-rata berat bayi pada mereka yang berpendidikan SD adalah 2470,0 gram dengan
standar deviasi 249,6 gram. Pada mereka yang berpendidikan SMP rata-rata berat bayinya adalah
2727,20 gram dengan standar deviasi 241,2 gram. Pada mereka yang berpendidikan SMU rata-
rata berat bayinya adalah 3431,2 gram dengan standar deviasi 270,1 gram. Pada mereka yang
berpendidikan PT rata-rata berat bayinya adalah 3761,5 gram dengan standar deviasi 386,3 gram.
Hasil uji statistik didapat niali p=0,0005, berarti pada alpha 5% dapat disimpulkan ada perbedaan
berat bayi diantara keempat jenjang pendidikan. Analisis lebih lanjut membuktikan bahwa
kelompok yang berbeda signifikan adalah tingkat pendidikan SD dengan SMU, SD dengan PT,
SMP dengan SMU,SMP dengan PT dan SMU dengan PT.

19