Universitas Warmadewa
Pendahuluan
Pada modul ini akan dipelajari cara memulai dan mengakhirkan sesi SPSS, cara membuat struktur
data, cara merekam data, cara membuka file data SPSS atau file data dengan format bukan SPSS,
misalnya dalam format Excel, Dbase, Sas, dll. Juga akan dipelajari cara membuat variabel baru dari
data yang sudah ada dengan cara recode atau compute. Selain itu, juga akan dipelajari cara
memilih rekord tertentu dan cara mengurut data.
Tujuan
Untuk meningkatkan kemampuan peserta pelatihan dalam pengelolaan data dengan SPSS sebagai
persiapan analisis data selanjutnya.
TOPIK LATIHAN
Pada bagian ini akan dibahas dan dipraktekan cara:
Memulai dan mengakiri program SPSS
Membuat struktur data format SPSS
Merekam, menyimpan, dan memuka file SPSS
Cara tranformasi data
1. Mengaktifkan SPSS
Untuk memulai program SPSS dapat dilakukan dengan mengaktifkan program SPSS dengan
cara:
Double Klik ikon SPSS pada Destop seperti di bawah ini.
Bila berhasil, maka akan tampil layar: SPSS Data Editor sebagai berikut.
CATATAN:
Sheet Data View adalah sheet untuk DATA, sedangkan Sheet Variable View untuk membuat dan
memperbaiki STRUKTUR DATA SPSS.
No Struktur Deskripsi
1 Name Nama menggunakan abjad, maksium 40 karakter, tidak ada
spasi, tanda baca dan tanda matematik
2 Type Numerik (untuk data dalam bentuk angka), string (data dalam
bentuk abjad), date (data tgl/bln/th)
3 Width Jumlah spasi (karakter) yang perlu disediakan termasuk decimal
dibelakang koma.
4 Decimal Jumlah angka di belakang koma. Bila tidak ada decimal, maka isi
0.
5 Label Nama variabel yang diinginkan tercetak pada output SPSS,
misalnya nama variabelnya P01 diberi label: Umur (th)
6 Values Label untuk setiap kategori dari variabel kategorikal, misalnya
SEX: 1=laki dan 2=perempuan. Hanya untuk variabel kategorikal
saja.
2) Ketik nama variabel pada kolom Name, type pada kolom Type, width pada kolom
Width, decimal pada kolom Decimal, dan label pada kolom Label untuk setiap
variabel yang ada, sehingga tampak sbb:
Klik bagian belakang kolom Type dari variabel yang diubah typenya. Dalam contoh
ini adalah Sex, maka akan tampak sbb:
Klik disini
Klik String seperti contoh di atas dan klik OK pada jendela Variable Type seperti
contoh di atas, maka hasilnya akan menjadi sbb:
Type dari variabel Sex sudah berubah menjadi string, seperti contoh di atas.
Ketik: L pada kotak Value untuk kategori pertama dan ketik: Laki-laki pada kotak
Value Label, dan klik Add untuk memindahkan definisi tersebut ke kotak di
bawahnya. Lanjutkan ketik kode P pada kotak Value dan Perempuan pada kotak Value
labelnya, dan klik Add sehingga kedua definisi kategori sudah ada di kotak seperti
berikut.
Lakukan hal yang sama untuk variavel Diare dan coba ulang lagi sampai mahir.
Kolom Values untuk variabel Sex dan Diare sudah berisikan Value Labelnya, seperti contoh
di atas.
Merekam Data
Setelah struktur data dibuat, langkah selanjutnya adalah merekam data. Data hanya dapat
direkam pada Sheet Data View. Oleh karena itu sebelum memulai merekam maka aktifkan dahulu
Sheet Data View dengan cara:
1) Klik menu Data View yang terletak dibagian kiri bawah layar Data Editor, maka akan
tampak sbb:
CATATAN:
Bila waktu saudara mengetik data Weight menggunakan koma untuk desimal dan setelah
diketik datanya hilang, berarti komputer saudara tidak menerima koma sebagai tanda
desimal. Bila hal itu terjadi, maka saudara harus menggunakan titik sebagai tanda desimal.
Menyimpan Data
Setelah data direkam, selanjutnya disimpan. Cara menyimpan data adalah:
1) Klik menu File, Save As, maka akan tampih kotak dialog sbb:
2) Ketik nama file di kotak: File name, kemudian klik kotak: Save, maka nama file akan
tampak di bagian kiri atas dari layar Data Editor.
Membuka Data
Di dalam Folder SKIL LAB UMWAR sudah ada file: DATA DAB.sav adalah data
anemia ibu hamil di Gianyar. Untuk latihan membuka file, bukalah file Data
2) Pilih Folder tempat data dengan cara klik tanda panah ke bawah dari kotak Look in ,
maka akan tampak kotak dialog sbb:
3) dan pilih Folder tempat data SKIL LAB UNWAR, maka akan tampak kotak dialog sbb:
4) klik nama file yang akan dibuka, misalnya Data DAB.sav, lalu klik kotak Open, maka
datanya akan tampak sbb:
Untu memenuhi tujuan analisis tersebut, maka perlu dibuat variabel baru seperti Anemipre
(anemia sebelum program) dari kadar Hbpre, anemipost (anemia sesudah program) dari kadar
Hbpost, dan peningkatan Hb (Hbpost Hbpre).
Cara membuat variabel baru adalah dengan cara Transformasi data. Ada dua cara transformasi
data yang paling sering dipakai, yaitu RECODE dan COMPUTE. Recode dipakai bila akan mengubah
(RECODE) atau membuat variabel baru dengan mengubah nilai data yang lama menjadi nilai baru.
Misalnya Hb diubah menjadi anemi dimana dinyatakan anemi bila Hb < 11 g/dl. Compute dipakai
bila akan membuat variabel baru dengan proses matematik seperti tambah/kurang, bagi/kali,
akar, log dan sebagainya. Misalnya membuat variabel peningkatan Hb = Hbpost Hbpre. Contoh
lain, misalnya membuat variabel baru IMT dari variabel Tinggi (TT) dan Berat Badan (BB) yang
sudah ada dengan formula IMT = BB/TT 2.
Setelah submenu: Into Difference Variables diklik, maka akan muncul kotak dialog sbb:
Pilih variabel yang akan direcode, pada contoh ini yang dipilih adalah Hbpre (Hb
sebelum intervensi) dan pindahkan ke kotak Input Variable->Output Variable:
seperti tampak di bawah ini.
Ketik nama variabel baru Anemipre (ingat: nama variabel tidak boleh ada spasi)
pada Name di kotak Output Variabel sbb:
Sampai tahap ini telah didefinisikan bahwa variabel Hbpre akan diubah menjadi
variabel Anemipre.
Langkah selanjutnya adalah transformasi nilai variabel lama menjadi nilai variabel
baru dengan cara klik: kotak Old and New Values, maka akan tampak kotak dialog
sbb:
Kotak dialog: Recode into Different Variable: Old and New Values terdiri dari dua
bagian, yaitu: Old Value pada kotak sebelah kiri dan New Value pada kotak
Untuk mengubah nilai <11 dari variabel lama menjadi nilai 1 pada variabel baru, maka:
Pilih Range LOWEST through value, Isi 10.99 pada kotak di bagian Old Value dan isi 1
pada kotak Value di bagian New Value dan klik Add agar definisi recode tersebut
berada di kotak Old New sbb:
Untuk mengubah nilai >=11 dari variabel lama menjadi nilai 2 pada variabel baru,
caranya adalah:
Pilih Range, value through HIGHEST, Isi 11 pada kotak di bagian Old Value dan isi 2
pada kotak Value di bagian New Value dan klik Add agar definisi recode
tersebut berada di kotak Old New sbb:
2) Ketik nama variabel baru: Peningkatan_Hb pada kotak Target Variable, lalu buat
persamaannya pada kotak Numeric Expression seperti contoh berikut:
3) Klik OK, maka hasil Transformasinya akan tampak pada Sheet Data View di kolom
terakhir sbb:
2.1 KASUS
Suatu penelitian deskriptif dilakukan dengan tujuan untuk mengetahui prevalensi penyakit jantung
koroner (PJK) berdasarkan jenis kelamin, obesitas, dan hiperkolesterol. Sebanyak 200 pasien rawat
jalan di poliklinik tersebut dipilih menjadi sampel dengan cara acak sederhana. Data yang
dikumpulkan meliputi karakteristik pasien yang meliputi kelompok umur, jenis kelamin, kadar
kolesterol darah pasien, dan data faktor risiko PJK seperti obesitas dan hiperkolestrolemia.
Data dari hasil penelitian ini dismpan dalam file SPSS denga nama Data CHD.sav dengan
struktur data sbb:
1. Sex dengan kategori: 1=laki dan 0 = perempuan
2. Klp_umur dengan kategori: 1 =
3. Kolesterol dalam mg/dl
4. Obesitas dengan kategori: 1 = obase dan 0 = tidak obase
5. Hiperkolesterol dengan kategori: 1 = hiperkolesterol dan 0 = tidak
6. CHD dengan kategori: 1 = CHD dan 0 = bukan CHD
TUGAS:
1. Analisis data karakteristik seperti Sex, Klp_umur, dan kadar kolesterol secara deskriptif dan
sajikan dalam tabel serta berikan interpretasi saudara.
2. Analisis kejdian CHD menurut Sex, Obesitas, dan Hperkolesterol. Sajikan dalam tabel dan
grafik serta berikan interpretasi saudara terhadap hasil tersebut.
Cari file DATA CHD.sav, bila sudah ketemu, klik sehingga nama file tersebut masuk di kotak:
File name, seperti contoh di atas dan klik Open, maka akan tampak data sbb:
Klik variabel jenis kelamin dan klp_umur dan pindahkan ke kotak Variable(s), sehingga
tampak sbb:
Untuk menampilkan grafik balok, maka klik kotak Charts pada kotak dialog Frequencie
setelah itu dan pilih Bar pada kotak dialog Frequencies: Charts seperti gambar di
bawah ini. Bila akan menyajikan fekuensi, klik Frequencies atau Percentages bila ingin
menyajikan persentase padagrafiknya seperti gambar di bawah ini.
Klik kotak Continue untuk kembali ke menu sebelumnya sehingga tampak sbb:
Frequency Table
jenis kelamin
Cumulative
Frequency Percent Valid Percent Percent
klp_umur
Cumulative
Frequency Percent Valid Percent Percent
Pilih variabel Kolesterol lalu pindahkan ke kotak Variable(s) seperti contoh di atas.
Untuk memilih jenis statistik deskriptif yang diinginkan, maka klik kotak Options maka
akan tampak sbb:
Klik jenis statistik deskriptif yang diperlukan, misalnya Mean, SD dll. Lalu klik Continue
untuk kembali ke menu sebelumnya, maka akan tampak sbb:
Descriptives
Descriptive Statistics
Membuat distribusi frekuensi dua variabel kategori seperti distribusi CHD menurut Sex, CHD
menurut Obase dan CHD menurut Hiperkolesterol dilakukan dengan membuat tabulasi silang
atau Crosstabs antara CHD dengan variabel Sex, Obesitas dan Hiperkolesterol. Langkah
analisis tabulasi adalah sbb:
Membuat angka prevalen CHD menurut sex, obase, dan hiperkolesterol dilakukan dengan
cara:
Klik kotak Cells, maka akan tampak kotak dialog Cells sbb:
Klik Observed pada kotak Count agar pada setiap sel pada tabel silang disajikan nilai
frekuensi observasi.
penyakit jantung
koroner
laki Count 46 29 75
penyakit jantung
koroner
A. Compare Mean
Kasus
Suatu penelitian anemia ibu hamil dilakukan di Kabupaten Gianyar dan Karangasem dengan tujuan
untuk mengetahui efek program tablet besi terhadap peningkatan kadar Hb ibu hamil. Pengukuran
kadar Hb dilakukan sebanyak dua kali, yaitu sebelum ikut program tablet besi dan setelah
program. Data penelitian ini disimpan dalam file SPSS dengan nama DATA DAB.Sav yang
berisikan data sbb:
1. Kabupaten ( 1= Gianyar dan 2= Karangasem)
2. UK_trimester (umur kehamilan trimesteran)
3. Paritas (jumlah anak yang dilahirkan)
4. Hbpre (kadar Hb sebelum program)
5. Hbpost (kadar Hb setelah program)
6. Ankilos (infeksi ankilos dengan kategori; 1 = ankilos dan 2= tidak)
TUGAS:
1. Analisis apakah program tablet besi dapat meningkat Hb.
2. Analisis apakah Hb ibuhamil sebelum program berbeda antara ibu hamil di Gianyar
dengan ibu hamil di Karangasem
3. Analisis apakah terdapat perbedaan kadar Hb sebelum perlakuan antara yang infeksi
ankilos dengan yang tidak infeksi ankilos
4. Analisis apakah kadar Hb antara umur kehamilan trimester I, II, dan III berbeda.
5. Sajikan dan berikan interpretasi dari hasil analisis di atas.
Program Latihan
Pada skil lab ini akan dilatih prosedure:
Paired Sampels T Test
Independent Samples t Test
One-way ANOVA
Indikasi
Paired Samples T Test dipakai untuk menganalisis pebedaan rerata dua sampel
berpasangan. Misalnya akan diteliti efek intervensi ergonomi terhadap produktivitas
karyawan pabrik sepatu dengan rancangan pre-post.
Persyaratan
Paired Samples T Test adalah bagian dari uji parametrik yang memiliki asumsi data
bedistribusi normal.
Hipotesis:
Ho. d = 0 (tidak ada berbeda antar pasangan)
Ha. d # 0 (ada berbeda antar pasangan)
Uji Statistik
Perbedaan rereta dua sampel berpasangan diuji dengan dependent samples T Test dengan
rumus sbb:
d
t
sd / n
Dimana:
d = rerata beda pasangan
n = jumlah sampel pasangan
CI perbedaan
Nilai interval kepercayaan beda rerata pasangan dapat dihitung dengan rumus sbb:
CI(1-) = d t x sd/n
Dimana:
d = rerata beda pasangan
n = jumlah sampel pasangan
t = nilai t tabel untuk tertentu
.
Klik variabel Hbpre dan Hbpost (yang akan diuji normalitasnya) dan pindahkan ke
kotak Dependent List, seperti conoh berikut.
Memilih uji normalitas, dengan cara: Klik Plots pada kotak Display dan klik menu
Plot yang berada di sebelah kanan atas kotak Explore, seperti contoh berikut.
Klik Continue, lalu klik OK maka akan tampak hasil uji normalitas data Hbpre dan
Hbpost sbb:
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Membaca Hasil:
1) Test yang dibaca
Test Kolmogorov-Smirnov (K-S) dipakai bila jumlah sampel besar n > 30 dan sebaliknya
test Shapiro-Wilk dipakai bila jumlah sampel kecil n < 30.
Setelah Paired Samples T Test diklik, maka akan muncul kotak dialog Paired Samples T
Test sbb:
Paired Differences
95%
Confidence
Pair 1 Hb. sbl -,6766 ,8396 ,0552 -,7855 -,5678 -12,248 230 ,000
intervensi - Hb.
stl intervensi
3. Interpretasi
Kesimpulan
Ho diterima bila nilai p >
Ho ditolak bila nilai p
Berdasarkan hasil analisis didapatkan bahwa kadar Hb setelah program lebih tinggi dari
sebelum program sebesar 0,6 g/dl (CI 95%: -0,79 s/d 0,57. Peningkatan tersebut secara
statistik bermakna dengan nilai p = 0,000 atau nilai nol terletak di luar CI perbedaan rerata
ke dua kelompok sampel.
Indikasi
Independent Samples T Test dipakai untuk menguji perbedaan rerata dua sampel bebas
(independent samples). Sebagai contoh, akan diuji efek ekstrak seredelai terhadap serum
feritin tikus. Sebanyak 20 tikus dijadikan binatang percobaan, separunya diberi ekstrak
seredelai dan seperuhnya diberikan aqua (kontrol).
Persyaratan
Independent Samples T Test adalah bagian dari uji parametrik yang memiliki asumsi data
bedistribusi normal dan kedua kelompok memiliki varian yang sama (homogen).
Hipotesis:
Ho. 1 = 2 (tidak terdapat perbedaan serum Fe antara perlakuan dengan kontrol)
Ha. 1 # 2 (terdapat perbedaan rerata serum Fe antara perlakuan dengan kontrol)
F =SD12/SD22
Kedua sampel dinyatakan memiliki varian homogen bila uji Leven menunjukan nilai p >
dan sebaliknya dinyatakan tidak homogen bila nilai p .
x1 x 2 Keterangan:
t SDp = SD gabungan
2 2
SD p SD p SD1 = standar deviasi sampel 1
SD2 = standar deviasi sampel 2
n1 n2
n1 = jumlah sampel 1
n2 = jumlah sampel 2
SDp2 = {(n1-1)SD12 + (n2-1)SD22}/(n1+n2-2)
x1 x 2
t
2 2
SD1 SD
2
n1 n2
Langkah analisis
Perbedaan Hbpre antara ibu infeksi ankilos dengan tidak ankilos akan dianalsis dengan
Independent Samples t Test dengan langkah analisis sbb:
Tests of Normality
Interpretasi Hasil
Hbpre pada kelompok sampel ankilos dan tidak ankilos berdistribusi normal dimana
nilai p uji K-S maupun Shapiro-Wilk > 0,05.
Bila menu Independent Samples T Test diklik, maka akan tampak kotak dialog
Independent Samples t Test sbb:
2) Memilih variabel
Ketik kode untuk Group1, untuk kasus di atas diketik angka 1 (ankilos) dan ketik
kode untuk Group 2 yaitu angka 2 (tidak infeksi ankilos), sehingga tampak sbb:
Lalu klik kotak Continue untuk kembali ke kotak dialog Independent Samples T
Test.
4) Menentukan Confidence Level Test
Untuk menentukan tingkat kepercayaan (confidence level) 95% atau 99% dapat
dilakukan dengan:
klik: kotak Option, maka akan tampak kotak dialog Idependent-Samples T Test:
Option sbb:
Group Statistics
6) Interpretasi
Deskriptif:
Rerata Hbpre pada kelompok ankilos 11,862 g/dl dan kelompok non ankilos 11,658 g/dl.
Ho. S12 = S22 (kedua kelompok memiliki variance sama atau homogen)
Ha. S12 # S22 (kedua kelompok memiliki variance berbeda atau heterogen)
Kesimpulan:
Ho diterima bila nilai p > (kedua kelompok homogen)
Ho ditolak bila nilai p (kedua kelompok heterogen)
Dari analisis didapatkan nilai Sig atau p dari Levenes Test = 0,335 bererati Ho (equal
variance assumed) diterima, maka dapat disimpulkan bahwa kedua kelompok memiliki
variance homogen (p = 0,335)
Hasil test
Didapatkan beda mean = 0,20 dengan CI 95% (-0,23 s/d 0,63) dan nilai p = 0,357. Ini
berarti Ho diterima, maka dapat disimpulkan bahwa tidak terdapat perbedaan kadar
Hbpre antara kelompok ankilos dengan non ankilos.
Indikasi
Uji One-way Anova dipakai menganalisis perbedaan rerata lebih dari dua kelompok sampel
bebas. Sebagai contoh, akan menganalisis efek ekstrak seredelai terhadap serum Fe.
Penelitian eksperimen dengan rancangan acak lengkap dimana terdapat tiga kelompok
percobaan, yaitu kelompok kontrol, ekstrak seredelai dosis 50% dan seredelai dosis 75%.
Untuk menganalisis perbedaan efek dilakukan dengan membadingkan rerata serum Fe
antara ke tiga kelompok. Analisis perbedaan rerata serum Fe dari ketiga kelompok dilakukan
dengan uji One-way Anova.
Hipotesis:
Ho. 1 = 2 = 3 (tidak terdapat perbedaan serum Fe antara perlakuan dengan kontrol)
Ha. Paling sedikt terdapat dua kelompok yang memiliki rerata serum Fe berbeda
Uji Statistik
Uji statistik pada analisis variance menggunakan uji Variance Ratio atau uji F dengan rumus
statistik sbb:
k n
JKE yi. j y i.
2
i j
i j
Berdasarkan uraian di atas, maka resume perhitungan analisis varian pada One-Way Anova
dapat disajikan sebagai berikut.
1
k y k y 2 k 1 VK = JKK/(k-1) F= VK/VE
y
Groups k n
2
(Error) i. j y i.
i j
Langkah analisis
Setelah menu One-Way ANOVA diklik, maka aka tampak kotak dialog One-Way
ANOVA sbb:
2) Memilih variabel
Pilih variabel tergantung, pada kasus ini Hbpre dan pindahkan ke kotak
Uji Post Hoc untuk equal variances assumed terdiri dari: LSD, Bonferoni, Duncan,
dll, sedangkan uji Post Hoc untuk Equal variance non assumed terdiri dari:
Tamhanes T2, Dunnetts T3, Games-Howell, dan Dunnetts C, seperti contoh di
atas.
Pilih satu uji Post Hoc untuk Equal Variances Assumed misalnya LSD dan satu
test untuk Equal Variace Not Assumed misalnya Tamhanes, seperti contoh
berikut.
Pilih Descriptive, Homogeneity of variace test dan Means plot seperti contoh
di atas.
5) Menjalankan program
Klik OK maka akan tampak output sbb:
Descriptives
Hb. sbl intervensi
95%
Confidence
Interval for
Klp
Std. Mean
Deviatio Std. Lower Upper
N Mean n Error Bound Bound Minimum Maximum
1 56 11,535 1,1604 ,1551 11,224 11,846 9,1 14,3
2 116 11,748 1,0118 ,0939 11,562 11,934 8,9 14,5
3 59 11,691 1,1232 ,1462 11,398 11,984 9,5 14,0
Total 231 11,682 1,0768 ,0708 11,542 11,821 8,9 14,5
Secara deskriptif, tampak rerata kadar Hbpre antara ibu hamil trimester I, II, dan III mirip.
Hasil uji Leven menunjukan bahwa ketiga kelompok memiliki varian Hbpre yang homogen,
dimana nilai p > 0,05.
Output 3
ANOVA
Hb. sbl intervensi
Multiple Comparisons
Dependent Variable:Hb. sbl intervensi
dimensio n3
en
2 1 ,2128 ,1754 ,226 -,133 ,558
dimensio n3
si
3 ,0571 ,1724 ,741 -,283 ,397
on
3 1 ,1557 ,2011 ,440 -,241 ,552
dimensio n3
dimensio n3
en
2 1 ,2128 ,1813 ,567 -,228 ,653
dimensio n3
si
3 ,0571 ,1738 ,983 -,364 ,479
on
3 1 ,1557 ,2131 ,848 -,361 ,672
dimensio n3
Bila analisis ANOVA menunjukan nilai p > 0,05, maka uji Post tidak perlu dibaca.
Sebaliknya, bila nilai p dari ANOVA p < 0,05, maka Uji Post Hoc perlu dibaca untuk
mengetahui kelompok mana yang berbeda dengan kelompok yang mana.
Risk
Hubungan antara faktor paparan (risk) misalnya infeksi ankilos dengan variabel outcome anemi ibu
hamil, secara deskriptif dapat diukur dari beberapa ukuran statistik sebagai berikut.
1) Relatif Risk
Relatif Risk (RR) merupakan ratio dari kejadian outcome (sakit) antara kelompok terpapar
(Infeksi ankilos) dengan kelompok tidak terpapar (tidak ankilos). RR dipakai menilai risk
untuk penelitian kohort atau trial klinik (prospektif).
2) Odd Ratio
Odd Ratio (OR) merupakan ratio dari Odd kelompok terpapar dengan Odd kelompok tidak
terpapar. OR umumnya dipakai menilai risk untuk penelitian dengan rancangan Case-
Control (retrospektif), tetapi juga bisa dipakai untuk rancangan yang lainnya.
Cara penghitungan RR dan OR serta Convidence Intervalnya akan ditunjukan dengan contoh di
bawah ini.
Hasil pengukuran outcome dan risk factors pada penelitian prospektif ataupun penelitian
retrospektif disajikan dalam tabel 2x2 sebagai berikut:
Penghitung nilai RR
Penghitungan CI RR
Nilai CI dari RR dapat dihitung dengan langkah sebagai berikut:
1. batas bawah CI 95% RR = RR x Exp{-1,96 x (1/a-1/(a+b)+1/c-1/(c+d))}
2. batas atas CI 95% RR = RR x Exp{1,96 x (1/a-1/(a+b)+1/c-1/(c+d))}
Penghitungan nilai OR
Penghitungan CI OR
1. batas bawah CI = OR x Exp{-1,96 (1/a+1/b+1/c+1/d)}
2. batas atas CI = OR x Exp{1,96 (1/a+1/b+1/c+1/d)}
Hipotesis Statistik:
Ho : RR = 1 atau Ho: OR = 1 tidak terdapat perbedaan risk antara kelompok
terapar dengan tidak terpapar
Ha : RR # 1 Ha: OR # 1 terdapat perbedaan risk antara kelompok terpapar
dengan tidak terpapar.
1) Pearson Chi-square
Dipakai bila sampel besar dan tidak terdapat sel yang mempunyai nilai ekspektasi < 5
Rumus:
(Oi Ei ) 2
X2
Ei
dimana
Oi = frekuensi yang didapat untuk sel ke i
Ei = frekuensi yang diharapkan untk sel ke I
(| Oi Ei | 0,5) 2
X 2
Ei
4) McNemar
Dipakai bila menggunakan rancangan berpasangan (matched design)
Rmus:
(b c) 2
X2
bc
Tugas:
Analisis apakah terdapat perbedaan risk terjadinya anemi pada ibu hamil yang terinfeksi
ankilos dengan yang tidak terinfeksi ankilos.
Langkah Analisis:
1) Cara mengaktifkan procedure COSSTABS
Klik menu Analyze, Descriptive Statistics, Crosstab seperti contoh di bawah ini.
Bila menu: Cosstabs diklik, maka akan tampak kotak dialog Crosstabs sbb:
Klik Chi-square bila uji statistik yang akan dipakai adalah uji Chi-square dan klik
Risk bila menginginkan nilai OR dan RR, seperti contoh di atas ini.
Klik Continue untuk kembali ke kotak dialog Coss-tabs
4) Tentukan informasi yang akan disajikan dalam setiap sel tabel silangnya,
Di setiap sel dapat diisikan dengan Count (frekuensi observasi dan ekspektasi) dan
frekuensi relatif (Percentages) seperti row percentage, column persentage, dan total
percentage) dengan cara: klik Cell, maka akan tampak sbb:
Setiap sel akan diisikan informasi tentang Count (frekuensi), Row dan Column Percentages,
maka pada kotak Counts pilih Observed dan kotak Percentages dipilih Row dan
Column seperti contoh gambar di atas.
5) Klik Continue untuk kembali ke kotak Crosstabs, maka akan tampak sbb:
Anemi pre
Infeksi Cacing Ankilos
Anemia Tidak Total
Ankilosto Count 4 23 27
miasis % within Infeksi Cacing Ankilos 14,8% 85,2% 100,0%
% within Anemi pre 6,8% 13,4% 11,7%
Tidak Count 55 149 204
% within Infeksi Cacing Ankilos 27,0% 73,0% 100,0%
% within Anemi pre 93,2% 86,6% 88,3%
Total Count 59 172 231
% within Infeksi Cacing Ankilos 25,5% 74,5% 100,0%
% within Anemi pre 100,0% 100,0% 100,0%
Risk Estimate
Chi-Square Tests
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.90.
b. Computed only for a 2x2 table
A. Correlation
Indikasi
Analisis korelasi dipakai untuk menganalisis hubungan variabel X dan Y dimana variabel X dan y
berskala pengukuran interval atau ordinal. Misalnya akan mempelajari hubungan antara panjang
tungkai kaki dengan jauh lompatan. Panjang tungkai bawah (dalam cm) adalah variabel berskala
interval dan jauh lompatan (dalam meter) juga berskala interval.
Persyaratan
Uji korelasi terdiri dari tiga jenis yaitu: korelasi Pearson, Spearman Rank, dan Kendall.
1) Pearson Correlation
Variabel X dan Y merupakan variabel numerik atau interval dan berdistribus normal.
Scater Plot
Bila X dan Y adalah variabel yang akan dianalisis hubungannya, maka Scatter Plot variabel X dan Y
adalah grafik koordinat (X,Y) dari setiap sampel. Dari Scatter plot tersebut akan dapat dilihat kuat
dan arah hubungan dari kedua variabel tersebut. Bila semua koordinat (X,Y) terletak pada satu
garis lurus, maka hubungan kedua variabel tersebut dinyatakan sempurna. Sebaliknya, bila
koordinat (X,Y) menyebar disemua area grafik dan tidak menunjukan bentuk tertentu, maka kedua
variabel tersebut dinyatakan tidak ada hubungan. Kalau koordinat (X,Y) menyebar dalam bentuk
elip maka kedua variabel tersebut dinyatakan memiliki hubungan yang tidak sempurna.
Arah hubungan kedua variabel X dan Y bisa positif atau searah dan bisa negatif atau berlawanan
arah. Kedua variabel dinyatakan memiliki hubungan serarah bila gambar menunjukan jika nilai X
bertambah, nilai Y juga bertambah. Sebaliknya kedua variabel dikatakan memilki hubungan negatif
bila scatter plot menunjukan bila nilai X bertambah akan diukuti oleh penurunan dari nilai Y.
Berikut adalah contoh beberapa bentuk scatter plot.
12.00
15.00
10.00
12.50
8.00
Y
Y
6.00
10.00
4.00
7.50
2.00
5.00 0.00
0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00 0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00
X X
15.00 14.00
12.00
12.00
10.00
9.00
8.00
Y
6.00
6.00
4.00
3.00
2.00
0.00 0.00
0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00 0.00 2.00 4.00 6.00 8.00 10.00 12.00 14.00
X X
15.00
10.00
Y
5.00
0.00
Koefisien Korelasi
Apabila variabel X dan Y yang diteliti hubungannnya, maka kuat dan arah hubungan dari kedua
variabel tersebut, selain dapat dilihat secara kasar dari scatter plot, juga dapat ditentukan dengan
koefisien korelasi dari hubungan kedua variabel tersebut. Koefisien korelasi diberi simbul r
memiliki rentang nilai absolutnya dari 0 sampai dengan 1. Nilai r = 0, berarti kedua variabel
tersebut sama sekali tidak berhubungan atau nilai dari variabel yang satu sama sekali tidak
berkaitan dengan nilai variabel yang lainnya. Bila nilai r antara 0,1 0,39 dinyatakan ada hubungan
yang ringan, nilai r antara 0,4-0,69 disebut ada hubungan sedang, nilai r 0,7-0,99 dinyatakan ada
hubungan yang kuat dan bila nilai r = 1 menunjukkan adanya hubungan yang sempurna antara
kedua variabel tersebut. Hubungan sempurna artinya setiap kenaikan satu unit dari variabel yang
r
XY X Y / n
X 2
X / n Y Y
2 2 2
/n
Keterangan:
r = koefisien korelasi
XY = jumlah hasil kali nilai var X dengan var Y
X = jumlah nilai var X
Y = jumlah nilai var Y
2
X = jumlah nilai var X kwadrat
Y2 = jumlah nilai var Y kwadrat
n = jumlah sampel
2) Metode analisis
Keterangan:
t = nilai statistik t
r = koefisien korelasi sampel
n = jumlah sampel
TUGAS
Buat Scatter plot antara variabel Hb ibu hamil sebelum perlakuan (Hbpre) dengan kadar Hb ibu
hamil setelah perlakuan (Hbpost).
LANGKAH
1. Aktifkan Grapk Scatter-Plot, dengan cara:
Klik menu Graph, Legacy Dialog, Scatter/Dot, seperti contoh di bawah ini.
Klik Simple Scatter dan klik Define maka aka tampak kotak dialog Simple Scatterplot
sbb:
3. Mimilih variabel yang akan ditempatkan sebagai sumbu X dan Y, dengan cara sbb:
Pilih variabel Hbpre dan masukan ke kotak Y Axis dan Hbpost ke X Axis seeperti contoh
di atas.
4. Menjalankan program
Klik OK, maka akan tampak output sbb:
TUGAS
Analisis hubungan (korelasi) variabel Hb ibu hamil sebelum perlakuan (Hbpre) dengan kadar Hb
ibu hamil setelah perlakuan (Hbpost) dan tetntukan arah dan kuat hubungannya serta kemaknaan
dari hubungan tersebut.
LANGKAH
1. Mengaktifkan prosedur Correlate dengan cara:
Klik menu: Analyze, Correlate, Bivariate, seperti bagan di bawah ini.
4. Output
Correlations
Hb. sbl
intervensi Hb. stl intervensi
N 231 231
**
Hb. stl intervensi Pearson Correlation ,727 1
N 231 231
5. Interpretasi
Arah hubungan dilihat dari sign koefisien korelasi. Bila sign negatif, berarti hubungannnya
negatif atau berlawanan arah. Sebaliknya, bila sign positif berarti ada hubungan positif atau
searah
Kuat hubungan dilihat dari nilai absolut koefisien korelasi. Korelasi sempurna bila r = 1, kuat
bila 0,7<r< 1, sedang bila0,4 <r <0,7, ringan bila 0<r<0,4, dan tidak ada hubungan bila r=0.
Signifikansi hubungan
Hubungan dinyatakan bermakna bila nilai p dan sebaliknya dinyatakan tidak bermakna
bila p >
Dari hasil analisis di atas dapat nilai koefisien korelasi r = 0,727** dngan nilai p = 0,000 dan
dapat disimpulkan bahwa kadar Hb setelah program (Hbpost) berkorelasi positif dan kuat
dengan kadar hb sebelum program (Hbpre).