Anda di halaman 1dari 226

Basic Data Analysis for Health Research Training

_ Oleh:
SutantoPriyoHastono

FAKULTAS KESEHATAN MASYARAKAT

UNIVERSITAS- INDONESIA

i!007

_. t~

......
Daftar isi

Hal

BAB 1 Pendahuluan 1"


1. Statistik dan Penefitian 1
2. Peran statistik dalam penelitian 2
3. Jenis data 3
Pengolahan Data 6
1. Pengantar Pengoiahan data 6

2. Entry data 11

3. Transformasi data 33

BAB 3 Uji Instrumen 53

1. uji validitas dan reliabilitas kuesioner 53 .


2 . Uji interrater Reliability . 61
BAB 4 Konsep Dasar Analisis Data
BAB 5 AnaUsis UnJvariat 68
BAB 6 Konsep Analisis Bivariat 87'
BAB 7 Analisis Bivariat Uji t 97
BAB 8 Analisis Bivariat Uji Anova :. . 107
BAB 9 Analisis Bivariat Uji Kai Kuadrat 115
BAB 10 Analisis Blvariat Uji Korelasi & Regresi Linier
BAS 11 Analisis Multivariat 140

BAS 12 Analisis Regresi Unier Ganda 143

BAB'i13;~ :Analisis Regresi Logistik Ganda 174

Praktikum 212

Daftar Pustaka 218

.. ~. .~ . '.).:-
. .. "
~
; ~".

<\~"~ ~. ;"1.. , "...'


.' f: ...:~~

(.:.-1
Kata pengantar

Kemampuan manajemen dan analisis data dir:asakan


sebagai hal. yang. mutlak untuk para tenaga kesehatan
utamanya staf peng.ajar di IfJstitusi Kesehatan mapun juga
tenaga/staf di. Dinas Kesehatan. Sehubungan hal tersebut
kami melakukan kegiatan training Basic Data Analysis for
Health Research, dengan tujuan memberi bekal pemahaman
dan kemampuan tenaga kesehatan untuk melakukan
~engolahan dan analisis data.

Urltuk mempermudah/memperlancar proses


pembelajaran pengorahan dan analisis data, maka
disusunlah modul ini. Mudah-mudahan modul inl dapat
membantu mempermudah peserta dalam memahami tiap-.
tiap sesi training basic data analysis., Modut disusun dalam 3
bagian yaitu : menjefaskan pengofaha'n' data dan uji
instrumen; menjelaskan anaHsis IJnivariat dan bivariat; dan
. menjelaskan ana!isis multivariat regresi linier dan analisis
multivariat regresi fogistik.

Terima kasihdisampaikan kepada .b,erbag,ai ..plhak.:yang


teJah memberikan dorongan dalam melaksanakan kegiatan
training dan juga dalam penyusunan modul ini. Namun
modul ini tetap tidak terlepas dari ketldak sempurnaan ..
Untuk itu sangat diharapkan kritik dan saran, demt kejelasan
dan kelengkapafi modul inl.. Akhirnya semoga modlJl inl
bermanfaat dan. terimakasih banyak atas partisipasinya
dafam training ini. '

Oepok, 2007
Penyusun'
.. SPH

. .'
; ..

..;~
: :.... 00\,'".

.. ' ...
...PENDAHULLJAN .'. ;-.. . . . '..'
1
- '. ' . ' .... .~. :-- -:

'. ~-STATrSTIK~daiiPEI'iELITIAN<~~ . ' .~. ~:.~


- -:
.. --:-.- '.-: ~' -.~ . _. ~-:-:- ~~..
.::., .. -" ...::-.:~;::: ,::-..::.--
_-::: -.;. -'.-.

1. Statistik dan Penelitiiln

. Seperti halnya di bidang yang lain, maka pada era saat ini institusi kesehatan
baik di Dinas Kesehatan ataupun Institusi Pendidikan Kesehatan harus berbenah
dirl kalau tidak Ingin tergilas oleh arus globalisasi. Berbenah' dirt disini berarti
institusi kesehatan perlu dikelola dengan baik agar pelayanan/program
kesehatan yang dihasilkan akan bermanfaat sebaik-baiknya unb.Jk meningkatkan
derajat kesehatan di masyarakat. Agar pelayanan kesehatan' mempunyai. kualitas
. yang baik, para pengelola/manajer kesehatan akhir-akhir ini sudah mulai
menyadari bahwa dalam melakukan pengambilan keputu~n perJu didasarl bal
hal yang ilmiah. Pendekatan ilmiah disini berarti dalam. melakukan pengambilan
keputusan tidak lagl hanya berdasarkan. intuisi semata, .namun berdasarkan
fakta ernpiris dilapangan. Dengan demildan langkah penyediaan data dan
informasi menjadi suatu hal yang sangat penting. Untuk dapat' menyediakan data
dan informasi secara benar rnaka sangatJah penting mempelajari dan akhimya
menguasai ilmu statistik.

5tatistik dalam arti sempit berarti angka/data. Sedangkan dalam artlluas statistik
sebagi suatu prosedur atau metode pengumpulan. data, pengolahan data,
analisis data dan penyajian data. 5edangkan penelitian adalah cara ilmiah untuk
mendapatkan data dengan tujuan dan kegunaan tertentu.

{
Data yang diperoleh melalui penelitian harus akurat, artinya data yang dihasill<an
harus memenuhi kriteria: valid, reliabel dan obyektif. Valid artinya
'..ketepatan/kecennatan pengukuran, artin~ ketepatan antara data yang
sesungguhnya terjadl pada o~k dengan data yang dapat dikumpulkan OIeh
.peneJiU. Misalkan data 'dalam obyekberwama merah, maka data yang terkumpui
oleh peneliti juga: berwama merah. Contoh laIn, Idta akan mengukur waktu
lomba lari cepat, kalau mengukurnya dengan jam' tangan tentunya hasilnya tidak
valid, untuk lomba lari cepat akan valid bila menggunakan alat Stop watch.
C;:Ontoh lain, bila survei melakukan wawancara dengan orang ped~an aanjur
.tidak valid kalau wawancaranya 'menggunakan bahasa batak, akan~-val1d' bUa

menggunakan bahasa sundae

Reliabel menunjukkan ~~ekonsistensian pengukuran, arUnya pengukuran diulang


'~urang~: akan mendapatkan hasU yang sama~ -Misalkan data,yang:terkumpul dan
obyek'l'kemarin berwama hijau, maka sekarang atau besllk juga masih tetap
. belYiama hijau
.Objektif menunjukkan derajat persamaan. persepsl antar orang. Jadi misa.lkan
. " .
orang-j: tertentu melihat. :bahwa obyek itu bewama putih, maka orang lainpun
akan menyatakan sarna, yaitu pooh.

2. Peran Statistik dalam Penelitian


. Peran '. statistik: dalam: suatu 'penentian dimulai dari tahap awal sampai dengan
akhir penelitian. Adapun perannya:
a. Alat unruk menghitung besamya sampel yang akan diteliti

.. b . Alat untuk.rnengU)l valiallas dan reliabilitas .instrumen

. Alat-untuk .pengolahandata

~", d. AI~t untuk analisis data


. e. Alat untuk penyaji~n. data
3.' Kegunaan statistik/penelitian di Bidang Kesehatan
a. Mengukur status kesehatan masyarakat dan mengetahui pennaslahan .
kesehatan
b. ,Membandingkan status kesehatan dl satu tempat dengan tempat. lain, atau
membandingkan 'status kesehatan waktu lampau dengan saat ,sekarang
~ Evaluasl dan monitoring, kegagalan dan keberhasilan program: kesehatan yang

sedang dilaksanakan .. ,.'


d. Keperluan estimasi teritang kebutuhan pelayanan kesehatan
'1
>,iperencanaa program kesehatan
,dNkeperiuan Research dan p~blikasi masalah-maslash kesehatan

4. Jenis Data
Dalam menggunakan statistik perfu dipahami benar mengenal definisi
/-:;~;;t-~t-. 'data' dan jenis-jenis data. Data merupakan kumpul~m angka/huruf. ticiSiI ~dciii~'
penelitlan'terh~dap sfat!karakteristik yang kita teliti.. lsi data 'pada umumnya
bervarias; (misalnya data berat badan dalam suatu kelompok orang ada yang
"b~ratriya 60 kg, 50 kg,.75 kg dst) sehingga muncul istilah \'ariabel. ladl variai1el
-'j~.::" "merupakan karakteristik yang nilai datanyabervariasi darisuatu..pen.guk.brali'%"'
pengukuran berikutnya. \
Menurut skala pengukurannya, variabei dibagi empat jenis, yaitu nominal,
ominal, interval dan rasio. .... ''''
a';~ominal, variabet yang 'hanya dapat membedakan nilai datanya' dariFtidak
tahu nilai data mana yang lebih tinggi atau rendah. Contoh; jenis kelamin,
suku dll. lenis kelamin laki-taki tldak lebih tlnggi dibandingkan perempuan '"
Suku Jawa tldak dapat dikatakan lebih baik/1ebih buruk dan suku sunda.
pengan ilustrasi lni dapat dijelaskan bahwa variabel nom}nal, nilal datany('
";." sederajest.
b. Ordin-al, va ria bel yang dapat m~mbedakan nilai datanya dan juga sudah
diketahui tingkatan Jebih tinggi atau lebih rendah, tapl belurn diketahui besar
beda antar nllai datanya. Contoh pendidikan, pangkat, stadium penyakit dU.
Pendidikan SO pengelahuannya lebih rendah dibandingkan SMP. Namun
demikian, kita tidak dapat tahu besar' perbedaan pengetahuan orang SO
denganSMP
. .c. . Interval; varia bel yang dapat dibedakan, diketahui tingkatannya dan
. diketahui juga OOsar beda .antar nilainya, namun pada va~abe! interval belum
~ '", ' .
. diketahui Icelipataii suatu nilai'ter'hadap nirai yang lain dan pada skala interval
tidak mempunyai titik nol mutlak. Contohnya variabel suhu, misalnya benda A'
.suhunYa 40 derajat dan benda B 10 derajat. Benda A lebih panas dart benda
::'.B dan becla panas anla benda A dan B 30 derajat,nqmun kita. tidak bisa
. '. mengatakan bahwa benda A panasnya .4: kafi dart ber.da B .(ini ,berarti tidak
'ada kelipatannyal). Selanjutnya, kalau suatu benda s.Uhunya 0 'deraja~ ini
- tidak berart bahwa benda tersebut tidakpunya panas (tids;lk mempunyal nllar
nol mutJak),
.d. Rasio, varia bel yang paling tlnggi skalanya, yaitubisa dibedakan, ada
. . tingka~n, ada besar beda dan ada ketipatannya sert:a ada fiot mutlak. Contoh
berat badan, tingg' badan dU. Mlsal A beratnya 30 kg dan B beratnya 60 kg.
Dalam hal ini dapat dikatakan bahwa A lebih ringan dan B, selisih berat
antara A dan B adarah 30 kg, berat B dua kan iebih tinggi dan berat A. berat

I o kg, ini herarti tidak ada berat (tidak ada bendanya) sehlngga ada nol
mutlak.
'Dafam analisis seringkan digunakan pembagian data/variabel menjadi'dua
keJompok yaitu; data katcfgorik ,dan data numen"k.
a. Katagorik (kualitatif), merupakan data hasil
pengklasifikasian/penggolongan suatu data. Orinya: isisnya berupa kata-kata.
Contoh; sex, jenls peketjaan, pendidikan
.b.N.umerik (kuantitatif), merupakan variabel hasil dart penghitungan ,dan
pengukuran. Citinya: isi variabel berbentuk angka-angka. Variabet numerik .
dibagi menjadi d~~ macam: Oiskrit dan KOntinyu.

4
Diskrit merupakan variabel hasil dari penghitungan. Misalnya jumlah anak,
jum1ah paslen ~ap ruang, kontlnyu merupakan haoo1 dart pengukuran,
misa1kan tekanan darah, Hb dll.

Variabel katagortk pada .umumnya berisi varia bel yang oorskala nominal dan
ordinal. Sedangkan variabe.1 numerik berisi variabel yang bers~la intelVal dan
rasio.
Dalam analisis statistik, seringkali data numerik diubah I<e dalam data
katagorik d~ngan cara diJakukan pengelompokan/pengklasifikasian. Misalnya
variabel berat badan data riilnya merupakan data numeric, namun -:;bila
dil.<.elompokkan menjadi kurus 50 kg), sedang (50-60 kg) dan gemok-(>6(),;kg)
maka jenls variabelnya sudah berubah menjadi katagorik.

"-','"
1. P engantar~,Pengolahan Data
Pengolahan data merupakan salah satu bagian rangkaian kegiatan penelitian
:~~Iah pengumpulan data. Setelah dUakokan pengumpulan data, seririgkali .
ora~ ,..
bingung "mau diapakan data yang telah tetkumpul?,. Bagalmana . .. I

menghubungkan. data dl kuesioner dengan ~uan penelitian?"... UnbJk:itu data .


. .
yang IT'.asih mentah (rawdata)perlu diolah sedemikian rupa sehingga menjadi
i~formasi yang. akhimya dapat digunakan- untuk menjawab tujuan penelitian.
, '.. ' Agar analisis. penelitianmenghasilkan infOl11'la5i ;yang:benar,' paling tidak
.,adaempat tahapan dalam pengolahan.. data yang ;1arus
. cHlalui,. yaitu:
. L Editing
...~- Merupakan kegiatan untuk melairukan pengecekan isian formulir atau
... :""J:'. kuesioner apakah.Ja\Yaban yang ada di kuesioner sudah:
a.. Lengkap: semua pertanyaan sudah tcriSi jawabannya
b. JeIas: jawaban pertanyaan apakah tulisannya rukup jelas terbaca.
c. Relevan: jawaban yang tertuns apakah relevan dengan pertanyaan
"',. fl''',: I'Vi~t(,.' ;r!"l ~'~!;:J'l

d.. KonSisten:' 'aPakah '. antara beberapa poJtanyaan yang berkaitan isi
jawabannya konsisiten, . misalnya antara pertanyaan usia dengan
pertanyaan jumlah anak. BUa dipertanyaan usia terisi 15 tahun dan di
pertanyaan jumlah anak 9; inl beram tidak konsisten.
2. Coding
':\" . ~ing merupakan kegiatan merubah data berbentuk huruf, menjadi data
berbe'!tuk angka/bilangan. Misalnya untuk varial::tel pendidikan dilakukan
koding 1 = 50,'2 = SMP, 3 = SMU dan 4 =PT. Jenis kelamin: 1 =laki-laki,
dan 2 =perempuan, dsb. Kegunaan dan coding adalah untuk mempermudah
pada saat analisis data dan juga mempercepat pada saat entry data.
" ~ Processing
SeteJa~ semua kuesioner terisi penuh dan benar, serta sudah melewati
pengkodean, maka la~gkah se~anjutnya adalah memproses data agar data
yang sudah di-enltydapat dianalisis. Pemrosesan data dilakukan dengan cara
meng-enlTydata dari kuesioner ke paket program komputer. Ada bermacam
'macam paket program yang dapat digunakan untuk pemrosesan data dengan
~ . " "

'':masing-masing mempunyai kelebihan dan kekurangan. Salah satu paket


:~-x"program yang sudah umum digu~kan urituk entry data atlalah' j}aket
_t-o .:;,: .....
.","F,"program SPSS for Window.
4. aeaning
Oeaning (pembersihan data) merupakan kegiatan pengecekan kembali data
:i#r~ "~.! . ~":Yailg sudah di-entry apakah ada kesalahan atau tidak. Kesalahan te~ebt.if';
dimungkinkan tetjadi pada saat ki~:a meng-enlTy I<e kompoter Misalnya untuk
variabel pendidikan ada data yang bemilai 7, mestinya berdasarkan coding
.,. . .yang ada pendidikan kodenya hanya antara 1 s.d. 4 (1=5D, 2=5MP, 3=5MU
':. dan 4=PT). Contoh lainmiSalnya dalam variabel status perkawinan terfsldata-'"'"
..1 (misalnya l=belum kawin) dan dalam varia.bel jumlah anal<. terisi nilai .1n;
berarti ada data yang salah (tidak konsisten) karena statusnya return kawin
::~tetap' me01punyai anal<5? .i
....!::""

:-~i~kut akan diuraikao cara "meng-deaning data:


?a. Mengetahui Missing Data
Cara meridetekdi adar:'ya missing data adalah dengan melakukan list
(distribusi trek.uensi) dart variabel yang ada. Misalnya data yang diolah 100
responden, kemudolan dikeluarkan variabel jenis kelamin dan pendidikan.

-'

7
Jenls Kelamin Jumlah
laki-laki 40
Perempuan 60
Total 100

. Tabel 2 Jenis pendidikan pasien


Pendidikan Jumlah
SO 40
:
. .." SMP 10
SMU 30
-
PT 15
Total 100

Dari kedua tabel eli atas memperlihcitkan bahwa tabel jenis kelamin tidak
ada nilai ' yang hUang (missing), sedangkan pada tabel pendidikan ada 5
pasien yang missing, karena total jumlahnya hanya 95 (seharusnya 100).
b. Mengetahui variasi data
Dengan mengetahui variasi data akan diketahui apakah data yang d:-enuy
benar atau salah. Cara mendeteksi dengan mengeluarkan distnbusi
frekuerbi masing-masing varia bel. Dalam entry data biasanya data
dimasukkan dalam bentuk kode!coding, misalnya untuk vanabel
pendidikan SO kode 1, SMP kode 2, SMU kode 3, dan PT kode 4. Untuk
mengetahui kesala~a~ _data berikut ilustrasi keluaran dan v~riabel
pendidikan: '

,,... "
Tabel 3 Jenis pendidikan pasien
Jumlah
1
2 30
3 20
4 6
7 4
Total
.
,
~

'
. .

Dan tampilan di atas kendati jumlah total sudah benar 100, namun
ter1ihat ada data yang salah, 'yaitu munculnya kocIe pendidika'n angka 7
yang berjumlah 4 pasien. Seharusnya va ria bel 'pendidikan variasi
angkanya hanya dari angka 1 s.d. 4.

c. Mengetahui konsistensi data


cara mendeteksi adanya ketidakkonsistensi data dengan menghubungkan
dua varia bel.
Contoh:
, 1). membandingkan dua tabel
Tabel 4 Keikutsertaan KB
." ....
l _
"";~.;.
~. -f;:' ~ L "r~:' ; :
.("
,- .,~ ~ e,
KB ,,"!" h ,j'
Jumlah
'."!'. Va 20
"

lidak 80
Total 100
Tabel 5 Jenis Alat Kontrasepsi Yang Dipakai
Pendidikan Jumlah
Suntik 5
Pit . 5
Kondom 4
IUD 10
:rotal 24

Dan kedua tabel tersebut tertihat bahwa ada ketidak konsistenan antara
, ,,,c:;'. . jumlah ,pesertaKB (20 orang) dengan' total jenis' alat kontrasepsi
'.,..
yang
:~.:

.dipakai (24 orang). Seharusnya pada bans total jenis alat kontrasepsi
jumlahnya 20 orang.
2). Membuat tabel silang
Contoh menghubungkan vanabel umur dan jumlah anak
Umur JumlahAnak
0 1 2 3 4 5 6 7 8 9 10
15 1 2 2*
16 1 2
19 2 4 2 ,
20 3
24
25
35
40

Keterangan: '
':\" * =
, "
ada 2 responden dengan umur 15 tahun dan anaknya ada 10 orang (ada
k~lah~m enttydatciHf)

. "r

.
'. ~,'
10
:2. ENTRY DATA

Setelah IOta mengetahui langkah..Jangkah pengolahan data, selanjutnya


akan dibahas entry data menggunakan SPSS. Kepanjangan dart SPSS yaitu
SlatisUcal Program For Social Sl;itince... SPSS merupakan paket pr~ram ststistik
yang berguna untuk mengolah dan' menganalisis data penelitian. ,Dengan SPSS
semua kebutuhan pengolahan dan analisis data dapat diselesaikan dengan
mudah' dan cepat Kemampuan yang dapat diperoleh dari SPSS meliputi
pemrosesah segala bentuk file data, modifikasi data, membuat tabulasi
.-:..:.!" . ' . ".'

~tuk distribusi frekuensi, analisis slatistik deskriptif, analisi~ I,~njut ~.ng

~.gmana maupun komplek, pembuatan grafik, dsb. Perkembanga~, program

SPSS sangat cepat dimulal dari program SPSS/Pc+(masih un<;ler.OOS) kemudian

berkembang menjadi SPSS for Windows dari versi 6 dan berkembang terus

.' c. ,$Clmpai sekarang sudah memasuki versi 11. Dan untuk latihan digurtakan SPSS
:, 1,.-, ,.. 'u '. . ..
,,

__ ;'C, for Windows versi 10.

!.. !.:.a.., MEMANGGIl SPSS


" Pertama kaJi anda harus pastikan bahwa komputer sudah ter-install
'program SPSS'for'W'indows. 'Unttik memanggil program "SPSS dapat dilakukan
dua car-a:
Pertama:
BUa tampilan pertama komputer sudah muncul Icon SPSS, maka kJik dengan
mouse Icon terse but dua kali.
Kedua:
BlIa dj fayar belum ada icon SPS5, maka kJik "'starr, pilih "Ale Program- dan
sorot "SPSS" dan klik dua kafi. '
Di dalam operasJOnalnya,
~'I
SPSS mengenal 2 jenis jendela (Window) yang utama
. . ,

yaitu:'
8. SPSS Data Editor ,

1\

Je.ndela ini berisis tampilan data yang kita olah dan anaJisis dengan tampilan
sejenis Spreadsheet (seperti tampilan Program Excel).

b. SPSS Output
.
.Hasil olahan (hasil analiSis) 'yang anda lakukan akan ditampilkan pada Output
'. window. WindoW 'Inl merupakan teks editor, artlnya dapat mengedit hasil
analisis yang ditampllkan.

. ) .

. btl smUKTUR DATAoDI SPSS


~ !;:f' . . " ". :..
:~ Agar'dapat diolah dengan SPSS, data harus mempunyai stru~r, format
~~~ jenis ~nti.r. D~lam SP$:{dan yang umum tesjadi ~a program latn),
data yangdiolah tersususn be.*'dasar1<an kolom dan bans. liap - kolom
.
melambangkan satu variabel (dalam database dikenal Reid), misalnya Hap
, .,pertanyaan pada kuesioner menunjukkan satu vanabel. llap bans data o.

dlnamakan case (kasuS/responden) sebagaimana'istilah teCord~di Data Base.

Variabef .. Nama Umur Berat

Anita 23 40
.----"
cases .. Bambang 2!) 56
Dari contoh di atas menunjukkan ada 3 variabel (nama, umur dan berat badan)
dan 2 kasus/responden.

,'0;

TAMPIi.AN UTAMA SPSS FOR WINDOWS o

?etelah. pr0:9ram SPSS dipanggil di layar akan muncul logo SPSS for
,
~:':' Windo~~, tunggulah sesaat hingga logo tersebut menghilang, maka pada layar
monitor akan didapatitampllan utama SPSS sebagai berikut:
\

a.tampilan data

12
b. tampilan 'Vanabel

. ,Sisterri kerja SPSS for ~ndows dil<endalikan oleh menu (bar menu).1 Bar menu
terJetak di sebelah atas dengan urutan dari kiri ke kanan sbb: Rle, Edit, View,
.Data, Transform, Analyze, Graphs,. Utilities, ~ndow, Help. . . "'. ~

a FUe: digunakan untuk membuat file data baru,membuka file data yang telah
tersimpan (ekstensi SAV), atau membacafile data dari program Jain, sepert:i
,. dbase, excell dU.
o Edit: digunakan untuk memodifikasi, mengcopy, menghapus, mencari; dan
mengganti data.
o View: dig~nakan untuk mengatur tampilan font, tampilan kocJE~/labei

a Data: digunakan untuk membuat!mendefinisikan nama variabel; mengambi1/


menganalisis sebagian data, menggabungkan data.
o ,,Transform: digunakan untuk transformasi/modifikasi. data seperti
pengelompokan varia bel, pembuatan .
variabel baru dari
perkaJian/penjumlahan variabel yang ada dll.

13

o .!lnalyze: digunakan untuk memilih berbagai prosedur statistik,. dan statistik


. sederhana (deskriptif) sampai dengan analists statistik komplek (multlvariat). .
IJ Graphs: digunakan untuk membuat grafik meliputi graftk Bar, Pie, garis,
Histogram, scatter plot dsb.
c Utilities: digunabn untuk inenampllkan berbagaf tnformast tentang isi file.
c Window: digunakan untok berpindah-pindah antar jendela, misalnya dari
.jendela data ke jendela output.
c ..H.elp: memuat lnfonnasi bantuan bagaimana menggunakan berbagai fasilitas
,pada SPSS

. L MEMASUKKANPATA
Entry data dapat langsung dilakukan pada ~~ editor. Data editor
. -,'memiliki benbJk tampilan sejenis spreadsheet (sepertt"'ExceI) yang digunakan
sebagai fasilitas untuk memasukkan/engisl\:<an data.. Ada' tiga hal yang harus
diperhatikan:
''Baris menunjukkan kasuS/responden
'-Kolom menunjukkan variabel
"Sel merupakan'perpotongan antara kolom dan barts menunjukkan nllai/data

, : Dalam memasukan data ke SPSS, ada 4 hal yang harus dieperhatikan::,::

a. Memberi Nama Variabel


Pertama kali yang harus dilakukan pacta saat entry data adalah memberi,
.nama 'variabel. satu variabel mewakili/melambangkan satu pertanyaan. Agar
tidak menernui kesulitan dalammembuat nama varlabel, berikut akan diuraikan
'>:'ketentu~n I persyaratan nama'varlabel:
:t: 'Nama variabel maksimum berisi 8 huruf/karakter, untuk SPSS versi 13 jUlT!alh
\

karakter dapat lebih'd~rt 8 huruf

t4
* Nama variabel tidak boleh ada spasi
* Nama variabeJ tidak ada yang sama ( tidak boIeh ada 2 atau lebih variabel
yang memiliki nama sarna)

b. Mendefinisikan Tipe Variabel .


lipe data harus ditentukan kalau kita akan memasukan data di SPSS, adapun
. jenis tipenya antara lalan:
1. Nume,ok - - > untuk data berbentuk.angka/nomer
1

.2. String - - 7 untuk data berbentuk huruf


3. Date > untuk data berbentuk dateJtanggal
4. dIL..

Note: yang sering digunakcm adalah- tipe Numerik, karena dat:!3 yang akan
'1t~'":""f'kita olah biasanya berbentuk angka. . :;::.<:...... ~

c. Mendefinisakan Adanya Desimal

Bila data yang akan dimasukkan berbentuk dsimal, seperti kadar HB, maka perl~

,ditentukan ber.apa desimal yang IOta inginkan. SPSS secara defaultJstandar,'~'r.:'

memberikan dua angka desimal untuk setiap. data yang akan di enby.

Kebanyakan data penelitian berbentuk tidak ada desimal, oleh karena itu untuk

data.yang tidak ada desimal kita harus seting di SPSS isian jumlah desimal diberl

angka 0 atau dikosongkan.

d. Memberi Label Variabel

Nama Variabel biasanya tertulis dengan kata/huruf yang singkat, pada bagian ini

kita dapat menuliskan keterangan nama variabel sehingga dapat memperjelas

atl;i dan masing-masing variabel. Misalnya nama variabel BWT diberi label "Berat

badan bayi
, pada saat lahir dalam satuan gram"

J5

e. Memberi Value label


Untuk variabel yang berbentuk koding kita harus memberi keterangan untuk
setiap kode yang ada dalam kode tsb, misalnya untuk vartabel Sex, 0 = prta dan
1 = wanita.

Sekarang kim cobalakukan entry untt.ik data:


Penelitian "Faktor-faktor yang berbubungan dengan perilaku menyusui eksklusif di
Daerah X Uihun 2001" Berikut ini instromen yang digunakan dalam penelitian:

POLA MENYUSUI
Nom.or Responden

L Berapa umur ibu? . Tahun

2 pendidikan ibu yang telah ditamatkan?

1. SD 2. SMP 3. SMU 4. PT
3. Apalcah ibu bekerja?
O. bekerja 1. Tidak bekerja
4.. Berapa herat badan ibu? . kg
. '.' 5.' Apakah ibumenyusui secaraEksklusif(menyusui sainpai usi~ bayi-4-buIan)?
O.tidak I.ya
-;..6. a.Kadar lib ibu pengukuran pertama : ... grolo

b.Kadar lib ibu pengukuran kedua : .. grolo

7. Bemt badan bayi ibu? .....gram

.PERTANYAAN SlKAP .
1. Bayi yang banJ lahir sesegera mungkin diberi ASI?
1. STS' .2. TS 3.KS 4. S 5.SS
. 2. Bayi yaugD3i1JIabirdiberi kolostrum

1.. STS 2. TS 3.KS . 4. S 5.SS

3. Bayi sejak: Iahir sampai usia 4 bulan hanya moeri ASI saja?'
1. STS . ; 2. TS . 3.KS 4. S 5.S8

4~ ASI diberikan sampai bayi berusia 2 tabun?

1. STS 2. TS 3.KS 4. S 5.SS

'

.\

16
Survei dilakukan de~ an jumlah re sebanrak 50 Cl raI1!l. datanya sbb:
No umur didik kerja bbibu eksklu Hb1 Hb2 bbbayi Segera Kolos lahlr Sampat
1 23 1 0 46 0 10.1 11.1 2500 2 1 2 1
2 24 4 0 47 1 9.8 10.2 3000 4 3 3 4
3 34 4 1 60 0 11.1 11.5 4000 1 2 2 1
4 35 3 0 50 0 10.2 9.8 3600 2 3 4 2
5 19 3 1 55 1 10.4 10.1 3500 . 3 2 4 3
6 24 2 1 45 1 11.2 . 10.0 2700 5 4 4 4
7 22 1 1 47 1 12.5 .' 12.2 2900 3 4 2 2
8 19 1 0 46 0 11.4 11.4 2600 2 1 1 2
9 25 3 0 52 1 13.2 12.3 3500 3 2 2 4
10 25 4 1 65 0 9.2 9.1 4000 4 4 5 4
11 21 3 1 60 0 10.1 11.1 3300 2 1 2 1
12 22 4', 0 65 1 10.1 11.1 4100 2 4 2 4
13 19 2 1 50 1 10.2 9.8 2800 2 1 2 1
14 20 3 0 55 0 10.2 9.8 3600 '2 3. 4" 4
15 23 1 1 48 1 10.2 9.8 2400 . 1 1 2~: 2 -_.
16 26 3 0 68 0 10.2 10.0 3000 5 4 4 4
17 '27 4 1 70 1 10.2 10.0 3900 5 4 4 4
J! 30 2 1 46 1 10.2 10.0 2800 5 4 4 4
19 31 4 0 47 0 13.2 12.3 3300 1 1 2 2
~!. . ~:20.. ~2 2 0 48. 0 13.2 12.3 2100' 3 2 4 . . 4
'21 23 2 0 47 0 11.1 11.1 '2500 2 1 2 1
22 24 3 0 56 1 9.8 10.2 3000 4 3 3 4
23 34 4 1 74 0 10.4 11.5 4000 1 2 2 1
24 35 3 0 72 0 7.2 9.8 3600 2 1 1 2
25 19 3 1 60 1 7.4 10.1 3500 3 . 2 2
26 24 1 1 49 1 8.9 10.0 2700 5 4 4 4
27 22 2 1 46 1. 11.2 12.2 2900 1 2 2 2
28 19 "j .0 A8 ...0 .11;4 . . U.4 2600 2 . 1 .' 1 2
29 .26 3 0 57 1 12.0 12.3 350Q. 3 2 1 1
30 25 3 . 1 75 0 8.8 9.1 4000 4 4 5. ..
31 21 .. 1 64 0 10.1 11.1 3300 2 1 2 1
32,.. 22 .. 0 67 1. 10.1 11.1 4100 2 1 2 1
2 _a_
33 19 2 1 50 1 8.1 9.8 2800 2 3 4
34 20 3 0 63 0 7.8 9.8 3600 2 3 1 1
35. 23 1 1 50 1 9.2 9.8 2400 2 3 (' 2 '-:"
36 26 2 0 .51 0 9.4 10.0 3000 5 4 4 ..
37 27 .. 1 53 l' 9.0 10.0' 3900 5 . 4
.4
38 30 2 1 54 1 8.3 10.0. 2800 5 .. ..
39 31 .. 0 67 0 10.2 12.3 3300 1 1 2 2
40 32 1 0 46 0 10.1 12.3 2100. 3 2 2 2
41 21 3 1 60 0 10.1 11.1 3300 2 1 2 1
42, 22 . 0 68 1 10.2 11.1 4100 2 1 2 1
43' 19
44 20
2
3
1
0
67
60 0
1 10.2
10.2
12.1
11.3
2800
3600
1
2
1
3 ..2 2
2
45 23 1 1 63 1 1t2 10.~' 2400 2 3 1 2
46 26 3 0 64 0 11.2 11.4 3000 5 4 . 4 4
47 27 4 1 72 1 11.2 10.0 3900 5 4 . . 4

\7

4'l.!f':;\li' '4~i;t~- ";c.'Ii!;i,;":,.-,


48 30 2 1 49 1 ,11.2 12.4 2800 5
49 31 3 0 58 '0 13.2 13.3 3300 . 3 2 4 2
50 32 1 0 50 1 11.2 12.3 2100 3 1 1 2

. A. Langkah pertama: Memi)eri/membuat


.
nama variabel:
.~

. Layar pada tampllan Worksttt di menu data SPSS ada 2 jenls, yaitu jendela
"Data View" dan "Vanabel View". '

'~ ,Untukmembuat nama variabe1i layar/je~a poslslkan pada "Variable View".


, ,

, ~rang lakukan : klik "Variable VJeW' di bagian kin' bawah, sehingga


muncul tampila'n layar ~Variable VieN"

'~l, Pada' tampilan' "Variable Vi~ diatas terlihat, kolOO1: Name, Type" Width,
DecImals, dst.. ~Ianjutnya, kita dapat membuat nama variabelnya, dimuJai
dari NO,umur" didik, dst.sbb:
"';0,1

, , ,a. Me~buatvatla,bel.No
Adapun t~hapannya sbti:
, 1. Sekarang pa~~ kolom name ketik nama "anabel "No', kemudian

l8
2. Pindahkan kursor ke kolom Type. Jenis variabeh:yang~tersedi9 ;;'ada
beberapa jenis meliputi numeric unbJk tipe: angka, .. string ,unbJk tipe
karakterJhuruf dU. Untuk varibel No karena datanya yang akan masuk
..berbentuk angka berarti anda pilih numeric (secara otomatis SPSS
memberikan default Numenc) .. '
. .
3. Gerakkan kursor ke sebelah kanan ke bagian Width, pada .bagian ini anda
. juga dapat mengatur lebar kolom sesuaJ kebutuhan. Secara standar lebar .
kolom sudah diatur SPSS lebar kolom. (Width) 8karal<ter, jadi abaikan saja
: .::. .'
~-:;',
untUk width nya
. .::..4~. Geser kursor ke kanan masuk ke koIom Decimal, SPSS secara otomatis
_... '
... ", membe~ ruang untuk 2 deslmal, untuk variabel No tentun~:~berbentuk

bifangan bulat(tidak adadesimal) jadi kolom Decimal diberi angka.O atau


dikosongkan.
t,,~~ .; ....;.... ~'!. "';!'~':''' . . ' ..
,:,~t:::;~r~l~~: Geser korsor kekanan ke kolom Label, ketik/isikan keterangan 'untuk'~':;'"
. :.,.. ..~;.. memperje!as variabelNo!' mlsalnya diketik "Nomor Responden"

. 6. Langkah selanjutnya harusnya kursor kita geser kekanan menglsi kolom

. ' .. Values, namun kolom Values lni dusi kalau variabel yang kita buat

-: ,:,{, ."
';
.:;

,'" .".; '.. .... berbentuk variabel koding (atau variabel katagorik) misalnya varia~ ~ses:
". 'yang isinya ada koding l=pria dan 2=wanita. UnbJk variabel No bukan
merupakan variabel koding, maka kOlom Value tidak diisi/diabaikan saja,
.. ",. sahingga
. - " 1 . : ; , ,".1 ;',1,.,
proses pembuatan variabel No sudah selesai, ,dan ,.tampilan
, . , , 1 . . ~'

-:-" i 'Iengkapnya menjadi sebagai berikut ~'" .

. . i~::t No Numeric 8 o Homor respondel'lj None

baMembuat VariabeJ Umur

19
., , , Proses pembuatannya sarna dengan ketika membuat variabel No sbb:
, " 1., Sekarang pada koIom name kook nama vartabel Umur, kemudian
: ,2. Pindahkan kursor ke kolom Type.. Untuk variabel Umur karena datanya
. yang. akan masuk berbentuk angka berarti anda pilih numeric (secara .
otomatls SPSS membetfkan ,default Nutnerlc, jadi abaikan saja untuk isi
',' ,,' 'kolom ,Type janga~' diubahl '
'. 3. :Gerakkan
kursor Ice sebelah kanan ke bagian Width, pada bagian ini anda
juga dapat mengatur lebar kolom, dan deslmal sesuai kebutuhan. Secara
standar lebar kolom sudah diatur SPSS, !ebar kolom (Width) 8 karakter,
jadiabaikan/biarkan saja untuk width nya
': ' '. ~4. Geser kursor ke kanan masuk ke kolom Decimal, SPSS secata 9tOmatls
memberi ruang untuk 2 desimal, untuk variabl Umur tentunya berbentuk
- ,

bilangan bulat jadi kolom Decimal dibel;'angka 0 atau dikosongkan.


" ". '! ',:::,,:5.: Geser" kursor kekanan ke" kolom:' Labeli 'ketJk/isikan',keterangan .untuk
memperjelasvariabel Unwr, isikan: Umur;ibu menyusui' '
7':' '.'::-'~

" ',' 6. Karena varlabei umur berjenis numerik (bukan variabel yg isinya koding)
",'I "maka kolom Values diabaikan saja, dan dengan demikian proses,
. , pembuatan variabel umur telah. selessai

c. Variabel Pendidikan '


i, , ,Proses pembuatannya sarna dengan ketika membuat variabet No sbb:
:,~L Sekarang pada koIom name ketik. nama variabel Didik,.kemudlan
2. ,:pindahkan kursor ke kofom Type. Untuk variabel Didik karena datanya
yang akan masuk berbentuk angka berarti anda pilih numeric (secara
otomatis SPSS memberikan default Numeric, jadi abaikan saja. untuk isi
kolom Type jangan diubahJ
~I
3. Gerakkan kursor ke sebelah kanan ke bagian Width, pada bagian ini anda
juga d~pat meng~tur lebar kolom dan desimal sesuai kebutuhan. Secara
,
standar lebar kolom sudah diatur SPSS, le~ar kolom (Width) 8 karakter,
)adi abalkanJbi~d(~n saJa untuk width nya

20
4. Geser kursor ke kanan masuk ke kolom Decimal, SPSS secara otomatis
. memberi ruang untuk 2 desimal, untuk variabl Didik tentunya berbentuk
bilangan bulat jadi kolom Decimal diberi angka 0 atau dikosongkan.
5.' Geser kursor kekanan ke kolom label, ketik/isikan keterangan untuk
memperjelas variabel Didikr isikan: Pendidikan formal ibu menyusui
6. Langkah selanjutnya geser kekanan ke kolom Values, untuk va ria bel
Didik kolom Values ada isinya oteh karena variabel Didik merupakan
variabel yang berbentuk koding, yaitu kode 1 = SO, 2=SMP,3=SMU,
,~;, 4=PT. Klik kolom Value akan munrut menu:
.:.r...

.'
:"!"iil :"iihiith~d '. 'SJ>SS Data;Editor '~" .
"."'
~.=-' .
~~ Edit ,VieW .:O;t;T~an;f~---A;~m-G;;h;"~'i:;iilj~;-'Add-on~ ~v.;~;~~ Help

Name J Type.
.
I Width] Decimals
-I label I
-

Values I Missing
~ "-.it!:
' j t'
. .iiftt!ls~-~~EJ itaslNone iNone'-_~

, ---L. .~. -.---~-.i


,
I ""'...~'... ~'l~
,
. rrValue I.I!beIs .
... 'v.we: "
_i~ =~~_ ".~~=-:=l - - ' -
J Cancel I j""'"
! '~l~);,q
4
Jl..dd f I Help I .--~
i ..'---.- .._-......
----.1
t
Klik disini

.. I
I ---,-.---
! :
: Change :
-i------.. .-,
.,:'R~'I . ! i
'.
. :11 !I ----+-
!

1 I I !
,
I ---''''--~
1.
--_.- ., .
. .. ~t---- ... '----~

:'P.ada kotak Val.,.e Isikan. angka 1, lalu kJik kotak Value tabel' isman:
":SO,hasJlnya nampak sbb:

-'

2'
K~udian klik tombol Add sehinga

'.[ v_Libels
,~ l'! _
itt"~J4\Ai!i$k4tV
"Y.~
.'

",.. ': .':."


_.~~
.......
. .
. .
,~ .
di kotak bagian bawah akan munOJI:.~\ .

.
I

'. '1M-I . .. . OK I
:~J4:1 . . '~'I

: (':~A~~:':~f~ll ~ "SO" . '>:~'.:


.:'. 'Chan~J:'

A~e'f

Seterusnva 'kJik kotak Value, isikan angka 2, klik kotak Value Label dan
isikan: SMP,kemudian klik tombol Add
~erusliya kJik kotak Value, isikan angka 3, Idik kotak Value Label ~n
islkan: SMU, kemudian klik tombol Add Seterusnya kJik kotak Value, isikan
angka 4, klik kotak Value Label dan isikan: PT, kemudian kJik tombol Add
sehingga' kotak menu akari tertampil sbb:

22
Kemudian, klik tombol OK sehingga selesailah pembuatan variabel
Didik.

d. Variabel Kelja
.' "<;'" 1.Pada kolom Name isikan Kerja
2. Geser kekanan
. ke kotom Decima\,isikan
. .
0
3. Geser ke kolom Label isikan: Status pekerjaan ibu
4. Geser kekanan ke kolom Value, isikan koding O=bekerja 1=tdk.kelja
'I;'.' ", .Proses pembuatan variat.>el.kerja selesai

e. Variabel BBibu
1. Pada kolom Name isikan Bbibu
2. 'Geser kekanan ke kolom Dedmal, isikan 0 :. ---.
";". .. ...
. --"

3. Geser ke kolom Label isikan: Berat badan i b u " " ."


4. Kolom Value,. abaikan/ biarkan aja karena varia bel Bbibu berbentuk numerik
Proses pembuatan varia bel Bbibu selesai

f.,Yariabel Eksklu
1. Pada kolom Name isikan Eksklu
2. Geser kekanan ke kolom Decima., isikan 0
3. Geser ke koJom Label isikan: Status menvusui eksklusive
-'
2,3
4. Geser kekanan ke kolom Value, isikan koding O=tdk eksklusive
1=ekskfusive
Proses pembuatan variabel Eksklu selesai

.g. Variabel Hbl


1. Pada kolom Name isikan Hbl
2. Geser kekanan ke kolom Dedmal, untuk variabel HBl sesuai dengan
datanya, ada ~tu desimal, maka isikan angka 1
3. Geser ke kolom Label isikan: Hb pengukuran pertama
4. Abaikan kolom Values, karena vartabel HBl berbentuk numerik

h. Variabel Hb2
1. Pada kolom Name isikan Hb2
2..,Geserkekanan ke kolom Dedmal, untuk variabel' HB2 sesuai dengan
da~anya, ada satu desima', maka isikan angka 1
3.' Geser ke kolom Label isikan: Hb pengukuran kedua
-4.iAbaikan:kolom Values, karena vartabel HB2 berbentuk numerik

i. Vartabel BBbayi
1. Pada kolom Name lsikciil BBbayi
2. Geser kekanan' ke kofom Dedmal, isikan 0
3. Geser ke kolom Labei isikai1: Berat badan bayi .

.4. Abaikan kolom Value,

Proses pembuatan variabelbbbayi selesai

Dengan cara sarna kemudian dapat dibuat untuk varia bel: Segera, Kolos,
Lahir, Sampai
f ..

AKhirnya tampUan kseluruhannya sbb:

24
B. Memasukkan/entry Data
Setelah semua variaber sudah dibuat,' maka langkah Selanjutnya adalah
memasukkan data hasil survei kedalam format yang teiah dibuat diatas. Untuk
.. .. .
~.

'.:!. :f.-mkMasukkan data anda harus berpindah


.
ke layar/jende'a Data View, yaltli
.

dengan Klik tombel Data View, nampak ~mpilannya sbb:.

&"iijti6tfetf'fSPSs'O:~oi'f.i4Liil?%!!'*'& '+i#?l'lA$~",Sil?'#ri@;:' "lik.q:[(r,;ii~!i..,ifiii.~fiii~~~


Fie Elit View Data TranSform AnIiIIy2:e. (bphs . ullities Add-\: WindOw ~

,~ 8 E1f~!:.lJlfltl~~~~11
11 :No ~I
No I .. umurr didik r bbibu. I .ekSfdu hb1 '.hb2 .Ibbbavi. I "SeQef"3 I

. . ----.-1-..
~ . J11----- -----. '--- . -~.:

....J.._____+.______L ___+_. 1= ---1..----t-----+


-~ .-.--.--..--r-----f----- -- .
8 .....-..........:-. ------.~-- .. ---. --1--_.--"-_"'--- -----
_-=-1 ----...........
,

l ' -_....
:"1"11
-..J-.. -.....--.--...;........
'1~ -______ L ___....
----.-+--.----t-----f---..--- r----
-....,....~---.- -------1.-.-------1-.-- ------'------1----
. ' I . 1 --
J ,--1
I -1 I

Memasukkan data bisa menyamping satu persatu responden di entry datanya,

atau bisa juga perkolom kearah bawah.

Coba sekarang masukan data diatas sebClnyak 10 responden , dan hasil

tampilannya sbb~

25

.. '.','.

c.. Mengedit Data


1. Menghapus isi sel
a. Klik set yang akan dihapus isinya
b. Tekan tombol'Delete'(pada Keyboard)/dear pada edit.Bila kita nggak.
jadi menghapus, Idik Undo
Untuk merighapus isi sejumlah sel sekaligus, pilihlah sejumlah seI tersebut
dengan drag (menyorot/memblok) dengan mouse.

. . D~ri ta~pi1an di a~s berarti kita memooat blok untuk variabel Kerja pada
responden no 3 Sid 5
Tekan 'delete'untuk menghapusnya.

26
2. Men9hapus isi sel satu kolom (menghapus variabel)
,a. KJik heading kolom (nama variabet) yang akan ;dihapus lsi-lsi
selnya, misalkan akan dihapus variabel BBibu: Idik heading BBibu
sepeti tampllan sbb:

If. Tekan tomboi delete

Untuk menghapus isi set sejumlah kolom sekaligus,. pilihlah sejurnlah


kolom tersebut dengan drag (menyorot dan memblok) :dengan mouse
pada bagian heading.

3. Menghapus baris (menghapus case/responden)


il. k1ik baris yang akan dihapus, contoh norner responden'S akan dihapus

"

-',

27
b. Tekan tombol delete
Nomor responden akan terhapus

Untuk "mengnapus beberapa case sekafigus," pmhtah sejuhfah case


tersebut dengan- drag (menvorot dan memblok) pada bagian" nomor case.

4. Mengcopy isi Set


a. Pilih sel (sejurnlah set dengan mnyorot) yang akan dicopy isinya.
b. Tekan 'CI:rI+C'
c. Pindahkan penunjuk sel. ke seI yang akan dituju
d. Tekan 'Ctr1+V'
Hal yang perlu diperhatikan dalam mengcopy is; set atau sejumlah se1
adalah, bahwa format hasit copy aka" selalu menyesuaikan dengan format
_variabel dimana isi sel atau sejumlah sel itu dicopykan.

5. Mengcopy isi satu- kolom (mengcopy variabeJ)


a. Klik heading.koJom (nama varia~J) yang akan dicopy isinya
b. Tekan 'QrI+C'

28
c. Klik Heading kolom yang dituju
d. Tekan 'O:r:I+V'
:,Hasil dari instruksi di atas adalah mengcopy kolom sekaligus format
, ' ,variabelnya (type. variabel, lebar kolom, value label dsb), dan sudah pasti
tetap tidak merubah nama variabel. Bila dikehendaki tidak ada perubahan
format variabel kolom yang dituju, yang dilakukan adalah:
,a. KJik heading kolom (nama variabel) yang akan dicopy isinya
h. Tekan ' Q r I + C ' "
," ,,_ c. Pindahkan penunjuk set ke baris pertama kolom yang dituju
d. Tekan 'Cbi+V'
~ntuk mengcOpy lsi set sejumlah kolom sekaligusi pilihlah sejumlah kolom
tsb dengan drag pada bagian heading

,,6. Mengcopy isi satu baris (case/responden)


a. Teican 'CtrI+C'
b. Klik nomor case yang akan dituju atau pindahkan penunjuk set ke
kolom K1ik nomer case yang akan dicopy
c. pertama barts yang ditUju
d. Tekan 'OrI+V'

',7. Menyisipkan Kolom ........

a. Pindahkan penunujuk,sel pada kolom yang disisipi


b. Klik'Data: pilih 'Insert Variable, terlihat kolom baru muncul.

8.. Menyisipkan Baris


a. Pindahkan penunjuk sel pada barts yang akan disisipi
b. K1ik 'Data: pilih 'Insert caS(;?~ ter~ih~t kasus/ responden baru muncul

29
rI

B. MENYIHPAN FILE DATA


. ,..,' .'."
..'..1
Data yang telah dimasukkan dapat dislmpan ke berbagai format data..
Secara pengatoran dasar, SPSS for Window akan menyimpan data tersebut
dengan fonnat SPSS, bentuk f9f11latnya dldrikan dengan ekstensi ".saV' (Nama
file.sav). untok menylmpan data. yang telah anda masukkan:
1.Pilihlah "Fild', . bawci . kursor ke "Savd', nampak
tampilannya:

'",:~ " Afam<o.t alebef


.. ,:,':' ,. AMIsa Data (0)
libblr
lijlbw
"
~':t': Bub.t Ajar 8iostat asoal kompre
"': . Cyberl.ink _
, ", fmaf dari Kaltim lot au Dind'1I1
, " Gabulgan Pfw'IM aDfM
.. Ka.dcWm Iiostat
.

~
.: ,,~Stata

,, ~r .,., '7:: MyeBooks


: , " .',.~ ~:,:. '.:: Musk:
'~:~..-; Pidur~
" :" .. ,,' " ' . .: . MyVtdeos

" ", , Semidca KBIC R<MUI 2006

;',:' .. soal.J'ampre
" spss

Vadables I
..
" , ..' , " 'Fi1~ name.
. I
' J ~
-=.J I: Saole ,I
. . . ;.,.; .',[;:Y~~~:";"'~I.~-~~=:!-r~-.:. ->.---------._.. . -3~'.
." .
,:' ~',Pastel

".. '. P WI~e variable name$ to spreadsheet


;:Cancd I

'Pada tampilan di atas terdapat beberapa isian kotak:


Save in,: Anda dapat memilih dlrektori (drive A untok disket) tempat
menyimpan file. Bila pada kotak "save It!' tidak dirubah berarti data
,', disimpan dalam direktori program SPSS.
. File name: Anda harus mengetikkan nama file di kotak ini. SPSS akan
menambahkah ekstension ''.saY', sehingga anda cukup mengetikkan nama
filenya saja dan tidak perlu mengetikkan ekstensionnya.
Save as type : data dapat disimpan dalam berbagai form~t Untuk: data
SPSS akan disimpan dengan. format ~saV".
2. Misalkan kita akan menvJmpan data di drive C direktori my' document dan
diberi nama "Iatihan". Klik kotak "file name' , isikan "tatihan". Terlihat
tampUannya sbb:
.~_~_5~.~~
. . .

. . Variabte$._ 1:
3 1 .~~ '. ~~i
r-:--::-~------iI-:-ry I.
';~~.

, . ~ Write variable namE.t to spreadsheet ~l]


3. K1ik "Save", data akan tersimpan

Cis" MENGAKTIFKANIMEMANGGIL FILE DATA


Untuk membuka/mengaktifkan fite ~ata yang telah ada:
f. Klik "File', piJih "Oped', geser ke ""Data" akan tampil sbb:

31
~~tKlaJum Biostat
Slala
. Mye800ks
rwtISic

. :.". - .

. .
~~.. F.ename: if .L.~ I
. ..' .., fics or type: .... : .....:.~~. I
lr-sP~ss-r..sa-..,-)-------3"""
.. _Ca_"n_'ceI~1

Terlihat ada beberapa kOtak isian

Look in : Anda dapat memUih/mengganti direktori tempat file' disimpan.

Secara otomatis tampilan pertama akan muncul direktori SPSS.

. File Name: tempat untuk mengetikkan nama file, atau Clapat juga dilakukan
"::;'~n .lTglg-fcJik nama file yang tertampii pada kotak bagia.:... atas file
'cr-:;~~:!i;:;~T7.r~~~:~:: ... ,' '.
File of type :. data dapat disimpan d.alam berbagaJ format yang dapat dipilih
dal.am kritak Ini. Setara otomatis akan muncul file format SPSS (.sav)

.2. Misalkan sekarimg akan dii:llctifkan file data: "Latlhan'" dart drive c direktort My
C;;. . Document maka.'caranya .kJik . kotak file name ketik "Jatihan", .atau klik
"Jatimin yang terUhat/tertam..oil Pada kotak di atasnya.

32
a.lebel
Data Q
~~1~;:iGBub.t Ajar Biostat a soaIlcompre

....
~.......:- .
' Flesdtype:
; : .: .'
,. '.

. 3~ Kemudian klik Open, data akan muncul di layar.

3'.,YRANSFORMASI ,'t40'DIFIKASI DATA

" ~~eJah semua data di-enbypada das<lmya anda dapat langsungmlelakukan


, .Jl, ;.

analisis unfuk' mengetahui Infonnasi yang diingi.nkan. Namun seringkali data


yang ada tidak semuanya dapat langsung dilakukan analisis. Beberapa data bisa
jadi masih perlu diJakukan modifikasi/transforma.si, misalnya untuk keperluan
anaJisis kita harus mengelompokkan umur menjadi tiga katagori misalnya < 20
th, 20 - 35 th dan> 35 the Kasus lain, misalnya kita akan membuat varlabel
baru hasil dari gabungan beberapa varia bel (misalnya varia bel sikap diukur oleh

. .
10 pertanyaan/variabel), maka kita harus me1akukan aktifitas di SPSS untuk
menggabungkan beberapa variabel tersebut.

33
Dan uraian di atas tentunya sekarang menjadi jelas. temyata seringkali Idta
tidak dapat langsung melakukan anaUsis, kita harus melakukan
modifikasf/transformasi data. Per1u tidaknya modifikasi dilakukan dapat
dilihat/dicek pada --Definrs! Operasional Varia bel" dan penelitian/teSiS/skripsi Idta.
'.Misalkan dalam peneUtlan anda def.inisi variabelnya sbb:
No Vartabel Oefi~isi Operasional Hasil Ukur/Skala
1 lama tugas Rentang waktu berkeja sebagal TahunjRasio
petugas puskesmas.
2 ':. Umur lama waktu hidup yang diukur dan Muda dan bJa/
ulang t:lhun terakhir Ordinal,
3 ~! Sikap Pernyataan setujU/tidak setuju Baik dan Buruk/
terhadap sistem pencatatan dan- Ordinal
- pelaporan yang diukur melafui 10
, pertanyaan

.Dart contoh definisis operasional di at:ls dapat diketahul bahwa variabel 'lama
", tpgas" dapat langsung dianalisis, sedangkan variabel umur dan sikap masih perlu
.".diJakukan modifikasi/transformasi dengan SPSS. Variabel umur per1u <;tilakukan'
pengeJompokan menjadi umur muda (miSalnya ~ 30 th) dan tua 30 th).
Variabel sikap perJu dibuat dengan eara menjumlahkan SJr..or 10-pertanyaan sikap,
k~udian variabel baru tersebut dilakukan pengelcmpkkan untuk' membuat
katagori 'baik dan buruk (mlsal menggunakan cut point: mean). Berikut akan
diuraikan beberapa jenis modifikasi data yang dapat dilakukan di program SPSS
f9r Window~ ..

, 1~ 'Me~gelo~pokkan data

. '.. #perintah : RECODE


.. pengel01l'!~k%n" biasany~ digunakan untuk mengubah variabel numerik
menJadi 'v~n.ap~1 Iqltagorik. Pengelompokan dapat dilakukan pada vari abel
. , .. .,: . :~. . . ". .
... ; '. ". ~".::.:': ."

34
yang, sama ata~,:kevariabel baru yang berbeda. Dianjurkan kalau,melak.ukan_.!!i~,.:,;~>('

pengelompokan sebaiknya digunakan variabel baru sehlngga maslh" dimiliki

nilai yang asli pada file data~

Coba aktifkan file data ASI.SAV (file ini berisi data penelitian menyuSui

eksklusive, yang telah di entrY lengkap 50 rsponden)

Sebagai contoh Idta akan rnelakukan' pengefompokan umur. Umur akan


,,:J;liklasifikasikan menjadl3 kelompok yaitu: <20, 20-30 th, >30 tho
Langkahnya:
, ',~). Pilih "Ttansform,.-, sorot "Recode"sorot "Into different varilJb/eS~
JiiI~D~smli:taitSf#'M!?f.i~.,~4!b~':;4W%)JJ4.t)$i$"t.4;;;g;}.ti

'. .
~

Rank cases..
Autnrnatic Recode

DateJrme
CreateTme Series
RepIace'Missing .Va/ues.
Random I\k.mber Generators.

..'~".
;3i..:.

Kemudian KJik 'Into different Variable'

35

. ,. :. Cheryg~.. I

- * I" .()K P?:tte I Reset L~ .I~. Help

*. :.

4). Sorot variabei -umur', 1afu klik tanda panah ke kanan sehingga "umur"
. ~~indah eli kotak Input variable ~ OUtpUt Variable:
.v.. :S} . Pada kotak,Output variable, pada bagian 'Name k~kJah umuri(nama
. valiabeJ' baru untukumur yang bentuknya sudah katagorikl .i
-'.; 6). lOik change sehingga pada komk Input Vatfable -i)- Output Variable terlihat
... ~:. . umur ~ umurl

OK Paste I Reset I Cancef I Help

7).
.
KlJk QptiOn
.
'.
"Old. IJndNewValue~
-..,'
:~ '. -
nampak kotak Old and Newdi moilitor.
~ ,
. ," .

36
Pada kolak dialog tersebut ada beberapa ada. beberapa isian yang harus
dUsi. Secara garts besarada 2lsian yang harus diisi, yaitu 'Old Value'(nilai
la~a yang akan direa:1de) dan New Value (nilal baru sebagal hasil'recode'
dart nllal lama). Me--tecoo'e dapat dUakukan per satu nilailama atau
jangkauan nilai (ianfie). ....

8). Sekarang kila akan merecode nilai umur < 20 th menjadJ kode 1. Umur
dibawah 20 th, artinya umur terendah/paUng muda sampai dengan umur 19
tho
.. ~~:: ..-.. Pindahkan kursor ke kotak Range: 'lowestthrough D , ketikJah 19 dan
bawa kursor ke bagian katak new Value~ ketik 1 kemudian kJik Add,
hasilnya sbb

. ...,:.. . ...
",",
\

. ,.
" : f '! ". .... ,J:}".~'t....

9). Pindahka.n kursor ke kotak Range: Dthrough D ,kitaakan

merecode umur 20 s.d 30 ttl menjadi 2. Pada 2 kolak tersebut isilah 20

dan 30. laJu pindahkan kursor ke kotak 'New Value: ketiklah 2, kJik 'Add~

31

" , 10)."1Qta akan naelakukan pengkodean berat > 30 til menjadi l9.cIe 3. Pacla
. ~~\ " ' . ., .
kotak Range: thtUgh hfgfle:st"ketiklah 31. lalu "pindahkan ~rsor ke
kotak 'New Value~ ketiklah 3, klik 'Add~ Langkahnya seperti diatas, dan
akhirnya setefah selesai hasill).ya sbb:

11). KJik "'Continoue'


12). t<lik ". 01<", terlihat variabel baru "'umurl" sudah terbentuk berada dikolom
.paling kanan

38
--i"pampak variabel baru "umur1 n, masih menampilkan angka dengan- 2 desima!,
., ... _..

~;anda dapat masuk ke "Variable View', pada kolomdecJmaf' ketlk "'''0'',


",0' ....

':~:kemudian anda dapat juga memberi value iabel untuk kode 1= ~'7'20 th~':2 '=
.'. ''21 - 30 th dan 3= ~ 31 th.

. ";
; '2.
..
"Membuat variabel baru hasil perhitungan matematik

, " # perintah : COMPUTE


Selain fasilitas me-recode yang sudahkita coba untuk mengelompoki<an'


: ,.qa~, fasilitas SPSS yang lain yaitu membuat variabel baru hasil dari operasi:. '.'
- . .... l~

':matematik 'daribeberapa -vaHabei yang sudah dieJ1l1y, misal melakukan

penjumlahan, pengurangan, pembagian dan perkalian dll.

'Sel;@gai cOntOhpada data ASISAV ada data berat badan bayi d~lam be~tuk

satJ~n gram, sekarang anda diminta untuk membuat variabel'baru, berat

badan bayl dalam satuan kilogram.

Adapun caranya:

1). Pastlkan anda di posisi tampilan data editor

2}. Pilih" Transform 1'1'

3). PiJih n Compute'; kemudian muncuJ kotak dialog "Compute Variable'~ \ .

-' '

39
\\ Target Variable H : diisi nama varia~ yang akan dibuat, dapat merupakan
varfabel yang lama atau yang baru, sebaiki1ya nama baru
'. t~meric Expressioti' ~ diisl rumus yang akan digunakan untuk

~ ...... -
,;
.... ;~'
me~ghitung nilai baru pada Target Variable. Rumus' yang tertu!I~ dapat
<

" mengandung nama variabei yang sudah ada, operast matematik dan fungsi.
" . ,".: Adapun operasi matematik yang dapat dilakukan:
-~-,.." + '= penjumlahan "
- = pengurangan ,
* = perkalian

I = pembagian

",",** = pangkat
":(.) = kurung
4). Misalkan akan membuat vanabel ba'ru berat bayi, dengan nama "bayikilo",
maka pada kotak \ Target Varfable~ ketiklah \\bayikilo"
5). Kemudian klik kotak 'Numeric Expression~ sorot dan pindahkan varia bel Bwt
, ,

setelah itu bagilah 1000, tampilannya : bbbayi/1000, sehingga terUhat di


, ,

layar:

40
6). Klik "OK, sesaat kemudian vanabel "bayikilo" akan muncul dibatlian paling
'kanan.

, ..\ .. ': .;

r' 'bbbayi -rSegera- ,. Kofos"--r lahir sampai umur1 b~yikilo


! 25001
' I 2 1! 2 1 1.001 2.50
t-
!
30001 4 31 3 4 2..00 3.00
i, 4000 1 11 2j 2 1 3.00 4.00
i:;HU 3600! '
21I ' 31, ' 4 2 ,3.00 1 3.60 .
1._,_. 3500
1 .2700.'
I .-jl._.__
.,5 "
~l
A,I
4'
'4 .4
3 1.00
"kOO
3.50
'~70
r ,29001 31 41 2 2 2.00 2..90

3. M~!mIIU:;I~

#perintah : IF'
Dalam pembuatan variabel baru seringkali dihasilkan dari 'kondisi
beberapa variabel yang ada. Misalnya dalam file "ASI.SAV" terdapat variabel
",~,mur" dan varia bel \\berat ibu". Kemudian kita ingin membuat variabel baru

yang 'berisi dua keJompok yaitu: risiko tingg; dan ririko rendah. Misalkan-variabel
tersebut diberi nama\\Risk"" dan untuk keiompok risiko' rendah (kOde 0) dan
r'isiko tinggi (kode 1). Adapun krfteria' fisiko tinggi adalah bila responden

4t
~rumur di atas 30 tahun dan berat badan 'dibawah 50 kg. Selain kondisi
tersebut dikelompokkan ke dalam risiko rendah. Dari kasus Int berarti Idta .
diharapkan membuat variabef baru dengan kondisl vartabe1 umur dan htpertensi.
Bagaimana eara memboat variabel "Risk" tersebut? Ada dua langkah untuk .
menyelesaifc.an kasus ini:
Langkahpertama:

Membuat variabel RISK yang isinya semuanya 0 (risiko rendah)

1). Pilih "Tmnsform' .

2 ) . Pilih "O:Jmpi.tte'

3).+pada kotak" Target Variable', ketikJah "risk"

4). Pada kotak 'Numeric Expr.essiorl',. ketikJah "0" ..

~lVanllne:>,~Ij:!i~!:;f;>s.-I!.~'!#ji!lM.*,W~."J!!..x:;qMS;~gF\I\I:\!l,!;r;'M"",.l!ia

.
. .
. .

Targ# VatfabIe: .

'JRlSK

."". 'TypeU~_

~m
.. <e>'oou
~ddik
'. <i>keIja

. <8>bba>u

. <@>ek:skkJ
:.Hb"
<i>,..,2 .
bbba;;

.
<@>SesIera
<i>KoIos
. ~i.ahir
~ai
'.1'
.,
.' :':.:.1'

. .' ' ....

5). KJi~ \\01(', ~rlihat dilayar variabei "risk" Sudah terbentuk cJengan semua
setnya berisi an9,ka O.

"'t.
Langkah kE!dua:
=membuat kondisi .risiko tinggi (kode 1) untuk umur >30 dan 'bb<-SO~~
6).Pilih kembali menu "Transtonrr .
7). 'Pilih kembali 'Computf!!
8). Pada kotak " Target Vanablf!! biarkan tetap berisi "RISK".
9}. Pada kotak "Numeric Expressior/', hapus angka 0 dan gantila.h dengan angka
1.

"~
'''.-,
(OptiQrUsf
" :..:".'~'
~se seI~~~~oni
~""""" . . . ~~.' .......
I.
:.",.!t .

.}<~k.~::.1 p~~ L.::~.~. l ~J ~~t

43
10). Klik tombol "'If ", sesaat kemudlan muncuJ dialog 'ACornputeVadable; If.

Ca~

11). Klik tombol berbentuk lingkaran keeil: Include if case satisfies condition.
12). Pada kotak di bawah option include ..... : k.etiklah: umur > 30 &. bbibu < 50

-i j.
. . .'

-.I{~ r:~.Cd I.:


~ '". .'
.~
." e
:.{
.

13).. KIik "Continuer

14).. KJik "OK, akan muncul pesan:

15). KJik "'OK, maka terbentuldah variabel "RISKR pada kolom paling kamin
1\"\,

. d~fI9an isi 0 dan 1 (O=risiko rendah dan 1= _risiko tinggi), kaJau. menemui data
yang berisi umur diatas 30 tahun danberat lbu dibawah 50 th, maka is) variabel
RISK akan berubah darl 0 rnenjadi 1, COba dicek un

44
Note : setiap 'kita melakukan perintah : Compute, Recode~ atau IF
.sebaiknya di c:roscek, apakah hasilnya betul sesuai yang kita kehendakl

4. Memilih sebagian data (SUBsET)

. # perintah : SELECT
Dalam kondisi tertentu seringkali kita han~ll menginginkan mengofah dan
menganalisis hanya data dart kelompok tertentu saja. Misalkan kita punya data
sel,.:truh DKI, tapi Idta" hanya Ingin mengel:ahui distribusi aktifitas pad.? ibu hamii
va:ij~ tinggal di Jakarta Selatan. Di" dalam data tentun},a ada varyabel yang
menunjukkan wifayah tempat tinggal ibu hamil.
Sebagai contoh kH:a ingin menganalisis data, hanya untuk ibu yang
.,.';,:': ~enyusui saja,(dalam contoh ini kita masih menggunakan file data ASI.SAV). ,
.~ .. :. . "~.' ,

'f;aranya:

1). Pilih menu "Datil'

2). Pih "Select CaseS'

,3). KJik pada tombol : If ConaJfin is satisfied

. , .!

. .
, .

45
. ~.' .....

.,':.

.......
I,
~--~----~-----------~--~

OK Paste r Reset" I Cancel I Help

:.1)' Klik "If"


5). Ketildh/sorot dan pindah pada kotak dan tuliskan kondisinya yaitu: Eksldu=O
Ket: ibu yang menyusui eksklusive kodenya=O

." .umt.ribu
<i>nomor~ i

.statut
menyusU
, .pendida<M lonna!
peketJaan

j(\
.~
~
i
,'r7'I
L!.J
r.
klu .. ~

.beRIt badan ibu jl ...;:


~.L~2J 71 aI 91 Fi.mctions: B
".:"ut ~ ~ ..:J':~Jd;.~.!1!J
~
ABSfunexpr)
:. kadarhb .
:~ .kadarhb p e n l .. il.~~.riI2jlJ ' ANYtt!$l.vaIue.vafoo.)
' ARSrNtllJIIIeICPQ
:,. ''1

<.1> berat badan bayi lb ! '2.d .'iJ.iJttj 1 ARTAN6'tumeJCpr)


.+aai ~ dberi ' .::.f
.. .
iiLtiJ,~"
.
~~e I COF.BERNOUlLl(q.p)
COFNORM(tvafue)
(iJ
,~ .b~diberi kofostNr
." '
:. ",
" "

:. ~~ lahirdibetf_~si@ :~ I' ~ I Help

6). Klik \\ Continue'


7); Perhatikan di bagian bawah pada kotak: Unselected cases are: filtered atau
deleted PjlihJ~h fjltere.d ~rtinya data yang tidak dianaJisis hanya ditandai

46
dengan pencoretan nomor kasus. Sedangkan untuk Deleted, artinya kasus
yang tldak terpilih akan dihapus secara permanen. Biasanya digunakan
option: filtered.
8). Klik "OK" sehingga anda kembali ke data editor. Perhatikan pada data editor
~da beberapa kasus yang Udak te.rpilih (dimaUkan), yang ditandai dengan
pencoretan nomor kasusnya. Nomor'batang yang dicoret artinya dikeluarkan
dari data, sedangkan yang tidak dicoret merupakan data yang aktlf (ibu yang
mehyusui eksklusive)
.. ~ ..:.<,-:; .... riO.. .' urnur.: 'didik " :.t(~a I. bbibu eksklu" Hb1 . ,

.,~. 2 24 4 0 47 1 9.8
.....:=:::3 3 34 4 1 SO o 11.1,
.... ':.',:4. 4 35 3 0 50 0 10.21
:,d~ 5 19 3 1 - 55 11 10.41
?i'-------s --~ 21 "-'-:--1t-~'---45f-- 11 11.2!
~ 7 22 1 11----~4=7Ii:-----1~1,--1=2-=i.5!

. ~.j.e> 10
: ~:
25
~
.4'
i
.1
t--~~~~ 65
~:+i--~--='~_::_i~1
f------,.
.0 9.2J
~_"_.'~~1~___
11~_ _2_1LI____3~_____1~1_____6_0~_____
O~,___ ~

: ...... , ,

. ~. ...

s. MENGGABUNG FILE DATA

# perintah : MERGE

Dalam pengolahan data seringkali Idta mempunyai Udak satu file data, melainkan
beberapa file data yang tentUnya harus digabung kalau kita a~n melakukan
analisis data. Teknik penggabungan data ada dua jenis yaitu penggabungan
responden dan penggabungan variabel. .

_-/ :

41
l
a. penggabungan responden/case

Misal:
data file pertama~ berisi: nomor responden'1 sId 3
No Umur Didik
1 20 1
2 23 3
3 19 2

Data file kedua, berisi: nomor responden 4 sId 7


No Umur 'O,dik'
4 21 1
5 23 4
6 20 .. 2
7 24 3

~; . :;- .. '" ~
'.

.>:fData.hasii gabungan, berisi : nomor ~ponden 1 sId 7


,"

No umur Didik'
1 20 1
2 23 3
.,
3 19 2
4 21 1
5 23 4
6 20 2
7 I 24 3

Aplikasi di SPSS:
"
Pastlkan anda sudah memasukkan data kedua file, misalnya data pertama
dengan nama Data1.sav <Jan data kedua dengan nama Data2.sav.
langkahnya:
1. .Fife 'data1.sav' dalam kondisi aktif

-2~ klik data, sorot Merge Ales, sorot Add cases

..:"' .. ''': .'


48
Define Variable Properties
CopvData Propcrtjes
Define Dates
Insert Vatiable
Insert C8ses
Go eoOlse

ScrtCases
Transpoce
Restructure

Aggregatle...
IdentifyDupfic:ate cases...
Orthogonal Design .. I--------f----I------
Split File I--.-.-._---t--.-.-.,-.--t-----
Select cases...
Weight cases..

3. klik Add cases


4. Isikan pada kota file name : data2
!). '"w ~I', :: .~ . . . .fto:,~"M' l/} ; . :.":". ," ~. ; ~, .~;;",._.~ f ".,.~';"> _...' .

Look in: I~ My Documents


IQ.lUartllat a lebel
Iril.Analii$a Data (D)
I'I-M'....-. Ajar Biostat a seal kompre

. ,


".
My Network Ale name: ~ata2
Places
files of type: j$PSS (".sav)

5. klikOpen

49
6. Klik OK, dan akhimya terg;;.bunglah kedua -file data
7. Untuk menyimpan file gabungan, klik Save As Isikan nama file baru,.
misalnya data12

b. Penggabungan variabel

Data- pertama : berisi varia bel : no, umur dan c1idik


no umur Didik
1 20 1
.,2 23 3
3 19 2
~ 21 1
5 23 4
6 20 2
7 24 3

-Data kedua, berisi variabel : no, sex, kerja dan berat badan
""""'
no Sex keria bb
1 2 1 60
2 2 3 45
-,-. 3 56
1 2
'.' 4 2 -1 76
5 2 3 56
6 1 2 60
-
7 2 3 55

Data gabungan, berisi : n0l: umur, didik, sex, kerja dan bb

r
No lImur Didik sex kerja bb
1 20 1 2 1 60
2 23 3 2 3 45
3 19 2 1 2 56
4 21 1 2 1 76
5 23 4 2 3 56
6 20 2 1 2 60
7 24 3 24 3 55
- - - -
. langkahnya: .

so
Aplikasi di SPSS:

Pastikan anda sudah memasukkan data kedua file, misatnya data pertama

dengan nama Data3.~v dan data kedua dengan nama Data4.sav.

Langkahnya:

1. Ale 'data3.sav' dalam kondisi aktif


2. kfik data, sorot ~erge Ales, sorot Add Variables
It '!

Define Variabfe Properties...


Copy Data Propertie!
Define Dates
Insert Variable
Insert Cases
Go to Case
Sort Cases
Trall$pO$e

AWegate
Identify Oup/icate Cases... .
Orthogonal Design ~ ---;------1
F-.

Split File
Select cases...
Weight cases

3. kfik Add Variables


4. kJik Open, Klik OK
5. Tampilan sudah tergabung vanabeinya, anda tlnggal.'. melakukan
penyimpanan" k1ik Save As" ben nama file misal namanya ~~ata34

6. Menyimpan hasil olahan/hasil analisis


Hasil analisis akan dil:ampung pada jendela output (output windows)seperti
tampak pada gambar di bawah ini. Anda dapat mengedit teks langsung pada
windows tersebut. Prosedur yang sering digunakan untuk edit teks, seperti Cut,
Copy dan Paste juga dapat digunakan di j~ndela. output.ini. Sila anda akan
rneriyirnpan hasil analisis:

51
1). Pilih "File"

2). Pilih '!Save SPSS Output:"

3). Ketik/isikan nama ~Ie-nya

4). Klik "OK'

Frequencies
Statistics

I
RISK

N
.;.
Valid

Missing

RISK

Cumutative
Frequencv Percent Vafid Percent Percent
V.~lid 1 2 40.0 40.0 40.0
2 3 60.0 60.0 100.0
Totaf .5 100.0 100.0

.;.""

,t'.
52
A. Uji validitas dan R.eliabilitas Kuesioner
. Salah satu masalah dalarn suatu penelitian adalah bagaimana data yang
diperoleh (3darah akurat dan objektlf. Hal ini sangat penting dalarn penelitian
karenakesirnpulan penelitian hanya akan dapat dipercaya (akurat)~ Data yang
~ . ,. "

idta kurnpulkan tidak akan be. guna bilarnana' alat pengukur yang digunakan
untlJk rnengurnpulkan data penelitian tidak rnempunyai
.
validitas' dan
..
reliabilitas
.
o
yang tinggi.

.. , VALIorrAS
l
Validitas berasal dart kata Valitftty Yang rnernpuny 31 arti sejauhmana
ketepatan suatu alat ukur dalarn mengukur suatu data. Nisalnya bila seseorang
akar. mengukur dndn, rnaka dia harus menggunakan timbangan ernas. Dilain
. pihak ..bUa_seseotang Jngin ...menirnbang-.berat .baclan, -makardia -harus
menggunakan tirnbangan berat badan. Jadi dap2t disirnpulkan bahwa tirnbangan
. emas valid untuk mengukur berat cinein, tapi tirnbangan ernas tidak valid' untuk
rnenimbang berat badan.

RELIABILrrAS
Realibilitas. adalah suatu ukuran yang rnenunjukkan sejauhrnana hasil
pengukuran tetap konsisten bila dilakukan pengukuran dua kali atau leblh
terhadap gejala' yang sarna dan dengan alat ukur yang' sarna. Misalkan
seseorangingin mengukur jarak dart satu ternpat ke ternpat lain dengan
, menggunakan dua jenis "alat ukur. Alat ukur pertarna dengan rneteran yang
\

dibuat dari logarn, sedangkan atat ukur kedua dengan rnenghitung 1angkah kaki.
-'

S3
Pengukuran dengan meteran logam akan mendapatkan hasil yang sama kalau
,pengukurannya dlulang dua 'kali atau lebih. Sebaliknya pengukural'\ yang.
:qilakukan dengan kaki, besar kemungkinan. akan didapatkan hasil yang berbeda
:kalauJjengukurcmnya diulang ~~ kall atau leb,Jh. ~ri ilUstrasi Int berartl m~teran .'
logam leblh reliable dibandingkan langkah kaki uniuk mengukur jarak.

CARA MENGUKUR VAUDITAS


Untuk mengetahui validitas suatu instrumen (dalam hal int kuesioner)
dUc;l.kukan dengan caramelakukan korelasi antar skor masing-masingvariabel
dengan skor totalnya. Suatu variabel (pertanyaan) dikatakan valid bila skor
.variabel tersebut berkorelasi secara signifi~n dengan skor totalnya.
. . .
Teknik korelasi yang digunakan korelasi Pearson Product Moment:

1
Keputusan uji:
.. aUa r hitung lebih besar ~ari r tabel ~ Ho ditolak, artinya variabel valid
Bila r h~tung lebih keeil dari r tabel ~ Ho gagal ditolak, artinya varia bel tidak
valid

CARA MENGUKUR REUABILITAS


Pertanyaan dikatakan reliabel jika jawaban seseorang terhad~J)'
pertanyaan adalah konsisten atau stabil dart 'Naktu ke waktu. Jadi jika mlsalnya
:responden menjawab "tidak setuju" terhadap perilaku merokok dapat
mempertinggi. kepercayaan diri, maka jika beberapa waktu kemooian ia dita~ya
~~..,lagi untuk hal yang sarna, maka seharusnya tetap konsisten pada jawabab
t '

semu1a yaitutidak setuju.


~

Pengukura'n reliabilitas pada dasamya dapat dilakukan dengan dua carel :

-'

54
a. Repeated Measure atau ukur ulang. Pertanyaan ditanyakan pada
reponden berulang pada waktu yang berbeda (misal sebulan kemudian),
dan kemudian dilihat apakah ia tetap konsistendengan jawabannya
b. One Shot atau diukur sekali saja. Disini pengukurannya hanya sekali dan
. ~emudian hasilnya dibandingkan der.gan pertanyaan lain. Pada umumnya
pengukuran dilakukan dengan One Shotdengan beberapa pertal"!yaan
Pengujian reliabilitas dimulal dengan menguji validitas terlebih dahulu.
Jadi jika pertanyaan tidak valid, maka pertanyaan tersebut dibuang. Pertanyaan
pertanyaan yang sudah valid kemudian baru secara bersama-sama diukur
. ....... .

reliabilitasnya.
"
" . ":
.....
",

",

55
.KASUS:
U:JI VAUOrrAS DAN REUABILrrAS K(.IESIONER

Lakukan uj validitas dan reliabilitas kuesioner untuk mengetahui'


., '. . .. ;

tingkat stress pekerja industri. Untuk mengukur stress digunakan 5


pertanyaan. UJi coba dilakukan pada 15responden dengan bentuk
pertanyaan sbb:
1. Apkah anda serlng terPaksa bekerja lembur?
.. .:. 1. tidal< pemah 2. jarang 3.kadang-kadang 4. sering . S. selalu
..: .2. Menurut anda, apakah dalam hidup fnJ per1u bersaing?
:;~.
o. 0 1. tidal< pemah 2. jarang 3. kadang-lcadang 4. perlu S. sangat pertu
3. Apakah anda mudah marah?
1. tidal< 2. jarang 3. kadang-kadang 4.serlng S.Ya
4. Apakah anda serlng tetjadi konffik dengan keluarga?
1. tidal< 2. jarang 3. kadang-kadang 4. sering 5. Ya

_ S. Apakah anda serlng terjadi konflik dengao ternan I<erja?

1. tidak 2. jarang 3. kadang-kadang 4. seriog 5. Va

Hasil pretest pada 15 responden, sbb:


No P1 P2 P3 P4 P5
1 4 3 4 .4 4
2 1 - 1 1 1 1
3 1 2 1 1 1
4 4 4 3 4 4
5 2 4 2 2 2
6 .3 3 3 3 o.
3
7 4 1 4 4 4
8 1 1 1 1 1
9 3 3 3 3 3
10 2 3 2 2 2
11 1 1 1 1 1
12 2 2 2 2 2
13 4 2 4 3 4
;. .
14 3 - 1 3 3 3
15 2 3 2 Z 2
.

56
Ujilah kelima pertanyaan diatas apakah sudah valid dan reliabel

. Penvefesaian:
Lc.llgkahnya:
1. Masukkan data tersebut keSPSS
2. KJik !4na~e'
3. Pilih 'Scale'
4. Pilih 'Reliability Analysis'

5. Mas!Jkkan semua variabeJ ke dalam l<Otak 'Items' (ingat variabel yang


masuk hanya variabel yang akan diuji saja~yaitu Pi, P2, P3, P4 dan PS)
bentuknya sbb:
I ..

..~~.:I:
". " . :- ."
. ". ,".
.
"'""
,"
'." .. '. ~ .. :.
': .: : .

51
6. Pada 'Mode/~ biarkan pUihan pada 'Alpha'
7. KfikOptIon'Statistics'

'':'''''.,''''. ::.
';;,.r\..

. ,~.

".::"

8. . Pada baglan 'Desaiptlves for'kli~ pilihan 'ftem~ Scale ifItem deleted


9. K1ik ~Continue'
10. Klik 'OK~, terlihat hasIl outputnya sbb :

. . .. :} Relfability Statistics
: Cronbach's

Alpha
Nofltems
:
.928 5

,.
Item .$tatlstics
Mean Std. De'iiation N
soong terpaksa lembur 2.47 1.187 15
, .. . Bersaing dIm hidup 2.27 . 1.100 15
Mudahmarah 2.40 1.121 15
konflik keluarga 2.40 1.121 15
konfllk dgn teman 2.47 1.187 15
Item-Total StaUstics
Scale Corrected Cronbach's
Scale Mej[ln if Variance if Item-Total Alpha If Item
Item Deleted Item Deleted ' Correlation Deleted
serlng terpaksa lembur 9.53 15.124 ~ .963 .881
BeJ'$aing dim hldup 9.73 20.924 .328 .993
Mudahmarah '9.60 15.971 .915 .892
, konflik kefuarga 9.60 15.686 .955 .884
kontlik dgn ternan 9.53 15.124 .963 .881

Interpretasf:

H~$if analisis reliability memperlihatkan dua bagian. Bagian utama m,~nunjukkan

t.la:sil statistik deSkrtptif masing-masing varia bel dalam bentuk mean~_, varian, dll.

Pada bagian kedua memperlihatkan hasil dan proses vaJiditas dan reliabUitas.

'Kaidah yang berlaku bahwa pengujian dimulai dengan 'menguji validitas


, ,~uesioner baru dilanjutkan uji reliabilitas.
#:' ~"4.: ',: ...- :
,a. Uji Validitas
Untuk mengetahui validitas kuesioner dilakukan dengan membandingkan nilai r
, tabel dengan nilai r hitung.
*) Menentukan nilai r tabel
,NUai,rJ:abeLdilihat~dellgan;tabei r(pada Jampiran}dengarr:menggunakan'df= n
2 ~ 15-2=13. Pada tingkat kemaknaan 50/0, didapat angka r tabel = 0,514,
**) Menentukan nila' r hasil perhitungan
Nilai r hasil dapat dilihat pada ,kolom "Corrected item-Total CorrelatiOf1"
...
***) Kept..1:usan '"" ..
Masing-masing pertanyaan/vanabel dibandingkan nilai r hasil dengan nilai r
tabel, ketentuan: bila r hasil > r tabel, maka pertanyaan tersebut valid.'

Kesimpulan:
':.'
Terlihat dari 5 pertanyaan, ada satu pertanyaan yaltu P2 (r-0,327S) yang'
nilainy~ lebih rendah dari r tabet (r=O,514). Sehingga pertanyaanP2 tidal< valld,
sedangkan untuk pertanyaan P1, P3, P4 danP5 dinyatakan valid.

59
,l..,angkph
- selanjutnya'
.
melakukan a~IiSis
. ..

lagi dengan mengeluarkan pertanyaan


yang tidak'vali~.~:LakU'~P':p'l'9sedur/langkah seperti di atas yaitu:

1.. Klik ~a~' . ';.",:.:,

2. Pilih :rst:8le' ,

,3. Pilih 'Reliability AnalysiS' ,

4. Masukkan keempat'val1abel ke daram katak 'Items' (variabel P2 tidak. i~t


dianalisfs)
5. Klik "OK" Kemudian muncul tampilan Output sbb:
:' .~~
"
,(

. ;.

,. Reliability statistics
, 'r-------__----~

I~ INof""": I
Item StalisCIcG
Mean Std. Deviation N
Bering terp;!ksa lembur 2.47 1.187 15
, Mudah marah 2.40 1.121 15
, konftik keluarga
"

2.40 1.121 15
konflJk,dgn ternan 2.47 1.187 15
'.

atem~Total Statistics
Scale ' Corrected Cronbach's
$caIeMeanI Variance I ltem-Total AlphaJfItem
S: Item Deleted Item'Deleted Correlation OeletSd '
aering terpaksa lembur 7.27 11.495 .9S6 .988'
"Mudah marah 7.33 12.095 .911 ',994
konfIik keluarga 7.33 12.095 ,911 , ,994
konflik dfP1 lema" 1.27 11.495 .996 .988

" Interpretasi:'
(., ~sekarang ,tertihat. bahwa dan keempat pertanyaan, semua mempunyai nUai r
~asU (Conected. Item~Total Cotrelatlon) berada diatas dari niali r tabel ,
(r=O,514), sehingga (lapat df$'mpun~an keempat pertanyaan tersebut valid.

-'
, "
.
:" , :,,' :/~
60
. : .....
b. Uji Reliabilitas
,'~telah semua perl:anyaan valid semua, amnalisis dilanjutkan dengan uji
reliabilit:as.. Untuk mengetahui reliabUitas caranya adalah; membandingkan nialia
r hasU dengan r tabel.dalam ujl reliabilitas sebagai nilai r hasil adalah nilai
.~Alph;l' (terletak di akhlr output). Ketentuannya: bila r Alpha > r tabel, maka

,pertanyaan tersebut reliabel

Dan hasil uji di atas ternyata, nnai r Alpha. (O,9935) lebih' besar dibandingkan '

dengan nilai' r tabel, maka keempat pertanyaan di atas dinyatakan reliabel.

B.. Uji Interrater Reliability


. Dalam melakukan penefitlan dengan metode observasi seringkali antara peneliti
,'" dengan numerator (pengumpul data) terjadi perbed~an persepsi terhadap
kejadian yang diamati. Agar data yang dihasilkannya valid, maka harus ada
penyamaan persepsi antara peneliti dengan' petugas per~gumpul data
, (numerator). Uji interrater Reliability merupakan jenis uji yang digunakan untuk
-- menyamakan persepsi antara peneliti dengan petugas pengurnpul data. Alilt
. ,,yang,digunakan -untuk-ujl'Interrater'adalah 'uji-statistlk Kappa.

Plinsip ujinya: bila hasil uji Kappa signifikan/bennakna maka persepsi antara
'.";

pegeliti dengan numerator sarna, sebafiknya bila hasll uji ~ppa !!dak
' . _ " , .
signifikan/berrnakna, .rnaka persepsi antara peneliti dengan numerator terjadi

perbedaan.

Contoh:

Suatu penelitian praktek keperawat:an keluarga terdapat instrumen yang

,:-,

berbentuk observasi terhadap perilaku perawat merawat pasien. Pertanyaanya:

61
Apakah dalam. melak"ukan komunikasi dengan pasien bersifat ramah?
1. ya 2. tidak

::~mudian dilakukan uji coba dengan pengamatan sebanyak 10pasien, adapun


~asilnya sbb:
No pasien penelitf numerator
1 1 .
2

2 2 2

',:"
.3 1 1

,4
,.
2 1

.S 1 1

6 2 2

7 1 1

'S 2 2

9 2 2

10 2 2

Ujilah .apakah ada kesepakatan antara peneliti dengan numerator:

Langkah:
1. data di enby di SPSS
2. Klik analysis, sorot Desaiptif, sorot dan klik Crostab
3. Masukkan variabel ~peneliti"ke bagian Row'dan masukkan variabel
'numerator' ke bagian colom.
4. KID< tombol Statistic, Idik Kappa
5.Klik Continue
,:,. .6. Klik OK, dan hasilnya

-'
..",t ' ,
62
Symmetric Measures
A..oymp.
Vafue Std. Error Approx. f Approx. Sig.
.
Measure of Agreement Kappa .583 , .262 1.845 .065
:
NofValldCaaes . 10
. '.' . .a. Notanuming the nul hypolhesfs. ~.
b. UsIng the asymptotic ~ error UsWn(ng the null hypoIhesla.

Hasil uji didapatkan nitai koefisien kapaa sebesar 0,583 dan p valuenya sebesar
0,065. Dengan hasil in1 berarti p value>. alpha berarti hasU uji kappa tidak
s~gnifikan/bt:rmakna, sehlngga kesimpulannya: ada.. perbedaan persepsi
mengenai aspek yang diamati antara peneliti dengan numerator.

," ; . .i~ ..:-~

..
,.... ..
; "
... \

-'

63

-1. Pendahuluan
_ 'Ii-!- Setelah- kila selesai melakukan pengolahan data, maka 'angkah selanjutnya
adalah menganalisis data. Data mentah {raw data} yang rodah susah- payah IOta
kumpulkan tidak akan ada artinya jika tidak dianafisis. Anarisis data merupakan
kegiatan yang sangat penting dafam suatu penefitiall, karena c:fengan anallslslah
, -
data dapat mempunyai am/makna yang dapat berguna untuk memecahkan
masaf?th penelitian.
Analisis mempunyai posIsi strategis dalam suatu pEmeritian. Namun periu
dimengerti bahwa clengan melakukan anafisis tidak dengan sendirinya dapat
,:-' faOgsung ~emberf jawaban penelitian, untuk itu per1u dik:etahui bagaimana
\menglnterpretast hasil penefiHan tersebut.Jl.1engJnterpretasf berarti rota
menjel~n hasil anarlSJs guna memperoleh makna/arti.
Interpretasi mempunyai dua bentuk, yaitu am sempit dan artf luas.
-Interpretasi dalam arti sempit (deskriptif) yaitu interpretasI data dilakul<nn hanya
sebatas 'pada masalah -penefrnan yang cfftefrtJ berdasarkan data yang
dikumpulkan dan dioran, untuk keper1uan penefitian tersebut Sedangkan
- -
jn~erpretasi dalam-arti loas '(analitilc) yaitu fnterpretasi guna mencari makna data
hasil penelitian dengan jafan tidak hanya menjefaskan/menganansls data hasil
penefman tersebut, tempI juga meJakukan inferensf (generaJisasi) dart data yang
r.::.: diperoJeh dengan teoti-teori yang relevan dengan hasii-hasil peneIitian tersebut.

,1:"''' '.,
'.", '.': '.

, '.'. '
Pada umumnya anaJisfs data berbJjuan untuk:

. a. Memperoleh gambaran/deskripsi maslng-maslng varia bel

'"

. : b. Membandingkan dan menguji teort atau konsep dengan Informasi' yang


ditemukan
c. Menemukan adanya koosepbaru dart data yang dikumpulkan
d. Mencari penjela.san apakah konsepbaru yang diujl' ber1aku umum atau hanya
'beriaku pada kondisf tertentu

Seberapa jauh analisis suatu penelitian akan dilakukan tergantung dart:


q~ _. Jenis penelitian
r,."

b.:_-Jenis sarnpel

c. Jenis data/variabel

. d. Asumsi kenonnalan distribusi data

a. JenES Penelitian
'Jika ingin mengeahui bagalmana pada umumnya (secara rata-rata) pendapat
masyarakat akan suatu hat tertentu, maka, pengumpufan data dilakukan dengan
i'_:";_~: survei.. Dan kasus Inl maka dapat dilakukan .analisis datadenganpendekataO'~' ,',;:
kuantitatif.. ' Namun bila kita menglnginkan untuk mendapatkan
pendapatjgambaran yang mendafam fentang suatu fenomena, maka data dapat
dQsumpufkan dengan fokus grup diskusJ atau observasf, maka;:;:analisisnya
~gtJnakan pendekatan anaUsis kuafitatif. '~: ' ,~,

~Joo~~m~1 _
Anafisis sangat terganb.lng pada jenis sampel yang dibandingkan, apakah, kedua
sampel Jndependen atau dependen.... MisaJkan survei untuk mengetahul apakah '
ada perbedaanberat badan bayI antara' bayi-bayi yang ,dIlahlrkandari'Jbu
perokok dengan bayi-bayi dan ibu yang tldak merokok. Dislni berarti kelompok
ibu perokok dan kelompok ibu bukan perokok bersifat independen.

-,'

65
Sedangkan untuk penelltian eksperimen- yang s1fatnya pre- dan-,post-(sebelum
dan sesudah adanya' perfakuan tertenbJ -Qdakuf<an pengukuran) maka uji yang
: _digunakan.


adalah uji statfstik untuk data yang' dependen... Mlsarnya, suatu
.penefdian login mengetahuipengaruh pelatian manajemen terhadap Idnerja
petugas kesehatan. Perta~i1-"penefitlannya "'Apakah ada perbedaan kinerja
pef.ugas kesehatan antara sebelUm dan Stisudah fIleI'ld?patkan pefafihan
manajemen?". Dalam penelitian Inl sampel- keJompok petugaS. kesehatan- bersffat
dependen, karena pada kelompok (orang) yang sarna diukur dua kart yaibJ pada
_~a,t sebe!um ~latihan (pre test) dan sesudah dilak1Jkan pefatihan (Post Test).
.
"f I .

~;lenis Data/Variabel
- - -

Data dengan jenis katagort beJteda cara anaflSfsnya derlgan data jenis numerik.
Beberaae pengukuran/uji statistik hanya cocok untu~ jenis data tertentu.-Sebagai
c., contoh/tflDai proporsi/persentase (pacta analisis univariat) biasanYCl axok untuk
-;menjefasf(an data berjenis katagorik, sedang'cCan unbJk data jenls numerik
bJasany.a. dapat menggunakan nilaJ rata-rata untuk menjefaskan birakterfstiknya"
':",~UntukaaarlSls hubungan' duavariabel (anafsls bivariat), UJl kai kuadrat f1arlyc3

.: papat:d!pakaluntuk mengetahul hublingandata katagcri dengan data katagorf.

Sebaliknya untuk menget:ahui hubungan numen"k dengan numen"J< digunakan UJl

korelasl/regresi.

d. Asumsi Kenonnamn
Jenis anal1sfs yang akan 'dUakukan sangat tergantung dan bentuk c:flstribusi
daIanya.. -BUa distribuSi datanya tfdaknormal, maka sebalknya digunakan
prosedur UJl statiHk nonparamebik.. Sedangkan bila asumsi kenormaJan dapat
-dipenuhi maka dapat dlgunakan UJl statistik-, parametrik.

~kut inf akan dljeJaskan langkah-Jangkah soalisis (pendekatan

kuantitatif): \

1. Analisis Deskriptif (Univariat)

. .., ,',
Tujuan dart analisis Iniadalah untuk:. menjefaskan/mendJskrfpsikan
,,karak.terfstik masing-masIng variabel yang ditelitl.. Bentuknya ~nbJng dan
jenls' datanya. Untuk data numerik digunakan nHal. mean. (rata-rata}, median,
'. ,

'. '. standanf d~ dan Inter kuar:til range,nlf~ ~I.


2 Anan51s AnaII"tik (BiVa~at)
..~~<,. ;': '''~"t~,~';LfH;;+:'
:*. j, . r ; :. ,'.
.. . .t.:

Setelah diketahur ka~k maslng-masIng variabel dapat diteruskan


analisis lebih lanjut. ApabUa diinginkan anaJisfs hubungan antar dua varlabel,
maka analisls dilanjutkan pada tingkat. bivariat. M"asaInya Ingln dlketahui
. ...~Jlubunganantara berat baclan dengan tekanan darah. Untuk mengetahui
'. :hubungan dua variabei tersebut biasanya digunakan pengujian statistlk.. JenJs
.':\1)1 statistik yang digunakan sangat tergantung jeIlis data/VaFi<ibel "yang
dihubungkan.
3. Analisis Multivariat
'~~.!J~::~.:" Merupakan anal isis . yang menghubungkan antara beberapa variabe~ t ;"; .

. ..~ independen dengan satu vartabeJ dependen.

Secara lebih khuSUS/detail analisis uni\.',uiat, bivariat dan multivariat a~n


~;~ipelajari pada bab tersendirt yaitu bab 5,.6 dan 7 ':A.~; ':,.:;'~~'.~-;;

- I "

.'

67
I:, - . ANALiSIS UNIVARIATf-~ ~.
- ", _ w.

( DESKTIPTIF)'
_ ':' .... :~:' '.~:.' ~

.
, ~' .. , .

Tujuan dan analisis 101 adarah untuk. menjefaskan/mendeskriptitkan

katakierisJ;ik. masing-masing variabel yang ditelitf.. Dalam anallSis data kuantitatif

Idta. ~ihadapkan pada kumpulan data yang besarjbanyak yang.. belum jelas

.. \~. . '

..~f3~Fungsi analisis sebetulnya 'adalah menyederttanalGisn ata~merlngkas


"".

'ku~pufan
, data '
hasil, pengukuran sedemildan rupa sehingga .. laJJlJlulan.. data
tersebut berubah menjadi infonnasi yang berguna.. PeringkaSan tersebut berupa

ukuran-ukuran statistik, tabel dan juga g~fik.. .

. .; . ' .Secara .teknis pada dasamya anaflSis merupakan ~,kegiatan ...meringkas

: ,c'" . " '

k4mpufan data menjadi ukuran. tengah dan ukuran variasi. Sefanjutnya


.~. . , '

membanding~n gambaran-gambaran tersebut antara satu kelompok subyek


d?n keJompok subyek lain, sesual dengan tt.guan yang ingin dicapai dalam'
... ' .......: . . ' ..

.
aoaliSis
~:",.. _ .

Berbieara peringkasan data (yang berwujud ulaJrM tengah dan ukuran

variasi) jenis data (apakah' numerik atau katagorUc) akan sangat menentul<an

bentuk. peringkasan datanya. Berikut akan diuraikan bentuk/cara peringkasan

d~~ untuk data numerik dan data katagorlk.

:.:.:".~ ..

1. Peringkasan Data Untuk ~,lenis Numerik


a. Ukuran Tengah
'" Ukuran tengah merupakan cenninan dan konsentrasl nilai-nilai haSiI

~"\t
pengukuran. Berbagai ukuran cJikembangkan ulnuk mencerminkan ukuran

, tengah tersebut, dan yang paling sering dipakai adaiah mean, median dan

modetmodus. ' . .'

"

:.
1). Mean ,
/j
:"

68

\.
Mean/average adafah ukuran rata;ata yang merupakan hasJf, dari jumfah
, semua nllai pengukuran dibagioleh banyaknya ~ Secara sederhana
,perhitungan nnal mean dapat dituliskarr dengan'rumus :

,',' "r- X=l!X./n ~

KeunbJngan nilai mean adafah mudah menghitungnyadan sudah melibatkan


seluruh data dalam penghltungannya" Hamun lceIemahan dart nIJar mean
acJalah sangat dipengaruhi oIeh nllal :\ekstrim, baik eksbim tinggi maupun
"rendah. Oleh karena itu pada' kelompok. data yang ada nilal ekstrimnya
,i,t~(sering dikenal dengan dlstribusi data yang rnericeng/mlringl, ':'Mean 'ftdak
:~~apat mewakili raflHat:a kumpulan mlai 'pengamatan.. 'SebagaFCOnmh fifata
, yang ada nilai ekstrimnya adalah data 'penghasilan orang/penduduk yang
tlnggal di Indonesia. I\rta tahu bahwa penghaStlan orang indonesia ada nltai
fl.; j- :.", : ~ekstrlm linggi unruk penghasiJannya, karena beberapa orang, berpenghasilan "",;
"tinggi sekali., Apabila, dihitung mean, maka penghasiJan' perbulan bisajadf
didapatkan . Rp 20.000.000,- , sebenamya sebagian besar' orang
pendapatannya di bawah Rp-l0.000.000,.... .. Mean sebesar Rp 2n..ooo..OOO,
dipero!eh karena tankan sekeIompokkecii orang (misaInya konglomerat)
", ,':'yang pendapatannya sangat tinggi.. Dengan demikian penggunaan mean
,-: ,UnbJk data yang ada, nilai ekstrimnya (data yang disbibusinya menceng)
. ',kurang tepat.
. ; 'Contohi ada 5 pasien diukur lama 'han rawatnya : 1 hr, 3 hr, 4 hr, -2 hr, 90 hr.
Mean ={1+3+4+2+90)/5 =20 hr"
, Dati hasiJ penghitungan didapatkan rata-rata lama hart rawat 20 hall, hasil ini
tendtunya' tidal<. dapat mewakili karem secara visual datanya, sebagian besar
~rang dari 5 hari. K~an ini blsa ~ karena kumpufan data dI alas ada
",' niJai eksbimnya..

69

,
,2). ~edian ,:':,:,1' .':' -.-. '.; '~ ", ,,-:1 ~~" \:

. "" .Median adalah nIIaI -<Iamana ''6etengah ,banyaknya.- pengamatan mempunyai


nlalal di bawahnya' dan sefengahnya 'Iagf ,mempunyaI nIfat d atasraya-.. Berbeda
dengan nilal mean, penghftungan'median hanp memperUmbangkan urutao
nHal dasif pengukuran;' besar beda antar nfIat (ft. abaikan.. Karena
, . n:aengabaikan besar .beda; 'maka median tidale dfpengaruhloleh nilal eksbim.
: Prosedur penghltungan medfartmefalti Iangfcah
a). Data dlurutlcan/di-anaydari nIIai keeil Ice besar
... 'r!J~). Hitting posisf meatan dengan rumus (n+l}(2.
.,'ie). HltUng nrlal mediannya .;
,',

"

'. ~Contoh ada usia 6 mahasIswa 20 th, 26 th, Mth, 30 til;40 fu, 36~th.

, ~ta diuf'Uf.tan: 20, 24, 26, 30, 36, 40

.. Posfsf = (6+1)/2 = 3,5

:"i ;:,,'.;, Med".annya adalatulata.yang"Ufutannya :ke.3;5yaibJ{26 +30)/2= 28


. Jadi 50~o mahasiswa beri.nnur. dibawah 28 tahul1 dan' 5OCJO mahaslswa
. berumur di atas 28 tahun
/- '.: '-,

.~~~)~ ,Mode/Modus.
~ adalah niJaI pengamatan .yang' mempunyai frelc:uensI/jumfah. terbanyak.
:. . Q>ntoh mode data umur mahasiswa: 18 tft, 22 th, 21 itt, 20 ttt, 23ttt, 20 tn.
Pari data tersebut berarti mode-nya adalah 20 tahun
.. -
.
:

BentukDistribusi Data

.' ',' ':Hubwigall nIta] mean; med'san dan mode. akan menenbJkan bentuk
distribusi' data:
~: ana nita mean,' median' dail mode sama, maka bentuk distribtisi' datanya
~'. J "onnat
M SUa nUai mean > median > mode~ maka benb.l~d'lSb1busf datanya
menceng/mlriitg ke kanarr

': .. " , "

7()
- Bila nffal mean < median < mode~ 'maka bentuk:distribUsf datanya menceng
, Imlring ke kiri

b. 'Ukuran Variasi
Nifal-nilai hasiJ pengamatan akan c.enderung'saling berbeda satu sama lain
atau dengan kata Jain hasit pengamatan ~kan bervartasf.. Untuk menegtahuf
.seberapa jauh data bervariasi digunakan ukuran variasi antara lain range~' jarak
. tinier kuartil dan standard deviasi.
l)::Range.
Range'mempakan ukuran variasf yang palIng dasarr d'lhitun~t dari selisih nHal
tert:>esar dengan niJal terl<ecil. Kelemahan range adaIah dipengaruhi nHal
~:~,;:;L?""!:,,... ekstrim. Keuntungan penghibmgan dapat dilakukart dengan c.epat.
, :,:.2). Jarak Inter Quartil
N~lai observasi disusqn. berurutan dan .nifai ke cil .ke besar, kemudfan
ditentukan kuartiI bawah dan atas.. Kuartfl merupakan pembagiandata
. menjadi 4 bagian yang dibatasi oIeh tiga ukuran kuartil,. yaitu kuartiI I,. kuartil'
; ,.n dan kuarbl m.
, Kuartil I mencakup 25% data berada di bawahilya dan 75% data, berada dl
~'~tasnya ..

,,:Kuartil n (median) mencakup 50% data berada di bawahnya dan 50% data
'berada eli atasnya. '.
. KuartiJ m mencakup 75% data berada di bawahnya dan 25% databerada di
atasnya.
Jarak inter kuarti' adarah setisih anatar twari' In dan twari. I. Ukuran 1m tebih
" baik dari range, terutama kalau frekuensi pengamatan banyak dan dlstribusi
sangat menyebar.
3). Standard Devlasi

'II

:: .: y~riasi data yang diukur meIaIui penyfrnpangan{deviasi dart nifai-nifai


pengamatan terhadap nUai mean-nya. Rata-rata hitting dati kuadrat deviasl
temadap mean disebut varian, yang. rumusnya;

Semakln besar nilat varian akan sernakin bervariasi, karena satuan varian
(kuadrat) yang tidak sarna dengan satuan nital . pengamatan, maka
.. dlkerntxtngkan .suattJ. ukuran variasi yang mempunyaJ satuan
.. ~. .
.yang sarna
.

dengan satuan pengamatan, yaitu Standard 0evIasi


. ::,Standard Deviasl merupakanakar dart varian:
~. . .
",.

Standard deViasi (8 atau SD =VI<Xi ~ xi .


--.'-- -... . "
. 1 , Seperti halnya varian, semakin besar SO semakin besar variasinya. Apabifa

-. __J;':j!fdak ada variasi, maka 50=0

DarI ~n tersebut dapat dislmpulkan, untuk data numerik digunakan


. niall mean (ratHam), median, standc:rd deviasi dan inter quaml range, mlfnfmal
d~ maksimal.. BlIa data yang terkumpul tidak menunjukkan adanya .nUal. eksbim
-~~.
r
~O, makaperhituungan nHai mean dan standard ~iasi
,
merupakan cara anaBsis trivariat yang tepat Seddanglcim bUa dijumpai nUai
ekstrfm 9<;nsb'ibusi data tidak normaf)rmaka nIJal nedian- danlnter quartit range
(IQR) yang lebib tepat dibandingkan nllai mean.

r;." . 4 Peringkasan Data:Katagorik


.8erbeda dengan. data numerik, peringkasan, (balk ukurail tengah maupun
.. .

ukuran varfasi) tid~k beragam jenisnya. Pacta data katagorik peringkasan data
hanya menggunakan. trmib'..lSi
:.. ::
frekuensi dengan ukuran persentase atau
;'. ". ,;",:-:

",-' "\""

72
proporsf. ana data berjenls- katagorik, tentunya informasl/peringkasan yang
penting disampaJkan tidak mungldn/tidak tazim menggunakan ukuran mean atau
. 'meOaan.. melalnkan 'Informasf jumfah dan: persentase yang c:ftSajikan;.. Untuk,
. ukuran variasi, pada data katagorik variasi maksimal apabila jumlah antar
katagori sama,

Contoh: Kelas A: mahasisWa 50 dan mahasiswi 50


Kefas B: mahasfswa 90 dan mahasiswi 10
~ ~ A, jenis keJamin mahasiswa bervariasi (heterogen) karena 500/0 pria
dan 50% wanita.
Pada kefas B, jenis kelamin mahasf5wa tidak bervariasi (homogen' pada'~"Pria)
katena pria' 90% dan wanita hanya'lO%.

"

Bentuk penyajian analisis unIvariat dapat besl,!.IPB tabef 'atau grafik. Namun
perlu diingat bahwa . kita dianjUJican hanya memilih salah satu, tidak
, diperkenankan secara sekaligus menggunakan tabeI dao- juga graftK tfafam
m,.enyampaikan Jnformasi suatu datatvariabel.
'Conl:9h penyajian anaflSis deskriptif:
a. Data numerik

- Tabet 1

~:. Disbibusl Umur dan Lama 'Hint Rawat pasien Rumah sakit XTahtm 1m
Variabel Mean SO Minimal- Maksimal
Median
1. Umur 30,3 10,1 17-60
31,1
2. Lama han rawat 10,1 8,9 2-60
7,0 .
b. Data katagorik
Tabel2
Di~~usf Responden Menurut lingkat Perididikan' Pasfen Rumah saldt X
tahlln 1999

Pendidikan Jumlah Persen~se

SO 60 60,0
SMP 30 30,0

, "'.' ~:~:.;.~.
SMU 10 10,0
Total 100 100,0

Bagafmana menginterpretasi tabel di atas?

"difihat konsenbasi/jumlah yang terbesar data pada kelompok mana?/\'

Selain unbJk mendeskripsikan masing-masfrig variabelj anafisis univariat


dap~ juga Sekaligus untuk mengeksptorasi vanabel yang dapat. berguna datam .
mendiagnosis asumsi staUstik tanjut (terotama' unbJk variabel jenis numerik),
misalOya 'aPakah variannya homogen atau heterogen, apakah d'lSbibusinya ,
, normal atau tidak.. Eksp(orasi data juga da(lClt untuk mendeteksi adanya niIai
ekstiim/ouUier, bila ada nilai ekstrim sangat menentukan anaflSls selanjub1ya
(bivarfat) apakah nUainya akan berkurang~

..
'

. ,

74

KASUS:
ANAUSIS OESKRIPTIF (l/NIVARIATJ
Tujuan analisis Int adafah' untuk mendeskripsfkan karaktef istik. masfng...
masing variabel yang olteliti. Bentuknya tergaOtung dan jenis datanya. Untuk
data numerik digunakan nialai mean"{rata-fata), median, standard deviasi dllw
Sedangkan untuk data lcatagorik tentunya' hanya .dapat menjelaskan angka/nifaf
jumfah dan persentase masing-maslng kefompok~ Ben"kut akan' dipefajarf tara
mengel~rkan analisis deskriptif di SPSS; dlmufaJ untuk vaJiabei katagorik
(sebagai latihan digunakan variabef 'pendidikan') dan kemudian difanjU!kan
vanabf numerik (variabel umur).
..... .

a.. Data Katagorik


Untuk menampiikan tabulasi ~ata katag9rik d!gunakari tampUan frekuensi.
. Sebagai contoh kita akan menampilkan tabel distribusi frekuensi untuk varia bel
.' ;'.t:,pendidikan dan fife 'ASI..SAV'.
: 1. Dart menu mama SPSS pUih 'AnalJ'ze~' kemudian 'DescripmlE! Statist:ic'dan
piJih 'FrequencieS, sehingga muncul tampi!an:

1 ,i*~t;1-1e(ot.
.......,'f-=t:~!.~:7~!%MAs.:,.'+.!I""
.~ ~~e:\;les=' ,." ..!w.....
~.' .....,'
,;!I:!!$'i. ~~;tri:'i!~~t(~~~~~
"~""""IiQ'

/.21. 'T'! ............


-... IIt1_P................. '
'


- OK
Paste
1
"
',,, ":

<t>ibu kelja PCefjal . r:I) Resell


.JlMnlah anak {anak'- I..!.-I . "I
MenyuStJI ad usia 4 Cancel
. .Kadai- Hb ibu Ice 11 Help I
.;t.~~~~~u~~ !~

2~' ~rot variabel ~didik/. Klik tanda panah dan masukkan ke kotak 1\ Variable (5)'

75
.'
f71,.
,U-J
'. ..

'", ",.' :.".

StaiistiCS~1 012l1tS_. J ~- I

."Z""

3. KUk VK~ hasil dapat dilihat di jendela output, seperti sbb:

Frequencies
Statistics
pendidikan formal ibu mel!Yl sui

N YaRd 50'

. Missing 0

pendldlkan formallbu menyusul


CUmulative
Frequency Percent VaRd Percent Pen:ent
.Valid 1 10 20.0 20.0 20.0
.... 11 22.0 22.0 42.0
'"
3 74.0
16 32.0 32.0
4 13 26.0 26.0 100.0
Total 50 100.0 100.0

Kolom 'Frequency' menunjukkan jumfah kasus dengan niJai yang sesual. Pada
contoh '<li alas, total responden 50 orang, dart jumlah tersebut 10 ibli yang
-:.:Jbe~idjkan .SD, proporsi dapat ditihat padakotom 'Percent',. pada contoh di
atas ada 20% ibu yang berpenCftdikan SO. Kolom 'YaRd Percent'memberi hasil
vang sama karena pada datalnt tidak. ada 'missing cases~ 'CumtIIatIve Percent' .'
,
", ?

; ..
76
menjelaskan tentang persent kumufatif... Padacontoh di:ataS ~:f~4~1bu-'yang ",~. '
tingkat pendidikannya so dan. SMP. Oalam menginI.erpIeta
.
tabel. katagorik '
dapat dilihat dari variasi dan konsenbasi datanya..

Penyajian dan Interpretasi di Laporan Penelitian


Dart angka-angka tersebut kemudian kita masukkan Ice laDef penyajian di
laporan penelitian/laporan tesis. Adapun penyaJian dan interpretasinya sbb:
Tabel ...

Oistribusi Responden Menurut Tangkat Pendidikan

Oi . X tahun .~ .

Pendidikan Jumlah Persentase


SO 10 20,0'
SMP 11 22,0
-
SMU 16 32,0
PT 13 26,0 .
Tota! 50 100,0

Djsbibusi tingkat, pendidikan responden hamplr' merata . untuk' masiog-masing


tingkat pendidikan. Paling banyak responden berpendidikan SHU yaJtu 16 orang.
(32,0%) sedangkan untut:. pendidikan SO, sMP dan PT masing-masing 20,00/0,
22,0% dan 26,00/0.

b. Data Numerik
Pada data numerik, peringkasan data dapat ditakukan dengan mefapOrkan
ukuran tengah dan sebarannya Ukuran yang digunakan adalah rata-rata,
median dan modus. Sedangkan ukuran sebarannya (variasi) yang digunakaft
'~lah range, standard deviasi, minimal'dan maksimal. Pada SPSS ada dua eara
unWk mengeJuarkan analisls, desJcripHf yaftu dapat meIaIaut perintah
. .
"Frequencies' emu perintah 'Expo/re. Biasanya yang digunakan adalah

77
Frequendes oIeh karena ukuran staUslik yang' dapat dihasHkan pada menu
'Frequendes'sangat lengkap (seperii mean, med'1aOi varian cliO, setaln ftu pada
perlntah inE juga dapat d"ltampUkan Qrafik histogram dan kurve normafnya.
Berikut akan diooba mengeluarlcan analisis deskriptif untuk variabel uinur dengan
menggunak~ Perintah ./ieqtiendes" .
1. Aktifkan data susu.sav'"
2. Pifih "Analyze' .

3~ Pilih" Descriptive Statistic' .

4~' Pifih 'Frequencies', terfihat kotak ttequendes:

5. Sorot variabel yang akan dianatisis, sorot umut, dan Idlk tanda
..., ..panahsehlngga umur masuk ke kotakYalfable (5).
~_C.l!lilill!ll!l!!~ ~ ~ !_~'\ll'?"ZWk~.
'.-J-tteq....eottes';;;;;.~*~~!fWi?t~~;~~~"':- m'

Nomarresponden It::
~ TIflgkat c-~
OK I
Paste,
~ hi kerJa PcetJaJ iii ~ .
. ~ Jumfah InC!k (anak ~

~ 4~ [I].
,
Reset I
MCO)'USUI sd
.~darlibibuke 11 Cancel I
KadIW' lib ibu ko 2 Helpf
!~~~~~
P ~ay.~1aIies

9aIistics.': f' Olarts._ I fomtaL I

6~~ik lombol option 'Statistics.. ~ pUih ukuran yang anda minta mlsalnya ~ean, .
...
, ::
'-'median, standard seviasi, minimum, maXimum, SE.

' : ' .....


< .:'. '.

78
7~ Klik' Continue'
. '.. ....'
8 . Klik tombof option '07arts'falu muncul. menu barn dan kJik. .'lrIStogJ(Jm~ falu
kUk 'With Nonnal CUrve'

9.. Klik 'Continue'


10.Klik tJK~ danpada layar teriihat distribusi frekuensi disertai ul"qIran ~.~k
.~~Yan9 diminta dan dibawahnya tampak grafik histogram ~rta ~e'
normalnya.
Frequencies
Statistic. '

":'Umur ibu meny JSuf

N .. Valid 50
Missln~ 0

79
Stallstfct
umur Ibu menvusuf
N VaDd 50
MisSing o
Mean 25.10
Std. Error of Mean .686
Median 24.00
Mode 19
Std. Devfation 4.850
Minimum 19
.Maximum 35

umur 'bu. menyusul


Cumulative
F" Percent VaRd Percent Percent
Valid 19 7 14.(; 14.0 14.0
20 3 6.0 6.0 20.0
21 3 6.0 6.0 26.0
22 5 10.0. 10.0 36.0
23 5 10.0 10.0 ; 46.0
24 4 8.0 8.0 54.0
25 2 4.0 4.0 58.0
.~" ..
..:...
26 5 10.0 10.0 .68.0
','
",,,.... 27 3 8.0 6.0 74.0
30 3 6.0 6.0 80.0
31 3 6.0 8.0 86.0
32 3 . 8.0 .8.0 92.0 .
34 2 4.0 4.0 96.0
!
. 35 .. 2 4.0 4.0 100.0
u
Total 50 100.0 100.0
. :.t '.

80
HIstogram

Mean-25.1.
Sid. Oev. - 4.85
H-SO

umur 'bu menyuau.

Dari hasil di atas, nilai rata-rata dapat dilihat pada bans mean, sedangkan
nilai standard deyiasi dapat dilihat pada bans std. Deviation. Pada contoh di atas,
rata-rata umur lbu adalah 25,10 tahun, median 24,0 tahun dan standard deviasi
4,85 tahun dengan umur termuda 19 tahun dan yang tertua 35 tahun. Disbibusi
frekuensi ditampilkan menurut umur tennuda sampai dengan umur tertua
~ ..
dengan informasI tentang jumlah dan persentasenya. Bentuk dlstribusi data
dapat diketahui dan grafU< hi~ram dan kutve normalnya. Dan tampUan grafik
dapat dUihat bahwa disbibusi varfabef umur l>erllentuk normal
Dan hasU di atas beium diperoleh infonnasi estimaSi interval yang penting untuk
melakukan estimasi parameter populasi. Bila anda iogin memperoleh est1masi
interval lakukan anafisis ekspIorasi data dengan penntah 'Explore~ Adapun
caranya sbb:
.
1. Dart menu utama SPSS, pilih meriu !4na~e~ kemudian pUih submenu
'descriptive Statistics~ Jalu pilih "Explore'

81
,3~ KJik tQmbol 'Plots~ dan pilih 'Nonnality Plots With'Test'
. ~~,;~ ~ . 0.

rBollplols-,- - -..... Oescnpuve---, . Continue I I


. ~. f'adorlcvdstogether P Stem-end-leaf
. ('" ~t~er r 1-tit0gr.1m Cancea I
r~ Help I
.p Nocma&tjplots wi!h~
~Spread ~ i.eve! wah I..evene; Test ------....,
r. None
('" Power estimation
r, Tramlourced I
Powet Nal.l.aallog .
('" Un\(a)$formed

471 .. I
" .

4. Klik 'Continue'
S.l<Iik 'OK~ hasllnya dapat difihat en layar:

E;xp!ore

82
Descrfptlvel
Statistic Std. Error
umur Ibl! menyusul Mean 25.10 .686
95% Confidence Lower Bound 23.72
Interval for Mean Upper Bound
26.48
5% Trimmed Mean 24.90
Median 24.00
Variance 23.520
Std. Deviation 4.850
Minimum 19
Maximum 35
Range 16
Interquartile Range 9
Skewness .547 .337
Kurtosfs -.812 .662

Tests of Nonnallly
KofmOQorovSmi no.JA - Sh~iro-Wilk

..... , .... ~
Statistic I df Sig, Statistic .1 df 1 SJg.
.130 J
": ~.

umur ibu menyusui 50 .035 .920 J 50 I .002


a. Ufliefors Significance Correction

umur ibu menyusui


umur ibu menyusui Stem-and-Leaf Plot.
.,Erequency ~tem & ,Leaf

7.00 1 . 9999999
20.00 2 . 00011122222333334444
10.00 2 . 5566666777
11.00 3 00011122244
2.00 . 3 55

Stem width: 10
Each leaf: 1 case{s)

83
,.:,"
Nonnal Q-Q Plot ~ urnur IbU rnenyuaul

lZ

,(/ 'I
;;;;
'" I
&

I ~'I

.02

10 20

--

", ~::

~,;, ~~~i:'!~

.25
(iW{~f-
:\:.t:..~,::.':

20

,
umur IbU menyuauf

R4

Darf hasU analiSis 'Explant terUhat juga nilai mean, median dan mode. Namun
yang paling pentlng dari tampilan explore munculnya angka estimasi interval.
Darl hasll tersebut kita dapa~ melakukan estimasi interval darl umur "ib~~1<ita
dapat menghitung 95% confidence intelVal umur yaltu 23,72 s.d. 26,48. jadi kJta
950/0 yakin bahwa rata-ra~ umur ibu di populasi berada pada selang 23,72
sampai 26,48 tahun.

Uji kenormalan data:

Untuk mengetahui suatu data berdistribusi normal, ada 3 tara untuk

mengetahuinya yaitu:

1. 'Dilihat dari grafik histogram dan !turve- normal,"biiabentuknya


menyerupai bel shape, berarti distribusi normal
2. Menggunakan nilai Skewness dan standar elTOmya, bi!a nilai
Skewness dibagi standar errrimya menghasilka() angka S 2, maka
distribusinya normal
3. Uji kolmogorov smfmov, bila hasil uji signiflcan (p value> 0iOS} m~ka
disbibusi normal. Namun uji kolmogorov sangat sensitif dengan jumlah
sampef, maksudnya : untuk jumlah sam~ yang besar uJI kofmogorov
- . cenderung menghasilkan uji yang .Signifikan (yang artinya bentuk
djstribusinya tidak normaf). Atas dasar k~lemahan inE dianjurkan unwk
mengetahui kenonnalan data lebih baik menggunakan angka
skewness atau meiihat grafik histogram dan. Iturve nonnaJ
Untuk vanabel umur diatas, difihat dan histogram dan kurve normal ter1ihat
bentuk 'Yang normal, selain ttu hasif dart perbandIngan skwnesS dan standar
~r didapatkan: 0,547/0,337 =1,62 , hasffnya masih dfbawah 2, berarti
;. distribusinormal.
,",;
Dan hasil tersebut diatas dengan demikian varJabel umur
.. disfmpufkan berdisbibusf normal.'

Penyajian dan Interpref:asi dE Leporan Penelitian


Dan angka-angka tersebut kemudian kita masukkan ke lobel penyajian di
laporan penelitian/laporan tesis. Adapun penyajian dan interpretasinya adalah
sfjb:
,"#
:,."

Tabet 1

Oistribusi Umur dan lama Han Rawat paslen Rumah sakit X Tahun x

Variabel Mean SO Minimal- Maksimal 95% 0":

Umur 25,10 ,4,85 19 - 35 23,72 - 26,48


f

Hasil analisis didapatkan rata-rata umur fbu ada!ah 25,10 tahtin (95% a: 23,n
- 26,48), dengan standar deviasi 4,85 tahun. Umujr termuda 19 tahun dan umur
.~~
"'.'~
'-'
3~ ~httn~c.
.. , i
Dari
....tr', -";(~',~~,l~:-;
hasii. estimasi interval dapat disimpulkan bahwa 950/0
-':;~1::1', :. ,..

di)'akfni bahwa rata-rata urnur fbu adalah diantara 23,72 sampai. dengan 26,48
tahun.

.~. "
86
,I >'::, ',': ,ANALI~ISBIVA~UAT:',
. ". =--
-. -.
-
.:'
-- - ~ - - . -
.' .
~. . -
.-

'-.
'" ,
.......

'~ ,

Setelah diketahui karakteriStlk masing-masing variabef dapat diteruskan


analisis lebih lanjut Pada a-nalisis univartat, misalnya ada dua vanabel : jenis
pembayaran berobat dan kepuasan pasren, kita hanya meJakukan
., ,. ~J. '
p.;ndeskrlpsian sendiri-sendirl untuk variabef jenis pembayaran dan kepuasan
p~sfen, Untuk variabef je."lis pembayaran akan d~ketahui berapa, perren yang
berobat dengan biaya sendirt dan berapa perSen yang di~i~yai 'askes. Begitu juga,
untu~ variabef kepuasan posien, akan dik$hui berapa persen Yang puas dan
.~: ..';'; iJerapa persen yang tidak puas.
>.

, " ': :', . Apabifa diinginkan am~fisls hubungan antara dua variabel, clafam contoh
~:fiatas berarti kita ingin mengetahui hubungan jenis, pembayaran dengan
kepuasan pasien, maf<a anafisis dilanjutkan pada tingkat bivariat.. Pada anafisis
-:;,~. , bivariat Idta dapat mengetahui apakah ada perbedaan kepuasan pasten antafil
.. , ' .
pasien..dengan.membayar,-sendiri'dengan-pasien-'dengan .biaya askes,Kegunaan
, ,

anallsis blvariat bisa untuk mengetahui apakah- ada hubungan yang sfginifikan
. an~ra dua variabel, atau bisa juga digunakan untuk mengetahui apakah ada
, .
perbedaan yang slgnifikan antara dua atau lebih kelompok(sampef). :"(' -,
:ti ' '

Perbedaan Substansi/Klinis dan perbedaan Statistik


Perlu dipahamf/disadari bagi penelifi bahwa befbeda bennakna/signifikan
secara statistik tidak heram (beIum tentu) bahwa perbedaan tersebut juga
bennakna dipandang dan segi substansi/ldinis. Seperti diketahui bahwa semakln
~J ".

besar sampef yang dianafisis akan semakin besar menghasnkan kemungkinan


berbeda bennakna. Oengan sampel besar perbec!aan-perbedaan sangat ked.,
yang sedlkit atau bahkan tidak mempuri}lOt manfaat secara substansf/kfinis cJapat
berubah menjadi bennakna secara statitik. Ofeh karena itu kafau kita melakukan
anaUsis jangan hanya dilihat dart aspek .statisb1c semata, namun harus juga
dlAfl~lf/dilihat kegunaannya dati segi klini~/substansi. Sebagai contofl ada studt
'~k$perimen yang akan mengllJl dua obat (katakanJah obat A dan Obat 8) untuk
. mengetahui pengaruhnyaterhadap penurunan tekanan darah. Kemudian obat A
dan B diUjlcobakan pada dua kefompok relawan penderita hipertensl. Hasil
.ekspenmeO' didapatkan bahwa rata-rata penun.nan tekanan darah setelah
minum obatA-adafah 40 mmHg dan pada kelompok yang minum Obat a rata
ra@ penurunatlO}'a 39 mmHg.. Kemudian dilakukan uji statistik dan hasilnya
sl9r-tifikall/bennakna (p value < alpha), apa yang dapat disimpulkanidari temuan
Int?., Secara statJstiJcmemang terjadi perbedaan bermakna,. namun secara
'" substansl tidaldah mempunyai perbedaan yang berarti, oteh karma perbedaan
"mean penurunan tekanan darah antara obat A dan B hanya 1 mmHg~ Dengan
. basil inf dapat disfmpulkan bahwa sebenamya amra obat A dan B tldak ada
. , ~n (sarna saja) kasiatnya~

. t

:UJI. H!POTESIS
,.' .
Pengujian hipOt.esis dapat berguna untuk membantu pengambilan
h~'

keputusan tentang apakah suatu hipotesis yang diaju!<an, ~rti perbesaan atau
hubungan, rukup menyakfnkan untuk ditofak atau tidaK d'Jtolak.. Keyakinan ini
, ,

. didasarkan pada besamya peluang untuk memperoteh hubungan tersebut secara


keDetufan' (by chance). 'Semakin keeU pefuang tersebut (pefuang adanya' by
chance), 'semakin besarkeyakinan bahwa hubimgan tersebut memanQ ada.
'- ,.. ,SOOagai COntoh, seorang peneflti masafah imunlsasi diminta untuk
memlJbJskan berdasarkan' bukti-bukti hasil ~baan, apakah suatu vaksin bani
. ~'. . ..
lebih ~~kda.~pada yang seJcarang beraedar cfj pasaran. Untuk menjaWab
~,u pertanyaan' tni maka pertu ditakukan pengU]lan hipotesfs. Dengan pengujian
hipotesis,.~kar- 'di~rofeh suatu kesfmpufan setaro probalisHk 8Pf'kah vaksJn~baru '
"~,-sebut~itt ~ij( dati yang sekarang beredar di pasaran atau malah sebaliknya
. .' , . ',", .1,'.... .

:.,.<,'.'".;
Prinsip uji hipotesis adalah melakukan perbandingan antara nilai sampel
(data .hasil penelitian) dengan nilal hipotesis (n!lai populasi) yang -di.~jukan.
Peluang untuk diterima atau ditolakoya suatu hipotesis tergantung' besar
kedlnyanya perbedaan antara nilai sampel dengan nllai hipotesis. Bila perbedaan
,tersebut cukup besar, maka peluang untuk menolak hipotesis besar pula,
sebaliknya bila perbedaan t~rsebut keeil, maka peluang untuk menolak hipotesis
menjadi keeil. ladi,. makin besar perbedaan antara nifai sampel dengan nifat
hipotesis, rnakin besar peluang untuk menolak hipotesis
.'\,'" Kesiinpufan yang didapat dan hasU pengO}lanh,potesis ada dua
kemungkinan yaitu menolak hipotesis dan menerima hipotesis' (gagal meilOlak
nipotesis). Perlu dipahami bahwa arti menerima Ofpotesis' sebet.tllilya kOrang
'. tepat, yang tepat adalah gaaal menoJakbipotesis. Dalam Uji. hlpotesis bila
keslmpulannya menerima hfpotesis, bukan bera~ bahwa kita telah. membuktikan
.f.r-:< '~hipotesis tersebut benar, karena benar atau tidaknya' suawi hlpotesis hanya~ -:''' .

. dapat dibuktikant.iengan mengadakan observasi pada .seJurvh popUlasi, dan hal


ini sangat suUt bahkan tiOOk mungkin UntuK dilakukan. Jadi menerima hi.potesis
sebetulnya artinya adafah kita tidak rukup bukti untuk menoJak hipote$,
dengan kata lain dapat diartikan IOta gagal menolak hipotesis. .Untuk:, '.
,.memperjelas pengertian bahwa "gagal meno.lak hipotesis berbeda dengan
mengakuikebenaran hipotesis (mener1ma hipotesis", kita coba analogl<an proses
~dangan kriminal di pengadilan~ Seperti dalam sidang pengadilan,. koo~lan
.' . me.mbuktikan
. kesalahan tertuduh bukan . berarti si tertudauh tidak bersalah
. , :atau

sitertuduh benar. po....ngadilan memutuskan bahwa si tert.uduh tidak dapat


dibyl<tikan bersalah, bukan memutuskan tidak bersalah. Dan uraian tersebut
sangatlah jeJas bahwa istllah yang tepat daJam kesimpulan uji hipotesis adalah
gaga) rneoolak hiopotesis, dan bukan menerima hipotesis.
,.;.,1

1. Hipotesis
Hipotesis berasal dan kata hupo dan thesis.. Hupo artinya
sementara/iemah kebenarannya dan thesis artinya pemyataan/teopri;. Dengan
.~
i

demikian hfpotesfs berartf pemyataan yang periu diuj.kebenarannya. UnltJk


mengUJI kebenaran sebuah hipotes1s cfsgunakan pengUjian yang disebut
pengujfan hipotes1s.
Dafampengll)1an hipotesis cfljumpai dua jenis hipotesis yaitu hipotesis not
: . (Ho) dan hipotesis aftematif (fta). Berikut akan diuraikan lebih :;eras tent.ang .
masing-masing hlpotesis tersebut
a.. Hipof;esisNo' (Ko)..
Hipotesis yang menyatakan tiOOk ada perbedaan sesuatu .kejadian antara
kedtia ke(ompok. Atau hlpotesis yang menyat:akan tidak ada hubungan antara
':tE,~varfabel satu dengan \'ilriabellainnya

, .. COntoh

.~,:;.!":f'.

1). Ttdakada perbedaan berat baOOn bayl antara ~ yang' dilahirkan dari
ibu yang merokok dengan mereka yang difahirkan dan .ibu yang tidak
rnerokok
. ;1';,1.;2). Tldak ada hubungan antara merokok dengan berat badan bayi

b. Hipotesis Altematif (Ha)


.;, :'; ,1/Hipotesis..yang :menyatakan ada. perbedaan 'sesuaUl kejadian 'antara Icedua
kelompok.. Atau. hJpotesis yang menyat:akan ada hubungan antara vaoabel
.satu dengan variabellainnya
I
. -.' Contoh:

, <\.
I
:,.::1). Ada perbedaan berat badan bayi antara mereka yang difahirkan-dari' ibu
yang merokOk dengan. mereka yang dilahirkan dari iOO yang tidak merokok
2). Ada hubungan antaramerokok dengan:berat baclan bayI .

.2. A rahdanbentuk hiootesis .


. "",". . . I
, .

",.;" ., Benrukhipotesis aftematlf akan menentukan arah uji stalistik apakah satu
'aran (one tai,,'atau ~...a arah (twa tail)

'. "'.,' , '

90

a. One tail (satu sisi): bUa hipotesis altematifnya mMyatakan' adanya perbedaan
dan ada pemyataan yang met1gatakan hal saW lebih tinggi/rendah dari hal
laIn
. Contoh:
Berat baclan bayi dari Ibu' yang' merokok /ebih kedl dibanding berat badan
bayi dan Ibu tidak merokok..
b. THfV fail (dua sisi) merupakan hipotesls altematif yang hanya menyatakan
pe~n tanpa melihat apakah hai'satu lebih tinggi/rendah dart hal lain.
:":,,:. Contoh:"
:.". Berat badan bayi dari ibu yang merokok Berbeda dibancfiOg berat badan' bayi
'.dart ibu tidak merokok.. Atau dengan katit lafn: ada tJeliJed?an'berat baclan
i.

: " bayi antara mereka yang dilahirkan dari ibu yang merokok dibandingkan dan
. ibu yang tidak merokok.
. . :". . Contoh penulisan hipotesis:
$uatu penelitianingin mengetahui hubungan antara jenis. keJamin dengan
tekanandarah, maka hipotesisnya sbb:
Ho: JlA=.JlB
:;?:,~;:t:~TJdak ada perbed;3an mean tekanan darah antara fakHaki dan.perempuan, atall" ;""::"
. lldak ada hubungan antara jenls kefamin dengan tekanan darah.

Ho : w.;t: 118

~ ~aao ~n teJc;anan darah antara IakHaki dan perempuan,latau'

.: ..
,.....
A<@;,hubungan antara jeIlis kelamin dengan tekanan darah

3.. Menentukan Tingkat Kemaknaan (l.etfeI Df"SignIfk:am:e)


. nngkat kemaknaan men."akan kesafahan tipe I suatu uji yang bJasanya
.. diberi notasi 'ex'.. Seperti sudah diketahulbahwa tujuan dari pengUjian hlpOtesis
~alah untuk membuat suatu pertlmbangan tentang perbedaan antara nital
sampel dengan keadaa.n populasi sebagai' suatuhfpotesfs. 'langkah seJanjutnya
,setelah ktriteria!batasan yang .(frgunakan .untuk memutuskan apakah hipotesis
nol ditoJak atau gagal ditoJak yang disebut dengan ungkat kemaknaan {Level of

91
Slgnlficance)~ Tlngkat kemakanaan, atau sertng disebut dengan nilai .0.,

merupakan nllai yang menunjukkan besamya petuang salah dalam menolak


hfpotesis not Atau dengan kata lain, nilai a. merupakan batas toIeransf peluang
salah dalam menoIak hipotesis noI. Dengan kata-kata yang lebih sederhana, nilai
a inerupakan batcls makslmal kesalahan menoIak Ho. sna kita menolak Ho
berarti menyatalcan adanya perbedaan/hubungan., Sehingga nilai (X dapat
diaitikan pula sebagai batas makslmal kita salah dafam menyatakan adanya'
perbedaan.
Penentuan Anal a. (alpha) tergantung dart tujuan dan kondisi penelitJan.
Nilai a yang sering cflQunakan adalah 100/0, 50/0, atau 1% Untuk bidang
, "k~tan masyarakat biasanya digunakan nilal sebesar' 5%:.:' Sedangkan
unutuk: pengujian obat-obatan digunakan batas toIeransi kesalahan yang lebih
kedl mfsalnya 1%, karena mengandung osiko yang fatat Misalkan' seorang
penefiti yang akan menentukan apakah suatu' obat bJus berkhasiat akan
, ,menentukan nHai yang' kedl Sekafi,~pene!iti tersebut tidak akan mau mengambil
fisiko bahwaketidak berhasilan obat bius besar karenaakan berhuburigan
,dengan nyawa seseorang yang akan dibius.

4. PelnHihan Jenis UjiParamebik atau ,Non Parametrik


Dalam pengojian' hipot:ests sangat berhubungan dengan distribusl data
. . ..
populasi yang akan dUJ1. Bifa cflSbibusf data populaSi yang akan diuJi berbentuk
.
. ' ,,":;" J-i'::
.' .
I -, . :
. ,
nonnallsfmebislGauss, ., makaproses pengujian dapai: digunakan dengan
pendekatan uji statistik parametrik. Sedangkan bila distrlbusi data popl..-lasinya
Hook I')()(lOOI'atautidak cfiketahuJdistribusinya,maka dapatdigunakan pendekatan
,..UjI ~k non pararnetriJs. KenonnaJan suatu di&i1busi datadapat juga difihat
. ' dart' jenrs variabelnyar biJa variabeJnya berjen;snumerik/kUantitatif bJasahya
,;, ,. ~lSbibuSi datanya mendekati normal/simetris~ sehingga dapat, digunakani'. uji
. ~statistik para-metrik. Bila jenis variabelnya katagorik (kualitatif), makabentuk
distn"businya tidak normal, sehingga. uji non 'parameb1k' dapat' d"IgUllakan.

-'

....
Penentuan jenls uji juga ditentukao oleh jumlah data yang' dianalisisl bila jumlah
data keeil ( <30) cencferung digunakan uji non parametrik.

. PROSEDUR/LANGKAH UJI HIPOTESIS


'Menetapkan Hipotesis
Hipotesis dafam statistik dikenal dua macam yaitu hipotesis nol (Ho) dan
hipotesis altematlf (Ha).
1). Hfpotesis, nol (Ho)
.' ..'" Hipotesis yang menyatakan tidak ada perbedaan .sesuatukejadianantara
. :-,kedua kefompok. .-' "-:~,

.:.. Contoh: Ttdak ada perbedaan beratbadan bay; antara" mereka' :-tyang
dilahlrkan dan ibu yang merokok dengan mereka yang dilahlrkan dan ibu
yang tidak merokok
',-',':-::;.,.:-'2)-;. Hipotesis aftematif (Ha)
" Hipotesis yang. menYl3takan ada perbedaan sesuatu kejadian antara k.edua
kelompok.
Contoh: Ada perbedaan berat badan bayi antara mere~a yang dilahirkan dan
ibu yang merokok dengan mereka yang dilahirkan dan ibu- yang tidak
merokok
.. Dari hipotesis altematif akan diketahui apakah uji statistik men9gunakan satu
arah (one tail) atau dua arah (W.IO tail).
, .:. ..
~
.. ~. .

Penentu~n Uji Statistik Yang Sesuai .


Ada beragam jenis uji. statistik yang dapat digunakan.- Setiap' uji. statistik
..mempunyat petsyaratan tertentu yang' hams dipenuhi. Ofeh karena' ltu harus
digunakan 0)1. ~tistik yang tepat s.esuai dengan data 'yang diuji. Jenls.uji statistik.
'~ngat tergantung dart:
1). Jenis variabef yang akan dianafisis
.
,2). Jenis data appkali dependen atau 'nde~nden

93 .
3}. Jenfs dfstribusl data populasinya apakah mengikuti distribusi nonnal atau
tidak.
Sebagai gambaranr jenis uj; statistik untuk mengetahui perbedaan mean
akan berbeda dengan. uji statistik untuk menget:ahUi perbedaan
proporsf/persentasc. Uji beda mean' menggunakan uji t atau inovar sedangkan
uji untuk mengetahuf perbedaanptoporsi digunakan uji Kai kuadrat.

Menentukan Rams atau Tingkat Kemaknaan (Level DfI Significance)


. ~"- Batas/tiogkat kemaicnaan, sering.juga d"1Sebut dengan nilel 0;. Penggunaan
ni.lai alpha tergantung tujuan penelitian yang dilakukanr untuk bidang kesehatan
frnisyarakat biasanya menggunakan nilai alpha 50/0.

Penghitungan Uji Statitik


Penghitungan uji statiStik ada!ah menghituOg datasampel ke -dalam uji
. hipotesfs yang. sl~i.
, Mfscllnya kafau Ingin menguji 'perbedaan mean antara dua
kelompok, mak.a data hasil pengukuran dimasukkan ke rumus uji t. Dan hasil
.denQan nilai populasi untuk mengetahui apakah ada blpotesis dltolak atau gagal
. _-,__I-v hpotes;
Ii 1Cl1UICI... I S.

Keput:ue-an UjiStatistik
Seperti telah di~n pada langkah D, bahwa hasii pengujian statistik
a~n menghaSJlkan dua' kemungkinan keputusan yaitu menoIak:~hi~ noI
(Ho) dan gagal menoJak hipotesisi 001
.' .SeJring .dengan kemajuan perkembangan komputer maka .uji .statistik
. dengan muc:lah dan cepatdapat dilakukan dengan progranrprogram statistik
. yang tersedia di pasaran seperti EPi Info, SPSSr SAS dll. Setfap kJta mefakukan
uji ~tistik thelalui program komputer maka yang akan kita cariadalalah nilal p' .
. (p valve). Oengan nUai p ini kim dapat menggu~kan unwk keputusiin uji
$l'atistikdengan cam membandingkan'nital pdengan tt (alpha). Ketentuan yang
l;Jerl.akij{1q~lah: .
. .~

l .... -' -
94
Z" ',.:.;',

'.
,a}.. SUa nitai p S ex, maka keputusannya adalah Ho ditolak
b). Bila nilel p > u, make keputusannya adalah Ho 'gaga' ditolak
Per1u diketahul bahwa nira; p ml(),lalladalah 2 lean nlfal' p one tal befarfj
kalau tabel~ yang digunakan ~Iah tabel one tail sedangkan, uji slatistik yang
dilakukan adalah two tail make ,nffai p dari tabel hams dikafikan 2. dengan
demikian dapat disederhanakan dengan rumus : nilai p two tail = 2 x nilal p one
tail.
Pendekatan probabiUstil< ini sekarang sudah mulai digunakan oIeh para
"
,anti statistik dalam pengambilan keputusan uji statistik. Pada modul inl daJam
memutuskan UJI statistik menggunakan pendekatan InJ.

Pengertian Nilai P ,
Nilai p merupakan nilai yang menunjukkan besamya peluang salah
:~:~, ,:i~:imenoJak Ho dan data pene!itian. Nita' P dapat diartlkan pula sebaQal' nUaf":':
besamira peluang hasUpenelitian(mlsal adanya perbedaan meanatau proporsi)
terjadi karena faktor kebetulan (by chance). Harapan kita nilai p adalah 'sekedl
~ , : (mungkin, sebab bila nilai p-nya ked maka ......ita rakin bahwa adanya perbedaan
pada hasil penelitian menunjukkan pula adanya perbedaan eli JXlPUlasi. Den.gan
kata lain kalau nilai p-nya kedl maka perbedaan ,yang ada pada penefltian terjadJ
bukan kanma faktor kebetuJan (by chal1a!).
,Contoh:" " '
Suatu penelitian ingin mengetahui hubungan rtwayat hiperte.r'tSJ 'ibu hamil ~an ,
berat baclan bayi yang dikandungnya. Hasil peneiitian melaporkan bahwa ram
,rata berat badan bay; dari ibu hipertensl 310 gram, sedangkan rata-rata berat
baclan bayi yang lahir dari 100 yang tidak hJpertensi adaIah 3000 gram.
Perbedaan berat bayi antaraibu yang hipertensi dengan ibu yang. tidak
~pertensi sebesar 100 gram. Pertanyaan yang timbol adalah apakah perbedaan
berat badan bayi terseblit juga berJaku untuk se1uruh populasi yang' ditelitiatau
hanya ,faktor kebetulan saja? Untuk. menjawab pertanyaan tersebut' kemudian
dllakukan uji statistlk yang tepat yaitu uji t. MUsatnya dihasUkan oU~i p::: 0/0110
.,'

95
maka berartf peruang adanya perbedaan berat bay( sebesar 1000 gram akibat
dari faktor kebetufan (by chance) ada'ah sebesar 0,0110. deh karena
peruangnya sangat keeil (p=O,0110), maka dapat diartikan bahwa adanya
perbedaan tersebut bukan. kamila faktor kebetulan namun karena memang
karena adanya riwayat hipereos;;"

tJerikut adalah berbagai uji statistik yang dapat digunakan untuk anaIisfs bivariat .

Variabel I Variabel II Jenis uji statistik yang


..
, o digunakan
Katagorik ~ Katagorik - Kai kuadrat

- Rsher: Exact -
Katagorik ~ Numerik - l!J1T
" ..". -~..,,~" ..

.......
..
- ANOVA ..

Numerik ~ Numerik - Korelasi


.'
.' 1';: ~:" ; . ,
- Regresi
.;'::

96
Uji t
Di bidang kesehatan sering kali kita hams menarik kesimpulan .apakah
parameter dua' popufasi berbeda atau tiOOk_ Misalnyarapakah ad3 perbedaan
tekanan darah penduduk dewasa orang leota dengan orang c::Ies9. Awu, apakah
ada perbedaan berat baclan antar sebelum rneoglkutl program .diet dengan
sesudahnya. Uji statistik yang membandingkan mean ~ua kelompo!c: data in;
, . ,~, disebut uji beda dua mean.. Pendekatan ujinya dapat menggunakan pendekatan
disbibusi' Z dan distrlbusi t , sehif1!:,"'gtJ pada .. uji. beda .. dua' mean bisa
. menggunakan ujI Z atau ujI t, namun lebih sering- dfguoakan uji t
Sebefum kita meI.akukan OJ1 statistik dua kelompok data, !<ita pertu .
....... : .

mengetahuf apakah ..dua "kelompok~data .tersebutberasaldari .du;t'7kelompok

-yang independen atau berasat dati dea ke!ompok yang

dependen/pasangan. Dikatakan kelompok independen biter data kelompok

. yang satu tidak t.ergantung dari keIopok kedua, misalnya membandfngkan mean

.tekanan darah sistolik orang' desa dengan orang leota. Tekanan- damn orang

kota independen(tidak tergantung) dengan orang desa. Offaln' plOOk, kedua

kelompok data dikatakan dependenfpasangan. hila kefoinpok data yang

'. dJbandingkan datanya saling mempunyai ketergantungan, misaJnya data berat


badan sebefum dan Sesooah mengikuti program diet berasaf dan orang yang
sa'flla ,(data sesudah dependen/~rgantung dengan data sebelum).

. "....

91
Berdasarkan karakteristik data tersebut maka uji beda dua mean dibag(,
dalam dua kelompok, yaftu! UJi beda mean independen (UJi Ti~) dan
uji beda mean dependen (uji T dependen}~

. .

'1. Uji beda duamean Jndependen


Tujuan: untuk mengetahu; perbedaan. mean dua dua' kefompok datalildependenr
sy-arat yang harus dipenuhi:
a. Data berdistribusf nonnal/simebis..
,b. Kedua ke'ompok data independen.
:~ .. Variabel yang dihubungkan berbentuk numerik dan katagorik (f<et: variabel
.:. ;.katagorikyang isinya dua nHai, misal sex).

:.. 1':~.rsiP pengUjian dua mean dua mean adalah ~ihat perbedaan variast kedua
,:kefompok data. 0Ieh karenaitu.dalam pengujianinitfiperlukan infonnasi a~kah
. .

.varf(ln keduakelompok yang diuji sarna atau tidak~ Bentuk varian kedua
kelompok .data akan berpengaruh pada nilai standar error yang akhimya akan
,,'. membedakan rumus pengufrannya.
a. Uji untuk varian sarna
Uji beda dua mean dapat dilakukan dengan menggunakan ujiZ atau uji T. ujl
Z dapat digunakan bila standar deviasi poputasi (a) diketahui dan jumlah
...:.<:~sampef besar (>30)~ Apabila kecllla syarat tersebut tidak terpenuh. maka
..: dilakukan uji. pada umumnya nilai 0' sulit diketahul, sehIngga uji beda dua
". m~n biasanya menggunakan UJi T (T Test).. Untuk varian yang sarna maka
benbJk u)lnya sbb:

T=

. .

" . 98
. .. ,.\:.:.:
df = n1- n2 - 2
Ket:
nl atau n2 = jumlah sampel kelqmpak 1 atau 2
51 atau 52 = standar deviasf sampel kelompok 1 atau 2
b. Uji untuk varian berbeda

T=
V(SI2/nl) + (Si/n2)
[(SI 2/nl) + (Siln2)]2
df= _ _ _..,......-_ _ _---.,.-----:-_ _
[(SI 2/nJi/(nl-l)] + [(Sl/112)2/(112- 1)]

c. Uji homogenitas varian


-Tujuan dati UJI ini adafah untuk mengetahui varian antarakelompok data satu
-apakah"sama'dengan -kelompok<data -yang-kedua.

F= _ __

dfl = n1-1 dan df2 = nr!

Pada perhitungan ujl F, varian yang lebih besar sebagai pembilang dan varian

yang lebih keeil sebagai penyebut.

2 ..- Uji beda dua mean dependen (Paired sample)


Tujuan : Untuk menguji perbedaan mean anatara dua kelompok data yang
dependen. Contohkasus:

99
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. Kedoa kefompok data dependen/pair
c. Jenis variabel: numerik dan katagorik (dua kelompok)
Formuta:

'. ",
d

";" ~;..(",,-
=
d rata-rata deviasi/selisih sampell dengan sampel 2 , '
"' S-d =standar deviasi dari deviasf/sellsih sampel sampel 1 dan sampei 2

.~. _.

, .

lOO
'.~
KAStlS:
tJ.JI t INDEPENDEN DAN U.JI t DEPENDEf'

1. Uji t independen
Sebagai contoh kita gunakan data ....ASI.S".,V" dengan melakukan ujf hubungan
perilaku menyusui dengan r<adar Hb (mJsal dfgunakan variabel Hbl), apakah ada
perbedaan kadar Hb antara ibu yang menyusui eksk!usif dengan ibu yang
menyusulnya tidak eks!dusif, caranya:
L Al<tifl<an/bukalah fife data "ASI.SAvn
2. Dari menu utama SPSS, pilih menu 'Analyze!, kemudian pilih sub menu
. "Compare Means', lalu pilih "lndependen-Samples T Test' '
3. ~ada layar tampak ketak yang di dafamnya ada kolak 'Test varfa/)/e (5)7 dan
'Grouping Variable. Ket: kolal< test varibles temp;;1t memasukkan varlabe/
-..: ;c...... ".
~

,~,~" ..'" numeriknya, sedangkan kotalc grouping LJCriable untuk memasukkan vanabel
katagoriknya, ingat jangall sampai terbafik.
4. Klik'hbl'dan msukkan ke kotak'Testl-anable'

'5. ,Klik variabel' 'eksfdu' dan masukkan ke ketal< 'Grouping Variable.

, 4> Nomorresponden (I~ Test VarfableCs): C!I~. t


~ Kadar lib ibu ke 1 lhb 1:
<i>l.Imt.rlbu menyusui ;
TIf1QIaIt pcndidbn ; P'.IsteI
, <i>ibu ketJa JcetJ~l ; Relet I
. <$.bnah anak (anak ~i
4> Kadar I1b ibu ke 2 . i Caned I
" <$ Bera badan bayi do ~!
, <i> sosgera mungkin d :1 Help I
'. Dad KoIosttum "ok---
. .Iahirbart smp 4 bin '
>~ASI dibec1kan SIl!P.~

6. Klik 'Denne Group; kemudian di layar nampak kotak .isian. Anda diminta
menglsi k<X1e varla,bel 'menyusui' ke dalam kedua kotak. Pada rontoh fni, kita

101
,
tahu bahwa '0" kode untuk yang tldak er..sldusif dan kode '1' untuk Yang
ekskIusff. ladi ketikfah 0 pada Group 1'"dan 1 pada "GlOOp 2'

7~ KJik 'ftContinue"
8. Klik "OK' untuk menjalankan pros.....odur perintahnya, dan hasilnya sbb:
'1',.

T-Test
Grou~ StaffCifes

Std. Error
status menyusul asi .N Mean Std. Deviation ' ~ Mean.
leadsr hb pengukuran tdk EKSKLUSIVE 24 10.421 "' 1.4712 .3003
pertama , EKSKLUSIVE 26 10.271 1.3228 .2594
\

Independent Samples Test


Levene's Test
, d~".'~{:":, for Equalit)' of
Varfanc:es t-test for EQual...'. of Means

Std. 95% Confidence


Sig. Mean ,Error 1~lofthe
(2-taife Differen Differe Difference
F Slg. t df ~ ce nee l,ower UDDer
l<adarhb Equal
~
an
variances
assumed
.1112 " .790 -.364 4S .117 -.1439 .3951 -.9384
"
'.esos
.
perlama Equal
variances
-.363 46.4 .719 ~.1439 .3968 -.9425 .6547
not
assumed

'Pada tampilan di atas dapat dilihat nilairata-rata, standar deviasi Qan


~," standar error kadar Hb ibu untuk masing-masing kefompok. Rata-rata Kadar Hb .
',' " ,. -..

I~u . yang ,
menyusui eksfusif .C\dalah 10,2n gr% dengan standar rleviasl 1,322
~.

t02
grO/o, sedangkan untuk ibu yang menyusui non ekskIusif, rata-rata kadar Hb-nya

adalah 10,421 gr% dengan standar dev1asi 1,471 gl'%.

Hasil uji T dapat dilihat pada tabel bawah, SPSS akan menampilkan dua

uji T, yaitu uji T dengan asumsi varian kedua kelompok sarna (equal variances

assumed) dan uji T dengan asumsi varian kedua kelompok tidak sama (equal

valfances not assumed). Untuk, memilih uji mana yang kita pakai, dapat dilihat

uj; kesamaan varian melatui uji Levene. Uhat nnal p Levene test,. nilai p < alpha

(0,05) maka varian berbeda dan bila nilai p > alpha (0,05) malta varian sarna

. (~ual). Pada uji Levene di atas menghasUkan oflal p = 0,790. settirtgga dapat
disimpulkan bahYJa pada alpha 50/0, didapat tidal< ada perbedaan varian (varian
.I<edua kelompok sarna). Selanjutllya dican p value uj t pada bagfan' varian sarna
(equal variances) di ko!om sig (2 tailed) ,yaitu sebesar p=O,71'7 artinya tidal< ada
perbedaan yang signiflkan rata-rata kada{Hb antara ibu'yang rnenyusui ek:sIdusif
". ""'~\
, ,.' ...

Penyajian dan lnterpretasi de laporan pene!itian:


" Seperti pada analisis deSkriptif, print out di i';Jtas tidak bo!eh langsung di copy dan
disajikan di laporan penelitlan. Pada laporan peneUtlan kita harus membuat label
,baru untuk mer:yajikan hasil print out analisfs Qi alas. Adapun bentuk penyajian
daninterpretasinya adlah sbb:
Taber ...
Distribusi Rata-Rata Kadar Hb Responden Menurut Perifaku MenyusuI dith..
Menyusui Mean SO SE P value N

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


Tdk EkskJusif .10,421 1,471 0,300 24

Ra~-rata ka~r Hb ibu yang menyusui eksklusif adalah 10,277 9,.0/0 dengan

standar deviasi 1,322 9,-010, sedangl<an untuk ibu yang menyUsui" non eksklusif
rata-rata kadar Hb-nya adalah 10,421 9(0/0 dengan standar deviasi 1,471 9.-0/0.

103
.
HasU uji statistik didapatkan nUal p=O,717, berartl pada alpha 50/0 terlihat tidak
ada perbedaan yang signifikan rata-rata kadar Hb antaraibu yang menyusui
secara ekskluslf dengan non eksklusif.

l.'Uji T Oependen
Uji T dependen serlngkalf' disebut uj T Paired/Related atau' pasangan. Uji
T dependen sering digunakan pada anaUsis data peneUtian eksperimen. Seperti '
sudah dijelaskan dl depan bahwa dlsebut kedua sampel bersifat dependen kafau
kedua
..~.
kelomPQk sampet yang dibandlngkan mempunyal subyek
. .
yang sarna',
Oengan kata lain disebut dependen bita resp6nden diukur dua kalt/diteliti: dua
~ti, seringorang mengatakan peneJitian pte dan 'post. Misalnya' '!dta Ingin
membandingk:!O berat badan antara sebefum dan sesudah mengikutl program
diet.
Uotukcontoh ini akan dilakukan uJl beda rata-rata kadar .Hb antara kadar Hb
~ooukuran po...rtama dengan kadar Hb pengukuran .kedua, ingln diketahui
apakah ada perbedaan kadar Hb antara pengukuran pertama dengan
pEmQukuran kedua. Disini terlihat, sampeJnya dependen karena orangn'la sarna
Q~ukur dua kali. Adapun langkahnya:
1. ,Pastikan anda berada di file "ASLSA.V", jika belum aktifkan/bukalah file ini.
2. Dati menu l.st:ama SPSS,' pilih menu \Ana/yzf!', kemudian pilih sub menu
"Compare Means; Jafu pilih "Paired-Samples T Test'
5m1il&~._~~.
Pa~ VadabIes:
OK 1
Paste J
Reset I
Cancei I
~J

" OptiOns.. ~ I
"
. .. ",.,'

[04
3. Klik 'hb1'
4. Klik 'hb2'
5. Klik tanda panah sehingga kedua variabel masuk kotak sebe[ah kanan
.
6. Klik 'OK'hasiinya tampak sbb

T-Ts
Pafrod Samplos Statistics

Std. Error
Mean N Std. Deviation Mean
.. Pair kadar hb pengukuran
10.346 50 1.3835 . .1-9.57
.~ -.1 pertama
kadar hb pengukuran
10.860 50 1.0558 . 1~93
'. kedua

Palrod Samples COrTCJlations


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

Paired Samples Test

Pafred Differences
\.":
"
95% Confidence
Std. Std. . Interval of the Sig.
Devlati Error Difference (2-taile
Mean on Mean Lower' U~ t df d)
Pair kadarhb
1 . per.gukuran . '.
pertama ~ar -.5140 .9821 .1389 -.7931 -.2349 -3.701 ' 49 .001
". hb pengukuran
.. -.
~
kedua

Pada' tabel pertama terUhat statistik deskriptif berupa rata';rata dan'


standar deviasl Kadar Hb aotara pengukuran pertama dan pengtikuran kedua~

Rata-rata kadar Hb pada ,pengukuran pertama (hbl) adalah 10,346grO/o dengan


'CStandar deviasi 1,38 gre/o. Pada pengukuran kedua (hb2) dldapat rata-rata kadar
.
Hb adalah 10,860 9,.0/0 dengan standar devi~si 1,05 9.,0/0.
..
Uji T berpasangan dUaporkan pada tabel kedua, terlihat nitat >ti~tl~_~r... :
perbedaan antara pengukuran pertama dan kedua adalah 0,514 dengan standar
deviasi 0,982. perbedaan Inf diuji dengan ujl T berpasangan menghasllkan nllal p
yang dapat dilihat pada kolom ...Sig (2-taHedj'.. Pada contoh di atas didapatkan
nilai p=0,OO1, maka' dapat dislmpulkan ada perbedaan yang slgnifikan kadar hb
antara pengukuran pertama dengan pengukuran kedua.

Penyaji~n dan Interpretasi dilaporanpenelitian:


.:!-:"
..
~.)

. Dati hasif yang didapat df atas kemudian angka-angk.a d~n ~Iam


t:bel yang disajikan daiamlaporan penetitian. Bentukpenyajfan dan"
interpfetasinya sbb:
Tabel ..
""1\'" Dlsblbusi RataiRata Kadar Hb Responden MenurUt Pengukuran pertama dan
Kedua di ... Th.....
Varia bel Mean SO 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 adafah 10,346 9rO/o dengan


~~r deviasi 1,38 grO~. Pada pengukuran kedua didapatrata.-ra~ kadar Hb
. adalah 10,860 gl"% dengan standar deviasi 1,05 9.-<'/0.. Terlihat nilai mean
petbedaan antara pengukuran pertama dan kedua adalah 0,514 dengan standar
devic1sl 0,982.. hasil UJI statlstik: didapatkan nilai 0,001 maka dapat disimpulkan
.~ perbedaan y~ng slgnlflkan antara kadar Hbpengukuran.pertama dan~ua.

: <,.
. . ~f.' . .
106
UJIANOVA
Pada bab terdahulu tefah dijelaskan 'uji beda mean duakelompok data
, .'
baik yang lndependen maupun dependen. Hamun seringkali ldta jumpai juml.iSh
"';

kefpmpok yang lebih dan dua, misafnya login mengetahui perbedaan mean berat
badan bayi untuk daerah ae!<.asi, Bogor dan Tangerang. Dalam menganalisis data
seperti ini (> 2 kelompok) sangat tidak dianjurkaR:l menggunakan ..
up T.
1. ".;.

~,"";,; ~ :'Reiemahan menggunakan UJl T ada!ah; pert.ama !dtameJa.'aJkan oji, beru!ang' kaU
sesuaf komblnasi yang mungkln, kedua,bi!a melakukan 1.1i T bendang kali akan
'meningkatkan (inflasi) nilai a, artinya akan meningkatkan peJuang hasU yang
kerin!.
Perubahan inflasi .a,sebesar =.1-(1"1X)n
Untuk menga~sI masalah tersebut maka uji statistik yang dianjurkan (uji yang
tepat) dalam menganaJisfs beda lebih dari dua mean adalah UJl ANOVA atau uji
F. ::~.
.1 '."ir .

;'.j,' PrinSlp UJ1IJtJVA adaIah tnelakukan telaah variabilitas data, 'menjadi dua'
sumber variasi yaitu variasl dalam kefompok (within) dan varfasi antar kefompok
(beI.ween). SUa variasl within dan between sarna (nllal perbandingan kedua
varian sama dengan 1) maka mean-mean yang dibandingkan tidak. ada
perbedaan, sebaliknya bila hasll perbandingan tersebut menghasllkan lebih dart
i.'~" maka mean yang dibandingkan menunjuk ada perbedaan.

t07
Anafisis vanan (ANOVA) mempunyai dua jen;s analisf varian saw faldor
. (onewan dan anartsls dua faktor (tHo wan- Padabab Inf hanya akan dibahas
a~llsis varian satu faktor (one wan
Beberapa asulnsl yang harus.dipenuhi pada ujl ANOVA ada!ah:
1. Varian homagen
2. Sampef/kelompok independen
3. Data berdistrtbusl normal
4. Jenis data yang dihubungkan adalah : Numerik dengan katagorik (untuk
katagorikyang lebih dan 2 kelompok.

Perhftungan ujl ANOVA sbb:

F= df = k-l "'7 untuk pembUang ...


n-~ ~ unf\uk penyebut

2 2 .,
(nl-l)SI + (n2-1)S2 + ........+ (llk-1)Slt
swl=
N-k

nl( X
1 x i 2 + .........+ IlJc{Xt-X}2
+ D2(X2-X)
2
Sb =
k-l

n"XI + Il2.xl + ....... + llJc.xlc

X=
N

Ket N= jttrnfahseluruh data (01 + 02 + ..... + Ok)

. .Analis!s Multi Comparison (POSTHOC TEST)


Anan~ts Illl ~rtujuam untuk mengetahul Jebih lanjut kelompok mana saja
, . ." . .

yang berbeda ~n:"J.:tya .bUamana pada pengujian /\NOVA dihasUkan ada

. . .::.::: . . '
",",

, ,.:,' . .
'.'
lOS
perbedaan yang bermakna (Ho ditoJak). Ada berbagafjenis analisis multiple
comparasion diantaranya adalah Bonferroni, Honestly Significant different (HSD),'

Scheffe dan lain-lain.. Pada modut Ini yang akan dibahas adafah metode

Bonferroni.

Perhitungan Bonfrroni adatah sbb'

tij =

df:: n - k

Dengan level of significance (a) sbb:

a
a=-
. ~. '

109
Kasus:
UlI.ANOVA

Pada contoh Jnf aka dicoba dihubungkan antara tingkat pendidikan dengan
berat badan bayi. Variabef pendidikan merupakan vartabel katagorlk dengan 4
katagorf. Varfabef berat bayi berbentuk numerik sehingga uji yang digunakan
ANOVA. Adapun caranya sbb:
1. .Aktitkan/bukalah fife data "ASI.5AV"
.'" .
~ Dar. menu uiama SPSS, pilih menu 'Analn'e!', I<emudlan pilih sub inenu
". ~.'"
"Compare Means~ lalu pilfh "One-Way AM?VA' sesaat akan muncul menu
One Way NOVA
3~ Dari menu one way NtOVA, terlihat bahwa ko~k"q.ependent Ust dan kotak
>Factor perlu dflSi variabel.Kotak: 'dependent'diisi variabel numenk dan kota.1(
. 'factor' diisi valiabel katagorila~JYa~ Pada contoh Ini berarti pada kotak
. Dependen diisi variabel llbbbayiR pada kotak Factor dUsi variabel llDidik."..

4.
S. J<lik: tombol 'OptionS' tandai dengan V pada kotal< "Desafptive K

110
6. Kiik "Continue"
7. KIik totnbol "Post Hoc", tandaI dengan V pada Icotak "Bonferro.ni" .~.,

"
.'~ ;~.: '

8. Klik" Continue'"
9. Klil< "OK'
Oo~way
. """;.

De8Cl1ptlves
berat badan bay ,.

95% Confidence IntelVai for


Mean
Std.
Std.
Minim Maxfm
N Mean Oeviation
Error
LowertJQund LIPper Bound lim um
SO 10 2470.00 249.666 78.951 2291.40 2648.60 2100 2900
MP 11 2727.27 241.209 72.727 2565.23 2889.32 2100 3000
~iSMU . 16 3431.25
~
270.108 67.527 3287.32 3575.18 30Q0 4000
)'11' 13 3761.64 S86.304 .- 107.14J _. -_ . -3528.10 - 3994;98 - ---3000 -4100
.. .-.~
.,

Tli)tal -'-'-50 '3f7.0:0(f --'--~~232 82.6~3 3003,96 ~36.04 . 2100 4100

-'
. ,:.

.; <', III
Test of HomogeneIty ofVarlancea

beret badan bay!


Levene
Statistic df1 df2 Sfa.
2.506 3 46 .071

berat badan bav~


Sum of
Squares df Mean Sauare , F Sig.
Between Groups 12697038 3 4232345.862 48.334 .000
Within Groups 4027962 46 87564.400
: Total 1672500C 49

Post Hoc T~-ts


Muitfple Comparisons
Dependent Variable: berat badan bayi

Bonferronl

(I) (J)
pendidika pendidikan Mean
iiformal formal ibu Difference 95% Confidence Irr..erval
lbu menvusu; (I-J) Std. Error Sig." Lower Bound Upper Bound
SO SMP -257.273 129.294 .315 -613.76 99.21
,"~l
SMU -961.250* 119.286 .000, -1290.14 '-632.36
~,}..

PT -1291.53~* 124.468 .000 -1634.72 -948.36


SMP SO 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 SO 961.250* 119.286 .000 632.36 1290.14
SMP 703.9Tr 115.902 .000 364.42 10".l3~~
: !II1I_r"~'.'l!lll!iPfil!';!i
1 r ~ " . l"~:; "'

-330.288* 110.492 .027 -634.93 -25.64


PT SO 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 cflfference Is sfgnificant at Ifte .05 level.

()~ii p~ntq4t. .ill~ di~!o~eh rata-rata berat bayi dan ,stndar deviasJ masl~m~ng
"," , k~Of!1pOk.' Ra~ta ~,bayi pada mereka yang berpendldikan SO adalah '
, -, '2470,0 gra~: denganstandar deviasi 249,6' gram. Pada mereka yang
",>berpendidikan SMP rata-rata beret bayinya adala,h 27:l7;J. gram dengan st:andar
'~evia~ .241,2 gram. Pada mereka yang berpendidikan SMU rata-rata berat

112
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 deviasl 386,3 gram..
Pada hasU di alas nilai p uji mQVA dapat diketahui pada k.oIom "F" dan "5Ig",
tertihat p=O,OOO (kalau desimalnya 0, maka penuUsannnya menjadi: p=O,oOO5),
berarti pada alpha 50/0, ~pat dislmpulkan ~ perbedaan berat bay{ diantara
keempat jenjang pendidikan.
Pada Box paling bawah teriihat hasU dart up 'Multiple Comparisons Bonferronf
yang berguna untuk menefusuri lebih lanjut kefompok ma~. saja ,yang
berhubungan signifikan. UnbJk mengetahui kefompok yang signifikan dapat
terllhat dan kolom Sig.. Temyata kelompok signifikan adalah tingrcat pendidikan
SO dengan SMU, SO dengan PT, SMP dengan SMU, SMP dengan PT dan SMU
.
dengan PT.

Penvatian dan Interpretasi oj laooran Pene!itiaii


Taber "0

Oistribusi Rata-Rani hem Bayi Menurut Tlngkat pendidikan .


. Varia bel . _. Mean ,.. SO 95%Q P_value
Pendidikan
..
-SO 2470,0 249,6 2291,4 - 2648,6 0,0005
r :to
-SM~ :l~,(ad: ?7~'l;?:il 241,2 3565,2 2889,3
-.. -.
-SHU
. 3431,2 270,1 3287,3 - 3575,1 ...
-PT . 3761,5 386,3 3528,1 - 3994,9

Rata-rata beret bayi pada mere.1ea yang bel"pel)didikan SO adalah 2470,0


9r:am dengan standar deviasi 249,6 gram.. Pacia mereI<'~ yang berpendlcHkan SMP
rata~ta berat ba}tjnya adalah 2727,20 gram dengan standar d~ 241,2
gram.. Pada mereka yang berpendidlkan SMU rata-rata bemt bayinya adalah
3431,2 gram dengan standar .deviasi 210,1 gram. Pada mereka yang

113
berpendidikan PT rata-rata berat bayinya adalah 3761,5 gram dengan standar
deviasl 386,3 gram. Hasil UJi statistik didapat nilai p=o,oooS, berarti pada alpha
5% dapat disimpulkan ada perbedaan berat bayi diantat'a keenlpat jenjang
"pent.ftdikan~ Analisis lebih IatlJ'Ut membuktikan bahwa ~ yaOg berbeda
slgnifikan adalah tingkat ~idikan SO dengan SMU, SO dengan PT, SMP
dengan SMU,5MP dengan PT dan~U dengan PT.

'.'i.:."

"'''"'11'

-, .

114
UJI!(AI KUADRAT

Sertngkafi dalam suatu peneUtian, kita menemoi data yang tidak. dapat
dhiyatakandafam bentuk ang~n9kcfpengUkurari (data nurnenk). 5ebalilCiya
justru yang kita jumpai adafah data hasit dari menghitung j~~~~n
yang diklasffikasikan atas beberapa katagori. Data seperti. inl disebut data
katagorik (icualitatlf), misainya. jenis kelamin yang mempunyat katagori: IakHaki
dan perempuan; status meroko!< yang mempunyai katagori; perokok berat,
perokok ringan dan tidak merokok.. Da!am po-nefitian kesehatan Senogkati penelru
perlu melakukan analisis hubungan vatiabel katagorik dengan variabel katagorik..
AnaUsis tni bertujuan untuk menguji perbedaan proporsi dua atau lebih kefompok
sampei. Uji staUsUk yang ~1gUtla!can untuk inenjawab kasUs tersbut adatah ~I
. -~eKUKUADRAT{CHl'SQUARE}.

Mlsatnya ingin diketahul taubungan jenis peketjaan .dengan perilaku


menyusul ibur apakah ada perbedaan proporst kejadian met'l\-1'USUi eksIdusff
.... ,.
an.tara ibu' yang beketja ~n fOO yang tidak beke1ja. Dart amtoh teriihat
bahwa varlabel jenis pekerjaan (bekerjaftidak bekerja) merupakan variabel'
. .
katagorik, dan variabel perilaku menyusui (ek5kIusif/non ekskIusif) juga
merupakan vartabef katagorik,
Sebelum berlanjut lebih dalam tet ttang kai kuadrat tei1ebih dahulu .Iota
pahami dengan' benar epa itU varia:bel katagcrik, Suatu varlabel' diSebut
~J .

katagorik bila isi variabel tersebut terbentuk dan hasil 1dasi.fikasi/penggoiongan,


-misalnya variabeJ sex,.jenis pekerjaan, gotongan darah, pendidi~n.. OJ lain pihak
vanabel numerlk (misalnya berat badan, umur dll) dapat masuk/da~ menjadi
variabel katagonk bila variabel tersebut sudah mengalami pengelompokan.
~lsaIkan IgCa ambll saW contoh vanabelberat badan, beJat badan bila nilalnya
masifl liil (SO kg, 63 kg dst) maka masih: termasuk varfabel numerik, namun bila
sudah 'djla~n.~ menjadi..50 ,kg (kurus), 56-00 k:g(sedang)
dan > 60 (gemuk) maka variabel tersebut sudah berjenis katagorfk.

1. Tujuan Uji kai Kuadrat


Tujuan dan cftgttnakannya ujil<ai kuadrat adafah untuk untuk menguji
perbedaan Pf1JPOfSi/persentase antara beberapa k:etompok data.oiUhat dan segi
. datanya UJl kat kuadrat dapat digunakan untok mengetahui hubungan antara
-"
, variabel katagorik dengari variabeI katagQrik.. Contoh pertanyaan penelitian untuk
~..

kasus yang dapat dipecahkan aleh uj! kat kuadrat misalnya:'


. , . .
a. Apakah ada perbedaan k:ejadian hipert:ensi antara wanita dan prta. Kasus ii
, :,' . berarti akan menguji hubtihgan variabel 'hipaJtensi (katagori dengan
.

". .'" ldasifikasi ya dan tidal<) ~n variabel jeIli!; kelamin (katagori dengan
. ': ldasisfikast wanita dan pria)
:b.. Apakah ada perbedaan. kejad!an anemia antara ibu yang kondisi soseknya
tinggi,. sedan9" dan ~r.. Puda kasus in' akan menguji hubungan variabeJ
anemia katagori dengan ldasifikasi ya dan tidak) dengan vartabel Sosek
.(katagori dengan kfasifikasi rendall, sedang dan tinggi).

2.Prinsip
: .....
dasar Uji Kaf Kuadrat
Proses pengujian. kai kuadrat adafah membandingkan frekuensi yang
, terjadi (observasi) dengan frekuensi harapan (ekspektasi). BUa nitai frekuensi
observasi dengan nilai frek:uensi harapao sarna, maka dikatakan' tidak ada'
.~. ~.~,~ (signi~I(an). Sebalilalya, btla nilai frekueosi Qbselvasi
';\" nflai frekuensi harapan betbeda, maka dikatakan adaperbedaan 'Yang
dar:J'
bennakna (signi~kan).
, .'
, Pembuktian dengan Uji kal kuadrat dengan tnenggunakan formula:

. .
. (b-'E)i .
X2=E ____
E
116
df = (k-l){n-l)

ket:

o = nllai observasi
. .E = nilai ekspektasi (harapan)
k =jumlah kolom
b = jumlah baris

Untuk mempermudah analisis kai kuadratr nHai data kedua variabel disajikan
qglam bentuk tabel silang:

--.. Varia bet 2 J:;:-::.


Variabel 1 Jumlah
Tinggi Rendah
Ya a B a+b
, .. ,
Tldak c 0 c+d
Jumlah a+c \ b+d n
<3, b, c, d merupakan tlilai observasi, sedangkan niali ekspektasi Charapan)
masing-masing seI dican dengan nimus:
, " 7- ~;:.', .'
... '. ',:.,,:

Total barisnya X total kolomnya


E=
Jumlah keselumhan data

misalkan untuk mencari nllat ekspektasl (E) unwk sel a adalah:


~;< Ea = (ai-b) x (a+c).
n
Untuk Eb, Ec dan Ed dapat dicari dengan cara yang sarna.
Khususnya untuktabel b2., dapat mencart nnat X2 dengan menggunakarf rumus:

N{ad-bci

(a+c)(b+d)(a+b)(c+il)

-'

111
Uji kai kuadrat sangat baik untuk tabel dengan derajat kebebasan (<if) yang
besar. Sedangkan khusus untuk tabel 2 x 2 (df-nya adalah 1) sebaiknya
c:tigunakan uji kai kuadrat yang sudah dikoreksi (Yate CoITeded atau Yate3
Conection). Formula kai kuad~, Yate3' Correction adalah sbb:

(10 - EI - o,si
:sc2= _ _ _ __
E

atau

.' N {Iad-bel2 - (N12)f

(a+c)(b+d)(a+b)(c+d)

, ,~3.. Keterbatasan Kai Kuadrat


Sepertl Idta ketahui,. ujl \ kai kuadrat' menuntut frekuensi
,harapan/ekspektasi (E) dafam masing-masing set tidal< baleh, terlampau keeil.
Jika freJruensi sangat kecil, penggunaan oji ini mungkin kurang tepcJt.. Oleh
,Iea,rena itu da!am penggunaan kai kuadrat harus memperhatlkan keterbatasan
~', .

keterbatasan oji mi. Adapun keterbatasan uji kai kuadrat a.daIah sbb:
a.Ttdak boleti ada set yang mempunyai nilai haropan (nilai E) kurang dan 1~
i,;' "f.' :,.~~g~;~Jdak boIeh ada set yang mempunyai nilat harapan (miaiE) kurang da~ 5, ,
" :i-1emh dart 20% dari JumJah set '
., Jika keterbatasan tersebut terjadi pada saat oj; kaikuadrat;. peneJitl hams
menQgabungkan katagori-katagori yang ben:iekatan daJam rangka memperbesar
frekuensi harapan dan seI-seJ tersebut (penggabungan tni dapat dilakukan untuk
arialisiS ~beI silang IE!bih dan 2 x 2, misalnya 3 x 2, 3 x 4 dsb). Penggabungan ini
',. tern;unva diharapkan tidak sampai membuat datanya kehiJangan makna..
, Andai 'saja keterbatasan tefsebut terjadi pada tabel 2 x 2 (ini berarti tidak
bisa menggabung katagori-katagorill}'(J Jagi), maka dianjurkan menggunakan uj
'fisher's Exact.

lIS
ODDS RATIO (OR) dan RISIKO RELATIF (RR)
Hasil uji Chi Square hanya dapat menyimpulkan ada tidaknya perbed~an
proporsi antar kelompok atau cfer:lgan kata' lain kita hanya dapat: menyimpulkan
ada/tidaknya hubungan dua variabe1 'katagorik.Dengan demildanuji OIl Square
tidak dapat menjefaskan detajat hubungan, dalam hal 1m, uji Oli Square tidak
dapat mengetahui keIompok mana yang memiliki risiko lebioh besar dibanding
kelompok: fain.
Dalam .
bidang kesehatan
.
untuk mengetahul. derajat hubungan, dikenal
~

, ukuran Risiko' Relatif (RR) dan Odds Rasio (OR). Rislko tefatjf meinbandingkan
~kD pada kelompok ter--e!cspose dengan keIompok'Udak ~ Sedangkan
,Odds Rasia membandingkan Odds pacta kefompok ter-ek$pose ,cfer:lgan Odds
-
keiompok tidak ter-eksp[ose. Ukuran R..'l. pada umumnya digunakan pada disain
:,', :. Kohort;, sedangkan ukuran OR biasaI'JYa digunakan pacta' desain kasus kontrO!
al.au ptong lirnang (Cross SectiOl,~aJ).

Pengkodean Variahel: .... ., :l~...

'Perlu diketahtii bahwa datam mengeluatkan nilal OR dan RR hams haft


':- han jangan sampat terjadi kesalahan. pengkooean. Pemberian' kode. hams ada
konsistensi antara variabet independen dengan variabel dependen. Untuk
variabel indepepden,. ke!ompok yang berisiko/expose diber1' kocIe:Jinggi (kode
l)..dan kode rendah (kode'O~ keIompok yang tidak berisikDlnon ex.POse.
PaCta variabel dependerinya, kode tinggi (kode 1) uotuk ketOmpokkasus mau
, keIompok yang menjadi fokus perrtbaIlasan penelitian dan kode rendah (kode 0)
untuk keJompok non .t.asus. atau yang bukan menjadi fokus. peneUtian.. SebagaI
contoh dam di atas pengkodeannya adalah sbb: Ibu tidak bekerja diberikDde 1
~: .1

dan bekerja kode 0 dan ibu yang menyUSUi secara eksktusif diberi kode 1 dan
non .ekSkIusif diberi 'kode, O. Settetulnya bisa ..MJa kodenya dibalik, 'tapi harus

1t9
konsisten, misalnya kodenya: Hook bekerja =0, bekerja =1 dan ekskIusive =0,
tdk eksklusive =1.

Tabel ..

Distribusi Responden menurut lingkat Pendidikan dan Pengetahuan

. Pengetahuan
c,_ Total
Pendidikan Rendah TInggi
"
'N % n 0/0 n <Yo

SO 25 50,0 25 50,0 50 100,0


"

" SMP 16 40,0 ,24 ' 60,0 40 100,0


SMU - 10 33,3 66~7', 30 100,0
20
.. ,
PT 5 20,0 20 80,0 25 ~OO,O

Jumlah 56 38,7 89 61,3 145 0.100,0 ,


:,;~(,;::,

Pembuatan persentase pada analisis tabel silang harus diperhatikan agar


. ~\\J*:" .

tidak salah dalam menginterpretasi. Pada jenis peneJitian- survei/Ot>ss,SectionaI


,atau Ko~ pembuatan 'persentasenya berdasarkan nilai variabel independen.
Contoh di alc!S jenis penelitiannya ~ 5ed:IorIaIr variabel pendidlkan. sebagal
variabel independen Qan pengelahuan sebagaivariabei dependen. Dapat dilihat
: ,~, ta~ ~ berdasarkan masing-masing ~pok tingkat peodfdikan
(persentase baris)_ Contoh di atas dapat eli ,i~kan sbb:
Dart 50 pasien yang ber:pendidikan SO, ada sebanyak 25 (50,0%) pasien
mempunyai pengelahuan tinggLDari, 40 pasien yang berpendidikan SMP, ada
sebanyak i~1 ,~~fO%) yang ~uan Hogge. Dan 30 pasten yang,
~idbn sMU ada sebanyak 20 (66,7%) yang berpengetahuan tiOggi. Pan ,
~:,. dan' 25 ~en yang berpendidikan PT, ada sebanyak 20' (80rO%) yang
~huan Unggi. Oari data inf terJlhat ada k.~n bahwa ~maldn
tlnggi tingkat pendfaikan akan semakin tinggl tingkat pengetahuannya"

i20
Pada penelitian yang berjenis kasus kontrol (Case Control) pembuatan
persentasenya berdasarkan variabel dependennya, misalkan teriihat pada taOOI
" bertkut:
Tabel .
Distribusi Responden Menurut
.
Ki;tsus kanker" . dan Jenis Ke1amin
paru
Kanker J?aru
Jenls " Total
Kasus Kontrol
Kelamin
n % N % n %
Lald-Iaki 75 75,0 30 30,0 105 52,S
.......
; ".. Perempuan 25 25,0 70 70,0 95 ~. \ 47,5
Jumlah 100 100,0 " 100 . 100,0 200<i, 100,0

" .....~:,.-" '"

~.'." Interpretasinya:

Dati mereka yang menderita kanker parol' ada sebanyak 75" (75%) responden
berjenis kelamin laki-lald. Sedangkan pada kelompok yang Hook" menderita
,,;.. '." k~nker paru, ada sebanya~ (30%) responden )"ang berjenis keJamin JakHakl.

"I '.:

.. :::
-...
:.t

121
'''I

KASUS:

UlI KAI KUADRAT

Suatu penelitian fngin' ~hui hubungan ~"tJjaa1l dengan perilaku'


menyusui. Variabel pekerjaan betisi dua nfIai yaltu tidak bekerja dan'r bekerja,
. dan variabel menyusui. berist dua nRai yaitu eksJdusif dan non eksIdusif. Untuk
mengerjakan soallni gunakan data "'Susu. SAY"

.... ..
~

:i~pun ~ur di SPSS sbb:

Ji. Pa&ikan anda berada pacia data editor ASLSAV

2. Dari menu SPSS, kJik "Ana!J'zf!', 'kemU(f"tan pilih '~DeScnptiYe statistiC', Jalu
pilih "Crossta/f, sesaat
.
akan inuncuI menu Crosstqbs
" ~

,3. Dan menu crosstab, ~da dua kotak yang harus ~,. pada" kotak "AROW(sJ dUsi'
.variabel independen (~ bebas), dalam COl Jtoh 1m variabeI pekerjaan
masuk Ice kotak'Row(sJ'.
4. ~ kotak "'CoIumn(sJ' diisi variabeI dependennya, datam confDhini variabel
. perilaku menyusui masuk kekoIak "ACoIumn(sT.

;' ,';','

122

5. Kfik option "Stat/stlcs.,", Idll< pUlhan "Chi Squartf dan kllk plllhan "RIsK .

6. KUk "Continue'
7. Klik option "CelIS', bawa baglan PercentageS' dan kill< "RoW'
'ft
-.,: : .

",;.~]~':f'~:d>nt.i:f~
8.1kJ!k "Continucf
';:'':'\1

9. Kfik" OK' hasilnya tampak sbb:

12)

Crossmbs

, ,

. .'
status- me WusuJ ast
tdk,
, ' . ,',
, EKSKLUSIVE EKSKl,.USIVE Total
status pekerjaan KERJA COUnt" 17 8' 25
'bu %wiChinltatus
68.0% 32.0% 100;0%
pekerfaan Jbu

tJdakkerja Count
'7 18 25
%wlthln~
28.0% 72.0% 100.0%
pekerjaan fbu

Total Count
....
24 26 50
% withfn status
: 48.0% 52.0% 100.0%
, peker.faan Ibu

Chl-SquaN TOftS
Asymp.Sig. exact Sig. ExactSig.
Value df 12-sided)' (2-sided) (1-sided)
.; Pearson Chf.Square ' .013D 1 ~
.005 ' ,

Continuity Correcfion1' 6A90 1 .011


Ukelihood Ratio 8.244 : ,1' .004 i
Fashe(s Exact Test .010 .005
Unear-byUnear
Association 7.853 1 .005
N of VaCd Cases 50
"

a. Computed only for 8 2x2 table


b. 0 cells (.O%) have expected count less than 5. Therr.inimum expected count is 12.
00. ' .

RIsk Esifmat.
':'t .,".';

95% Confidence
Interval
Vatue lower Upper
Odds RatIo for atatus
pekerjaan ,Ibu 5.484 1.627 18.357
(KERJA I tldak keJfa)
For 'cohort status
menyu.ulasl = tdk 2.429 1.226 4.811
EKSKlUSIVE '
For cohort etatus
tnen)'l,lsul asl = .444 .239 .B27
.,EKSKWSfVE
N DfVsIId Cases :50

l.24
Pada ,hasU dt atas tertampll taOOI silang antara pekerjaan dengan pola
menyusul, dengan angka df masfng-maslng' selnya. Angka yang pallng atas
adalah jumlah kasus _m~fng-maslng seI, angka I<edua adalah persentase
menurut bans (data yang klta snalls.'s "ASI.SAV, berasal dart penelitlan' Cross
SecUona/ sehlngga persen y~ng ditampUkan adalah persentase' baris, namun blfa
junls penelitiannya case Control angka persentase yang digunakan adalah
persehtase kolom)
Dan anaUsis data di atas maka Interpretasinya:
" Ada sebanYal< 18 (72,00/ojlbu yang tidal< bekerja menyusul,
...... bayl secara
....
eJ<skJustf. Sedangkan diantara Ibu yang bekerja, ada 8 (32,00/0), yang menyusui
, secara ekskluslf.
Hasfl ujl ChI Square dapat dilihat pada kotak "Chi Square Test": Dari print
~:~', ,'out muncul dengan beberapa bentuk/angka sehlngga menlmbulkan pertanyaan, .'.
"Angkayang mana yang kIta pakat1", apaka!1
, I
Pearson" Continuity
, .
Correction,
,

lJkellhood atau fisherr'


Aturan yang ber1aku pada Chi Square adalah sbb:
~"" ,',. ,<t. Bna pada 2 x 2 dijumpal nflal LXpected(harapan) kurang dart 5, maka. Yang;-
", tfigunakan-adalaff"rishei"s Exact 'rest'
b. Blla taber 2 x 2, dan tldak ada nffal E < 5,'maka,ujl yang dlpakalsebalknya
"Continuity CoJT:tlon '.
/ c. ;' Blfa tabelnya leblh dart 2 ' ,
, ."Pearson Chi $quart!'
J9Unll't, 3 ~2, 3 x3 (iigunakan ujl

d. Ujl "Ukelihocd Rlltitl' dan "Unear-by-Unear Assdatiorl', blasanya


dlgunakan untuk keperluan lebih spesJf1k, m1salnya anaJisis stratlf1kas1. pada ,
, . ~ ,'(. \ t~

, ',ll1;,,!~WI!il!i'ttir.l
bldang epldemlologl dan Juga uotuk mengetahu1 hubungannOJer dua variabel
, "

"," katagOlik, sehlngga kedua jenl~ In1 ja,rang dlgunakan

125
Untukmengetahuf adanya nllaf E kurang dan 5, dapat diflhat pada footnote b
. dibawah kotak Chi-Square Test, dan tertulis diatas nllalnya 0 cell (0 %) berarti
pada tabel silang dlatas tldak dltemukan ada nllal E < 5 .

Dengan demUdan kltamenggunakan uji Chi Square yang sudah difakukan


korek:sl (Continuity Cbn-eCt!oi:) dengan p value dapat dillhat pada kolom
?'Asyn'ip. $/g" dan terfihat p valuenya. = 0,011. berartr keslmpulannya ada
perbedaan perilaku menyusul ek:slduslf antara too yang bekerja' dengan 100 yang
t;!dak bekerja. Oeogan. kata lain dapat dislmpulkan bahwa ada hubungaO status
P..t:kerja~n dengan peritaku menyusul ekskluslf.
' ; ' ,U]i .011' square hanya dapat dlgunakan untuk mengetahul ada/tldaknya
hubungan dua vartabel, sehfngga ujl Inl tidak dapat .untuk mengetahul
-
.derajat/kekuatan hubungan dua varfabel.. Untuk mengetahui besar/Kekuatan
.; "hubungan
.,
banyak metodenya tergantung latar belakang dlslpltn kellmuannya,
"'o;mlsal untuk IImu SO$fal dengan merfha\: koefisfen PhI, koefisfen Contingency dan .
..'c. .amer's V. sedangkan untuk bldang kesehatan terutama kesehatan masyarakat
~digUiiakan nUat OR atau RR. NUal OR digunakan untuk jenls peneln:Jan Cross
. .
SectIonal dan case Controf, sedangkan nU~1 RR dlgunakan bUa jeOts
penelitiannya Kohort
. P8da hasfr di atas nllat OR terdaPat pada bans odds' ratio yaltu 5,464
c: 1,627 - 18,357).Sedangkan nflal RR terllhat dan barfs For Cohort
(950/0
.Yaltu' bE!amya 2,250 (95%0:
.
1,209' - 4,189). Pada .data Inl' berasal. dan
.
penelitian Cross Sectional maka kita dapat menglnterpretaslkan olalal OR=5,464
sbb:'Jbu'yang tidal< bekerja mempunyal peluang 5,~ kall unhik menyusul
ek$1dtiSlf dibandingkan Ibu yang bekerja Pada perlntah Crosstab niJal OR akan
kefua{bflatabel ~tang 2 x 2, hila tabef Silang teblh dan 2 x 2, mlsaln~ 3 x 2, 4 X
(~,J 2 d$b, 'makanllal OR dapat diperoleh dengan anaJisis regresl Iogistik sederhana'
. . dengan ~~ . ~buat "Dummy va.r1~ble"

-'

(26
PenraJian dan Interpretasidi Laporan PtfJnelitian:
Tabet ...

Olstribusl Responden Menurut Jenls Pekerjaan dan Perilaku menyusui

Jenis Menyusui Total OR P


Pekerjaan Tdk Eksldusff . Eksldusif (95 0,1, CI) value
--0,
n % n %
n %
";~L , ,

:beker:Ja 17 68,0 8 32,0 25 100 5,46}.:. _!,O,011


'r.-
Tdk Bekerja 7 28,0 18 72,0 2S 100 , . ,
16,-183
-
- jumlah 24 48,0 26 52,0 50 100
;.' ,

.liasU analisis hubungan an~ra status pekerjaan dengan ,perilaku menyusul


" l .

ekskJuslf, dlperoteh bahwa ada sP-bcinyak 8 (320/0) lbu yang bekerja menyusui

bayi secara ekskJusif. 5edangkan diantara ibu yang tidak bekerja, ada 18

'. 0'2,00/0} yang menYlJSC:lI ~ ekskfusif. Hasil ujl statlstik dlperoleh. :railal. '<:

,p=O;011 ~maka~dapat 'dislmpulkan' "ada' pefbedaan proporsl "keja.crlan menyustii

ekslduslf antara 'bu tidal< bekerja dengan '00 yang bekerja (ada hubungan yang

.,slg"=lf1kan, antara pekeJjaan dengan perilaku menyusuf).. Dan ~sil. analisis

, ~. .

dl~leh pUla nllal OR~5,464, artInya 'bu tidak bekerja mem~qyal'


:-=~~ .
pelpang, !

S,1 kall untuk menyusul'ekskJUSIf dibandlng 'bu yang bekerja.!~,! '-:-'<;.

127

10
,U.:1I KOREIASI DAN REGRESIUNIER SI!DERHANA

" Sertngkali dalam suatu penefitian kita Ingrn mengetahui hubungan antara
.QPa
.
varlabel yang beljenis numetil;
. "
mfsalnya huubungan . berat: badan dengan ~

tekanan darah, hubungan~ur dengan kadar Hb, ~. Hubungan antara dua


variabef numerik dapat dlhasi!kan dua jenls, yaitu derajat/keeratan hubungan,.
digunakan kore=a5i. Sedangkan bila login mengetahul bentuk hubungan antara
dua variabel digunakan anallsis regresf Unfer.

1. Korelasi
:;''':1r~i;.,

Korelasi di samp!ng dapat untuk mengetahui derajat/keeratan hubungan,


dapat juga untuk inengetahui arah hubungan dua vartabel numerik.
korelasi
Misalnya, apakah'huubungan berat badan dan tekanan daran mempiJnyal derajat
yang kuat atau lemah, dan Juga apakah kedua variabei tersebut berpoIa posltif
atau negatlf.
" '

Secara sederhana atau secara visual hubungan dua variabel dapat dillhat
dari diagram tebar/penear (Scatter Plot). Diagram tebar aclalah graflk yang
menunjukkan .tltlk-tltikperJX>t:ongan nUa; data dan dua vanabel (X dan Y). Pada ,

umumnya daJam grafik, variabellndependen (X) dUetakkan pada garis horizontal


sedangkan variabel dependen (Y) pada garis vertikal.
. Oari diagram rebar dapat dlperoleh Informasl
, tentang pola hubungan
'

antara dua variabel Xdan Y. selain memberilnformasi pola hubungan dart kedua

128
variabel diagram tebar juga dapat menggambarkan keeratan hubungan dart
kedua varfabel tersebut.

.-: .
......... ..-::..
.
....
...
.. - .
. .
.
. .........
..
..
...':...4._. !
,. 'I
.. .4'
-... ...... ..' .

... ...
......
. .

c
:*.! :. :.
...... .. . ..-.. . ...
* -
~
-... r.
... ..,
!

.i:, Linier Positif Linier Negatif

d~simbbolkan dengan r (huNt r kecil)~

Koefjsien .korelasi (r) dapat diperoleh dart formula berikut:

Nilai korelasi (r) berkisar 0 s.d. 1 atau bifa dengan disertai arahnya nilalnya
antara -1 s.d. +1.
r == 0 ~ tidak ada hubungan linter
r = -1 ~ hubunganllnler -negatlf sempuma
r =+ 1 ~. hubungan linter positlf sempuma (. I; ".
.,..... Hubungan dua varlabel dapat berpola posItlf maupun negati~. Hubu.ngan
-",

posltif terjadi bila kenaikan satu diikuti kenalkan vartabel yang laIn, mlsalnya
semakin bertambah berat badannya. (semakln gemuk) semakln tfnggl tekanan
darahnya. Sedangkan hubungan negatff dapat terjadi bUa kenalkan satu vartabel
. dUkuti penurunan vartabel yang lain, mlsalnya semaldn bertambah umur
(~makln tua) semakin rendah kadar Hb-nya.

129
Menurut Colton, kekuatan hubungan dua. variabel secara Kualitatif dapat
dibagi dalam 4 area, yaiw:

r == 0,00 - 0,25 ~ tidak ada hubunganlhubungan lemah


r::; 0,26 ... 0,50 7 . .bubungan
-
""";
sedaD.g
r== 0,51-0,75 -7 hubungan kuat
r::; 0,76 -1,00 -7 hubungan sangat nat I sempurna

Uji Hipotesis

!.t.
Koefisien kofe[asi yang telah dihasilkan me..-upakan langkQh pertama
~ntuK menjelaskan' derajat hubungan derajat hubungan (infer anatara dua
.~ . ,

.~nabel. setaojutnya perlu dilakukan uji hlpoleSls 'unbJk mengetahul. apakah


J ~
. .
.
hubungan antara dua variabelteradi secara signifikan atau 'hanya' karena faktor
kebetulan dari random sample (by chance). U]1 hipotesis dapat difakukan dengan
dua cara, ,yaftu pertama: mt:;mbandingkan nilaf r'hltung d~an r tabel, kedua:
mengguna.'<an pengujian. dengan pendekatan distribusi 1. Pada modol ini Idta
. gunakan pendekatan disbibusi trdengan formufa:

n-2
t=r
Vl-~.

JL df = 0-2
n.. "'. jumlah. sampel
..
2. Regresi
.. "
' -.
Unier
' .
Sederhana
. '

Seperti sudah diuralkan di depan bahwa analisis hubungzrr dua vartabel


da~ digtl~kan untuk mengetahui. bentuk hubungandua variabel, ~itu dengan
~'." anqlisis regresi.
Analisis regresi. merupakan suatu model matematis yang dapat
,
digunakan
'. untuk. mengetahui bentuk hubungan antar dua atau lebih varfabel. Tujuan

130
analisls regresi adalah untuk membuat perkiraan (prediksil nUai suatu \'anabel
(variabel dependen) melalui variabel yang lain (variabel (~en).
Sebagai rontoh kita Ingln menghuubungkan dua variabel numerlk berat
badan dan tekanan darah. Dafam kasus Inl berarti ~t badan sebagai variabel
independen dan tekanan darah sebaQai variabel dependen, sehingga dengan
regresi kita dapat memperkirakan 'beSamya nilal tekanan darah bila diketahui
data berat badan.
Untuk melakukan prediksi digunakan persamaan 'garis yang dapat
diperoleh dengan berbagai cara/metode. Salah satu cara yang se,ring digunakan
oleh peneliti adalah dengan menggunakan metode kuadrat' ~1 '(/east
'f~ ,~JIo.

Sl7uare). Metode least square merupakan suatu metode' pembu~tar11Jaris regresi


'dengan cara meminimalkan jumlah kuadrat jara~ antara nitai, Y yang teramati
. ,

dan Y yang diramalkan oIeh garis regresi itu. Secara matematiS persamaan garis
:A~bb:

Persamaan di atas merupakan m


I Y=a~hx I
ei d
e ' .
nn(nistik yang secara sempuma/tepat
dapat digunakan hanya untuk peristiwa alam, misalnya hukum gravitasi bumi,
yang ditemukan oleh Issac Newtonadalah cootoh.model detenninistik.. Varia bel
kecepatan benda jatuh (variabel dependen) pacta keadaan yang ideal adalah
fungsl matematlk
.
sempuma (bebas dan kesatahan) dari variabel independen
,

berat beda dan gaya gravitasi.

Contoh lain misalnya hubungan antar suhu Fahrenheit dengan Suhu ~us '

dapat dibuat persamaan Y =, 32 + 9/5X. variabel suhu Fahrenheit (Y) dapat

dihitung/diprediksi secara sempuma/tepat (bebas kesal~han) bila suhuCeldus

(X) diketahui.
Ketlka berhadapan pada kondfsls IImu sosial, hubungan antar variabel ada
~mu~gkinan kesalahan/penyimpangan (tldak eksak), aretinya untuk beberapa
.
ni!ai' X yang sarna kemuogkinan diperoleh nilai Y yang be(oeda~' Misalnya
hubungan berat badan dengan tekanan darah, tidak setlap orang' yang berat
badannya sarna mernHiId tek.anan darahyang sarna. Olehkarena hutiungan K
I

IY= 11 + hx + eM . 131
dan,Y pada IImu sosial/kesehatan masyarakat tidaklah eksak, maka persamaan
9al15 yang dlbentuk menjadl:

Y = Val1abef Oependen
X =Var1abel Independer1
a = rntercept, perbedaanbesamya rata-rata variabel Y keUka varia bel X = 0
b == Slope, perklraan besamya perubahan nialia variabe( Y bUa nilai vartabel X .
berubah satu unit pengukuran
e . = nnal .kesalahan (error) yaltu selisih antaraniaU Ylndividual yang.teramati
'"",;;-,

.. dengan nilal Y yang sesungguhnya pada titik X tertentu


' ... ;:

Kesalahan Standar"Estimasi (standardError ofEstimate/Se).


Besamya kesatahan ~ndar estimasi (Se) menunjukkan ketepatan
persamaan estimasi untuk menjelaskan nilal variabel dependen". yang
sesungguhnya. Semakin keeil nilai Se, maldn tinggi ketepatan persamaan
estimasi yang dihasilkan untuk menjelaskan nilaivariabel dependen yang
to:., ..t
. sesungguhnya. Dan sebaliknya, semakin ~r nilat Se, makin rendah ketepatan
persamaanestima~Yai1g dihasilkan untuk menje1askan nUai variabel dependen

lJ2
yang sesungguhnya. Untuk mengetahhui besamya Se dapat dihitung melalui
formula sbb:

Se = Vl:y2 - al:Y - b:EXY


n.;2

Koefisien Determinasi (R2)


Ukuran yang penting dan sering digunakan dalam analisisregresi adalah
koefislen determinasi atau disimbolkan R2 (R Square). Koefisien determinasi
I:- ".:'''

da'pat dihitung dengan mengkuadratkan nilai r, atau dengan fo~ura '.~=r2.


'KOeifisien determinaslberguna untuk mengetahuiseberapa ~r vadasi variabel
dependen (y) dapat dijelaskan oleh variabef independen OO~ amu dengan kata
'..... I
lain R2 menunjukkan seberapa jauh variabel independen dapat mernprediksi
'
variabel dependen.5emakin besar .nilai R square semakin 'baik/semakin tepat
variaber independenmempreolksi variabei'de:Jenden. Besarnya nialai R square
antara 0 s.d. 1 atau antara
, . 00/0 s.d.
. 100o~.

133
KASUS:

KORElASI DAN REGRESI

Sebagai contoh kim akan melakukan anafisis korefasi dan regreSi


menggunakan data 'ASISAV'dengan mengambil varfabel yang bersifat numerik
yaitu berat badan ibu dengan beratbayl.
A. Korelasi

Untuk merigeluarkan 'uji korelasllangkahnya adalah sbb:

1. Aktifkan data'ASI.SAV'
. 2.:~Dari me1U utama SPSS; klik 'Ana~e~ kemudian pHih \ Conelate~ dan lafu :'pifih
. ~'BiYarfate~dan muncuffah menu Bivariate Correlations: .'
3. Sorot variabel 'beratbadan lbu dan berat belan bayii, lalu masui<kan ke kotak
. sebe.~~.h kanan .~. .:"am-rDles:

""~I>(:t.,;.

<i>nomorresponden ~.
i
i'kdabtes:
<i>berat b8dan ~ lbbibuJ
I' OK: I
. ., ......
. .~~;;-
. U11UI' Ix! tnen)'LISt.;
. <i>per.d&Mfonnal i5: befat badan in;; [bbba: paste I
. <i>status pekCljQr\ ib
<i>UluI menyusui IlISi .
i r:;I
I-!.J
Reset I
.' <f?kacWhb pengtJwre ~
:. <i>kadarhb pengukurt,...., Hefpl
_~Mi N'=~.t".t'!I'l'l ~.J~
'..~COeftK:ients.--------,
[P::p~ .. r .~'I tau-b r Spearman
.': r~.o(;$ignt.cance----.- - - - - - . ,
:[ ~': :ci:~.~~~.. . (' Ofle.taded

'~:' \ 4. Kfik' OK dan terfihat hasUnya sbb:

"'.
""~ ,
134
'- ' . ,/:.', '"".;:;-:.':',
Correlations
Correlations
berat berat
badanlbu b.adan baY! .
berat badan Ibu Pearson Correlation . 1 .684*
Sig. (2-talled) .. .000
N 50 50
berat badan baY' Pearson Correlation .684'" 1
Sig. (2-talled) .000
N 50 50
.... Correfation is significant at the 0..01 fevel (2-taifed).

:i~
Tampilan analisis korelasl berupa matrik antar vanabel yanQidl koreiasi,
Infonnasf yang muncul terdapat tiga barfs, baris pertama berisl nllaHkorelasi (r),
. .

bans kedua menapifkan nllai p (P value), dan bans ketlga menampilkan N


(jumlah data). Pada hasif di atas diperoleh nflai r = 0,684 dan nilai p = 0,0005 .
. ~.-. Kes1mpulan dart hasif tersebut: hubungan berat badan ibu dengan berat badan' .
bayi menunjukkan hubungan yang . kmit dan berpola posftif artinya semakin
bertambah berat- badannya semakin tinggi berat bayinya. Hasil uji statlstik
didapatkan ada hubungan yang slgnlfikan antara berat badan ibu dengan berat
'badan bayi (p =0,0005). '

B.. Regresi Unier Sedemana


Berikut akan dUakukan analisis regresi linler dengan m~~gunakan

varlabef 'berat badan ibu' dan 'berat badan bayi' dart data ASI;.SAV. dafam
anafisls regresi kita harus. menentukan variabel dependen dan variabel
independennya.. Dalam kasus Inf berartl berat badan ibu sebagai varJabel
independen dan berat baclan bayi sebagai variabel dependen. Adapun caranya:
1. Pastikan tampifan berada pada data editor ASI.SAV, jika belum aktifi<an data
".' tersebut.
2. Dan menu SPSS, Klik 'Ana/ysis~ pilih 'f{egression~ pilih 'linear'
,
3.. Pada tampilan di atas ada beberpa kotak yang harus dUsi. Pada kotak
'Oependen'isikan variabel yang kita perJakukan sebagai depen~n (dalam

135
contoh ini berarti berat badan bay;) dan pada kotak Independent isikan
vanabel independennnya (dalam contoh ini berarti berat badan Ibu), caranya
4. klik 'berat badan bay;', masukkan k.e kotak Dependent
5. Klik 'berat badan ibu', masukkan ke kotak Independent
Kegre5S1OD';: .AAl~t~~~:~~~ .. ?4i.jj";Q~...~~\,"~......'. . w
=o.~~_yttX7tV?Y'<:ll~~~Y&!~'
:J'..lnear J

~ nomoI'responden t"Io1
":"'~;
(}]. I.beral badan b3}; I:lbb.:
.,'F ~*" t,
<$> umur ibu menyus!.i iJm
~ pendidikan formal ibu n .-Block 10f 1 - - - - - - - - - - .
" Paste I
-$> stmus pekeljaan ibu Ie Ned I , Reset f
~ berat badan ibu lbbibu:

. <f>stat~ menyusui as! [ek Indep'.diri(s):


~I
. ~T'"
~ kadar hb pengukuran f , .berat badal1 ibu J>bibUl. . Hc\ll
.,"
+kadar'hb pengukl..nn' [2]
' "F" <8'> lSi sesegera dibed lSe!

..
4>bll)'i dbed koIostnJn lK Method: IEnteri:]'
4>se.fak lahirdiberl as; (lJ! '--_ _ _ _ _ _ _ _ _ _-1
~ dbed asi sampal 21h (! Selection VadabIe:
[2] I r.~e,.. I
. Case labels:
[2]1
WLSWeigft:
[2]J
Slati~1 PIoIs_ I Save.. , I Oplions- I
6. KJik 'QK~ dan hasilnya sbb:

R~gression
..
" ",~:,

:Model Summary
AdJusted Std. Error of
Model R RSQuare RSquare the Estimats'
1 .684a .468 .456 ' 430.715
a. Predictors: (Constant), berat badan Ibu ,

136
ANOVJl'
Sum of
Model SQuares df Mean SQuare F Sig.
1 Regression 7820262 1 7820261.965 42.154 .oooa
Reslduar 8904738 48 185515.376
Total 16725000 49
a. Predictors: (Constant), berat badan 100
b. Dependent Variable: bef'!3t badan bayi

Coefficients'
UnstandarolZed Standardized
Coefficients Coefficients
'. ,~odel B 'Std. Error Beta t Sig.
: -1 (Constant) 657.929 391.676 1.660 '. .099
berst badan Ibu 44.383 6.836 .684 6.493 .000
a. Dependent Varfable: berat badan bayl

Dari hasi~ di atas dapat diinterpretasikan dengan mengkaji nilai-nilai yang


penting dafam regresi .!inier diantaranya: koefisien detel11)inasi" persamaan garis
dan p value. Nilai koefisien determinasi dapat dilihat dan nilal R Square (anda
dapat lihat pada tabef 'Modef, Summary') yaitu t;>esarnya 0,468 artinya,
persamaan garis regresi yang Idta peroleh dapat mene~ngkan 46,80/0 vat:iasi
berat badan bayi atau ,persamaan garis yang diperoleh cukup baik untuk
menjelaskan vartabel berat badan bayl. Seianjutnya pada tabel ANOVAb ,

.diperofeh nilai p (di kolom 5ig) ~besar 0,0005, berarti pada alpha 5Rt kita dapat
menyimpulkan bahwa regresi sederhana cocok (fit) dengan data yang ada
persamaan garis regresi dapat dilihat pada tabef 'Coeffiden~' yaitu pada kolom
B. Dan hasil diatas didapat nilai konstant (nilai ini merupakan nUai intercept atau
nilai a) sebesar 657,93 dan nital b = 44,38, sehingga persamaan regreslnya:
Y=a+bX
Berat badan bayi = 657,93 + 44,38(berat badan ibu)

Oengan persamaan tersebut, berat badan bayi dapat dipeddrakan jika kita tahu
nilai berat badan ibu. Uji statistik untuk. koefisien regresi dapat dlUhat pada
kolom Sig T, dan menghasilkiln nilai p=O,0005. Jadi pada alpha 50/0 kita menolak

137
hipotesis no!, berarti ada hubngan linier antara berat badanibu dengan berat
badan bayi. Dan nUaf b=44,38 berartJ bahwa 'w,rlabel ."'iikan'
bertambah sebesar 44,38 gr bila berat badan 100 f"uoIHimll'\!:I

kilogram.

I!'enyaffan dan Interpretasi

Tabe' ...
.:.::.- Analisfs KoreJasl dan regresi berat badan ibu dengan berat badan bayi'"
. Vartabel r R2 Persamaan gaiis P value
Berat Ibu 0,684 0,468 bbayi =657,93 + 44,38*bbibu 0,0005

'-Hubungan .berat badan ibu dengan berat badan bayf menunjukkan hubungan
kuat (r=0,684) dan berpola positlf artlnya semakin bertambah berat badan ibu
semakin besar berat badan bayinya. Nilal koefisien dehgan detenninasi 0,468
"~rti~ , persamaan garis regresl yang kita peroJeh dapat menerangkan 46,8,6%
.variasl berat badan bayi amu ~maan gans yang diperoteh cukup baik unbJk
menjelaskan varjabel berat badan bayi.Hasil uji statfstll.( dfdapatkan ada
: ' . '

hubungan yang signifikan antara berat badar. ibu cfengan berat badan bayi
(p-O,OOS).

Me~prediksi
. variabel. Dependen
'.

.Dart persamaan gans yang didapat tersebut kim dapat memprediksl


variabel dependen(berat badan bayi) dengan variabel Independen (berat badan
ibu). Misalkan kita 'Ingin mengetahUi berat badan bayi jika diketahul berat ~an
.'.' ~
ibu sebeSar. 60. kg~ maka:
. Berat b~d~b~yf~57793 + 44,38(berat bada.", ibu)
ael1lf~~'~~~'b~~i~
:' :
. ',
657,93 + 44,38(60)
.~:':. ;'~'~.:.::~\ .::,.;~, ,~.)::,: . .

. - -:.',~ .': :."

138

Berat badan bayi = 3320,73

:- Ingat prediksf regresi tfdale dapat menghasf(ikan angka yang tepat sepertl di
atas, namun perkiraannya tergantung diui niral 'Std, Error of1he esUmall!(Sf)
yang besamya adafah 430,715 (rihat di leolak Model Sumn:tary). Dengan
demikianvariasi variabel dependen = Z*SEE. Nilaf Z dihftung dan tabel Z dengan
tfngkat kepercyaan 950/0 dan didapat nilal Z = 1,96, sehlngga vanasinya 1,96 *
430,715 = 844,201
Jad; dengan tfngkat kepercayaan 95%,untuk berat badan ibu 60 kg
. dlp!ediksika~ berat badan bayinya adalah diantara 2476,S gr S.d :4!M;9gr:
, .,'

.. -C. MembuatGrafik Prediksi


langkahnya:
1.c KJjk 'Graphs, pifih 'Scatter'
2. .KJik Sampel kHk 'Define'
3. Pada kotak Y Axis isikan va ria bel dependennya (masukkan berat badan bayi)
4. Pada kotak X Axis lsikan variabel independennya (masukkan berat baclan ibu)
."
5. "Klik
1"
f()K" .
." .. "
"'.,'
z.,
"

6. Terli~at dl Jayar grafik scatter plot-nya (garls regresi befum.ada?)


7. Untuk mengeJuarkan garisnya, klile grafiknya.2 kali
8. klik13ements'
9. Klik 'Fit Une at Total"
10. kUk 'dose' pada poperties

139

11
Setelah kita s~h sefeSal mempeiajari dan menguasai tekntk analisis
~ivariat maka teknik analisis berikutnya yang' pertu diketahui adalah analiSis
',muftivarlat ", Analisis muftivanat merupak'an teknlk anaiisis
perluasan/pengemballQan dari analisis bivariat. Kalau analisis' bivariat melihat
h-ubungan atau' keterkaitan duaVariabel, maka teknik anafisismultivariat
bertujuan mefihat!mempelajari hubungan lY'~rapa ~atiabel (Iebih dart satu
--: .
variabel) indej)enden dengan satu atau beberapa variabel dependen (ui11umnya
satu variabel dependen).
Apa pentlngnya mempelajari multivariat 1" seper:ti kita ketahui bersama
bahwa dafam brdang apapun, terrnasuk dalam 'hai ini ,bldang kesehatan
m~syarakat, suatu akibaf/fenomena tertentu,' tidak m':ngkin
di~aruhf/dfsebabkan oleh satu periyebab, kenyafaan yang ada adalah satu
, akibat pasti disebabkan oleh bebercipa p:a...nyebab(beberapa faktor atau multi
faktor}. Sebagai contoh fenomenafkejadian bayi BBLR,. tidak mungkin kejadian
bay( BBlR hanya dipengaruhf'satu faktor mfsalnya umur ibu. Kita ke(ahui bahwa
'faktor penyebab bayi BBLR tidak hanya timur ibu tapl bisa jadi karena faktor gizi
jbU, riwayat menderita hipertensl, anc, dan lain-lain. Berdasarkan
~nyaknya/kompleknya faktor independen dalam hal mempengaruhi variabel
dependen maka sangatlah penting mempelajari dan menguasai teknik anaUsis
multlvarfat
Proses analisis multivariat dengan menghubungkan beberapa va ria bel
independen dengan satu variabel dependen pada waktu y~ng bersa~aan.,

.
JumJah sampel dalam analisis multivariat sangat penting diperhatikan, sebaiknya
'

,jangan tenalu sedildt, pedc.man yang ber1aku adalah setiap variabel minimal

,
. " ; '. . .
,
t46
diperlukan 10 atau 15 responden. SUa dalam penelitian terdapat 10 variabel,
maka dipertukan jumlah sampel minImal =10 x 10 responclen = 100 responden.
Dari analisis multivariat kita dapat mengetahut:
,a. VariabeJ independen mana yal19. paUng besar pengaruhnya terhadap variabel
dependen?
b. Apakah variabel independen bernubungan dengan variabel dependen
dipengaruhl variabellain atau tidak?
c. Bentuk hubungan beberapa variabel independen dengan variabel dependen,
, '. apakah berhubungan langsung atau pengaruh tidak langsung. .~
Prosedur pengujian tergantung dari jenis data yang diuji ap~kah k~~gori

ajau
::'.
numerik. Berikut adalah gambaran se<;ara garisbesar bebefapa
. .
anctlisis .
, statistik yang dapat digunakan untuk anallsis multivanat:
Vpriabellndependen Variabel Dependen lenfs Uji
Numerik Numerik Uji ~egresi Unier
(minimall variabel numerik) , I
".

Katagorik Numerik MANOVA ,.


Katagorik Katagorik Uji Regresi logistik
{di:)pat dengan numerik) ..
.. . .
Kontinyu Katagorik Uji. Diskriminan
Numerik/Katgorik Numertk waktu Uji Regrest Cox
.. ': .

'9:t. Dalam melakukan analisls multivarlat kita 'harus mengetahui terlebih,


dahulu mengenai konsep konf6unding dan Interaksi.
a.Konfounding
Konfounding merupakan kondisi bias dalam meogestJmasi efek
pajanan/expose 'terhadap kejadian penyakit/masalah kesehatan, akibat dart

.
perbandingan yang tidak seimbang antara kelompok expose dengan kelompok
.
non expose. Masafah ini terjadi dikarenakan pada dasarnya ~udah' ada perbedaan
risiko tetjadinya penyakit pada kelompok expose dengan ketompok non expose.

141
Artinya rfsiko teljadinya penyakit pada kedua kelompok itu' berbeda meskipun
expose dihUarlgkali pada kedua kelompok tersebut.
Saw vaHabel disebut, konfounding bila' 'variabel tersebut merupakan faktor
~

.risiko terjadinya penyaldt dan memilikl hubungan dengan expose. 5eQrarlg ahli
statJstik menyatakan bahwa suatU varia bel dikatakan konfounding jika varfabel
tersebut merupa1<an faktor fisiko untuk teijadinya penyakit(outcome) dan
berhubungan dengan variabel independen tapi tidak merupakan hasil dari
va ria bel Independen.
, b.Jnteraksi
"~;,, Iriteraksl atau efek,modifikasi adalah heterogenitas efe!< dan saw expose
, ':Pada tingkat expoSe yang Jain. jadi efek satu expose pada ~jadian;'penyal<it'
berbeda pada kelumpok exposelalnnya. lidak adanya modifikasi efek,.. berartJ
efek expose homogen. Modifikasi efek merupakan koosep yang penting dalam
, anallsis karena pada saat analisi~ Idta harus menentukah apakah akan
..,' ~.

meJifporkan efel< bersama (yang terkontrol konfounder) atau efek '\'<1Og terpisah
unbJk masing-masing strata.
". .",.1.,.

:Padaanansis multivarfat, jika ditemukan adanya interaksi antar var1abel


, expoSe dengan variabel'lainnya, maka nital koefiSien, .misalnya OR, harus
dilaporkan secara terplsah m~urut strata dan varfabel tersebut. Nilai OR yang
. tertera pada variabel menjadi tidak berlaku dan,nilal OR untuk masing-masing
strata harus dihitung' "
'.'

-'

142
12
Analisis MulUpie regression linear atau sering disebut juga analisis regresi
. linter ganda merupakan perluasan anafiss ~mple UnearRegresslon (regresi linier
sederhana). Dalam analiSis Simple linear Regression hanya ada satu varlabel
,independen (variabel bel>asl dihublu)gJ<an deng~n ~tlL variabe( dependen
.'~kat).. Sedangkan pada MulUple regression linear "meropakan . analisls
t},':Ibugan antara beberapa variabel independen dengan satu varia~I-dependen.
. .
'. Misalkan untuk mengetahul faktor-faktor' yanp .berhubungan 'dengan tekanan
-darah, dilakukan analisis dengan melibatkan variabel Independen: umur,' berat
' .
.'~.~'J ... ; ,badan, dan jenis kelamin.
Dalam regresi linfer ganda- yariabel. de~~endennya harus numerik
sedangkan variabel Independen boleh semuanya numerik dan boleh juga
campuran numerik dan katagorik. Model persamaan. regresi tinier ganda
~:. merupakan perluasan regreslllnier sedemana,.yaitu:

IY-a+b,X,+!>,Xa+_:_,+b,.x.+e ~

1. AsumsiRegreSi Unier
Sepertl pada umumnya pengujlar:t statistik, dart anaJisls Tegresi linie~
ganda diharapkan dapat memberikan infonnasi yang lebih banyak bukan sekedar
diskripsi data teramatl. Kita tentu -lngin menarik inferensJ (menggeneralisasi)
tentang hubungan varlabel-variabel dalam populasl asal dart sampel diambil.
Bagaimanakah hubungan antara umur, berat badan dan janis kelamin 'pada
,;~mua orang (pOpulasi)', tidak hanya sepertl yang teramati di sejumlah' orang
pada sampel1. Oletl karena itu agar inferensi kita valid maka dalam analisis
. regresi d"ianjurkan untuk mengikuti kaldah-kaidah yang dipersyaratkan dalam
"~malisjs regresi. Dengan kata Jain, setiap melakukan analisis Multiple regression

143
Linear harus memenuhi asumsi/persyaratan yang ditetapkan. Adapun asumsi
'yang digunakan dafam MulUp/e regression Unead sebaga/ berikut
a ... Asumsi Eksistensi (VariaberRandom),
: .. : Urituk tiap nllal ~ri va~ X (vanabell~), variabel Y (dependen)
.adalah variabel random V;ng'inempunyai mean 'dan varian tertentu. Asumsf
.fnf berkaitan dengan teknik peogambilan sampel. Uiltuk memenuhi asumsi
.' ini, sarnpel yang diambil harus dil~kukan secara random. eara mengetahui .
asumsi ,eksistensi dengan cara melakukan analisis deskriptif vareiabel residual
. <.!jan model,bila residual menunjukkan adanyamean dan sebaran (varian ata
.~,:satandar deviasi) maka asumsi eksistensl terpenuhL
.b.Asumsi I'ndependensi
. suatu keadaan dimanamasing-rnasing nilai Y bebas 'satu sarna lain. ladi nilat

.dari tiap-tlap loolVidu saling berdin sendiri. .adak diperbolehkan nilai

.' ()bservasi ~ berbeda yang diukur' dan saw ;ndividu diukur dua Jeali.. Untuk

'. ',":. .~

,mengetahui , asuamsi ,ini ,dilakukan dengan cara ntengefuarkan uj Durbin


, V/atson, biJa nila; Durbin -2 s.d. +2 berarti asumsi independensi terpenuhir
..-,-.y '.

" sebaliknya bila nila; DUrbin < -2 atau, > +2 berarti asumsl tidal< ,terpenuhi
',f',". ;"

c. Asumsl Unieritas
NUal mean dan variabel Y unwk:. suatu. kombinaSi Xlr Xu X3r ---, Xi: ter1etak:
pada garis/bidang tinier yang dibentuk' dari persamaan regresi. Untuk
.~hui asurnsi Jinieritas dapat diketahui dan uji NNA .(overaI F test)
.. ~',bi1ahasilnya signifilan (p ttaIbe<aIpha) maka mo6deI berbentuk linier.
d. 'A$lJmsl Homoscedascity
, ; Varian 111131 variabel Y sarna untuk semua ru1ai valiabel X. Homoscedasticil
.dapat diketabui: EIenga.:"l melakukan pembuatan plot residual Bila titik tebaran
.tidak 'berpoIa' lertentu dan rnenyebar memt1 .disekitar ".garis tib"k noI maka
';'0-' dapat (frsebut,varian bomogen pada setiap niIai X dengan demikian asumsi "
homoscedasticit. terpenuhi. SebaJikrrfa bila Wk tebaran membentuk pola
tertentu ~ ~pokdibawah atau di atasgaris tengah not,. maka
" didUgavariaMya~~dty.
. . ': ...."- . '.' " \ ,,~ ,/{," ", -.

: .....
144
e. Asumsi Normalitas
Variabel Y mempunyai distribusi normal untuk setlap pengamatan variabel X.
dapat'diketahui dari Normal P-P Plot residual, bila data menyebar di sekitar
garis diagonal dan mengikutl arah garis diagonal, maka model regresi
memenuhi asumsi model.regresi tldak memenuhi asumsi normalitas.

2. Kegunaan Analisis Regresi Ganda


Tujuan anallsis regresi, linier ganda .adalah untuk menemukan model
regresi yang paling sesuai menggambarkan faktOr-faktor yang berhubungan
dengan varlabel dependen. Pada prinsiPnya, model regresi ganda dapat berguna
untuk duahal: w
,,. a.. Prediksi, memperkirakan variabel dependen dengan menggunakan informasi
yang ada pada sebuah atau beberapa variabel independen. DiSini dapat
::' diketahui secara probabirrtas nilai variabel dependen bila seseorangJindMdu ," "
mempunyai suatu set variabel dengan independen tertentU. 'Misalnya iOta
melakukan analisis varlabel independen umur, BB dan' jenis .,kelamin
dihubungkan dengan variabeJ dependen tekanan darah~ Dali hasil reg~,
seseorang iindlvidu dapat diperkirakantekanan daraflnya pada umur, berat
'~dan dan 'jenis ke1aniintertenw.
b. Estimasi, mengualltifika$j, hubungan sebuah atau beberapa variabel
, "'iindepencien dengan sebu3h variabel dependen. Pada fungsi ini regresi dapat
. :, L{~ifh ~):";"'i

.' , ~~gunakan Uowk mengetahui variapell~ apa sap yang 'bedlUbOAgan


'dengan variabel dependen..setain itu kit! juga dapat mengelahui, seberapa
besar hubungan masing-masing .~ terhadap vasiabel..independen
.tainnya.Oari analisis inidapat diketahui variabel mana yang. paling
besar/dominan mempengaruhi variabel ~ yang ditun.jukkan, dart
, ".' koefisien regresi (b) yang sudah distandardisasl yaitu nilai beta.

l4S
3. Pemodelan
Satu hal yang penting dalam regresi ganda adalah bagaimana memilih
varia bel independen sehingga tementuk sebuah model yang paling sesuai
menjelaskan/ mengambarkan variabel dependen yang sesungguhnya dalam alam .
(populasi).
Dalam pembuatan model seringkali dijumpai pandangan yang kurang
tepat yaltu "memasukkan semua/sebanyak mungkin va ria bel Independen ke
da'lam model". Alasannya, dengan memasukkan sebanyak mungkin valiabel
independen ke dalam model, maka vCiriabel depeoden diharapkan diprediksi
'dengan '. sempuma. Per1u diketahui bahwa penamtiahan variabel: Jindependen
tidak setalu meningkatkan kemampuan .prediksi variabel independei1,.-terhadap
Vari~1 dependen, seoob semakin banyak variabel inde~ (lebih-lebih
va~beI yang tidal< retevan) mengakibatkan makin besamya nilai standar error
. (se);~:cflSaffiping itU,. model dengan 'banyak yariabel.' senngkaltmalah menyulitkan
..dalam4nterpretasi.
. :" Berdasarkanpertimbangan tersebut pemilihan variabel independen
hendaknya dengan memperhatikan aspek statiStik dan substansi. '..,odel. yang
dihasilkan diharapkan model yang PARSIMONI, artinya variabel yang masuk
dalam model sebaiknya yang sedikit juml~, namun cukup baik' untuk
- menjelaskan faktor-faklnr penting yang berhllbngan dengan variabel dependen.
i! ,'.;:i'.' Banyak 1<riteria yang dapat d'lQunakan untuk memllih va~ masuk
. .daiam:: model,' salah .sat;u. laitena yang sering 019unakan. adalah rileIihat
petubahan W(R Square). r.emunpenggunaan kriteria ini perfu haH-haHr karma .
setiap penambahan sabivariabel iMdependen akan ~ingkatkan' R2 walaupun
valiabel Ltersebuttidak OJkup. penting.. Oleh Jcarena itU mOdel yang d'lgUilakaR
adaJah model dengannilai R2 yangbesar namun variabel :independennya dengcJn
,
,~. jumtah, sedikit .
-. 8erikut langkah-fangkah dalam pemodeJan regresi linier ganda:
1); MelakuKan anaUsis bivartat untuk. menentukan variabel yang menjadi
.l\andidat .-nodel. Masing-masing wriabei independen dihubungkan dengan
.> . ' ~ " , '

146
o

variabel dependen (biVariat), bila hasil uji bivariat mempunyai nilai p<O,2S,
maka va riabel tersebut masuk dalam model multivarial Untuk variabel yang
p value-nya > 0,25 namun secara substansipenting, maka variabel tersebut
cfapat masuk ke multivarial'
2) Lakukan analisis secara bersamaari,'lakukan pemilihan variabel yang masuk
. dalam model. Ketika ~ sudah masuk dalam analisis multivariat, maka
variabel yang masuk dalam model multiVariat adalah varia bel yang.
mempunyai p value :s Oi05. Untuk \'ariabel yang p vafuenya > 0,05 dilakukan
':,.pengeluaran
.
dan model satu per satu, dimulai dan .varia.bel yang p valuenya
. ,. . ..... '

, ~,~'jJaling' besar. BUa variabel tsb setelah dikeluarkan'dari model 'mengakibatkan


.":ikoefisieo dari variabel yang masih dalam model berubah' bes;i=::(merubah
,' koeflSlen lebih dari 10 %) maka variabel tersebut Hdak jadi dikeluarkan tapi
," , dimasukkan kembali 'dalam model karena' dianggap sebagi variabel
:~i:" ',~~'mr: konfounding. Lakukan proses ini berulang-ulang sampai semu,a variabel yang' ~ i,
"p valuenya >0,05 diooba dikeluarican. da!ammodei dim akhimya jadilah
model multivariat terakhir. Dalam pemilihanJpenentuan. variabe1 independen
yang masuk model digunakan metode ENTER.

, '" '. . '.Ada beberapa metr..de untuk. melakukan pemilihan variabelindependen

daJam analisis multivariat regresi linier ganda, yaitu:

.,La). ENTER,,~ memasuklcan semua variabel ind~qden deng~:~tak.satu

.... t '. ;,<i" ,: .. .-


( : . . . :."" r' ',i ~'~. J ,I "~ 'I . ".

,', ~.;. 'Iangkah, tanpa melewati kriteria kemanaan'statistiktertentu.MelDde,,''' ini


. ~",. yang tepat/sering digunakan, karena dalam pemodelan ~'k:ita dapat
melakukan pertimbangan aspek substansi.
b). fORWAAo, measukkan saW persatu variabel dari hasil pengkorelasian
variabel dan memenuhi kriterla kemaknaan statisti~ untuk. masuk. ke
dalam model, sampai semua varia bel ~ng memenuhl kriteria tersebut
inasuk ke dalam moqel. Vartabel yang ~k pertamal<ali adatal1 vartabel .
.. yang'mempunyai koreIasi parsial ~r dengan variabei, depeoden dan
yang memenuhi krjteria tertentu' untuk dapat masuk model. 'Korelasi

147
parsial adalah adalah korelasl antara variabel independen dengan
:de~den, kriteria variabel. yang dapat masuk P-in (PIN) adalah 0,005.
artinya varlabel yang dapat masuk model bila variabel tersebut
.. mempunyai nilai P lebih keeil atau sarna dengan 0,05.
c). BACKWARD, meamasukkan semua variabel ke dalam model, tetapi
, kemudlansatu persatu variabel indepeooen dikeluarkan dan model
. . .... ;~. berdasarkan kriteria kemaknaan tertentu, variabel yang peri:ama kaU
'dikeluarkan adalah variaQeI yang mempunyal korelasiparsic;1I terkedl
.' \' . denQan vartabel depeooen. Kriterta pengeluaran atau P-out (POlIT) adalah
0,10, arUnya variabel yang mempunyai' nnai P leblh besar atau sarna
. ,- '., dengan 0,10 dikefuarkan dari model.
d). STEPWISE, model inJ merupakan kombinasi antara metode backward dan
_Forward. Seperti halnya forward, metode StePwise dimulai dari tanpa
. ~', ~,yariabel sarna sekali dl dalam model. 'Lalu ~ variabel hasil
.
"t, :~;;:pen9korelasian variabel dimasukkan ke dalam model. l;alu satu persatu
'variabel hasil pengkorelasian dimasukkan ke dcilam model .' dan
dikeluartkan dart model dengan kriterfa tertentu~ Vartabel yang pertama
masuk sarna dengan metode forward yakni variabel yang mempunyai
korelasi patsial terbesar. Selanjutnya setelah masuk, variabel pertama int
diperiksa fagi apakah harus dikeluaikan dart model menurut kriterta.
pengeluaran seperti metode backward.
e). REMOVE, mengeluaf'kan'semua variabef independen dengan serentak satu
langkah, tanpa melewatl kriteria kemaknaan statlstik tertentu.

3lMeiaktikan diagnostik regresi linier,


a). Melakukan ~flgl:Jtian t~rhadap ketima asumsi. .
'"J b)~ Melakukan penQujian adanya kolinearitas. Kolinearitas tetjadi bIla antar
Wlriabel indepeQden .terjadi sating hubungan yang kuat. UntUk:
mellgetahul'Delariya kolinearitas dapat dilihat dai niial Koefisien ,korelasi ,

148
bila nilai r lebih tinggi dari 0,8 maka terjadi kolinearitas. Selain itu dapat
diketahui dari nilai VIF atau 'tolerance, bila nilai VIF > 10~ atau tolerance
sekitar 1 (satu) maka model terjadi kolinearitas.

4}. Melakukan anaUsis interaksi.' Setelah memperoleh model yang memuat


'variabel-variabel penting" maka 'Ian~kah selanjutnya adalah memeriksa
adanya int:eraksi antar' variabel independen. Interaksi merupakan keadaan
dirnana hubungan antara satu variabel' independen dengan dependen
,;'oorbeda menurut tingkat variabel independen yang lain.

5)., Penilaian, reliabilitas model. Model regresi yang sudah terpilih' 'periu dicek
, ' reiiabilitasnya dengan cara membagi (split) sampel ke dalamdua kerompok.
Untuk masing-masing sampel dibuat model dengan variabel yang. sarna,
, . "kemudian bandingkan antara model 1 dan model, 2, ,bila hasUnya
sama/hampir sarna maka model regresi reliabel. SUa model reliabel maka
seJuruh sampel dapat digunakan untuk.pembuatan model.

'-: ..

-
-l":"
....:
r

149

KASUS: ;t"

REG~Esj'LrNIER GANDA

~".

Sebagai latihan kita melakukan analiSis penelitian "faktor-faktor yang


berhubungan dengan
. berat. badan. bayiN. Gunakan/aldifkan
. .file data LBW.SAV.
~

Variabel independennya .
"
melipUti
' ..
berat badan ibu dim. pounds (BWT), umur
ibu(AGE), riwayat... hipetensi(HT),
.'
riwayat
.
merokok(SMOKE),
.,..
frekuensi mengalami
..
prelTlatur (PTl) dan frekuensi melakukan ANC (FTV). Variabel dependennya
berat
...
badan bayi (Bwn.
. Kode variabel pada file data : LBW.SAV
Nama Definfsi Operasional Hasil.Ukur
Id Nomor Identitas
-
Low Kondisi bayi dalam k1asifikasi BBLR 0= ;::2500 9
1 = < 25009
Age Umuribu tahun
lwt Berat ibu pada saat menstruasi terakhir pounds
Race Suku bangsa/ras 1= pooh
. ". 'y..~~S: " 2= hitam
3= lainnya
Smoke Kebiasaan merokok selama hamil o =tidak
.. ., .' , :~ ": ..d, ;, 1 = va
PH Riwayat mengalami prematur 0,1,2, dst
Ht Riwayat menderita hipertensi 0= tidak
1 =ya
Ui .. Tetjadi/mengalami irftability Uterine 0= tidak
1. = ya
.. . FtV Frekuensi perfksa hamil pada bimester pertama 0,1,2 dst
,

Bwt
Berat badan tJayi Gram

Data seleogkapnya ada di lampiran:

150
A. Langkah pertama pemodelan: SELEKSI BIVARIAT
Seleksi blvariat masing-masing varia bel independen dengan varia bel dependen.
-
Variabel yang dapat masuk model multlvariat adalah variabel yang pada analisis
6bivariatnya mempunyai nitat p (p value) < 0,25. Namun ketentuan p
vatue<O,25 ini tidaklah harus dipentihl manakala dijumpai ada suatu vanabel
yang walaupun p value-nya > 0,25 karena secara substansi sangat penting
. berhl:lbungan dengan vartabel dependen, maka vanabel tersebut dapat diikutkan
dalam model multivariat .
Uji yang digunakan pada analisis. bivartat tergc:1ntuOg dan. vatiabeI.. yang
'.. . '",

.. ' .digunakan, bila : vartabel Independennva numerik ->' ujl ~orelasi,. bila
. ,.... :'.:~" ." ~

. iodependennya katagortk -> uji tatau ujl anova.


a. Bivariat uji korelasi : melakukan analisis bivariat untuk vanabel indepenclen

berjenis numerik: variabel berat baclan Ibu, umur ibu, frekuensi prematur,

frekuensl anc :

Langkahnya :

1. Klik 'Analysis', sorot ke 'Correlate', sorot dan klik 'Bivariate.'

.. 2. Muncul dilayar menu 'Bivariate Correlations'

3. Pada kolak Variables, lsikan semua vartabel numerik baik untuk vanabel
independen (age,twt,pU,ftv) dan dependen (bwt)

-'

151
4. K1ik tombol 'OK'
Muncul dilayar hasil sbb:
Correlations

Correlations

No
Welgbtof physician Historyof Btr1h
Ageof mother visits In first . premalur weight
.. mother (pounds) trimoster elab (gram)
.. Age of mother Pearson Correlation 1 .180 .215* . .072 .090
.219 .
Sig. (2..faUed) .013 .003 .328
N 189 189 189 189 189 .
Weight of mother Pearson Correlation .180 1 .141 -.140 .186*'
l ; (poUhds) Sig. (2..faIled) .013 .054 .055 .010
.,
N 189 189 189 189 189
No physician visits Pearson Correlation . .215" .141 1 -.044 .058
in first trimester Sig. (2..failed) .003 .054
. .544 .426
- N 189
189. 189 '189 189
liistoIyof Pearson Correlation .072 -.140 -.044 1 -.155*
premature labor Sig. (2..failed) .328 .055 .544 .034
N
.. 169 189 189 189 189
Birth weight ( tram) . Pearson C'.orrelation .090 .186* .058 -.155* 1
,
Sig. (2..failed) .219 . ,010 .426 .034
N 189 189 189 189 189
... Correlation is significant at the 0.05 level (2-taiJed).

. .., Comslotion is significant at the 0.01 level (2-taDed).

Hasil dari analisis bivariat dengan korefasi cfldapatkan nilai . p value untuk variabel
umur (p=219), berat badan (p=O,010), frekuensi anc (p=O,426),frekuensi
prematur (p=O,034). Dan hasil ini dapat kita simpulkan bahwavariabel umur,
berat badan .dan frekuensi prematur mempunayi p value < 0,25, dengan
demildan ketiga variabel .tersebut dapat lanjut masuk ke pemodelan multivariat.
Sedang~n. uoP-ik variabel frekuensi anc mempunyai p value > 0,25 (yaitu
p=0,426) sehingga tidak bisa masuk iCe multivaria~ namun demikian oleh karena
secara substansi frekuensi anc merupakan faktor yang sangat penting
rne~peilgaruhi betat baclan bayi, maka variabel frekuensi anc'temp diikutkan
. daJam anaJisis mu~riat.

152

hI Bivariat uji t: melakukan analisis bivariat untuk variabel independen


berjenis katagorik: merokok dan riwayat hipertensi
1. Merokok

langkahnya:

l.Dari menu utama SPSS, pilih, menu 'Analyze', kemudian pilih sub menu

"Compare JV,eans~ laru pilih --Independeil-Samples T Test'

2.Paqa layar tampak kotak yang di dalamnya ada kotak 'Test variable' dan
'Grouping Vatfabl!. Ket: kotak test varibles tempat memaSlikkan variabel
.numeriknya, sedangkan kotak grouping variable untuk memasukkan variabel
katagoriknya, ingat jangan sampai terbalik.
-' , .

3.K1ik 'bWt;' dan msukkan ke katak 'Test variable'

4.KJik variabef 'smoke' dan masukkan ke kotak 'Grquping Variable.

~ Identification 'eI) "


Test Variable($):
OK I:
Low birth weight {low)
<$> h.ie of mother {agel 'Patte r;.
<> Weight of mcther pour R--..set , ~
~Raee~J
~ Histo'Y of PfeI1Iali.Jfe lal Caned I

<$> HistOI)' of hypertension Help f

. . ~ d uterine iIrit ~Variable: .' ':':<': .


~ No physician 'Visits tn f. [J]I~~":' .' ....:.
I Oetne Groups... I

t'~'

S.Klik 'Define Group~ kemudian di Jayar nampak kotak isian. Anda diminta
. .
mengisi kode variabel 'smoke' ke dalam kedua kotak. Pada contoh ini, kita tahu
. .
bahwa '0' tidak merokok dan kode '1' untuk Yang merokol<. Jadi ketiklah 0 pada
Group 1 Al'dan 1 pada \\ Group Z'

153
9. Klik "Continue H

10.Klik "OK' untuk menjaJankan prosedur perintahnya, dan hasifnya sbb:

T-Test
'.
...'1-'

Group Statlstl~
, -ski: Error -,
Smoking status ' N Mean Std.Deviation Mean
-Birth weight (gram) No 115 3054.96 752.:409 - 10.163 .
Yes - 74 . 2m.24 660.075 76.732

Independent Samples Test

Levene's Test
for Equality of
Variances t-testfor ~ of Means
95% Confidence .
$g. Mean
StcLEnor
Interval.of ,the
(2-t1i1 Differen
Diffefenc
Difference
,F Sig. I .cir .ed) .ce .III .Lower , 'uPDef .
Birth Equal
.'eight variances 1.508 .221 2.634 187 .009 281.713 106.969 70.693 492.7
(gram) assumed
' Equal I
variances
2.709 170.0 .007 281.713 103.974 ' 76.467 487.0
not
.. assumect
" "

,Hasil analisis hubungan merokok dengan berat bayi menghasilkan p value =


0,009, dengan demlkian p Value yang dihasilkan < 0,25 maka vartabel merok;ok
dapat lanjut ke multivariat .

2. Riwayat Hipertensi
(;." Langkahnya:
,
, ,LOari menu utama SPSS, pilih menu 'Analyze', kemudian pifih' sub menu
~\Compare Means= lidu pilih "Independen-S'amplt?5 T Test'

-'
.,.r . ,
154
'. ',"
2.Pada layar tampak kotak yang di dalamnya ada kotak 'Test vadable'- dan
'Grouping Variable. Ket: kotak test vadb/es tempat memasukkan variabel
. numeriknya, sedangkan kotak grouping variable untuk memasukkafl variabel
katagoriknya, ingatjangan sampai teFbalik.
3.KJik 'bwt' dan msukkan ke kotak 'Test v;Jtiab!e'
4.Klik variabel 'ht' dan masukkan Ice kotak~roupli7g Variable. (variabel yang
sebelumnya (variabel smoke) dikeluarkan dahulu baru 'ht'dimasukkan

. 5J<lik 'Deline Group~ kemudian di layar nampak kotak isian. Anda diminta
mengisi-- kode variabel "smoke' ke dalam kedua kotak. Pada contoh ini, IOta tahu
b~hwa '0" tidak ada hiperten5i dan kode '1' ada hipertensi'. Jadi keti.klah -0, pada
: _.' at.

G~'1up l"'dan 1 pada -Group?

6.klik "Continue"

.
7.Klik "OK' untuk menjatankan prosedur perlntahnya, dan hasilnya .sbb: ,

155
Group Statistics
Std.-Error .
I ~, of hypertension . N Mean . -Std.')eyiatfon Mean
. -Birth weight (gram) No 171 . 2972.31 . 709.226 53.SC9
. 'Yes 12 . 2536.75 917.341 264.813..
.
Independent Samples Test
..t.evene.'s.Test b'
.Equardy.of
Variances . t-test for E:qua!jOCof Means

,Std. 95% Confidence


. Slg. Mean .Error ' Interval of the
(2-taUe Differe Differen .. Difference
... F SIg. t df ell nee ee lower Upper
'Birth Equal
. weight varian0e3 ' . 1A19 .235 2.019 187 .045 435.:56 '215;709 :.cO.024 861.1
, .(gnm1) assumed
. Equal
variances
1.612 11.908 .133 435.56 .iTo.126 -153.5 1025
not
assumed

Dan hasil analisis bivariat oji t antara variabel riwayat adanva hipertensi dengan
. berat bayididapatkan p value. = 01 045, berarti p valuenya < 0,25 sehiingga
variabel riwayatadanya hipertensi dapat lanjut ke analisis multlvanat

Dengan dP..mikian selesailah sudah seleksi sernua variabel independen, dan 6


'vatmbeJ Independen ~uaanya masuk ke.proses berikutnya yam ke analisis
multivariat

B~ Langkah Kedua : Pemodelan Mu/tivaliat

,Setefah tahap bivariat selesai, tahap bedkl.ltnya melakukan analisis multlvariat


secara bersama-sama. Variabel yang valid dalam model multiWnat adalah.
variabel yang mempunyai .P value < 0,05. SUa datam model mliltivariat d'tjumpai
variabeJ"yang p value oVa > 0,05, maka variabel tersebut harus dikeluarkan .
.d alam model. Pengeluaran varfabel dilakukan tidak serempak,. metalnkan
bertahap .sahi per ,satu dikeJtiarl<an dimulai darl p value yang terbesar. Adapun
'~.,. proses seJeogk:apnya sbb:
1 KI,.. ",,;,kkW.~.' r~
It< ",,,.~~~{~~ ~.\A, "n . , sorot dan kIIk 'U'nier' .'lalu muncu1 menu
",egresston,
tegresi Jii1~r, .

'56

8. Pada Icotalc 'dependen isikan vari~~~~~9.,r:1J, (dalani hal ini


berarti bwt) dan Icotak 'independen' ISikan'vadabel independennya'
(dalam hal ini age, Iwt, smoke,,~ pH, ltv)

Rule,.. I .-.,

.......

5. Pada kotak 'Method, pilih Enter'


. "'..,
6. J~ikan lainnya .~

':"'.
.7. ~~~ik 'OK~ dan hasifnya ~

", '.,

,Regression

157
Model Summary
.Acr,lU8ted Std. '-Error of
Model' -R . 'R'Square R-Bquare . the -Estimate .
1 .34<:J8 .t16 . ~086 '696.829
a. P.redidDm:.(CDnsCant)..No physician v.islts ,In. fiml
trimester, Smoking status.H~tory"of hypertension.
,t.fistory Df prematul8labOr~ Age .ohnoU1er, Weight ,of
mother (pounds)

, 'Sumof ,.
Model .Squares df Me'an SQuare F Sig.
,: '1 Regression '11543238 "6 '1923872.611 3.962 .001 a
Resldual 88373817 182 485570.423
-::. Total 9991;7053 188
'~~'
a. .P.rec:Iidom: {Ccnstant). Nophysfdan YisIts.1n fimt .trimeste[, Smoking status, .History
of tr,tpertenslon, History of premature labor, Age of mother. Weight of mOL"1er
(pounds) ,
b. Dependent Variable: Birth weight (gram)

'.
-
Unstandardized Standardized
. Coefficients Coefficients , '

Model B Std. Error Beta t Sig.


1 (Constant) 2315.862 299.442 7.734 .000
Age of mother 7.162 10.022 .052 .715 .478
.. Weight of. moltlei'
. (POUnds)
4.793 1.m .201 2.698 .008
'Smoklng status
-232~ 105.928 -.158 -2.193 .030
History of premature-labor ' -154.002 108.574 . -.104 -1.445 .150
HIstory ofhypertension -574.230 215.481 -.193 -2.665 .008
.. ,No physldan viSits In fiI:st
-2.847 49.705 -.004 "-.O!S1 ~954
.trimester
','

, '" a. Dependent Vadable:iBfrth weight (gram)


. . ..
Dati kotak'Modei Sumany" didapatkan nilal R Square sebesar 0,116, artinya
keenamm variabel Independen dapat menjelask.an variabel berat bayi sebesar
0
11,6 /0 sedangkan sisanya dijelaskan oleh vatiabel lain. Dan hasil ujl statistik
(lihat kotak anova) didapatkan p value = 0,001 berarti persamaan garis regresi
'~,~ setara keseluruhan sudah signifikan. NamlJn demikian prinsip pemodelan harus
yangsederhana variabelnya sehingga masing-masing variabel indepecJen perlu di
cek nilai p valuenya, variabeJ yang p valuenya > 0,05 dikeluarkan daari model.
Temyata dari 6 variabel indepeden (lihat kolom sig di kotak Coeffidents) ada 3
varia.bel yang p valuenya > 0,05, yaitu umur (age) p=O,476, riwayat prematur
.. (history prematur) p=0,15O da{l' frekuensi anc (no physician) p=O,954. Tahap
. ben~ya mengeluarlcan variabel. yang p valuenya >0,05, pengeluaran variabel
dimulai dari p value yang terbesar. Oengan demikian variabel yang kita coba
keluarkan adalah frekuensl ,anc(No physidan...).

l.ang~hnya:

"', 1. Klik 'Analysis',sorot 'Regression', sorotdan Idik 'Ural,er"


, ..
,,,.' 2. Oi layar
.~- .
~mpak pada kotak Dependen masih terisi 'bwe-..... lewati dan _ ' ~~~

. ';:t~., biarkan saja. Pada kotak Independen juga masih lengkap. ada; 6 vanabel,
namun sekarang anda harus keluarkan variabel ,'no 'physician' dan
masukkan ke kotak Variable di sebelah kin.
3. Klik OK, dan hasilnya sbb:

Model Summary
Adjusted Std. Error of
Model R RSQuare . RSguare the Estimate
1 .34oa .116 .091 694.929
8. PredictoIs: (Constant),ltistory of hypertension,
Smoking status, Age of mother, His10ry of premature
labor. Weight of mother (pounds)

CoefficientS'
-, UnstandSrdtzed Standafdized ..,,...
.........
Coefficients Coefficients
. . . . . .flo:
{ . :~.~.

Model
B Std. Error Beta t Slg.'
1 (Constant) 2317.608 297.074 '''7.801 .000
Age of mother 7.051 9.807 .051 .719 .473
Weight of mother
4.781 1.759 .201 2.718 .007
(pounds),

'SmokIng status
-232.224 105.638 -.156 -2.198 .029
History 0( premature labor -153.747 106.191 -~104, -1.448 .149
"
History of hypertension -573.011 213.841 -.192 -2;680 .008
,.
'8. Dependent Variable: Birth weight (gram)

-'
'.' Setelah ~varia~f1~,:.;.anc ;.~dil<eluar'.can, kita cek dulu apakah setelah
.~:dikeIUarkan~~ad~f~~lJan:~r('berubah leblh darll0 0/0) untuk R :SCIuare
" :. dan Coef. B. Bila 'ada ,perubahan .yang besar maka variabel tersebut tidak jadi
dikeluarkan dalam :model ~(tetap>dipertahankan di model). Untuk nilai R
. Square temyata tidak a~ perubahan yaitu tetap 0,116. Sedangkan untuk
mefisian D, ~rang Idta bandingkan nitai coefislen B untuk variabel umur,
berat ibu, merokok, riwayat prematur dan nwayat hiperteni antara sebelum'
dan sesudah variabel frekuensi aoc dikeluarkan, hasH perhitungannya sbb:

Vanabel Ancmsih ,ada Me dikeluarkan perubabart Coef.


. ,

Age 7,1' 7,0 1,4 %_


lwt
- 4,7 4,7 ' 0%
smoke -232,.2 -232,2 0%
pH -154,0 153,7 \ 0,10/0
hi -574~ 573,0 0,1 %
. ;;:;;;..... ltv -2,8 -
Oart perhitungan perubahan nilai coetisiE:nB pada masing-masing variabel,
~, . -
temyata tldak ada yang berubah lebih dan 10 0/0, dengan demikian variabel
(rekuenslanc kita keluarkan dart model.
, Seiankutnya kita lihat kembaU bahwa pada model masih ada vartabel yang p'
value> 0,05. Sekarang kita akan keluarkan vartabel umur (p value =0,473).
langkah/proses :
1. Klik 'Analysis', sorot'Regression', sorot dan Idik'Unier
2.01 layar nampak pada kotakDependen masih tertsi, 'bwt' lewati dan
"." biarkan saJa. 'Pada kotak Independen juga 'masih terisi. acJa 5 vartabel,
namun sekarang aoda harus keluarkan variabe1 'umur (age)' dan
,masukkan ke ko~k Variable di sebelah kin.
,
J. J<t~kQK,~an
.' . ',. .. .
hasjlnya
.-
. :::
sbb::' ~ .
. . ,-,"

":,':'

"""

160
Model Summary
AdJusted .Std; Error of .
Mode" .. R -R~uare R'SQuare the'Estimate
,
1 .3368 ~113' .094, 694.016
8. Pcedicton;: (Constant). l:Ilstory of hVPedenslOn.
Smoklng 8tatus. Histoty ofpramature labor. Weight of
mother (pounds) .

Coefficlent$l
Unstandardized standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 .(constant)
2449.121 233.n9 10.476 .000
.. Weight of l1V"ther
.
, .. (Pounds) 5.035 1.721 .211 '~f2.925 . .004
Smoking status -236.420 . 105.338 -.159. -2.244 .026
HiStory of premature labor -145.412 105.417 .098 -1.379 .169
History cif hypertension ~582.566 213.148 -.195 ':'2.733 .007
8. Dependent Variable: Birth weight (gram)

Setelah varta!Je1 umur dikeluarkan, I?ilai R Square ternyata ada sedikit


perunbahan yaitu menjadi 0,113. sedangkan untuk coefisian B, , h~sil

perhitungannya sbb:

Variabel Masih lengkap umur dikeluarkan perubahan Cref.


....
Age 7,1 - -
' , .,
lWt 4,7' 5,0 6,3 0/11
-,
smoke -232,2 -236,4 1;8 0/0
ptl -154,0 145,4 6,1 0/ 0
hi ,
-5742 582,5 1,3 0/0
ft.v ~2,847 - -
Dart hasil perhitungan perubahan coef. Temyata tidak ada yang lebih dan 10 0/0,
dengan demikian varia bel umur kita keluart<an dan model.

161
Lcingkah selanjutnya mengeluarkan variabel Riwayat mengalami prematur,
Prosesnya/langkahnya sama dengan diatas, KUk Analysis, sorot Regression, dst.
Pada kotak independen variabel rtwayat mengalami prematur dikeluarkan dan
dimasukkan ke kotafvariabJe disebe1ah Idrt, dan hasilnya sbb:
Model Summary

AdjUsted Std. Error of


Model R R'Square R'Squar& the Esfimate
1 .322a .104 .089 695~707

a. Prediclol'$: (Constant). History of.hypertenslon.


Smotdng status, Weight of mother (pounds)

CoefficientS'
, Unstandardized Standard"a:ed
, Coefficients CoefftdentS .
Model - B Std. Error Beta t Sig.
1 (Constant) 2390.105 230.391 10.374' .000
Weight of mother
(pounds)
5.352 1.710 .224 3.130 .002
"
~"

, Smoking st.atus -263.009 103.812 ,-.177 -2.534 ' .012


; ~:: '", History of hypertension -586.722 213.646 -.197 -2.746 .007
a. Dependent Variable: Birth weight (gram)

Ha,sU
, :,,,.,
',"
R Square turun .sedikit yaitu menjadi 0,104. Sedangkan hasil perhitungan
perubahan Coef. B dapat dilihat sbb:

Variabel Masih Jengkap Prematur keluar perubahan Coef.


Age 7,1 - - ..

"
Lwt 4,7 5,3 12,30/0
smoke -232,2 -236,4 1,7 0/ 0
ptl -154,0 - -
hi -574,2 582,5 ,1,30/0
tty -2,847 -

Hasil pethitullgan~~etah dikeluart<an -variabel prematur, temyata roensin B pada


"yafJallel"berat badao jPll(lwt) beubah' se~r 12,3 % dengan demikian variabel

162
'. riwayat mengalami prematur tidak .jadi diketuarkan dan tetap dipertahankan
.
dalam model multlvariat. Dari hasil analisis ternyata tidak ada lagi y~ng p value
. nya > 0,05 dengan demikian proses pencarian variabel yang masuk dalam model
teJah selesai dan model yang terakhir adalah sbb:

Modei Summa""
, Adjusted $td. Errorof DurbIn-
Model R RS_quare RSguare the EsUmate Watson
1 .33Ss .113 '.094 694.016 .222
a. Prediaocs!. (Consfaot)r Histcxy of ptemature labor.,.l:iistor:y of
hypertension. Smoking status, Weight of mother (pounds) ,
b. Dependent Variable: Birth welgttt (9ra.r.n)

CoefficientS'

Stand
. ardize
d
Unstandafdized Coeffi Collinearily
Mo Coefficients dents Statistics
de Tolera
I B Std. Error Beta t Sig. nee VlF
1 (Constant) 2449.121 233.779 10.476 .000
Weight of mother
5.035 1.721 .211 2.925 .004 .g25 1.081
(pounds)

Smoking status
-236.420 105.338 . -.159 -2.244 '.026 .964 1.037
History of hypertension -582..566 213.148 -.195 -2.733 .007 .943 1.060
.Hlsfoly, of,premature "
"

':'145.412 105;417 -.098 -1.379 .169 .947 1.056


labor
S. Dependent Variable: Birth weight (gram)

langkah EB/anjutnya UJIASUMSI


Ag~r persaman garis yang, digunakan untuk m~prediksi menghasilr.an angka
yang valid, maka persamaan yang dihasilkan harus memenuhi, asumsi-asumsi
. yang dlpersyaratkan uji regresi linier ganda. Aclapun uji asumsinya sbb:
langkahnya:
1.Klik 'Analysis', sorot'Regressian(, sorot dan klik 'Unier'
2~ 'Masukkan dalam katak Dependen variabel 'bwt'
3. M~ukan. daJam kolak Independen variabeJ berat badan tbu (Iwt),
merokok(smoke), riwayat hipertensi (hi) 9anvariabel riwayat prematur(ptI)

163
.~1:i}E~f7.\Z~::-" ,,'; i:, c, . "
. . . '. _. .'
-l:~:f :iw~ :;:-:'.<;:~:5<;,c.::f
. . . .. ..
.'.
~ . :

:St~~"i :Prob_ t':'~-I .~;:..f: ~<


4.Klik tombol Statistics .
5. KUk kotak 'Colfinearity diagnostic' dan Idik kotak'Covariance matrix' (perintah

iQi !-,ntuk uji asumsi multicoliniarity)

p.KUk kotak'Durbin-Watson' (perintah ini untuk uji asumst Independensi)

",: .

"7. Kfik Continue

164
8. Klik tombol 'Plot"
9. Masukkan 'SRESID' ke kotak V; dan masukan 'ZPRED' ke kctak X- (perintah inl .
, untuk uji asumsi Homoscedasity)
10. Klik kotak"histoQram' dan kot:iJk 'Nonnal probability plot" (perintahini untuk
uji asumsi Normality)

.i--"

P '-HiStOgrctm: " '


p:~~~

11. KJik Continue


.'
Hasilnya :
a. Asumsi Eksistensi (Vartabel Random)
Untuk tiap nilai dart variabel X (variabet independen), variabel V (dependen) '~"",.,',
~ . ...
.adalah 'variabel"'random'yang'mempunyai'mean'dan'varian tertentu.'Asumsi
ini berkaitan dengan teknik pengambilan s~unpet~ Untuk memenuhi asumsi
"ini, sampel yang diambi! harus dilakukan sec;ara random. cara mengetahui
.'tf.lsumsi eksistensi dengan cara melakukan analisis deskriptif varei3be1 residual
'~aari
,.
model, bila residual menunjukkan adanya mean mendekati ~itai nOI':OOo '
ada sebaran (varian ata sata'ndar ~eviasi) maka asumsi eksistensl terpenuhl.
Hasil analisis:

165

, ,
Residuals StatlstlcSl
,MfnfRlUlTJ Mal<fmum, M.ean Std. Deviation N
Proolcte<l Value 2249.77 3602..03, 2944.66 245.079 189
, Std. Predicted Value ~2.835 2.682 .000 1.000 189
Standard Error of 189
67.193 292.804 103.399 45.407
Predicted Value
Adjusted Predicted Value 1955.43 3616.97 2943.73 251.196 189
Residual ,-2082610 1921.631 ' . .000 686.593 189
Std. Re$ldual -3.001 2.769 .000 .989 189
StLid. R~ldual -3.015 2.782 .001 1.005 189
. Deleted Residual -2102.316 1940.423 .923 708..619 189
Stud. Deleted ResIdual -3.084 2.835 .000 1.010 189
Mahal. Distance .768 32.469 3.979
&_,",
5.320
. .. _,,, 189
Cook's DistanCe .000 .209 .007 ~019 189
'Centered Leverage VakJl! .028
': '189:~ ,

.004 .173 .021


.:": a. Dependent Varfable: Blrlhwelght (gram)

Hasi~ dari output diatas menunjukkan angka residual dengati mean 0,000 dan
standar: deviasi 686,59. Oengan demikian asumsi Eksister.si terpenuhi

. ," ~::'~tA

b. Asumsi Independensi
Suatu keadaan dimana rnasing-masing nilal Y bebas satu sarna lain. Jadi nilai
dart 'tiap-tiap ind"lVidu saling berdlri sendiri. l1dak diperbOlehkan nilai
.
observasl yang berbeda yang diukur dart satu individu diukur dua kali. Untuk
.
mengetahui asuamsi ini' dilakukan denQan cara mengeluarkan U]' Durbin
.~atson, bila nilai Durbin -2 s.d. +2 berarti asumsi independensi terpenuhi,
. .'. ~liknya ola nnai Durbin < -2 atau > :2 berarti asumsi tidak terpenuhi

Model SummarY'
, .
Adjusted Std. Error of Durbin-
Model R RS_quare RSquare the Estimate Watson
1 '.336a .113 .00.4 ~~.016 .222
a. Predi~ors; (Constant). History of premature labor, History of

hypertension, Smoking status; Weight of mother (pounds)

b. Dependent Variable: Birth weight (gram)


I .

, Oari hasiJ uji didapatt<ankoefisien Durbin Watson 0,222, berarti asumsi


independensl terpenuhl.

166
c. Asumsi Linieritas
Nilai mean dart variabel Y untuk suatu kombinasi Xl, Xl, XJ, .., ~ terletak
pada garis/bidang linler yang dibentuk dari persamaan rE:gresi. Untuk
mengetahui asumsi linieritas 'dapat diketahui dart uji ANOVA (overall F test)
bila hasilnya signifilan. (Po value<alpha) maka moodel berbentuk linier~ Hasil
uji asumsi:
ANov/lJ
Sum of
., :Model
'I-~.
Regression
SqiJares
11291987
df
4
Mean Square.
2822996.778
F
5.861
S19.
. ,,:"0008
,c.
Residua! 88625066 184 481657.965 :;;*'!

Total 99917053 188


a. Predictors: (Constant). History of premature !abor, History of hypertension, Sll19king
status, Weight of mother (pounds) .
b. Dependent Variable: Birth weight (gram)

Dari output diatas menghasilkan .uji anoya 0,0005, beraiti asumsi Iinei3ritas
terpenuhi

, ~. ~"t~
d. Asumsl Homoscedascity'
Varian nilai variabel Y sama untuk ser;nua nilai variabel X. Homoscedasticity
dapat diketahui dengan melakukan pembuatan plot residual. SUa titik tebaran
tidak berpola tertentu dan menyebar merata disekitar garis titik nol maka
dapat discbut varian homogen pada setiap nilai X dengan demikian asumsi
',' homosceCJastidty terpenuhi. Sebaliknya bila titik tebaran membentuk pola
!

tertentu misalnya mengelompok di ~wah atau di atas garis tengah nol, maka
diduga variannya terjadi heteroscedastiCity.

167
Scatterplot

.
Dependent Variable: Birth weight (gram)
'

..3 .,z -1, 0 .. 2


Regntsaktn ~tandardlzed Predlc~d Value

"':"~~"'::' , \ ,

,Dad' hasil'plot dlatas terlihat tebaran titil< mempunyai pola, yang sarna antara
titik-titik diatas dan, dibawah garts diagonal o. Dengan demikianasumsi
homoscedasity terpenuhi .

e. Asunlsi Normalitas
Variabel Y mempunyai d'lStribusi normal untuk setiap pengamatan vartabel X.
:,c;lapat dil<etahui dart Normal P-P Plot residual, bila datamenyebar' di seJdtar,
: garls diagonal, dan mengikuti arah garis diagonal, maka moderregresi
memenuhi asumsi model'regresi tidak memenuhi asumsl normalitas.

168

Histogram

DependentVariable: Birth welght(gram}


.~ '. ~ ':.

: ~"
.. ;
.,
::: .~'I,.'

- .,,",

;
:;.,..
. '.;"
. '.
.
"', '

'.

.' .' "


.
: ,
.
.

. . ' :: :
.l. ... J

Mean ""-2.53E16
Std. Dev. = 0.989
N=189
444 0 1 2 3
Regression Standardized Residual

". ..........:::.
..'~ :.;4:.

1.69

Normal P-P Plot of Regression Standardized Residual

Del)enden~ Variable: Birth weight (gram)


1o-r.t~."";""-----------:-:-:-~
.J

,
0.8
.t:l

.E
0.6
=
(.)
-g
1> 0.4

! 0.2

0.0. .
0.0 0.2 0.4 0.6 . 0.8 1.0

ObselVed Cum Prob

" "'.
~ .

Dan grafik histogram dan graflk nonnal P-P plot terbOkti bahwa bentuk
di~~ ibusinya normal, berarti asumsl normality terpenuhi.

f.Diagostik Multicollinearity
Dalam regresi tinier tidak boleh terjadi sesama variabelindependen berkorelasi
secara kuat (multicollinearity). Untuk mendeteksi collinearity dapat.diketahul ~ari
",~ niJai VIF (variance inflation factor), bila nilai VIFlebih dart 10 maka
I .

mengindikasikan telah terjadi coUinearity.

110
CoefficientS'

Stand
ardize
d
Unstandardized 'Coeffi ColIInearity
Mo COefficients .dents Statistics
de Tolera
I B' Std. Error Beta t Sig. nee V1F
1 (Constant) 2449.121 233.779 10.476 .000
Weight of mother 1.081
5.035 1.721 .211 2.925 .004 .925
(pounds)
,Smoking status 236.420 105.338 -.159 , -2.244 .026 ' .964 1.037
History of hypertension -582.566 213.14~ -.195 -2.733 .007 .943
.~-,
1.060
History of prematuie .169 .
-145.412 105.417 -.098 -1.379 .947 1.056
labor
a. Dependent Variable: Birth weight (gram)

Dart hasH uji asumsi didapatkan nilai VIF tidak lebih dari 10, dengan demikian
tidak ada MulticoUil1earily antara sesama vartabel indepeden

. . ' .

\ Dan hasil uji asumsi dan uji kolinealitas temyata semua asumsi terpenuhi
c

sehingga model dapat digunakan llntuk mempreciiksi berat badari bayi.

langkah sekanjutnya adalah UJI INTERAKSI, Namun karena secara' substansi


antar vartabel dipandang. tidak interaksi maka UJ1 interaksi tidak dilakukan.
.. Sehingga..modal-yang terakhir-adalah sbb:
Model summa,f

Adjusted Std. Error of Durbin-


. Mode' R R SQUare R_S<tuare the Estimate Watson
....
..t
.33611 .113 .094 694.016 ..2.22 -'.
:,:'
. -.:
<
'"

. ...fl Predictors: (Constant). History of premature labor. History of


.' hypertension, Smoking status, Weight of mother (pounds)
., b. Dependent Variable:.Birth weight (gram)

171

Coefflclentd'

Stand
arcfsze
. Unstandardized
.d
Coeffi CoRinearfty
Mo nts dents Statistics
de
-. . - Tolera

I
B Std. Error Beta t Sig. nee VIF
1 (Constant) . 2449.121 "233.n9 10.476 .000
Weight of mother 1.081
5.035 1.721 .211 2.925 .004 .925
(pounds)
SrnoIdngstalus -236.420 105.338 -.159 -2244 .026 .964 1.037
History of hypertension -582.566 213.148 -.195 -2.733 .007 ,943 1.060
_.- Hi$tQfYof premature .;.145.412 :169 ~947 1.056
105.417 -.098 -1.379
labor
'.
-~:;;_ 8. Dependent Variable: Birth weight (gram).

.Interpretasf model:

5etelah dilakuikan analisis ,ter~ta ~riabe~ Independen yang masuk


mod~l . regresi adalah berat ba~n ibu, ibu merokok, riwayat hipertensi, dan
riwayat prematur. Pada tabel 'MafeiSummary'terlihat koefisien determinasl (R
square) menunjukkan nnai 0,113 artiliya bahwa model regresi yang diperoleh
dapat menjelaskan 11,3 % variasi variaber dependen berat bayi. Atau dengan
-kata lain fc.eempat variabel independen tsb dapat menjelaskan variasi variabel
berat bayi sebesar 11,3 %. Kemudian pada kotak 'ANOVA:: kita lihat hasil u]i F
yang menunjukkan nilai P (sig) = 0,000, berarti pada alpha 5% !<ita dapat
menVC!takan bahwa mOdel regres! cocok (fit) dengan data yang ada. Atau dapat
diartikan Icedua variabel tersebut secara signifikan dapat utnulc memprediksl
. variabel berat bayi.
Pada kotak 'Coeffident' kita dapat memperoleh persamaaan garisnya, pada
kolom B (di bagian Variabelln Equation) df atas, kita dapat mengetahui koeftsien
-regresi tnasing-masing variabel. Dari hasiJ di atas, peresamaat regresi yang
'~:.' diperoleh adahih
..
. Berat BaYi =2449,1+5,0 Lwt - 236,4 smoke - 582Hi - 145,4 Ptl

...... , - .....
,
172
"

. . ',
Oengan model persamaan Ini, kita dapat memperkirakan berat badan bayi

dengan menggunakan variabel berat badan Ibu, merokok dan hipertensi.-Adapun

,am, k~f.
.
Suntuk ma$ing-masing
' . .
vartabel'adalah sbb:
.

" ' .

.:. . Setiap kenaikan i>erat ba~r:a ibu sebesat 1 kg, maka berat badan bayi
akannaiksebesar 5,0 grarn"~telah dikontror variabel merokok, hIpertensi
dan prematur
- Pada ibu yang merokok berat bayinya akan lebih rendah sebesar 236,4
,
gram setelah dikontrol variabel berat badan, hipertensi dan prematur.
Pada ibu yang menderita hiperteilSl,berat I:;la.yin~ ~lsan, J~.bih rendah ,
sebesar: 582,5 gram setelah dikontrol variabel berat badan ilJu, merokok
dan prematur.
'Kolom lleta dapat digunakan untuk mengetahui variabel mana yang paling besar
,peranannya (pengaruhnya) dalam rnenentukan varia bel dependennya (berat
. .
..badan bayi>_ Semakin besar nilai beta semakin besar pengaruh, nya, terhadap
, , .

varia bel dependennya. Pada hasil di alas bera.rti; Variabel Yang paling,besar

pengaruhnya terhadap penentuan berat ~dan bayi adalah ~rat badan ibu

.....: ..
.,

, I

.113
, , " ,-' ANAlI'SIS' '~~~'"ik, ,.:.: . :

13 .~ .". RE:GRE'S~ILOGITIK Ji~bA'~~"----- ." .

- ~ . -'-- -.~-. -~-~.'~~~"'; --.:--~-:,~~t~r::'.:-~~~ ~=.~ -0'-

Betbeda clengan regresi linfer yang variabel dependennya numerik,


, regreesi iogisHk merupakan jenis regresi yang mempunyai tin khusus1 yaitu
. ' ,

variabel depEmennya berbentuk variabel katagorik, (terutama yang dikotomus,


.artiOya katagorik yang' teidiri dariduakeiompOk, misalnya fiiC.llIp/matl, pu~slti~ak
'puas-dll). ,.r- :.
'",

A. 'REGRESI LOGIS1lK SEDERHANA


1,. Pendahuluan
Analisis regresilogistik adalah salah satu pendekatan model matematis '
, yang digunakan untuk menganafisfs hubungan satu' atau:' beberapa, variabel
independen dengan sebuah variabel, dependen katagorik, yang bersifat
dikotom/binary. Variabel katagolik yang dikotom adalah valiabel yang
rnempunyai dua niJai variasi, misalnya sakit-tidak Sakit,' bayi BBLR dan Nanna1,
. , .
merokok dan tidak merokok, dan lain-lain
PerbedaanantaraJ-egresi ,linear dengari regresi logistik teHetak pada jenis
variabel dependennya. Regresi linear digunakan apalJila vanCibei dependennya
numerik , sedangkan ~ Iogistik diogunakan pada data yang dependennya'
berbentuk katagorik yang dikotom.
UntJJk memahami lebih jelas tentang regresi logistik ooba kita lihat contoh
analisis pene1itian yang mempelajari hubungan antara variabel 'umur dengan
kejadian penyakit jantung koroner. Pengamatan diiakUkan pada 100 orang
sampell didapat.kanhasil :
,.~. ~I

",No '1 2 3 ~ 5 6 7 8 9 10 11 100


Umur 20 22 23 24 25 27 28 29 30 32 33 70
\"
PJK () 0 .1 0 0 1 o 1 100 1
' .. '
:'.
,

;';'" " "

.. : : '':
174
Nemer merupakan nomor urut respond en dan PJK merupakan variabel kejadian
jantung; koroner. Variabel PJK diberi kode 1 bila responden menderita PJK dan
diberi kode 0 bila mereka tiodak menderita PJK.
BUa data tersebut kita perlakukan analisisnya menggunakan regresi linfer,
misalnya dibuat penyajian dalam ~entuk diagram tebar (Scatter Plof), maka
hubungannya tidak jelas terf{hat tebaran data pacta Scatter Plotmembentuk dua
garis yang sejajar. Diagram tebat menunjukkan adanya kecenclerungan kejadian
penyakit jantung koroner yang lebih sedikit pacta responden yang berusta muda.
Walaupun grafik ter:sebut telah dapat menggambarkan/menjelaskan va.ripb.,el .
delkooen (kejadiab P1K) yang rukup jelas, namun grafik tersebut tidak ~;"pu
.menggambarkan dengan lebih tajamJjelas hubungan antara - umur dangan
-kejadian PJK..

PlK
1 .................

so
Untuk memperlajam analisis . kita, sekarang dicoba uotuk
.. ~ t*~'1

m~rlgelompokkan variabel independen (variabel umur) dan menghitung .9i1ai


" ;.

tengah (dalam. hal ini menghitung proporsi) variabel dependen (variaber P1K)
untuk setiap keJompok variabel umur dan kejadian jantung dapat dilihat pada .
tabel berikut:
. ;

175
., "Proporsi
Umur
Kejadian
., ... "9'~ :.:! "!,ij;.i.l'
i 0~10
:..,'.{\.. rll
20-29 10 i.,

..-:-..,
'1~'
''j'.~'~ ~ "i""
30-34 15 2 0,13
....
35-39 12 '"
9 3 0,25
40-44 15 10 5 0,33
45-49 . 13 7 6 0,46
50- 54 8 ,3 5 0;63
..
55'-59 :1.7 4 13 0,76
. '1.
61f:':"'69 10 2 8 080
1 .
:~\ i

Total 100 57 43 0/43

.Pacta, tabel terlihat bahwa ada peningkatan proporsi kejadtan jantung pada
kelompok umur semakin tua/lanjut. Kemudian Idta coba' sajikan data tersebut .
. :". :0'

dengan grafik dan hasilnya dapat dilihat pada grafik berikut:

~r----------------------------.
0.8
0.7
0.6
0.5 J
0.4
0.3
0.2
0;1
o+---~~--~--~ __ ~ ______ ~~

20-29.30 .. 34,,35-39 40-.044 45-4950-54 55-~ 60-6$

Pada grafik tyer;1ihat' jelas adanya penlngkatan yang tidak linear antara
ptoporsl kejadian PJK dengan peningkatan, umur. Diawall peningkatan yang
~,:'tandai,kemudian meningkat tajam dan kemudia[t landal kembali, garis tersebut
~ menyerupai huruf S.
Kalau 19m cermati, pembuatan, diagram tebar tersebut merupakan cara
.ontuk meh~e.te~".n~n~~hul' hubungan pada analisis regresi tinier, 'namun ada
; ,,' .. ' . ~ ,'. '

',,'

176
sedjldt perbedaan haldalam ,hal 'meringkas:variabel dependennya. Seperti kita
ketahui bahw~ pada 1'e9,~'!l!.&~7J"~~. ~pgin mengestimasi nifai mean.,., :', ., .. !: ;
. dependen berdasarkan setiap hllat \tanabel IncJepend~. Nllal tersebut ' .'
.sebagai mean kondislonal yang dinyatakan'deng<!n EC'f/X), dengan Y sebagai
dependen dan x sebagl Indepei,den.' E(Y/x) adalah nllal Y yang diharapkan
berdasarkan nilat x. mlsal Y ,varia bel tekanan darah dan x variabel umur, maka
untuk mengetahui estimasi tekanan darah berdasarkan umu, dihitung rata-rata
. ,
(mean) tekanan darah pada masing-maslng nilai umur. Pada regresi tinier niJai
EC'(lx) akan berkisar antara 0 s.d 00 (OS ,E(y/x) :s (0).
Pada regresf Iogistik dapat juga diperiakukan hal tersebut '-namun" 'ada
sedildt perbedaan, dalam menghitung rata-ratl variabel dependennya \y): .oleh
karena, pada regresI logistik dependennya adalah dikotom maka variabel
dependen dihitung bukan dengan mean namun menggunakan proporsi. Seperti
.; ..
,:,..
-.
pada data di atas variabel Y kejadia PJK dan x varia'beI umur, maka untuk
mengetahui estimasi kejadian PJK berdasarkan umur, dihitung .proPocsikejadiii;n
PJK pada tiap kelompok umur. Pada regresi logjsti~ niiaiEcY/x) akan ~Ialu
berada antara nol dan satu (0 S E(y/x) :s 1).,

2. Mod~llogfstik

/' I
. ;. \ ,'.

j{z) = 1..
l+er

feZ) merupakan propbabilitas kejadian suatupenyakit berdasarkan faktor risiko

tertentu. Misarnya probabilitas kejadian jantung pada umur tertentu.

Nilai Z merupakan nilai lndeks variabellndependen. Nilal Z bervariasi antara -co

sctmpai +00.

~ila nilai Z mendekali-- 00 makaJ(-oo):: .1 ::: 0


l. + e-{-

.'

177
BUa nllai Z mendekati + co maka 1(+ co) = 1. =1
1+ e{+IO)

. Fungsl ~istik dapat digambarkan sbb:

..

;;,; ' " .

. :r: :
-~.'

T~r1ihatbahwa ftilngsl
, f(Z) nilai berldsar 0 dan 1 berapapun niiai Z. kisaran pada
regresi logistik ini berari cocok/sesuai digunakan untuk model hUbungan yang
variabel dependennya dikotom. Grafik feZ) membentuk garis yang berbentuk
huruf S; ini berarti sesuai dengan contOh plot hubung~n antara PJK dengan umur
pada kasu:; yang telah IOta bahas di atas. Bentuk 5 inf .mencerminkan tentang
pengaruh nilai Z pada risiko indMdu. yang minimal' pada nilai Z rendClh kemudian
.seiring dengan meningkatnya nUai Z risike juga semakin meningkat, dan pa.da
-
keQnggian tertentu garisnya akan mendatar mendekatl nRai 1.
'

Berdasarkan uaraian tersebut maka bila login mengestimasi suatu


probabiJitas kejadian pada dependeri yang dikotom maka model regresilogistik
adalah pilihan yang tepat

~.. 3. '1odellogistik
.' , Model Jogistik dikembangkan dari funsilogistik dengan nilai Z merupa~an
\

penjumlahan linear konstanta (a) ditambah dengan IhXl, ditambah fh~ dan
$eterusnya
,
Sa01pai
.
lliXi.
.
Varia bel Xadalah variabel Independen.
,

178
Z =a + fhXl (Regresi logistik sederhana)
Z =a + lhXl + IhX + ... + ~1'4
2 (Regresi,logistik berganda)
,SUa nilai Z dimasukkan pada fungsi Z, maka rumus fungsi Z adaJah

J{z) - 1

1+ e-(a + MXl + pro + .. + p/Xi)

4. ContohKasus
Contoh studi follow up_ selama 9 tahun. DaJam studi ini dipelajari
.ro~genai hubungan antara kejadian penyakit jantung koroner (d~ngan 'nama
" '

:vaiabel PJK) dengan tinggi rendahnya kadar katekolamin dalam darah (nama
varia bel KAT).
Pemberian kode nilai varia bel adalah sbb:
UnbJk variabel PJK"-7 1 = timbuf penyakit jantung koroner' ,
0-= tidak ada'penyakitjantung koroner

Urituk va ria bel KAT -7 1 = kadar katekolamin darah tinggi

o = kadar katekolamin darah relidah


Pertanyaao:
" a. Berapa peluang mereka yang kadar katekolaminnya tinggi memp!:Inyai risiko
, ,

untuk terjadi PJK?


: ," ~

b:"Berapa peluang mereka yang kadar katekolaminnya rendah meml?unyai r:isiko


. ~ . :. ~.

, untuk terjadi PJK?


c. - Bandingkan fisiko terjadi 'PJK antara mereka yang kadar katekolaminnya
tinfjgi dengan yang kcidar katekolamlnnya rendah?

Jawab:
Oengan model regresi Iogistik maka pada $Oal tersebut mocJelnya ad~lah:
.
I
j(z) = I .
1 +e-% _
- .

179
Nilai f(z).dapat diganti dengan P(X), maka rumusnya:

'lp(X)= 1.
. l+e-z .
Sila Z =a + Ptf<AT, maka modelnya :

1 P(X) = 1 .
. 1 + e- + 1J1KAT
Misdalkan didapatkan hasil analisis dengan paket program statistik sbb:
(X = -3,911 dan Pl = 0,652, maka:
P(X) = 1 -'
1 + e+J,911 + O,6S2KA.7}

~ri model tefSebut mba kita jawab pertanyaan di atas:


a. Besarrisiko terjadinya PJK pada mereka yang kadar katekolaminnya tinggi.
Oleh karena kadar katekotamin tinggi diberi angka i, maka masukkan nilai
KAT=1 pada model di atas, hasilnya:
P(X) = 1 - ~ 0~037 atau sekitar 4 %
1+ e,-3,911 + 46SZ*1)

.. ,,,>..<. jadi .mereka/individu yang kadar katekolaminnya tinggi dalam darah


. mempunyai risiko untuk teTjadinya PJK sebesar 4% selama periode follow up_
b. Besar risiko terjadinya PJK pada mereka.yang kadar katekoJamlnnya rendah
. Oleh karena kadar katekoiamin rendah diberi angka 0, maka f1laSt:Ikkan nilai
KAT=O pada model di atas, hasnnya:

~:)~(X)
...... = 1 . = 0,019 atau sekitar 20/0

jadi.. merek8/individu yang kadar katekolaminnya rendah dalam darah


mempunyai risiko untuk teTjadinya PJK sebesar 2% selama periode follow up.
c. Besar ri~iko kedua kelompok tersebut

t;>J.OO =0,037 =1,947 =2,0

Po(X)O,019

,
. Angka tersebut di alas sebenarnyaadalah risiko felanf {RR)yang diperoleh
secara direk. Arti dart angka di etas adalah mereka yang kaadar
.,. ,
. " .

180
katekolaminnya tinggi mempunyai fisiko terjadi PJK dua (2) kali lebih tinggi
dibandingkan mereka yang kacfar katekolamimya rendah.
Model regres~ logistik cfapat digunakan pada data yang dikumpulkan
.melalui rancangao kohort, case con~oI maupun cross sectional.
Pada rancangan kohort prospektlf dapat digunakan untuk memperkirakan' risiko
Individual. 5edangkan pada. rancangan case control dan cross sectional tidak
dapat digunakan untuk menghitung risiko individual karena. Po pada rancangan
ini tidak sahih. Nilai Po dapat dihitung/diestlmasi blla sampling traction populasi
yang disampel dike~~ui, kondisiir'li hal1va,. ~erjadipaqa @lJcangankQhQn:. (ket:
sampling fracHon adalah proporsi terpapar yang menjadi sakit atau ti9ak saki,t).
Namun . dengan memperlakukan rancangan ~ (X)ntroI dan crO$' sectional
sebagai studi follow up, maka dapat dihitun!} OR (Odds Ratio), yang merupakan
perhitunganRR yang indirek. Nilai OR yang merupakan yang merupakan
perhitungan eksponensial p dari persamaan garis regresi 1Ogi$tik.

[ Odds ~o (OR) = expQl) alau dapat ditu!is OR = eQl) ... ~.


Dengan demikJan dapat disimpulkan. bahwalndMdual Risk (ririko
individu) hanya dapat diperoleh dan rancangan, ~ohorprospektif. Sedangkan .,'.,
. ". pada rancangan case control, aoss sectional tidak dapat melakukan prediskis
rlsiko individual. Pada rancangan case control dan cross sectional ''dan cohort
dapat dihitung nllal Odds Ratio (OR), yang merupakan perhitungan'RR fndirek.
",; : Pada rancangan kohort prospektif regresi IQglstik dapat dlgunakan untuk ~ <

memprediksi/menaksir probabilitas individu untuk sakit (atau meninggal)


berdasarkan niial-niJai sejumlah variabel yang diukur padanya. Prediksi dapat
digunakan dengan model: .

P(X) =. 1
1 + e-(Cl + ~IXI + P2X2 + ... + poo

181

. 8 .REGRESI LOGISl1K GANDA


Pada pembahasan di atas sudah diperkenalkan"'mengenai ''iegte5i logistik
. ~ederhana. Sepertf juga pada regresi linfer, keuntunngan regresi ;Iogistik ganda
adalah kemampuannya untu.k memasukkan beberapa variabel dalamsatu model.
Pada .regresl togistik, valia~1 Independennya boIeh campuran .antara variabel
i<atagorik dan nUmerik. Namun sebalknya valiabel independennya berupa
. '; ..katagorik karena dalam menginterpretasi hasll analisis akan lebih mUdah.

~ Keggg~an ~paJi$.ii$ regresi logistik ganda.mencakup dua hal,y.aitu:

. a",.Modei Precliksi .J, '.'

~~: . Pemodelan dengan tujuan untuk memperoleh model' yang;,.; tediri't :dan
'. .beberapa variabel independen yang dianggap terbaik untuk mempredlksi
. ~ian variabel. dependen. Pada pemoclelan Inl semua variabel dianggap
. ..:' penting sehingga estimas! dapat. dilakukan estimasi beberapa 'koefisien
....:;; regresJ logiStik sekaligOs
. : Bentuk I<erangka konsep model regrest :

'. ., Prosedur pemodelan:


.

.~::'.. Agar dipetoieh model regresi' yang. hemat dan rnampu,:;'menjeJaskan


. : :"hubungan variabel independen dan dependen dalam populaSi, dipeilukan
prosedur pemlUhan variabel sbb:
1). Mefakukan. anatisis bivaiiat antara masing-masing variabellndependen
deng.an vari~Jlel
.
dependennya. Bna hasil uji bivariat mempunyai'
.
nllal.p <
0,25, . maka Variabef
.
tersebut dapat masuk model mUltivariat. Namunblsa .
saja p value,').. O,25tel:ap dUkutkan ke multlvariat bila varlabel tsb secara
SUbstailstp~linjJ.

182
2). Memilih variabel yang dianggap penting yang masuk dalam model,
dengan cara mempertahankan variabel yang mempunyai p value < 0,05
.pan mengeluarkan variabel yang p valuenya > 0,05. Pengeluaran variabel
,. . ~ tidak serentak semua yang p. valuenya > 0,05, namun dilakukan secara
. .

bertahap dimulai.dari variabel yang mempunyai p value terbesar.


3}. Identifikasi linearitas. varia bel numerik dengan tujuan untuk' menentukan
.apakah. variabel numerik dijadikan varia bel katag.orik. atau tetap variabel
numerik. Caranya dengan mengelompokkan varlabel numerik ke dalam 4
kelompok berdasarkan nirat kuartilnya. Kemudian lakukan anplisls logistik
.. -'" ~- . -.- .... _.,. ."-"-'

dan dihitung nilai OR-nya. SUa nitai OR masing-maslng kelompok


.menunjukkan .. bentuk .garls lurus, maka' variabel ~ numerik dapat
dipertahankan~ Namun bila hasilnya menunjukkan adanY'a patahan, maka

dapat dipertimbangkan dirubah dalam bentuk katagorik..


~'~"\ ':. 4). Setelah memperoleh model yang memuat variabel-variaf?el pentlng, maka . '.
langkah terakhir adalah memeriksa kemungkinan intera~. vdriabel ke
dalam model. Penentuan variabel interaksi sebaiknya melalul
pertimbangan logika substantif. .Pengukian interaksi dilihat dari
kemaknaan uji statistik. SlIa variabel. mempunyai nilai bermakna, maka
variabellnteraksi penting dimasukkan dalam model.

b.. Model Faktor Risiko


,..Pemodelan
~.. dengan tujuan. mengestimasi secara valid hubungan 'satu variabel ..
.. utama dengan variabel dependen dengan mengontrol beberapa varia bet
konfondlng.
Bentuk kerangka konsep model faktor risiko:

I x'lu------ I..........
y


. .183

Tahapan pemodelan:
. 1). Lakukcin pemodelan lengkap: mencakup vanabel utama , semua kandidat
konfondlng dan kaooldat interaksl (lnteraksi diabuat antara vanabel utama
dengan semua vanabel konfOnc:tlng). .
.. . .2). Lakukan penUatan Interai<si, dengan cara. mengeluarkan variabel Interaksi
yang nilat p Wald-nya tidak signifikan dikeluarkan dan model secara
berurutansatu per satu dari nilaip Wald yang terbesar.
3). ~kukan penllalan konfondingi dengan. cara .mengeluarkan .variabel
.. ' kovartat/ konfonding satu per satudimuali dan yang,memiliki':nilal pWald
tetbesar, bila setelah dikeluart<an diperoleh selisih' OR faktor/Variabel
u~ma anta-:a sebelum dan sesudahvariabel kovariat (Xl) dikeluaoom 1eblh
. ". beSar dan .aO%, 'maka vanabel" tersebut 'dinyatakan sebagaf' konfonding ..
4' '

,.~, ;.qcti . dan harus,tetap berada dalam model. ,;.,

~: ,".,

184
KASUSI:

.' REGRESI LOGISTlK NODEifpriEDr(($r

'. Ul1tuk'latihan, gunakan:file ~ "lBW.SAV"

Suatu penelitian Ingin mengetahui' hubungan antara UMUR IBU (age) , RAS
(ra~e), MENDERITA HIPERTENSI (ht), ADA KELAlNAN UTERUS (ui) dan PERIKSA
HAMIL (~) dengan BBLR (low).

~dapunlangkahnya:

A.. SELEKSr BIVARIAT


Masing-masing variabel fndependen dilakUkan analisis bivariat dengan variabel
;:A.

"'A.'- .. dependen. BUa hasil bivariat menghasilkan p value < 0,25,. maka variabel .
tersebut langsung masuk tahap multlvartat. Untuk variabel independen yang
hasil bivariatnya menghasilkan p value> 0,25 namun secara subst.msi penting,
maka variabel tersebut dapat dimasukkan dalam model multivariat. Seleksi
bivartat menggunakan ujl ~resilQ9istik sederhana.

:1.Analjsis bivariat antara "'umur'" dengan"'bblr'" .


1. Pilih "Analyze'
2. Pilih" Regressiotr
3. Klik" Binary LogistiC', .muncul menu dialog yang berisi kotak Dependent
dan kotak Covariates.
4. Pada kotak Dependen isikah varia bel yang kita perlakukan sebagai
dependen (dalam hal in; beram .masukkan "lOw") dan pada .kotak
(,' .'.
independen isikan variabel independennya (dalam hal Ini berarti
.
masukkan "age").
Sehingga tampflannya sbb:

.185

" ", ", 5. Klik:tombol 'Options', k:lik: 'CI for Exp{B)'


:~1~:...

6. Klik 'Continue'

.' 7. KIll< "'OK', dan hasilnya sbb:

,. a.lock 1: Method ~ Enter

Omnibus Tests of Model CoefficientS

, Chkauare elf Sig.


. step 1 Step 2.760 1 .097
Siock 2.760 . 1 .097
'

Model 2.760 1 .097

Variables In the Equation

" 95.0% CJ.for


EXPfBl
, ''!.;'
, '>$ S.E. Wald df Sif,l. ExP(B) Lower Upper
;
SJap flg~ -.051 .032 2.635 1 .105 .950 .893 1.011
'1 Const'
'fint . ',385 .732 .276 1 .599 1.469
...7' .

, s. Varfabl~'s~
" ~.

.ntli!l'~pn
\'. '

step 1: sge.
"

'" '
. ..... . ,::.. ,

186
Dari hasll output, pada tampilan Block 1 didapatkan hasil omnibus test pada
bagian Bloc dengan p value 0,097 berarti variabel umur p value nya <0,25
.sehingga vatiabel umur dapat dlanjutkan ke analisis multivatiat. Dati tampilan
SPSS nilat OR dapat diketahul tj~r1'kolom Exp(B) yaitu sebesar 0,950 (95% CI:
0,89-1,01)

2.Analisis bivariat antara "ras" dengan "bblr"


,,' 1. Pilih"Analyzt!.'
.. ~.

2. Pilih Regressiorf
'A

<.- 3. Klik" Binary logistiC', muncul menu ~ialog yang berisi kotak Dependent
dan kotak Covariates.
4. Pada kotak Dependent tetap berisi "low" dan pada kotak Covariates
variabel 'age' dikelyarkan dan gantilah dengan mengisi~~n variabel 'race'.
Tampilannya st.b:

5. Pada variabel ras perlu dilakukan dummy 0100 karena variabel ras.beijenis .
katagorlk dengan ~si Jebih dari' 2 nHai, tepatnya 3 kelompo~{yaltu :ras

187
putih, hltam dan lainnya). Klik tombol categorical, pindahkan 'race' dari
.kotak covariates ke kotak categorical covariates, klik pUihan 'first' pada
bagIan Reference category, lalu klik Change, dan tampilannya:

6. KJik Continue, I~yar ke menu logistic


.,; 7. Kfik OK

Categorical Variables Codings

Parameter codina
F~nt!V (1) (~)
Race- White 96 .000 .000
Black 26 1.000 .000
Other 61 "O()() 1.000

Omnibus Tests ofModel COefficients

Chf...scruare df SiQ.
Step 1 Step 5.010. 2 .062
Siock 5.010 2 .082
Model 5.010 2 .002

;">
." ....
-:
188
.f,'
Variables In the Equation
95.0% CJ.for
EXP(8)
B S.E. Wald df Sig. Exp(B} Lower Upper
Ste. race 4.922 2 .085
pi race(1) 845 .463 . 3.~ 1 .068 2.328 .939 5.772
race(2) .636 .348 " 3.345 1 .067 1.889 .955 3.136
Constant -1.155 ".239 23.930 1 .000 .315
S. Variable(s) entered on step 1: race.

Hasil uji didapatkan p value 01 087 berarti p value < 0,25, sehingga variabel ras
j.~apt Ianjut k.e multiVariat Dari output dapat dik.etahui juga nilai OR"dummy,
'J~terlihat ada dua nilai OR yaitu OR untuk. race(l) 2,328artinya ras kuliat hitam
,......
akan berisik.o bayinya bbfr sebesar 2,3 k.ali lebih tinggi dibandingkan ras k.ulit

putlh. OR untuk. race(2) besamya 1,89 artinya ras kelompok.lalnnya mempunyai

risiko bayinya bblr sebesar 1,89 kafi feb1 tinggi dibandingkan ras kulit pooh.

\
3. Analisis bivariat antara "hipertensi" dengan "bblr'"
1. Pilih "Analyze'
2. Pilih "Regression'
.3~ ,Klik ~Binary'logistiC"'/muncul menu -dialog -yang "beriSi"'~otak" Dependent
dan kotak. Covariates.
4. Pada kotak Dependent tetap bertSi "low" dan pad~ k.otak Covariates isikan
"ht". Klik OK, Tampilannya sbb: , "'" . ".

Omnibus Tests of Model Coefficients

ChI-square df Sig.
'Step 1 Step ".
4.022 1 .045
Block 4.022 1 .045
Model 4.022 1 .045

tS9
Variables In the Equation
95.0% C.l.for
EXP'B)
B S.E. Wald 'df Sig. &PCB) Lower . Upper
Slep ht 1.214 .608. 3.979 1 .046 3.365 1.021 11.088
1 Constant -.877 .~1~ '. 28.249 1 .000 .416
..
.a. Variable(s) entered on step 1:hl

Hasil uji didapatl<al1 p value = 0(045 (p value < 0(25) berarti masuk dalam
multivariat.
4. Analisis bivariat antara "'kelainan uteruS" denga'n "bblr"
7. PUih 'fAAnalyzd'
8. Pilih" Regressiotf
'9. K1ik "Binary LogistiC'( muncul menu dialog yang berisi kotak
-
Dependent dan kotal< Covariates.
10.Pada kotak Dependent tetap berisi "10\411" dan. pada kotak Covariates
isikan "ui". Klik OK, Tampilannya sbb:

Omnibus Tests of Model Coefficients ..


Chkquare df Sig.
Step 1 Step 5.076 1 .024
Block - 5.076 1 .024
. Model 5.076 1 .024
" .

Variables In the Equation


.,
95.0% C.l.for
EXPB)
B S.c. Wald df Sig. Exp(B) lower Upper
SJep ui . .947 .417 5.162 1 .023 2.578 1.139 5.834
1' Constant ';'.947 .176 29.072 1 .000 .
388
a. Variabr~(s) entered on step 1: ut

Hasil p value !V)24 (p value < 0,25), maka variabel kelainan uterus dapat

.
lanjut ke muJtivariat

19()
5.Analisis bivariat antara "periksa hamil" dengan "bblr"
1.Pilih ."Analyzel
2.Pilih " Regressiodl
3.Klik \\ Binary Logistic', muncul menu dialog yang berisI.kotak Dependent dan
kotak CoVariates.

4.Pada kotak Dependent ~etap berisi ."Iow" dan pada kotak Covaliates Islkan

"ft:V'. KUk OK, Tampilannya sbb:

Omnibus Tests of Model CoefficIents

ChlsQuare df Sig .
Step 1 Step .773 1 .379
'. .Block .773 1 .379
Model .773 .1 .379

Variables in the Equation

95.0% C.l.for EXP{B)


B S.E. Wal6 df Sig. t::XIl(tH lOwer Um>er
Slep ftv -.135 .157 .744 1 .389 .874 . .643 1.188
1 Constant . -.687 .195 12.427 1 .000 .503
a. Variable{s).enteredon step 1: ftv.

. Hasil-Ujip-vaJue ="'0;379-{p value> 0;25) Sehingga seca~ -statistik tidak


dapat Ianjut ke multivariat, namun karena secara substarisi variabel periksa
hamil sangat penting, maka variabel ini dapat dianalisis multlvaMat...

, ,~ ~: ..
"

w
6:Analisis bivariat antara "merokok dengan "bblr"

Omnibus Tests of Model CoefficIents


,

ChI-sQuare df Sig.
Step 1 Step 4.867 1 .027
Block 4.867 1 .027
Model 4.867 1 1J27

191
Variables In the Equation
..
95.0% C.I.for
EXPB)
B S.E. . Wa.d 'df Sig. ExptB) Lower Upper
SJep smoke .704, .320 4.852 1 .028 2.022 1.081 .3.7~
1 Constant '-1.087 .215 25.627 1 .000 .337
a. Variable(s) entered on step 1: smoke
. Hasil anafisis bivariatdidapatkan p value 0,027 ( < 0,25) dengan demikian =
variabel merokok dapat masuk ke multivariat
.,
. 7.Analisis bivariat antara "prematurr dengan "bblr"
Omnibus Tests of Model Coefficients
.
~
"
Chisausre df Sla.
Step 1 Step 6.779 1 .009
Block 6.779 1 .009
Model 6.779 1 .009

Variables In the Equation .

.95.0% C.l.for
EXP(Bl
B S.E. Wald df Sig. . Exp(B) Lower Upper
'. SJep ptl .802 .317 6.391 1 .011 2.230 1.197 4.151
.-"~ . .1 Constant -.984 .175 30.370 1 .000 .381
:
.. ' a. Variable(s) entered. on step 1: pd .

. Hasil analisis didapatkan p value sebesarOt 009 berarti < 0,25 sehingga variabef
ri~ayat adanya prematur dapat masuk ke multivariat

Hasil seJeksi bivariat :


Variabel Pvalue

Umur 0,097
Ras 0,082
Hipertensi .()I 045
Kelainan uterus 0,024 ..
.t)<.
Periksa hamil . 0,379'
Merokok
.
\
0/027
Prematur O/O(}9
. ,

192
Hasil seleksi bivariat semua variabel menghasilkan p value < 0,25, hanya periksa
hamil yang p valuenya > 0,25. namun variabel periksa hamil tetap diimalisis
multivariat oleh ka~na seC:a~ substansi periksa hamil merupakan variabel yang
sangat pemting berhubungan dengan kejadian bblr.

B. PEMODELANMULTIVARIAT
Selanjutnya dilakukan analisis' multivariat keenam variabeJ tersebut
dengan kejadian bb!r. :~.:

1.. Lakukan pemilihan variabef yang berhubungan .slgnifikan -denga,r-va:iabel


. ' . -,

.. dependen.
1. pilih "Analyze'
2. Pilih" Regression'
3. K1ik "Binary Logisti~, munOJI menu dialog yang berisi kotak Dependent dim
kotak Covariates.
4. Padakotak Dependent tetap berisi "low' dan pada kotak Covariates isikan
variabel age, race, smoke, ptf, ht, ui, ftv.Ingat untuk Race dilakukan dummy~
5. .Klik~Optionl" plUh~CI .for..exp(B)'

6. K1ik' Continue'

.. -, .... ~

.'

193
7. Kilik' OK'
. Logistio-Regression
.... :d ..
~ ".;'::iN.".. Variables In 111;) Equation

95.0% C.Uor
EXP(B)
S S.E. Wald df SiQ. ExP(8) Lower U~er
S!ep age -.041 .036 1.249 1 .264 .960 .894 1.031
1 race 6.783 2 .034
race(1) 1.009 .502 4.034 1 .045 2.743 1.025 7.345
race(2) 1.003 .426 5.560 1 .018 2.127' 1.185 6.260
.smoke .964 .391 6.090 1 .014 2.622 1.219 5.639
ptJ .630 .340 3.429 1 .064 1.8rt" .964 3.654
ht 1.361 .631 4.648 1 .031 3.902 1.132 13.451
"i .602 . .458 3.066 1 .060 2.229 .909 5.468
ltv .009 .161 .003 1 .954 1.009 .736 1.384
Constant .-1.183 . .919 1.659 1 .198 .306
a. Vaffable(s) entered on step 1: age, race, smoke, ptl. ht. ul. ltv.

Dan hasil a~alisis terlihat ada 4 vartabel yang p vaJuenya > 0,05 yaitu age, ptl, ui
dan ,ftv,' yal:lg terbesar adalah ftv, sehingga pemodelan selanjumya variabel ftv .
d~keluarl<an dart model.

Deoganiarigkahyang sarna akhirnya diperoleh hast! sbb.


. '\'.-:..... {,~~.',:>: ...:~.: ..:\ .,.:.

. .:';', ~::+:Y:~.:;}:.;: '. ,;i"


... :.:~ \:~I.:; f~/'~(1;f.,~(j~: '., . '" 194
,Logistic Regression
Variables In the Equation

, ,
95.0% C.I.for
EXP/B)
B ,S:E. Ward df 8ig. Exp(B) Lower UPller
SJep , age -,,040 .036' 1.275 1 .259 .960 .896 1.030
1 race 6.781 2 .034
race(1) 1.009 .503 4.035 1 .045 2.744 1.025 7.347
race(2) 1~002 .425 5.562 1 .018 2.723 1.184 6.262
smoke .963 .390 6.086 1 .014 2.620 1.219 5.632
pH .629 .340 3.423 1 .064 1.875 .963 3.651
ht 1.358 .629 4.663 1 .031 ,3.889 . 1.134 13.341
ui .800 .457 3.063 1 .080 2.226 , .908 :' 5.454
"

Constant -1.184 .919. 1.661' ' 1 .197 .306


8. Varfabfe(s) entered on step 1: age, race, smoke, pt!, ht, ui.

Setelah ftv dikeluarkan Idta lihat penlbahan nilai OR untuk varia bel age, race,
smoKe, ptl, ht, dan ui.
I
Variabel OR ftv ada OR ftv tak ada perubahan OR
Age 0.960 0.960 0 0/ 0
Race(l) 2.743 2.744 ,0 0/0
Race(2) 2.n7 2.723 '00/0
Smoke 2.622 2.620 - o 0A,
PtI 1.877 1.875 0,1 %
Ht 3.902 3.889 0.3%
, ,
ui 2.229 2.226 0,1 0/0
ltv 1.009

Dengan hasH perbandingan OR terlihat tidak ada yang > 10 (0 dengan demikian
dikeluarkan dalam model. Selanjutnya variabel yang terbesar' p valuenya adaJah
umur, dengan demikian dikelurkan dar model dan hasilnya' _
Hasifnyanya :

195
Variables In the Equation
95.00~C.l.for
EXPjBJ. -
B S.E. Wald df Sig. _~fll lower Upper
sJep race 7.968 2 .019 .
1 race(1) 1.088 .501 4.723 1 .030 2.968 1.113 7.916
race(2) 1.059 _.418 6.422 1 .011 2.883 1.271 6.538
smoke .991 . .387 6.569 1 .010 2.694 1.263 5.747
pU -.576 .334 2.975 1 .085 1.n9 .925 3.422
ht 1.364 .633 4.640 1 JJ31 3.912 1.131 13.537
ul .855 .451 3.585 1 .058 2.350 .970 5.692
Constant -2.146 .386 30.9"17 1 .000 .117
a. Variable(s) entered on step 1: race, smoke, pU, ht,ul.

-_ .

.~ah variabei umur dikefuarkan, Idta _eek lagi Perubahan OR uQtuk varia~el
yang masih aktif di model.
Vana~ OR age ada OR age tak ada . perubahan OR
" .Age
. 0.960 - ~

Race(1) 8,2 0/0


2.\43 2.968
Race(2) 2.727 2.883 5,7%
Smoke 2.622 2.694 _ 2,7 % _
PtI 1.877 1.n9 5,2 0/0
Ht 3.902 3.912 0.3 %
ui 2.229 - 2.350 5,4 0/ 0
'"
ftv 1.009

Dan ailalisis perbandingimOR, ternyata perubahannya < 10 0/0 , dengan


. . ' .
demikian varia bel umur dikeluarkan dari model
langkah selarijutnya mengefuarkan va ria bel yang p valuenya > 0,05, v,ariabel ptl
.dlkeluarkan model, hasilnya

196
""'" ,".~",,' .~"':~~~"~ '~"":" \/::"!:;;."":"~~1;,~:ir~; ".r;~U~r~"I.'" td"""<; ~~~"
Variables In the Equation
95.0% C.!.for
EXPCB) .
B S.E. Wald df Sig. Exo(B) Lower Upper
SJep race 8.245 2 .016
1 race(1) 1.064 .499 . ... 4.545 1 .033 2.897 1.090 7.704
race(2) 1.083 .413 6.877 1 .009 2.955 1.315 6.640
smoke 1.094 .380 8.299 1 .004 2.986 1.419 6.286
ht 1.359 .630 4.660 1 .031 3.894 1.133 13.379
ul 1.006 .438 5.262 1 .022 2.734 1.158 6.458
Constant. -2.092 .380 30.307 1 .000 .123
a. Variab:e(s) entered on step 1: race, smoke, ht,ul.

Set ea I eIua rka n, kita Ih


I h PltI d'~ i at perubha
a n ORnya:
:,.' . Vartabel OR ptl ada OR pH tak ada perdbahan OR
Age 0.960 - .
Race(1) 2.743 2.897 5,6 0/0
Race(2) 2.727 2.955 . - 8,3 %

..
Smokei 2.622 2.986 13,80/0
Ptl 1.877 - -
Ht 3.902 3.894 0.2 0/0
ui 2.229 2.734 22,6 0/0
ttv 1.009 - ..

Temyata setelah ptl dikeluarkan, OR va ria bel merokok dan kelainan uterus
..'berubah > 10 0/0, dengan demikian variabel ptl dimasukkal1 kem~'.i dala~
-model.

Kemudian varia bel ui dikeluarkan dalam model karena p valuenya > 0,05, dan
hasilnya sbb:

191
Variables In the equation
. 95.0% O.l.Ior
EXPlB)
B S.E. Wald df Sig. ~.l Lower UPDer
SJep race 8.286 2 .016
1 race(1) 1.062 .500 4.513 1 .034 2.894 1.086 7.712
race(2) 1.085 . .411 6.949 1 .008 2.958 1.321 6.626
smoke .996 .382 6.794 1 .009, 2.707 1.280 - 5.726
ht 1.221 .629 3.764 1 .052 ..':t390 .988 11.640
pU .696 .325 4.596 1 .032 2.007 1.062 3.793
Constant -2.025 .372 29~586 _ 1 .000 .132
,
8. Varlable(s) entered on step 1: race, smoke. ht.pU.

Kita '-hat
I I<!em barI peru baha nOla - t I h_vana
'I i OR seea . be I UI d'l<! I rica n:
I eua
-VariabeJ OR uiada- ORui tak ada - perubahan OR
Age 0.960 -
-
Race(l) 2.743 2.894 5,5'0/0
-" Race(2) 2.727 2.958 8,4 0/0
Smoke 2.622 2.707 3,20/0
Ptl 1.877 2.007 6,9 0/ 0 -
. Ht 3.902 3.390 13.1 0/0
.11

" -
ui 2.229 - -
ftv 1.009 - -
Setelah cfi1akukan perbandingan OR,- temyata variabel ht berubah > 10 '0/0 ,
dengan demikian variabelui masuk kembali dalam model. Akhimya. model yang
dihasilkan adalah sbb:

";.\..1

.....
,- '. " 198
Variables In the Equation
95.0% C.f.for
EXP(B)
B S.E. Wald df Sla. ExoCB} lower Upper
S!ep race 7.968 2 .019
1 race(1) 1.088 .501 . 4.723 1 .030 2.968 1.113 7.$16
race(2) 1.059 . . .418 " 6.422 1 .011 2.883 1.271 6.538
smoke 991 .387 6.569. 1 .010 2.694 1.263 5.747
pU ~576 .334 2.975 1 .085 1.779 .925 3.422
ht 1.364 .633 4.640 1 .031 3.912 1.131 13.537
1.11 . .855 .451 3.585 1 .058 2.350 .970 5.692
Constant -2.146 .386 30.917' 1 .000 .117
a. Variable(s) entered on step 1: race, smoke, pUt ht, til.

"

,,~,:C. UlI INTERAKSI


Uji interaksi dilakukan pada variabel yang diduga secara substansi ada interaksi,
kalau memang tidak ada tidak perlu dilakukan uji interaksi. Dafam' kasus
sekarangl misalkan IOta duga merokok berinteraksi dengan hlpertensi.
Langkahnya:
1. k1ik analysis, klikregression, klik binary ogiStik
, 2. Kotak dependen isikan low
3. Kotak Kovariat isikan Race, smoke, pH, ht dan ui
4. KJik tombol Next
5. iSikan : smok.e*ht ke katak koVariat
6. i<Jik OK

fihat hasUnya pada bagian Block 2 '

Block 2: Method = Enter


Omnibus Tests of Model COemclents '
..
,
I SQuare
Chi ,
Of I Sjg. I
Step 1 Step .000 1 .994
Block .000 1 .994
Model 26.560 7 .000

199

'Variables 1n Ute EquaUon


, 95.0% C.l.for'
EXP-LBi
S.E. Wald df Sig. .~). Lower
Upper
SJep
1.
race

B
- 7.900 2 .019
race(1) 1.08$, . .502 4.692 1 .030 2.969 1.109 7.946
race(2) 1.059 ,419 6.387 1 .011 2.883 1.268 6.555
smoke ~990 .397 6.211 1 .013 2.692 1.236 5.865
pH .576 .33$' 2.937 1 .081 1.779 .921 3.438
ht 1.360 .831 2.680 1 .102 3.896 .765 19.852'
"
uJ .854 .451 3.584 1 .058 2.350 .970 5.693
:
htbysmoke ~O10 1.283 .000 1 .994 1.010 .082 12.491 .
" -' Constant -2.1.46, .386 30.875. 1 ,.000 .117 ........

a. Variable(s) entered on step 1: ht smoke.


:,

, -,' ' . .l;!:,' . ..'-


PaCla output bagian Block 2~Methode=Enter, terlihat h~sil uji 'omnibusnya
'm~mperfihatkan p value = 0,994 (lihatbagian step) betarti lebih,besar dan 0.05.
be~,{ti : tidak ada 'interaksi antara merokok dengan ~ipertensi.

Oengan demikian pemodelan telah selesai. model yang valid adalah modei tanpa
, '

ada interaksf:

'MODEL TERAKHIR'
Variables," the Equation
95.0% C.l.for
EXPlIn
B . S.E. Wald. df Sig. Exp(B) . Lower U~
SJep race 7.968 2 .019
1 race(1) 1.068 ' .~1 4.723 1 .030 2.968 1.113 7.91&
race(2) 1.059 .418 6.422 1 .011 2.883 1.271 6.538
smoke .991 .387 6.569 1 .010 2.694 1.263 5.747
pH .576 ~334 2.975 1 .085 1.779 .925 3.422
ht 1.364 .633 4.640 1 .031 3.912 1.131 13.537
ul .855' ,451 3.585 1 .058 .2.350, ~970 5.692
.:
Constant -2.146 . .386 3{).917 1 .000 .117' , ,

- 8. Vanable(s) entered on step 1; race, smoke, pUt ht. uI.

200

Interpretasi:
Model regresi logistik hanya dapat digunakan untuk penelitian yang bersifat
Kohort. Sedangkan unutk penelitian yang bersifat cross sectional atau case
. control, interpretasi yang. da'pat dilakukan hanya menjelaskan nilai OR (Exp B)
pada masing-masing variabel., OIehkarena analisiSnya multivariatjganda maka
nilai OR-nya sudah terkontrol (adjusted) oleh variabeJ.lain yang ada pada model.
. Dari analisis multivariat temyata variabel yang berhubungan bermakna dengan '
kejadian BBLR adalah vanabel ras," merokok dan hipertensi. Sedangkan variabel
.;,.,~ . riwayat prema.tur di:m ~'ainan ut~". sej:>agai ,variabelkonfounding. Hasil
. .'." , . ' ':. .

.-. analisis dldapatkan Odds Ratio (OR) dan varia bel hlpertensi adalah 3,9, artinya
'. Ibu yang menderita hipertensi akan melahirkan bayi BBLR sebesar 4 k;,1li lebih"
tinggi dibandingkan Ibu yang tidak' menderita hipertensi setelah dikontrol
- . .
va ria bel race, merokok, prematur dan uterus. Secara sama dapat
diinterpretasikan untuk variabel yang lain.

UnbJk melihat varia bel mana yang paling besar perigaruhnya~ Jerhadap
varia bel dependen, dilihat dari exp (B). untuk variabel. yang signifil<an, semakin
besar nilal exp' (B) "berartisemakin besar. 'pengaruhnya" terhadap variabei< ,',
dependen yang dianalisis. oalam data Ini. berarti hipertensi yang paling besar
pengaruhnya terhadap kejadian bayi BBLR.

,,~,.:.,

201
KASUS KEOUA :
REGRESILOGISTIK MODEL fAKTOR RISIKO
. 'Tujuan 811a1i$fs :
" , Untuk mengetahJd hulxmgan pekeljaan dengan menyusui eksklusive'
." ,

" '" Variabef fndependen utama :- Pekerjaan


, Variabel dependen : Ekstdusive '
Varlabel kOnfounding :- uniur, dan sikap.. Variabel umur berbentuk: dua katagori
.' '. .
,yaily :S 301b dan> 30 tho
.A-, iangkah' peri:ama: menyusun model mencakup semua variabef dan variabel
, 'inte~ksi

'cara

" 1. Pifih "'Mant!'

2. PUih '" Regressiorl'


,,!~iJ()jk: -Binary logisti~, munro. menu dialog yan'g berisi 'ketak Dependent dan
Covariat Pada kotak Dependen. islkan variabel yang ~ perlakukan sebagaf
, dependen (dalam contoh ini' berarti eksldu) dan pada kotak Covariat isikan
" . :vanabel fndependeri utama beserta variabef konfounding dan Interaksinya
" (dalam. hallnl berarti: kerja, umurl, sikap, kerja*umur1, kerja*sikap)
,.' 4. 'J<Jjf< '~"dan hasflnya sbb:

202
.";' ,
Logistic Regression

Variables In the Equation


95.0% C.Lfor
. EXPCB)
B S;E. Ward df Sig. Exp(B) lower Upper
Stt\ keIJ8 -20:275 28420.722 .000 1 .999 .000 .000 .
pi umurt 1.681 1.197 1.972 1 .160 5.372 .514 56.109
sikap . -.052 ..1'14 .208 1 .648 .949 760 1.186 .
kerja by umurt 20.279 28420..7 22 .000 1 .999 6E+008 .000 .
kerja by likap .148 .159 .B69 1 .351 1.160 .849 1.583
'. Constant
'.
-1.505 1.432' 1.105 1 .293 .222
a. Variable(s) entered on step 1: kerja; umur1. sikap. kerja umur1 kerja sikap ~

Dan output mode! penuh/lengk:ap ini kita lakukan uji 'ntera~i, vadabel dilq3takan
berinteraksi blla p valuenya < 0,05. Seleksinya dengan mengeluarkan secara
bertahapVariabei interaksi yang tldak signifikan (p>O,05), 'pengeJuaran dilakukan
secara bertahap dari variabel interaksi yang p va/ue-nya terbesar. Dari hasil di
atas varia bel interaksi "Pekeljaan by umur" -mempunyai nilai p terbesar.
(p=O,999) sehingga variabp.I' tersebut' dikeluarkan dart . model. Dan model'
menjadi: i

.Logistic Regression
, .
. ""Variabtes'ln the-Equation
- ..
95.00.4 C-IJor
EXPtB)
B S.E. Wald df Sig. &.p(B) Lower Upper
Ste. kerja -.445 1.718 .067 1 .795 .641 .022 1'8.557
pi umuii 2.21.1 1.148 3.741 1 .053 9.171" .971 86.749
s/kap -.060 .114 .274 1 .601 .942 .753 1.178 .
kerja by .'
s/kap .175 .156 1.264 1 . .261 1.191 .878 1.616
Constant -1.881 1.483 1.610 1 ,205 .152
s. Variable(s) entered on step 1: kerja. umur1. s/*I(ap. kerja 10 sikap

. ' . Dart output dratas, vartabel interaksl 'kerja by sikap' harus dikeluarkan dari model
karana p valuenya > 0,05. Setelah dlkeluarkan hasilnya:

-'. 203
Variables In the Equation
; .:.
95.0% C.Uor .
""
EXPlB)
B S.I:. Wald df Ski. Exp(B) Lower Upper
SJeP keqa 1.376 .666 4.273 1 .CI39 3.959 1.074 14.592
1 umur1 ,2.260 '1;157 3.812 1 . ,(}51 9.582 .991 92.:609
slkap .035 .076 .212 1 .645 1.036 .893 1.202
Consta
nt ~2~87G 1.239 5.384 1 .020 .056

" a. Vartable(s) entered on step 1: kerja, umur1. sfIr.ap.

, "

Dengan demikian hasil uji interaksi sudah selesait kesimpulannya tidak ada varia bel
loterasksi, langkah selanjutnya uji konfounding

, lJ.:JI KONEOlJNDING '


.: Uji konfounding dengan cara melihat perbedaan nital OR~ntuk variabel lJt'afJ'la dengan
. '. ~~ikeluarkannya var'iabel kandidat k.onfoundi~, bila perubahannya > 10 ok; maka
",'varalbeltsb dianggap sebagaf variabel konfbur.xfing.
", 1

Tabap pertama : akan dikefuarkan variabel Sikap, setelah dikefuarkan dan model
.hasiilnya sbb:'

Variables In the Equation

95.0% C.I.for EX~fll"


B S.E. Wald df Sig. Ex~B) lower - Uj)~r
~te. kerja 1A13 .660 4.585 1 .032 4.110. 1.127 14.985
- .., 1
Umui1 2.378 . 1.135 4.389 . 1 .036 10.783 1.165 99:754
"~.'" Constant -2.624 , 1.113 5.555 1 .018 .073 ..
" a. Varfable{~" entered on step 1: Kerja, umur1.
Setelah. varfabel ~ikap d'keluarkan terlihat penlbahan OR variabel utama kerja
se~r : {4,111 -' 3,959)/3,959 == 3,83% Dengan ,demildan variabel sikap
bukan kqilfounding, dan harus dikeluarkan dan model '

langkah selanjlitnya mengeluarkan vanabel umur, setelah dikeluarkan h~ilnya:

.. '.-'.

, ;
Variables In the Equation

95.0% C.I.for EXP--,-BJ. '


B S.E. Wald, elf S~ Exp(B) Lower Upper
SJep kerja 1.698 .618 7.545 1 .006 5.464 1.627 18.357
1 Const .
ant -.754 .429 3.091 1 .07~ 471
"
S. Variable(s) entered on step 1: kerja

.SeteJah varfabet umur dikeluarkan terlihat perubahan OR varfabel utama: kerja


sebesar :' (5,464-3,959)/3,959 =38,01 0li Derigan demikian variabel umur
menJpakan variabel konfounding. Untuk itu variabel umur harus tetap ikut dalam
.model sebagai konfounding hubungan kerja dengan menyusui ekSkiusive.

<; .Model terakhir :

Variables In the Equation

-
95.0% CJ.for EXP-.fBi
-..... '
8 S.E. Wa'd elf Sig. Exp(8) lower Upper
St~ kerja 1.413 .660 4.585 1 .032 4.110 1.127 ' 14.985
p1 umur1 2.378 1.135 4.389 1 .036 '10.783' 1.165 99.754
:
Constailt -2.624 1.113 5.555 1 .018 .073
a. Variable(s) entered on step 1: kelja, umuri.

Interpretasi:
;',_ .-Setelah
,
,
dilakukan analisis confounding, temyata, umur merupakan confounding
hubungan
.
pekefjaan dengan menyusui eksklusif, maka modelnya
.
adalah
.
sbb: .

, , ,.:,Pari model di atas dapat dijelaskan bahwa ibu yang tidak bekeda' mempunyai
~, .",.

, ,t,peluang menyusui eksldusif.4 leali dibanding~n ibu yangtidak..,:bekerja.setelah'


',' I", " . ""!: .. .~.
. ..
~~

'"dikontrol variabef "umur".

205
Lamplran data LBW. SAVe

'.
Id Low AI;Je . Iwt race .smoke pH ~

ht ul ftv bwt
1 ., I 28 120. 3... 1 1 0 1 0 709
2 1 29 130 1 0 0 0 1 2 1021
3 . 1 34 187 2 1 0 1 0 0 1135
4 1 25 105 3 0 1 1 0 0 1330
5 1 .. 25 85 3 '0 0 0 -1 0 1474
.... 6 1 27 150 3 0 0 0 0 0 1588
-- 7 1 2J 97 3 0 '0 O 1 1.. 1588
--8 1 24 128 2 0 1 0 0 -1-:: 1701
9 1 24 132 3 .0 0 1 .0 0 1729
-
..10 . 1 21 165 1 1 0 1 0 1 1790
11 1 32 105 1 1 0 0 0 0 1818
4~ ~.
-
12
. ,
1 19 91 1 1 2 0 1 0 1885
,i:
;'.
'. Q 1 .25 115 .3 0 0 0 0 0 1893
14 1 16 130 3 0 0 0 0 1 1899
::: " Is: 1 25 92 1 1 0 0 0 0 1928
.,
16. 1 20 150 1 1 0 0 0 2 1928
.'
... 17 .1 21 200 2 0 0 0 1 2 1928
18 1 24 . 155 1 1 1 0 0 0 1936
19 1 . 21
- 103 3. 0 0 0 0 0 1970
. ...20 1 20 125 3 0 O. 0 1 0 2055
....21 1 .. '25 89 . 3. 0 2 0 0 1 2055
.22 1 19 102 1 0 0 0 0 2 2082
'23 1 19 112 1 1 0 0 1 0 2084
24 1 26 117 1 1 1 0 0 0 2084
;25 1 24 138 1 0 0 0 0 0 2100
26 1 17 130 3 1 1 0 1 0 2125
27,
..

!,~:;J 1 20 120 2 1 0 0 0 J 2126


,28 :I. 2Z 130 . 1 1 1 0 1 , 1 2187
'.' '29 1 27. 130 2 0 0 0 1 0 2187
30 1 20 00 J 1 0 0 1 0 2211
31 1 17 110 1 1 0 0 0 0 2225
32 1 25 105 3 0 1 0 0 1 2240
33 1 20 109 3 0 0 0 0 0 2240
34 1 18 148 3 0 0 0 0 0 2282
35 1 18. 110 2 1 1 0 0 0 2296
36 1 20 121 1 1 1 0 1 0 2296
37 1 21 100' 3 0 1 0 0 4 2301
38 1 . 26 96 3 0 0 0 0 0 2325
39 1 ~1 102 1 1 1 0 0 1 2353
.. 40' 1 15 110 1 0 0 0 0 0 2353

-.. 41 1 23 187 2, 1 0 0 o .' 1 ,~ 2367


:
42 1 20 122 2 1 0 0 0 ,0 .. 2381
"

43 1 24 105 2 .1 0 '0 0 0 2381


44 1 15 115 3 0 0 0 1 0 2381
45 1 23 120 3 0 0 0 0 0 2395
'. -46 1 30 142 1 1 1 0 0 0 2410
47 1 22 130 1 1 0 0 0 1 .2410
48. 1 17 120 1 1 0 o 0 3 2414
49 1 23 110 1 1 1 0 0 0 '2424
50 1 17 i20 2 0 0 .0 0 2 . 2438
51 1 26 154 3 .0 1 1 0 1 ...2442.
..
..
; '

5i l' 20 105' 3 0 0 o. O. 3 2450


53 1 26 190 1 1 0 0 0 0 " 2466
54 1 14 101 3 1 1 0 0 0 2466
' ..
55 1 28 95 1 1 0 0 o" 2 - 2466
.." '
56 1 14 100 3 0 0 0 0 2 . 2495
57 1 23 94 3 1 0 0 0 0 2495
58 1 17 142 2 0 0 1 0 0 2495
59 1 21 130 1 1 0 1 0 3 2495
GO 0 19 . 182 2 0 0 0 1 0 2523
61 0 33 155 3 0 0 0 () 3 2551
62 0 20 105 1 1 0 0 O 1 2557
.
63
"
64
0
0
21
18
108
107
,
1
1
1
t
0
0
0
0 , 2
0
2594'
2600

207
65 0 i1 124 3 0 ,0 , 't~.O , 0 \) 2622
66 0 22 118 1 0, 0 0 '0 1 2637
67 0 17 103 3 0 0 0 0 1 2637
68 0 29 123 1 1 0 0 0 1 .2663
.. . '
69 0 26 113 1 1 0 0 0 0 . 2665
70 0 19 9S '3 0 0 0 0 0 ZI22.
71 0 19 .150 3 0 0 0 0 1 2733
72 0 22 9S 3 0 0 1 0 0 '.750
, ,
73 0 30. 107 3 0 1 0 1 -2 2750
74 0 18 100 1 1 0 0 0 ,0 2769
276tf
,
7S 0 18 . 100 1 1 0 0 0 0
" 16 0 15 98. 2 0 O. 0 0 ';'0 7.718
'77 0 25 118 1 .1 0 0 0 .'':-3 2782
,.
78 0 20 120 3 0 0 '0 1 0 2J307
79 O. 28 120 1 1 0 0 0 1 2821
' ,

80 0 32 121 3 0 0 0 G 2 2835
'. ...
"~~-
.,

"
81 0 31 100 1 0 0 0 1 3 283S
..:..'i';.
",' ,~-.,

82 0 36 202 1 0 0 0 0 1 2836
.. " ,,'

83 0 28 120 3 0 0 0 0 0 2863
'~~;:.:;'
84 .0 25 120 3 0 0 ,0 1 -2 2877
. ';'~~; .,85 0 28 167 1 0, 0 0 0 0 2877
"
,'; ... 86 0 17 122 1 1 0 0 0 0 2906
87 0 29 150 1 0 0 0 .0 - 2 2920
88 0 26 168 2 1 0 0 '0 0 2920
. " ':"!I"'l~.I$
0 17 113 2 0 0 0 0 "'1. 2920
'go 0 17 113 2 0 0 0 0 ";1 29;aD
. 91 0 i4 ~ 1 1 1 0 0 ::-1 2948
92 0 3S 121 2 1 1 0 0 1 2948
93 0 2S 155 1 0 () 0 0 1 2977
94 0 2S 125 2 0 0 0 0 0 2977
,
9S 0 29, 1-40 1 1 0 () 0.. 2 2977
96 '0 19 138 1 1 0 0 0 - 2 2977
97 0 27 ' 124 1 1 , 0 0 () 0 2992
98 0 31 215 1 1 0 0 t) 2 300S

~;.~ .....: " J .: . "''';.

: 1': 20.8
99 0 33 109 1 1 0 0 0 1 3033
100 0 21 185 2 1 0 0 0 2 3042
101 0 19 189 1 0 0 0 0 2 3062
102 0 23 (1' 0 1 3062
130 2
. 0 0
103' 0 21 160 1 0 0 0 0 0 3062
104 0 18 90 1 1 0 0 1 0 3076
105 0 18 90 1 1 0 0 1 0 3076
"

106 0 32 132 1 0 0 0 0 4 3080


107 0 19 ' 132 3 0 0 0 0 0 3090
108 0 24 115 1 0 0 0 0 2 3090
.:.,. ..
109 0 22 85 3 1 0 0 '0 0 -~
3090
)
110, 0 22 120 1 0 0 1 0 1 . ' 31N)
.
-' ,',
,111 0 23 128 3 0 0 0 ' 0 0
,

' 3104
112 0 22 130 1 '1 0 0 0 0 3132
113 0 30 95 1 1 0 0 0 2 3147
.. 114 0 19 115 3 0 ~175
'
0 0 0 ..
0 -
115 0 16 110 3 0 0 0 0 !) 3175
-,
116 0 21 110 3 ' 1 0 0 1 0 3203

. '
117
118
0
0
30
20
153
103
3
3
0
0
0
0
0
,0
0
0
0
0
320~
'3203
,', ,; , "'.,.-\'w.:
119 0 17 '119 3 0 0-,' 0.. 0"
0 3225
, '
/.,.

120 0 17 119 3 0 0 0 0 0 3225


121 0 23 119 3 0 0 0 0 2 3232
122 0 24 110 3 0 0 0 0 0 3232
.. -"
"
123 0 2Q 140 1 0 0 0 0 : .,~
0 . 3234
'.
124 0 26 133 3 2 0 0 0 3260
:
1 -
125 0 20 169, 3 0 1 0 1 1 3274
126 0 24 115 3 0 0 0 0 2 3274
127 0 28 isO 3 1 0 0 0 6 3303
128 0 20 . 141 1 0 2 0, 1 1 ,3317'
129 '0 22 158 2 '0 1 0 0 2 3317
, 130 0 1 0 0' '0 3317
22 112 1 ~J
131 0 31 150 3 1 0 0 0 2 3321
132 0 23 115 3 1 0 () 0 .1 ' Jl3!
..
. 133 0 16 III 2 0 0 0 0 0 3374
134 0 16 135 1 1 0 0 0 0 3374
135 0 18 229' 2 0 0 0 0 0 3402
136 0 . 25 140 1 0 0 0 0 1 3416
: 137 0 32 134 I.. .
1 1 1 0 0 4 3430
'.

138 0 20 U1 2 1 0 0 0 0 3444
139 0 23 . 190 1 0 0 0 0 0 3459
1-10 0 22 131 1 0 0 0 0 1 3460
. 141 0 32 170 1 0 0 0 0 0 3473
142 0 30 110 3 0 0 0 0 0 3475
"'143' 0 20 127 3 0 0 0 0 0 3487
i+1 0 23 123 3 0 0 0 0 0' 3544
145 0 17 120 3 1 0 0 '0 O' 3572
.146 0 19 lOS 3 0 0 0 0 0 3572
.
147 0 23 130 1 0 0 0 0 0 3586
148 0 36 175 1 0 0 O :0 0 3600
,
...'1
.149 0 22 125 1 .., 0 0 0 0 1 3614
';',150 \ 0 3614
0 24 133 1 0 0 0 0
151 , 0 21 134 3 0 0 0 O 2 3629
..
152 0 19 23S 1 1 0 1 0 0 3629
' .. ,.153 0 25 9S 1 1 3 0 t- O 3637
154 0 ; 16 13S 1 1 0 0 .0 0 3643
-
15S 0 29 135 1 0 0 0 0 1 3651
156 0 29 154 1 0 0 0 0 1 3651
1S7 0 19 147 1 1 0 0 0 0 3651
158 0 19 147 1 1 0 0 0 0 3651
159 0 30 137 1 0 0 0 0 1 3699
160 (} 24 110 1 0 0 0 0 1 3728
161 0 19 184 1 1 0 1 0 0 3756
162 0 24 i10 3 0 1 0 0 ~O 3770
"

163 0 23 110 1 0 0 0 0 1 3770


...
164 0 20 120 3 0 0 0 0 0 3710
, ~65. 0 ~. '.' i41.. 2 () 0 1 0 0 3790
.. '",:",

'-66 0.
"', $' .III ;., ,': .::~. ':.
1 ,0 0 0 0 1 3799
.. .. ';:
, ....
'., "',,~;;'
~,

'

, " ...
',"

. ,
167 0 22 169 1 0 0 0 0 0 i
I 3827
i
168 0 18 120 1 1 0 0 0 2 3856
169 0 16 170 2 0 0 0 0 4 3860
170 0 32 186 1 0 0 0 0 2 3860
171 0 18 120 3 0 0 0 0 1 3884
1n 0 29 130 .1 1 0 0 0 2 3884
173 33 117 1 0 0 0 1 1. 3912
174 0 20 170 1 1 0 0 0 0 3940
,
175 0 28 134 3 0 0 0 0 1 3941
176 0 14 135 1 0 0 0 0 .0 3941
..
1n 0 28 130 3 0 0 0 0
..
0 ..
3969
17e 0 25 120 1 0 0 0 0 2 3983
179 0 16 95 3 0 0 0 0 1 3997
i 180 0 20 158 '1 0 0 0 P 1 3997
181 0 26 160 3 O. 0 .. 0 0 0 4054
182 0 21 115 1 0 0 0 0 1 4054
183 0 22 129 1 0 0 0 0 0 4111
t
184 0 25 130 1 0 0 0 .0 2 4153
185 0 31 '120 l' 0 0 0 0 2 4167
186 0 35 170 1 0 1 0 0 .1 4174'
187 0 19 120 1. 1 0 0 0 0 4238
C' .' ~

188 0 24 116 1 0 0 0 0 1 4593


189 0 45 123 1 0 0 0 - 0 1 4990

.:

zu

Praktikum I : Transformasi Data


Ganakan file: ASI.SAV
1. La.ktikan pengelompokan data berat barlan ibu ke dalam 4 keloinpok
yaitu < 50 kg, ~1 - 55 kg, 56-60 kg dan diatas > 60 kg. Rapikan datanya
. dan berikan value label' . .
2. LakuIcan pengelompoklau1.data kadar hb (gunakan variabel HB2) ibu
. kedalam dna kelompok yaitu < 11 g dan > 11 g. Rapikan datanya dan
berikan value label .
3. Lakulcanpengelompokkan data berat badan bayi dalam. 2 kelompok
.<2500g dan ~ 2500 g. Rapikan datanya dan berikan value label
4;~':LakuIcan peinbuatan variabel bam mntn" diubahtnenjadi dalam satuan .
bulan. .
"5~".:-Lairukanpenibuatan variabel bam basil dari rata-rata pengulamUi ~ "1
danHb2. . . .
6. LakuIcan p~ variabel bam sikap. dengan cam menggabungkan
keeOlpat pertanyaan sikap. Kemudian lakukan pengelompokan menjadi
dna kelompok yaitU buruk dan baik, cut pointberdasarkan ni1ai median.
"''''7. Lakukan pembuaianvariabel bam RISIKO, yang b~rlsi 2 kelompok yaitu
.~,~ ,.' .risik:o rendah (Icode 0) dan mileb tinggi (kode 1), risiko tinggi bila
.memenuhi kondisi: berat hadan diatas 65 kg danberstatus bekeIja, selain
kondisi ini tennasnk.kondisi rendah '
:7~8.' I..aicUkan pembuatan variabel bam RISlK.Ol, yang berisi 2 kelompok .
yaitu risiko rendali (kode 0) dan risiko tinggi (kode 1), risikotinggi bila
memenuhi kondisi: HB choawah 10 atau umur> 30 th, seISin kondisi ini
tennasok konclisi rendah . '

212
Praktikum II
a: uji validitas dan reliabilitas Kuesioner
.
Lakukan uji validitas dan reliabilitas untuk pertanyaan vanabel Kepuasan
pekerja: .,
1. Saya mendapatkan kesempatan menggunkan ketrampilan saya dalam
mel~anakan tugas
, a. selalu b.sering c.kadang-kadang d.jarang e.tdk
puas
2. Saya memperoleh kesempatan untuk melakukan tugas-tugas yang
beragam
a. selalu b.sering c.kadang-kadang d.jarang .' e.tdk
puas .
3. Saya menerima saran-saran dari ternan sewaktu menghadapi persoalan
a. selaiu b.sering c.kadang-kadang d.jarang e.tdk
puas
4. Atasan saya mendorong saya untuklebih berprestasi
a. selalu b.se~iing . c.kadang-kadang d.jarang e.tdk
puas
5. Suhu udara df tempat keIja saya terasa:
a. sngt sejuk h.cukup sejuk c.sejuk d.tdk. sejuk e.sangat tdk
sejuk

data hasil pre test sbb:

no puasl puas2 puas3 puas4 puas5


1 1 1 2 1 q

2 2 2 2 2 5

3 4 3 3 3 4

4. 2 2 3 4 4

5 1 1 1 2 5

6 1 1 1 2 5

7 J 3 3 3 5

i:.}
8 2 2 2 2 4

9 1 1 1 1 1

10 1 I 2 2 2

II 2 '2 2 2 .2

12. 1 I. 3 3 2

213
13. 1 2 2 2 2
14 1 1 2 2 2
15 1 1 1 1 3
16 3 3 3 3 3
17 4 4 4. 4 3
18' 5 5 5 5 3
19 4 4 4: 4 4
20 3 3' 3 3 3

:b: Uji Interrater Reliability Observasi


Lakulcan uji inte1l1Uer (penyamaan persepsi) antara peneliti de~ga.n
numerator. Data yang diamati adalah: ..

Apli/a)h perawat melakukan komunikasi yang efektifsaat berinteraksi


. dengan pasien?
'i"".' J. ya " 2. tidak
,,~:;Untuk menyamakan persepsi, kemudian dilaIcuk:an pretest pengamatan pada
15 pasien, hasilnya:
No peneliti numerator
111
''''' 2 2 2
: fl
.....l$
.;-~<

3 1 2
4 11
5 1 1
6::.~ 2 . '2
722
8~' 1 1
. '9
::-: 1 1
:::JO. 1 '1
,. 11 2 2
12 1 1
13 1 '. 1
~'a 14 ,2 1,
. 15 1 I
.Uj~lah dengan menggunakan uji kappa untUk mengetahui tingkat
. . '..'.J(~epakatafl antrultpenelitl dengan numerator . .
. Praktikum III : Analisis Univariat:
Aktifkan file-LBW;SAV

'1. Lakukan analisis deskriptif~untuk variabehiwayat rl1eroko~.Sajikan dan


interpretasikan' '.
2. Lakukan anallsis deSkriptif untuk vartabeiberat badan bayl" Sajikan dan
interprtasikan. .
3. Lakukan analis deskriptif variabel bernt badan ibu dikelompokkan menjadi ..
<60 kg, 60-65 kg dan> 65 kg. sajikan dan interpretasi
4. Lakukan analisis untuk variabel umur ibu. Sajikan dan interpretasi
5.' Lakukan analisi deskriptif varia bel riwayat hlpertenis
. ,

.....,. Praktikum IV: 'UJI T DAN UJI ANOVA


. .
1. Lakukan analisis hubungan pekerjaan dengan kadar Hb (guna~n hbl)o
Bandingkan rata-rata kadar Hb antara ibu yang .bekelja dengan yang tidak
bekerja. Ujifah apakah ada perbedaan rata-rata kadar Hb. antara ibu yang
bekelja dengan' ibu yang tidak' bekerja. Sajikan dengan tabel dan
interpretasikan

2. takukan.:~ananSis,.hubungan umur,denganberatbayi. 'Umur diklasifikasikan


dalam dua keiompok yaitu S 25" dan >' 25 tho Bandingkan rata-rata berat
badan bayi antara ibu yang berumur < 25 til dan yang > 25 tho Ujilah apakah
ada perbedaan rata-rata berat badan bayi antara ibu yang berumur < 25
dengan yang> 25.th. Sajikari dengan tabel dan interpretasikan

3. Lakukananalisis hubungan pendidikan dengan kadar Hb (gunakan Hb2).


Bandingkan rata-rata kadar Hb antara ibu yang berpendidikan SO, SMP, SMU dan
PT. Ujifah apakah .ada perbedaan rata-rata .kadar Hb antara fbu yang
'.' wpendidikan SO, SMP, SMU dan PT.sajikan dengan tabel dan Interpretasikan
4.lakukan analisis hubungan berat badan Ibu dengan berat-badanbayi,..lakukan
pengetompokan ~ at badan ibu kedalam: S 50 kg, 51-60 kg dan> 60 kg.
Bandingkan rata-rata berat badan bayi antara ibu yang beratnya s 50 kg, 51-60
kg dan > 60 kg. Ujilah apakah ada petbedaan rata-rata berat 'badan bayf
~ia~tara kefompok:S 50'kg, ~1--60 kg dan> 60 kg. Sajikan dan interpretasikan

Praktikum V:
UJI.~ KUADRAT DAN KORELASI

1. Lakukan analisis hubungan . pendidikan dengan


.
menyusui
..
eksklusif.
Pendldikan dikelompokkan menjadi 2 kelompok, yaitu .reridcih (SO dan SMP)
dan~nggi (SMU dan PT). Bandingkan persentase menyUsui eksldusive antara
. tbu dengan pendidikan rendah dan pendidikan tinggi~ .Ujilah .apakah ada
perbedaan persenta5e. menyusui .. ~kJusive antara il;lu dengan pendidikan
.,~,. .. rendah dan pendidikan tinggi. Sajikan dengan taber dan interPretasikan

2. Lakukan analisishubungan umur i~ dengan hb(gunakan Hb1).


Bagaimana arah dan kekuatan. hubungan antara um~r ibu dan kadar hb.
Prediksikan:kadar hb melaIui wnabel umur ibu. Sajikan dengan.tabel dan
interpretasikan
I;; "'.

216
PRAKTIKUM VI:

.REGRESI LINIER GANDA

Buka file 'htpertensi' ..

Lakukah analisls.hubl,lngan u.mur, rokok, aktifitas, IMT, Sex dan wilayah

dengan tekanan darah Sistolik .

Umur

Rokok

Aktlfitas ----....... SISfOLlK

IMT

Sex

.. Wilayah

PRAKTIKUM VII

REGRESI LOGISTIK GANDA

.. GUNAKAN FILE 'ASI.SAV'


Suatu penelitian Ingin mengetahui hubungan antara : umur ibu, berat badan
ibu, pek.erjaan, berat badan bayi, sikap dengan rnenyusul eksldusive

Ket:

Umur : dikelompokkan ::s; 30 th dan > 30 th

Sikap penjumlahan skorkeernpat pertanyaan sikqp

Umur Ibu

Berat badan Ibu

Pekerjaan ---~--+.. Eksldusive

Berat badan bayi

sikap

217
'. ""'~' :.~. :. ,':~'.
, - .,' . . " f , . . .' . "' " .... , '.'

DAFrAR PUSfAKA

Daniel wayne W, Biostatistics: A Foundation For Analysis in The Hearth Sdenoo;s,


fourth Edition, John Wiley &Sons, New York 1987
". ..:
. Hildebrand David K, R. lyman Ott, Basic Statistical Ideas for Managers, Duxbury
Press, Belmont, California, 1996
. t<lelmbaum, Kupper, Muller. Applied Regression Analysis and Other Multivariable
Method 2 nd ed. Boston: PVVS Kent Pub. Co. 1988
. l.' .

,. .:}.Kusma, Jan W. Basic Statistics for the Health Sdences. California: f1ayfield .

.Publishing Company, 1984.

Nonnan, G.R.D Streiner. Biostatistics, The Bare Essentials. St. LDuis.Mosby-Year


Book, Inc. 1984 - .

Pagano, Marcello, Kimberl~ Gauvreau. Prindples of Biostatistics. Belmont:


Duxbury Press, 1993~ . .

. SuPianto~ Atlaltsis Multivariat, Rineka Opta,Jakarta,'2004 "

Sujana~ Metode Statistika, Ed'1Si ke 6, Tarsito, Bandung,. 1996

Tri,hendradi C, Step by step SPSS 13~ "Andi, Yogyakarta, 2005

..

. ....... .

218

. ,

Lcrmphra ~ .'

, "

NuldlaQ Tabe1Nlhlf Koe&lenEoielasi"z" Produ.~ .


M:otnent dad fean;on: \U1tuk Betb8 df."

"

'
, ,
1 0,991' 1,000
2' 0,960 0.990
...... .' ~.
a ;
(f.s~
-0,969

.'

.,
1:'
G
'l
. O"aU
it'164,
0.'107
-0.91'1 .
0,8"(4:
0.,814
"
0.6G6 O~n8
<a { .", " , S . 0.652 o.,{66
9.
. 0.60% o.n&
10 oplS 0.'f08
-'.
11 0,"" O,68C
"
12 .o;&U!' CliIGL
11 o.A". O.tfi:
14 0,,91 0.828
16 0.-s2 G..IOG
16 0 .(" '~
-, 1" 0,466

1,
0,,,"
0.&16.
~,IG1.
11 .0.4U . 0.54$ .
10 . . 0.(21 .OISl1 'LL ......

. ... '
, '
':

.
iJcmt~ C1!2rlakt ~~ne 4lkoNrq,Jhn:
4(.

.,ev:
(dql"eCl'O( fretdom)
..,6. . ' . "

.
(d~at &~fHu} "'F~~~~!~~~
.. . .
~." ..
1 .:
'" . '"
'
'

..
21 ct.418' . G.G26
U .0.'tCK O'&l6
.IS 0.~,6 606
2"
.Iii. .
0,lSS
-O.asl
- 0.4.96
0,4.81
{;.
','
26 .,a.,' ","18
21. o.a67 '.-410'
'28 " .161. O.tes
"
28' .
10. . - .
8,156
0,849
"~6
..4-l9
...
II< ,
.,,"
.....
86
,(0. .
",
Op5 o..uo
0.104 .,,893'
.
,(6
G9
eo
-.
0,288
0,113
o,tiO
,fit.
0.~2.

G.UG
..'
10 ..~ o-~~.
80 0,111 o.us,
to 0,106 0.,'161
100
Uti .
0.196.
.0.1"". .- 0'"
o.us
UO . 0,169 ',o.sos
SOO M
. ,
r .Otl~. :0,181
109 , 0,11" Ot148
-iGO. . 0.098 O.us'
,GOO' 0,088 -0.11& .
1000 . ..
0,061 ~;m
. .
". .. '. . .
. . .,. ~

'" .
. . ....
.. .

" '1

:,',/'1. ',': .
,':,';, '. \'