BIOSTATISTIK
OLEH:
KELOMPOK 4
SPSS (Statistical Product and Service Solution) merupakan software statistic yang
paling popular, fasilitasnya sangat lengkap dibandingkan dengan software lainnya. Langkah
pertama yang harus dilakukan adalah dengan cara mengginstal terlebih dahulu software SPSS
yang akan digunakan. Setelah dilakukan instalasi, maka langkah berikutnya adalah masuk ke
dalam program SPSS
Perhatikan pada sudut kiri bawah, ada 2 sheet yaitu Data View dan Variabel View.
1. Data View
Data view adalah tempat dimana data statistic yang akan diolah (sudah dalam bentuk
angka skala). Data view memiliki tampilan seperti dibawah ini :
Keterangan :
A. Title bar merupakan nama dari judul SPSS yang sedang dibuka. Pada umumnya,
nama yang diberikan oleh SPSS pada saat membuka pertama kali yaitu
Untitled1[DataSet0]-SPSS Statistics Data Editor
B. Menu berisi perintah mengenai menu di mana di dalamnya terdapat submenu yang
digunakan untuk memproses data yang akan diolah.
File, pada menu utama File memuat sub-submenu tentang file, diantaranya
membuat file baru (New), membuka (Open), menutup (Close), dan menyimpan
file (Save-Save As)
Edit, merupakan submenu untuk melakukan pengeditan data yang telah
dimasukkan pada SPSS Data Editor. Beberapa kegunaan dari submenu dari
menu utama Edit adalah melakukan Undo atau mengembalikan action terakhir
yang dilakukan, sedangakan redo sebaliknya, cut-clear untuk menghapus data,
copy paste untuk menggandakan dan duplikasi data, find untuk mencari data,
dan copi paste variable untuk mengganti variabel data.
View, merupakan menu yang menampilkan submenu untuk menampilkan
status toolbar yang sedang aktif (Status Bar), toolbar dan font huruf yang
digunakan.
Data, merupakan menu yang menampilkan submenu untuk melakukan
perubahan-perubahan terhadap data SPSS, seperti mendefinisikan nilai label
data (define variable properties), mendefinisikan waktu (define dates),
mengurutkan data (sorf cases), dan memisah isi file dengan kriteria tertentu
(split file)
Transform, merupakan pilihan menu utama uang melakukan operasi
transformasi data, seperti menghitung variabel data (compute variable),
mengubah data (recode into same variables- recode into different
variables) ataupun me-ranking data (rank cases)
Analyze, merupakan menu utama yang menjadi pusatpengolahan data SPSS
Graphs, dikelompokkan menjadi 4 sub menu, yang menampilkan berbagai
bentuk grafik dan chart.
Utilities, menu utama yang merupakan pelengkap pada pengoperasian SPSS
ini menyajikan 9 sub menu. Beberapa kegunaan submenu adalah menampilkan
informasi variabel (variables), memdefinisikan dan menampilkan variabel
data (define-use variabel sets)
Add-ons, merupakan menu utama yang menawarkan pelayanan SPSS lewat
website
Window, menu ini memberikan informasi window yang sedang aktif
Help, menu yang memuat 9 submenu ini memberikan bantuan informasi
tentang topic-topik SPSS (topics) ataupun dalam bentuk tutorial (tutorial)
C. Toolbar, berisi icons yang membantu dan mempermudah mengelola data dengan
cepat.
D. Baris Nama Variabel merupakan tempat yang menunjukkan nama dari suatu variabel.
Untuk pertama kali baris nama variabel diberi nama Var. untuk mengganti nama
variabel dapat melalui variabel view dan mengganti dengan cara double klik kotak
variabel tersebut
E. Baris data merupakan barisan yang berisi data-data dalam jumlah banyak yang
merupakan data daripada variabel tersebt
2. Variabel View
Variabel view merupakan bagian yang digunakan untuk mendefinisikan variabel
data yang akan dimasukkan. Untuk mengaktifkan kotak varabel view lakukan dengan klik
variabel view (bagian yang diberi kotak). Variabel view memiliki gambar seperti di bawah
ini :
Jawab :
1. Tetapkan hipotesis
Ho : O = E (tidak ada hubungan)
Ha : O E (ada hubungan)
2. Uji yang digunakan : uji chi square
3. Kriteria penolakan Ho
Apabila nilai > standar
3. Membaca output
4. Membaca tabel
Tabel diatas jelas memperlihatkan nilai pearson chi square adalah 14,805 (dibulat
menjadi 14,81) angka ini sama dengan hasil perhitungan manual. P- value
(significant) 0,001 < 0,05. Dengan demikian Ho ditolak atau Ha diterima.
2. Mann-Whitney Test
Uji Mann-Whitney U adalah tes nonparametrik yang digunakan untuk mengetahui
apakah terdapat perbedaan respon dari 2 populasi data yang saling independen ketika data
lebih lemah dari skala interval. Uji ini dapat disamakan dengan t test untuk 2 kelompok
yang independen ketika terjadi pelanggaran terhadap asumsi normalitas atau skala data
tidak sesuai untuk uji t. Formula uji U :
Kriteria uji : Tolak hipotesis nol (H0) jika nilai signifikan p-value (< 0.05)
Hasil Output SPSS
Oleh karena nilai signifikansi p-value sebesar 0.000 (< 0.05) maka tolak hipotesis nol
(H0). artinya bahwa terdapat perbedaan nilai conversation bahasa Inggris antara siswa laki-
laki dan perempuan.
Pada perangkat SPSS, kita dapat melakukan langkah-langkah berikut ini untuk melakukan
uji tersebut.
Klik Analyze > Nonparametric Test >2 Related samples muncul kotak dialaog:
Dan aktifkan wilcoxon pada Test Type (lebih lanjut akan dijelaskan pada contoh soal)
Contoh Soal:
Universitas Gadjah Mada setiap tahunnya menerima Mahasiswa Baru melalui jalur-jalur khusus
misalnya PBOS dan PBUPD. Guna mengetahui kualitas mahasiswa yang telah diterima melalui
jalur tersebut, dilakukan tes Matrikulasi. Dan pihak pelaksana melakukan dua kali ujian yaitu
sebelum program matrikulasi dilakukan dan setelahnya untuk mengetahui keefektifan program
tersebut. Dan untuk itu diambil sampel sebanyak 15 orang dari kelompok IPA untuk mata ujian
FISIKA, dan diperoleh data:
Peserta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Sebelum 67 54 67 55 87 60 70 45 54 66 73 88 80 65 75
Sesudah 66 75 80 60 78 89 65 70 68 75 74 85 89 90 75
Analisisnya dalam SPSS adalah sebagai berikut:
1.Inputkan data seperti tampak di bawah ini:
Oleh karena jumah rangking negatif lebih kecil dibanding rangking positif maka
nilai T yang digunakan adalah jumlah rangking yang negatif.
Selanjutnya dilakukan uji hipotesis:
H0 : d = 0 (tidak ada perbedaan nilai tes sebelum matrikulasi dan sesudah matrikulasi)
H1 : d 0 (ada perbedaan diantara nilai tes sebelum matrikulasi dan sesudah matrikulasi)
Tingkat signifikansi =0,05
Statistik Uji
Untuk nilai statistik uji, tinjau tabel output berikut:
Correlations
jam_lembur skore_prestasi
N 10 10
N 10 10
Pearson r correlation:
Pearson r correlation biasa digunakan untuk mengetahui hubungan pada dua variabel.
Korelasi dengan Pearson ini mensyaratkan data berdistribusi normal.
Rumus yang digunakan adalah sebagai berikut :
Contoh Kasus
Pak Ali ingin mengetahui apakah ada hubungan antara pengawasan (Control), kepuasan
kerja (Job Satisfaction), Disiplin kerja (discipline), dan kinerja (Performance).
Langkah 2.
Masukkan variabel yang akan dikorelasikan ke dalam variable list.
Click on option and select descriptive statistics, abaikan yang lain lalu klik OK
Interprestasi
Arti angka Korelasi
a. Control Performance. Nilai korelasi adalah positif 0.668. Besaran angka korelasi
menunjukkan bahwa korelasi antara Control dan Performance berada dalam kategori
Kuat, sementara nilai positif mengindikasikan pola hubungan antara Control dengan
Performance adalah searah (semakin tinggi Control maka semakin tinggi pula
Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan
yang terjadi adalah signifikan.
b. Job Satisfaction Performance. Nilai korelasi adalah positif 0.772. Besaran angka
korelasi menunjukkan bahwa korelasi antara Job satisfaction dan Performance berada
dalam kategori Kuat, sementara nilai positif mengindikasikan pola hubungan antara
adalah searah (semakin tinggi Job Sat maka semakin tinggi pula Performance).
Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan yang terjadi
adalah signifikan.
c. Dicipline Performance. Nilai korelasi adalah positif 0.749. Besaran angka korelasi
menunjukkan bahwa korelasi antara Dicipline dan Performance berada dalam kategori
Kuat, sementara nilai positif mengindikasikan pola hubungan antara dicipline
dengan Performance adalah searah (semakin tinggi Control maka semakin tinggi pula
Performance). Perolehan p hitung = 0.000 < 0.05 yang menandakan bahwa hubungan
yang terjadi adalah signifikan.
6. Regresi Sederhana
Analisis ini menurut Sugiyono digunakan oleh peneliti bila peneliti bermaksud
meramalkan bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila ada
satu variabel independen sebagai prediktor dimanipulasi (dinaik turunkan nilanya).
Persamaan yang diperoleh dari regresi sederhana adalah Y = a + b X
y = adalah subjek nilai dalam variabel terikat yang diprediksikan
a = harga Y bila X = 0 (harga konstan)
b = angka arah koefisien regresi
X = subjek pada variabel bebas yang mempunyai nilai tertentu.
Untuk memperoleh hasil perhitungan Regresi, dapat dilakukan dengan tiga cari yaitu
perhitungan manual, menggunakan fungsi pada MS. Excel, atau menggunakan Software
Statistik (dalam contoh ini digunakan SPSS)
Asumsi yang diperlukan untuk analisis ini adalah uji normalitas. Uji normalitas
diperlukan untuk mengetahui apakah data yang terkumpul dari setiap variabel dependen
dan independen atau keduanya mempunyai distribusi normal atau tidak. Model regresi
yang baik adalah yang mendekati normal
Untuk melihat model regresi normal atau tidak, dilakukan analisis grafik dengan
melihat normal probability report plot yang membandingkan antara distribusi kumulatif
dari data sesungguhnya dengan distribusi normal. Distribusi normal akan membentuk satu
garis lurus diagonal dan ploting data akan dibandingkan dengan garis diagonal. Jika
distribusi data normal, maka garis yang menggantikan data sesungguhnya akan mengikuti
garis diagonalnya (Imam Ghozali, 2009).
Contoh Kasus :
Pak Hasan ingin mengetahui pengaruh kepuasan kerja (X) terhadap kinerja (Y)
karyawannya. Kuesioner kepuasan kerja di adaptasi dari Job Description Index (JDI))
yang dikembangkan oleh Hulin meliputi lima dimensi kepuasan kerja yang dirasakan
karyawan yaitu kepuasan terhadap jenis pekerjaan, kesempatan promosi, supervisi, gaji
atau upah, dan rekan kerja dengan jumlah total pertanyaan sebanyak 20 item. Sementara
kinerja diukur berdasarkan
Ukuran-ukuran dari kinerja pegawai menggunakan lembar evaluasi kinerja yang disusun
dikembangkan dari panduan evaluasi kinerja dari James E. Neal Jr (2003) antara lain
terdiri dari 7 dimensi yang kemudian dikembangkan menjadi 26 indikator (item
pernyataan).
Jumlah sampel penelitian adalah seluruh karyawan yang berjumlah 37 orang. Setelah data
dimasukkan ke dalam SPSS, maka analisis dilakukan :
Klik Analyze Regression Linier
masukkan Variabel kinerja (Y) ke dalam dependent box, dan kepuasan kerja (X) ke dalam
independent box.
Klik Plot, lalu beri tanda pada Histogram dan Normal Probability Plot (ini untuk uji
normalitas), lalu Klik Continue, lalu OK
Output
Interpretasi
A. KORELASI
Berdasarkan hasil analisis seperti yang ditampilkan Tabel di atas (Tabel Model
Summary) diketahui bahwa korelasi parsial antara kepuasan kerja dan kinerja pegawai
dengan korelasi product moment by Pearson. Hasil korelasi parsial didapat nilai r
hitung sebesar 0,772.
Nilai korelasi ini tergolong kuat (> 0,600) dan memiliki nilai positif sehingga
dapat dikatakan pola hubungan antara kepuasan kerja dan kinerja adalah searah.
Artinya, semakin tinggi kepuasan maka kinerja pun akan semakin tinggi, begitu pula
sebaliknya, semakin rendah kepuasan kerja maka kinerja-pun akan semakin rendah.
Koefisien determinasinya (KD) menunjukkan nilai sebesar 0,597 atau sebesar 59,70%
(dibulatkan 60%) dari hasil (r2 x 100%). Artinya variasi perubahan kinerja dipengaruhi
oleh kepuasan kerja sebesar 60% dan sisanya 40% dipengaruhi faktor lain selain
kepuasan kerja.
B. REGRESI
Konstanta sebesar 20.268 menyatakan bahwa jika variabel kepuasan kerja bernilai nol,
maka kinerja pegawai adalah sebesar 20.268 satuan
Koefisien regresi sebesar 1,035 pada variabel kepemimpinan, maka akan
menyebabkan kenaikan kinerja menjadi sebesar 32,251.
7. One Sample T Test / Uji t satu sampel
One sample t test merupakan teknik analisis untuk membandingkan satu variabel
bebas. Teknik ini digunakan untuk menguji apakah nilai tertentu berbeda secara signifikan
atau tidak dengan rata-rata sebuah sampel.
Uji t sebagai teknik pengujian hipotesis deskriptif memiliki tiga criteria yaitu uji
pihak kanan, kiri dan dua pihak. Uji Pihak Kiri : dikatakan sebagai uji pihak kiri karena t
tabel ditempatkan di bagian kiri Kurva. Uji Pihak Kanan : Dikatakan sebagai uji pihak
kanan karena t tabel ditempatkan di bagian kanan kurva. Uji dua pihak : dikatakan sebagai
uji dua pihak karena t tabel dibagi dua dan diletakkan di bagian kanan dan kiri
Contoh Kasus
Contoh Rumusan Masalah : Bagaimana tingkat keberhasilan belajar siswa
Ha : tingkat keberhasilan belajar siswa paling tinggi 70% dari yang diharapkan
Ho : tingkat keberhasilan belajar siswa paling rendah 70% dari yang diharapkan
Hipotesis statistik
Ha : 0 < 70%
Ho : 0 70%
Parameter uji : -
Jika t tabel t hitung maka Ho diterima, dan Ha di tolak
Jika t tabel > t hitung maka Ho ditolak, dan Ha diterima
Penyelesaian Kasus 1 (uji t pihak kiri)
Data yang hasil ulangan matematika siswa sebanyak 37 siswa.
Hasil
Hasil uji di atas menunjukkan bahwa t hitung = 61.488. T tabel diperoleh dengan df = 36, sig
5% (1 tailed) = 1.684. Karena t tabel < dari t hitung (-1.684 < 61.488), maka Ho diterima,
artinya tingkat keberhasilan belajar siswa paling tinggi 70% tidak terbukti, bahkan lebih dari
yang diduga yaitu sebesar 74.3489
Hasil uji normalitas data menunjukkan nilai Kol-Smirnov sebesar 0.600 dan Asymp. Sig tidak
signifikan yaitu sebesar 0.864 (> 0.05), sehingga dapat disimpulkan data berdistribusi normal
Penyelesaian kasus
pilih analyze - compare means - independent -sample t test
Masukkan variabel ketidaklulusan ke Test Variable, dan group ke Grouping Variable.
Klik Define Groups, lalu Setting angka 1 untuk Group 1, dan angka 2 untuk Group 2
(group ini merupakan perbedaan antara sma swasta (kode 1), dan SMA negeri (kode 2).
Pada Group statistik dapat dilihat bahwa rata-rata ketidaklulusan siswa untuk SMA
swasta adalah sebesar 3,84%, sementara untuk SMA negeri adalah 2,24%. Standar
deviasi pada dua group ini tidak jauh berbeda yaitu 0,875 untuk SMA swasta, dan 0,896
untuk SMA Negeri
Uji Hipotesis
Ho = kedua rata-rata populasi adalah sama (identik)
Ha = kedua rata-rata populasi adalah berbeda (tidak sama)
Parameter Uji
t hitung 4,047 dibandingkan dengan t tabel dengan df 18 dan alpha 5% adalah 2,01.
Karena nilai t hitung > t tabel maka dapat disimpulkan Ho ditolak, artinya terdapat
perbedaan antara dua kelompok yang diuji
Nilai probabilitas adalah sebesar 0,001, jauh dibawah alpha 0,05 sehingga sejalan dengan
uji t di atas kesimpulan yang bisa diperoleh adalah sama yaitu Ho ditolak, dan Ha
diterima
PENYELESAIAN
Klik ANALYZE > COMPARE MEANS > PAIRED SAMPLES t Test
Masukkan jual_1 dan Jual_2 pada kolom Paired variables seperti gambar di bawah ini
Abaikan yang lain, klik OK
HASIL
Hipotesis
Hipotesis yang diajukan adalah :
Ho : rata-rata penjualan adalah sama
H1 : rata-rata penjualan adalah berbeda
Hasil uji Hipotesis
Nilai t hitung adalah sebesar -1.031 degan sig 0.320. Karena sig > 0.05 maka dapat
disimpulkan bahwa Ho diterima, artinya rata-rata penjualan sebelum dan sesudah kenaikan
BBM adalah sama (tidak berbeda). dengan demikian dapat dinyatakan bahwa kenaikan
harga BBM tidak mempengaruhi jumlah penjualan sepeda motor di kabupaten A.
HASIL
Pada hasil deskriptif terlihat rata-rata pada metode A adalah sebesar 1.6, B sebesar 2.1, C
sebesar 1.7 dan D sebesar 2.1
Deviasi standar masing-masing sebesar 0.502 (A), 0.307 (B), 0.550 (C) dan 0.587 (D)
PENGUJIAN HIPOTESIS
Pada tabel test statistic terlihat bahwa besaran nilai Chi Square = 13.630 dan asymp sig
0.003. Hasil uji signifikansi Chi Square menunjukkan bahwa sig < 0.05 sehingga dapat
disimpulkan bahwa empat metode belajar yang diberikan memberikan reaksi yang
berbeda dari siswa.
Dari hasil ranking diketahui bahwa metode D mendapat respon paling tinggi, disusul
metode B, kemudian C dan terakhir A.
Klik icon Post Hoc, pilih LSD dan Duncan. lalu continue
Klik Options, dan pilih Descriptive
Klik OK
HASIL
Interpretasi
Berdasarkan output Deskriptif diperoleh rata-rata gaji untuk pekerja sector farmasi adalah
3.5 juta, jasa 3.18 juta dan sector manufaktur 2.23 juta rupiah. Gaji minimal sector farmasi
adalah 2.5 juta dan maksimal 4.1 juta. Sedangkan gaji minimal pekerja di sector jasa
adalah sebesar 2.4 juta dan maksimal 4.2 juta. Gaji minimal pekerja di sector manufaktur
adalah sebesar 1.8 juta dan tertinggi sebesar 3.5 juta.
Standar deviasi terendah adalah di sector farmasi, sementara yang tertinggi adalah di sector
jasa. Nilai ini menunjukkan keseragaman data, sehingga semakin besar nilai standar
deviasi menunjukkan semakin besarnya ketidakseragaman data. Dengan demikian, dapat
disimpulkan bahwa sector manufaktur menunjukkan ketidakseragaman (variatif) dalam hal
gaji.
Output Anova menunjukkan bahwa nilai F hitung adalah sebesar 35.367 dengan sig 0.000.
dengan demikian dapat disimpulkan bahwa Ho ditolak, atau terdapat perbedaan yang
signifikan antara gaji kelompok sector farmasi, jasa dan manufaktur.
Selanjutnya, melalui Uji Post Hoc LSD diketahui perbedaan antar kelompok yang
dirangkum sbb :
Farmasi Jasa : signifikan
Farmasi Manufaktur : signifikan
Jasa Manufaktur : signifikan
dengan demikian dapat dikatakan bahwa antar kelompok tersebut memiliki perbedaan yang
signifikan
Lalu pada bagian uji Post Hoc Duncan. Perbedaan tiap kelompok dapat dilihat dari nilai
harmonic mean yang dihasilkan tiap kelompok berada dalam kolom subset yang sama atau
berbeda. Pada hasil uji menunjukkan ketiga kelompok sampel berada pada kolom subset
yang berbeda. Kelompok manufaktur masuk ke dalam kolom 1, jasa masuk ke kolom 2 dan
sector farmasi di kolom 3. Ini mengindikasikan bahwa ketika sector ini memiliki
perbedaan yang signifikan
Seperti yang dijelaskan di atas, ANOVA membutuhkan uji asumsi normalitas dan
homogenitas. Saya di sini langsung menampilkan hasil ujinya sbb :
Normalitas
Output di atas menunjukkan bahwa data berdistribusi normal. hal ini dapat dilihat dari
nilai asymp.sig (2-tailed) sebesar 0.289 > 0.05, sehingga dinyatakan normal
selanjutnya hasil uji homogenitas
Hasil uji di atas menggunakan uji Levene. nilai Levene F hitung adalah sebesar 1.424
dengan signifikansi 0.252. Karena nilai sig > 0.05 maka dapat disimpulkan bahwa tidak
ada perbedaan varian antar kelompok sampel yang diteliti atau varian antar kelompok
sampel adalah sama.
Klik OK
Hasil Dan Interpretasi
Pertama adalah deskripsi hasil. Berdasarkan output Deskriptif diperoleh rata-rata gaji
berdasarkan jenis kelamin dan masa kerja. Pada output di atas terlihat bahwa karyawan laki-
laki yang memiliki masa kerja < 5 tahun memiliki rata-rata gaji sebesar 3.7 juta, laki-laki
yang memiliki masa kerja 6 10 memiliki rata-rata gaji sebesar 3.2 juta dan yang memiliki
masa kerja di atas 10 tahun mempunyai gaji rata-rata 2.04 juta (dan seterusnya)
Hasil uji levene test menunjukkan nilai sig sebesar 0.150. Karena sig > 0.05 maka dapat
dinyatakan bahwa model memenuhi asumsi homogenitas.
Selanjutnya, hasil uji ANOVA menunjukkan terdapat pengaruh langsung masa kerja
terhadap gaji. Hal ini dapat dilihat dari nilai F sebesar 37.077 dan signifikan pada p =
0.000
Sementara variabel jenis kelamin ternyata tidak memiliki pengaruh terhadap gaji. Hasil uji
menunjukkan nilai F sebesar 0.008 pada sig 0.931 (sig > 0.05).
Nilai R Squared sebesar 0.620 diartikan bahwa variabilitas masa kerja dan jenis kelamin
menjelaskan gaji adalah sebesar 62%
Daftar Pustaka
Ghozali, Imam. 2009. Aplikasi Analisis Multivariate dengan Program SPSS. Semarang : BP-
UNDIP
Gosyen Publishing
Sukawana I Wayan, 2008. Pengantar Statistik Untuk Perawat. Jurusan keperawatan Poltekes
Denpasar