---
---
JENIS DATA
PARAMETIK :
1. INTERVAL
2. RATION
NON-PARAMETIK :
1. MONINAL
2. ORDINAL
---
STEPS :
Kelompok >> Grouping >> Define Groups >> Group 1 --> 1, Group 2 --> 2
IQ >> Variabel
OK
DATA KELUAR
BILA TIDAK HOMOGEN >> LIHAT NILAI SIG 2-TAILED "BARIS BAWAH" : <0,05 ada perbedaan, >0,05 tdk
ada perbedaan
JIKA TIDAK ADA PERBEDAAN, TARIK KESIMPULAN : antara sekolah A (favorit) dan sekolah B (tidak
favorit) tidak ada perbedaan, maka sekolah A dan B sama-sama baik
JIKA ADA PERBEDAAN, lihat nilai "MEAN" pada tabel "GROUP STATISTIC", lihat angka yg paling tinggi,
lalu TARIK KESIMPULAN : antar sekolah A (favorit) dan sekolah B (tida favorit)
STEPS :
ANALYZE
NON-PARAMETIK TEST
IQ >> VARIABEL
OK
DATA KELUAR
LIHAT NILAI "ASYM.SIG 2-TAILED" : <0,05 ada perbedaan, >0,05 tidak ada perbedaan
----
ANALYZE
COMPARE MEANS
ONE-WAY-ANOVA
OK
homogen : bonferoni
TAHAPAN :
ANALYZE
NON-PRAMETRIC
K-INDEPENDEN SAMPLE
KLIK KELOMPOK >> Masukkan angka 1 untuk awal kelompok, masukkan angka maks dari semua jumlah
kelompok
KLIK CONTINUE
KLIK OK
TARIK KESIMPULAN : BILA ASYMP.SIG kurang dari 0,05 maka kesimpulannya adalah (ada perbedaan
dalam hal luas daya hambat)
misal kel1-kel 2
lihat Mann-Whitney Test >> lihat Asymp. Sig. (2-tailed) >> brp nilainya, contoh 0,658 (maka tidak ada
perbedaan antar kel 1-kel 2), dst...
kesimpulan akhir :
: ada perbedaan dalam hal luas diameter daya hambat pada kelompok (misal) 1-2, 3-6, dst...
: tidak ada perbedaan dalam luas daya hambat pada setiap kelompok
---
PAIRED-TEST (parametik) dan WILCOXON (non-parametrik)
*datanya berpasangan
2. beda individu, tapi disamakan, matching (umur, jenis kelamin, walau peroko dan non peroko)
3. cross over, minum obat, ada individu A dan B, dapat obat C dan D, beda bulan start awal obat, dan
PAIRED-TEST (parametik)
ANALYZE
COMPARE MEAN
PAIRED-SAPMPLE T TEST
OK
*kurang dari 0,05 : ada perbedaan >> lihat "Mean" >> bila (-) ada kenaikan, dan sebaliknya
*lebih dari 0,05 : tidak ada perbedaan kadar/... sebelum diberikan perlakuan dan kadar/.... sesudah
diberikan perlakuan
WILCOXON (non-parametic)
.
ANALYZE
NON-PARAMETIC TEST
2-RELATED SAMPLE
OK
*kurang dari 0,05 : ada perbedaan >> lihat di Mean Rank >> lihat nilai nya tinggi siapa, maka (misal): ada
perbedaan pengetahuan sebelum intervensi dan sesudah intervensi dimana pengetahuan sebelum
intervensi lebih tinggi dibanding sesudah intervensi, maka pengetahuan sebelum intervensi lebih baik
dibanding sesudah intervensi
---
ANALYZE
CORRELATE
BIVARIATE
MASUKKAN SEMUA DATA KE >> VARIABLES
CONTENG PEARSON
CONTENG 1-tailed (mengulang penelitian yg ada), hipotesis kemungkinan (+) / 2-tailed (penelitian baru /
belum pernah dilakukan), hipotesisi bisa (+) atau (-)
KLIK OK
TARIK KESIMPULAN : ada korelasi antara depresi dgn ansietas dgn kekuatan korelasi sgt kuat dan arah
korelasi positif
ANALYZE
CORRELATE
BIVARIATE
CONTENG SPEARMAN
CONTENG 1-tailed (mengulang penelitian yg ada), hipotesis kemungkinan (+) / 2-tailed (penelitian baru /
belum pernah dilakukan), hipotesisi bisa (+) atau (-)
KLIK OK
LIHAT "Sig. (1-tailed)"
TARIK KESIMPULAN : ada korelasi antara depresi dgn ansietas dgn kekuatan korelasi sgt kuat dan arah
korelasi positif
BILA KUESIONER
DATA RASIO
UJI PARAMETIK
---
Contoh :
pengukuran gula darah ada kel.A, kel.B, kel.C, org 1, org 2, org 3
kalo ANOVA karena dia hanya 1 x pengukuran, jadi kalo ada 3 yg ingin di ukur dia harus mengukur
masing2 itu sampai 3 x. Sedangkan GLM bisa mengukur 3 data yg ingin di ukur itu dlm 1 x pengukuran
dgn dalam 1 output didapatkan hasil 3 pengukuran
GLM
numerik
tidak berpasangan
MASUKKAN DATA
*jika normal :
ANALYZE
GLM
REPEATED MEASURE
KLIK DEFINE
KLIK OK
faktor 1 : menentukan pengaruh waktu (pengaruh waktu terhadap kadar *bedanya pada waktu)
faktor1*kelompok : (ad tdk perbedaan penurunan kadar gula darah setelah intervensi antar kelompok,
ada bedanya tdk antara obat A dan B *bedanya di kelompok*)
*jika semua sig nya sama : tidak ada perbedaan, TARIK KESIMPULAN (Tidak ada perbedaan antara obat
A dan B pada pengukuran bulan 2 dan 3 itu sam saja)
*jika ada beda di sig : ada perbedaan, lalu lanjutkan lihat di "TABEL ke-7 yaitu PARAMETER ESTIMATES"
karena PARAMETER ESTIMATES ini adalah POSHOK nya si GLM, lihat nilai "SIG" nya
lihat pada bulan sebelum intervensi, nilai sig nya > 0,05 : tdk ada perbedaan, wajar karena belum di
intervensi
kalo pada signya <0,05, maka ada perbedaan, dan jika ada perbedaan berarti ada yg lebih tinggi/baik,
lebih rendah/buruk, lalu lihat KOLOM B untuk melihat bedanya
pada kolom B lihat nilainya, jika ada nilai (-), lalu nilai (-) ini milik kelompok siapa, kelompok 1 (yaitu obat
A) misalnya...maka itu lebih baik kemampuan menurunkan kadar gula darah/dsj dibanding kelompok 2
KESIMPULAN FIX :
Kesimpulan : tdk ada perbedaan pemberian obat A dan obat B pada pengukuran Bulan ke 2 dan Bulan ke
3
DATA ADA BEDA / TDK SAMA DI "MULTIVARIATE TEST" lalu lanjutkan ke "PARAMETER ESTIMATE"
Kesimpulan : ada perbedaan pemberian obat A dan obat B pada pengukuran Bulan ke 2 dan Bulan ke 3
yang perbedaannya terletak pada bulan ke-2 yaitu obat A / kelompok 1 lebih baik menurunkan gula
darah dibanding obat B / kelompok 2 sedangkan bulan ke-3 tdk ada perbedaan
---
GLM TUGAS
KESIMPULAN BENAR (BY.BAPA ADIT)
Lihat signya, ada beda / tidak, di tugas ada beda, maka KESIMPULANNYA : pada multivariate test nya ada
perbedaan kadar asam urat antar kelompok
cari syp yg < 0,05 (karena < 0,05 itu menunjukkan bahwa terdapat ada perbedaan)
lalu lihat lagi ke kolom B (nilainya brp, milik kelompok syp) untuk data yg tadi yang < 0,05
ada terdapat perbedaan kadar asam urat antar kelompok dimana perbedaan itu ada dikelompok 4
dibandingkan dengan kelompok 5 pada hari pertama sedangkan
hARI KE 2 DAN KE 3 UNTUK KEL LAIN DAn kel 4 itu kadar asam uratnya sama seperti
kadar asam ura alopurinol
CHI-SQUARE
OTRASIO : cenderung, dianalisis saat itu juga, contoh org DM beresiko gagal ginjal kd?
RR : peluang, contoh org baru DM, lalu kita ikuti (cohort / penelitian kedepan), lalu yg mana yg gagal
ginjal
DES...
CROSSTAB
CONTINUE
KLIK CELL
CONTINUE
OK
SYARAT CHI-SQUARE
Syarat chi-square
1. Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (FO) sebesar 0
(nol)
2. Apabila table 2x2 tidak boleh ada nilai Expented Count (Fh) < 5
3. Apabila table lebih dari 2x2, misal 2x3, maka jumlah sel dengan frekuensi harapan yg kurang dari
5 tidak boleh > 20%
STEP :
ANALYZE
DESCRIPTIVE…
CROSSTABS
CONTINUE
CONTINUE
OK
DATA KELUAR