UJI SPSS, ADA 10 UJI

1. UJI UN-PAIRED (para)

2. UJI MANN WITNEY
3. UJI ONE-WAY-ANOVA (para)
4. UJI KURSKALLWALLIS
5. UJI T-TEST / PAIRED TEST (para)
6. UJI WILCOXON
7. UJI PEARSON (para)
8. UJI SPEARMAN
9. UJI GLM
10. UJI CHI-SQUARE

---

Di normalitas >0,05 : NORMALITAS

Ke statistik <0,05 : UJI STATISTIK

---

JENIS DATA

PARAMETIK :

1. INTERVAL

2. RATION

NON-PARAMETIK :

1. MONINAL

2. ORDINAL

---

UN-PAIRED TEST (parametic) dengan MANN WHITNEY (non-parametic)

*datanya cuma 2 kelompok

*datanya tidak berpasangan

*contoh soalnya A dan B

.

UN-PAIRED TEST (parametic)

STEPS :

Analyze >> Compare Mens >> Independen T-Test

Kelompok >> Grouping >> Define Groups >> Group 1 --> 1, Group 2 --> 2

IQ >> Variabel

OK

DATA KELUAR

LIHAT SIG LEVENE'S TEST : <0,05 tidak homogen, >0,05 homogen

BILA HOMOGEN >> LIHAT SIG 2-TAILED "BARIS ATAS"

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)

MANN WHITNEY (non-parametic)

STEPS :

ANALYZE

NON-PARAMETIK TEST

2-INDEPENDENT SAMPEL, KELOMPOK >> GROUPING >> DEFINE GROUP

IQ >> VARIABEL

OK

DATA KELUAR

LIHAT NILAI "ASYM.SIG 2-TAILED" : <0,05 ada perbedaan, >0,05 tidak ada perbedaan
----

ONE WAY ANOVA (parametic) dan KRUS-KALL-WALLIS (non-parametic)

*datanya lebih dari 2 kelompok

*datanya tidak berpasangan

ONE WAY ANOVA (parametic)

ANALYZE

COMPARE MEANS

ONE-WAY-ANOVA

OK

homogen : bonferoni

tdk homogen : tumhane

KURS KALL WALLIS (NON-PARAMETRIC)

TAHAPAN :

ANALYZE
NON-PRAMETRIC

K-INDEPENDEN SAMPLE

KELOMPOK >> masukkan ke GROUPING

DATA YG MAU DIUJI >> masukkan ke TEST VARIABLE LIST

KLIK KELOMPOK >> Masukkan angka 1 untuk awal kelompok, masukkan angka maks dari semua jumlah
kelompok

KLIK CONTINUE

KLIK OK

LIHAT Asymp. Sig (ini @ Kruskal-Wallis-Test >> Test-Statistic)

TARIK KESIMPULAN : BILA ASYMP.SIG kurang dari 0,05 maka kesimpulannya adalah (ada perbedaan
dalam hal luas daya hambat)

Poshok itu : digunakan untuk melihat adanya perbedaan

poshoknya KURS-KALL-WALLIS itu adalah MANN-WHITNEY

masuk uji MANN-WHITNEY

lalu pangkan kelompok sebiji-sebiji

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 :

*bila ada perbedaan

: ada perbedaan dalam hal luas diameter daya hambat pada kelompok (misal) 1-2, 3-6, dst...

*tidak ada perbedaan

: tidak ada perbedaan dalam luas daya hambat pada setiap kelompok

---
PAIRED-TEST (parametik) dan WILCOXON (non-parametrik)

*datanya tidak berkelompok

*datanya berpasangan

*berpasangan ada 4 macam

1. individu yg sama, datanya di ambil lebih dari 1 kali

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

4. ada juga bagian tubuh beda yg ...?

PAIRED-TEST (parametik)

ANALYZE

COMPARE MEAN

PAIRED-SAPMPLE T TEST

PRE (sebelum) >> variabel 1

POST (sesudah) >> variabel 2

OK

TARIK KESIMPULAN pada "sig. (2-tailed) pada PAIRED SAMPLE TEST"

*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

PENGETAHUAN SEBELUM >> variabel 1

PENTEAHUAN SESUDAH >> variabel 2

OK

TARIK KESIMPULAN pada Asymp. Sig. (2-tailed) pada "TEST STATISTICS"

*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

*lebih dari 0,05 : tidak ada perbedan dst....

---

PEARSON (parametic) dengan SPEARMAN (non-parametik)

*Bukan hubungan tapi korelasi

*Korelasi antara variabel A dan variabel B

*Tidak ada kelompok dalam variabel

UJI NORMALTAS dulu

bila data normal >> UJI PEARSON (parametic)

UJI PEARSON (parametic)

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

LIHAT "Sig. (1-tailed)"

*bila kurang dari 0,05 : ada / terdapat korelasi

*bila lebih dari 0,05 : tidak ada / tdk terdapat korelasi

LIHAT "person correlation"

*bila (+) : kekuatan antar variabelnya sama-sama kuat

*bila (-) : kekuatan antar variabelnya sama-sama lemah

TARIK KESIMPULAN : ada korelasi antara depresi dgn ansietas dgn kekuatan korelasi sgt kuat dan arah
korelasi positif

*positif tu mksd nya : A naik, B naik

bila tidak normal >> UJI SPEARMAN (non-parametic)

UJI SPEARMAN (non-parametic)

ANALYZE

CORRELATE

BIVARIATE

MASUKKAN SEMUA DATA KE >> VARIABLES

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)"

*bila kurang dari 0,05 : ada / terdapat korelasi

*bila lebih dari 0,05 : tidak ada / tdk terdapat korelasi

LIHAT "person correlation"

*bila (+) : kekuatan antar variabelnya sama-sama kuat

*bila (-) : kekuatan antar variabelnya sama-sama lemah

TARIK KESIMPULAN : ada korelasi antara depresi dgn ansietas dgn kekuatan korelasi sgt kuat dan arah
korelasi positif

*positif tu mksd nya : A naik, B naik

BILA KUESIONER

DATA RASIO

UJI PARAMETIK

---

GLM dan CIS-SQUARE

Bedanya analisis GLM dgn ANOVA

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

GLM *memastikan dat normal*

MASUKKAN DATA

UJI NORMALITAS, LALU UJI GLM, STEPS :

*jika data tidak normal :

*jika normal :

ANALYZE

GLM

REPEATED MEASURE

MASUKKAN JUMLAH PENGULANGAN

KLIK DEFINE

MASUKKAN 3 DATA DI "WITHIN..."

MASUKKAN KELOMPOK DI "BETWEEN..."

faktor 1 dan kelompok faktor 1 masukkan ke "DISPLAS MEANS FOR"

CENTANG "Compare main effect

klik LsD >> pilih BENFERRONI

pada "display" >> CENTANG "PARAMETER ESTIMATES"

KLIK CONTINUE

KLIK OK

KELUAR OUTPUT / HASIL

LIHAT MULTIVARIATE TEST yg pertama, tabel no 3 dari atas

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*)

LALU LIHAT SIG nya pada faktor1*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 :

DATA SAMA DI "MULTIVARIATEBTEST"

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)

*pada Multivariate Test, STEP :

Lihat signya, ada beda / tidak, di tugas ada beda, maka KESIMPULANNYA : pada multivariate test nya ada
perbedaan kadar asam urat antar kelompok

*pada parameter estimate, STEP :

lihat sig nya

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

Fungsi : untuk mengetahui suatu "HUBUNGAN"

>0,05 : tdk ada hubungan antar variabel

<0,05 ada hubungan antar variabel

dichi-square, lalu lanjutkan ke otrasio dan RR

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

CHI-SQUARE : bukan para dan non-para, dia punya uji sendiri

ANALYZE

DES...

CROSSTAB

VARIABEL BEBAS >> ROW

VARIABEL TERIKAT >> KOLOM

KLIK STATISTIK >> CENTANG CHI-SQUARE DAN RISK

CONTINUE

KLIK CELL

CENTANG ESPECTED DAN ROW

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%

>0,05 tidak ada hubungan antar variabel A dan B

<0,05 ada hubungan antar variabel A dan B

Setelah CHI-SQUARE lanjutkan ke RR dan ODD-RASIO

ODD RASIO : “cenderung”, penelitian dilakukan saat itu saja (cross-section)

RR : “peluang / berpeluang”, penelitian seperti cohort (mengikuti kedepan)

CHI-SQUARE

STEP :

ANALYZE

DESCRIPTIVE…

CROSSTABS

VARIABEL BEBAS >> ROWS

BARIABEL TERIKAT >> COLUMN

KLIK STATISTIC >> CENTANG chi-square >> CENTANG risk

CONTINUE

KLIK CELL >> CENTANG expected >> CENTANG row

CONTINUE

OK

DATA KELUAR