MODUL-01
INPUT DATA
Tujuan modul-01 adalah untuk memberikan bekal kepada mahasiswa agar mampu melakukan
input data dengan baik.
Dalam SPSS, setiap variabel memiliki Nama Variabel, Variable Label, dan Value Label.
Karena itu sebelum melakukan input data, sebaiknya peneliti membuat daftar Nama Variabel,
Variabel Label, dan Value Label seperti disajikan pada tabel berikut.
Tablel-01
Daftar Nama Variabel, Variable Label, dan Value Label
1
Tabel 02
Format Inpt Data Menggunakan Excel
Buka Program SPSS: File, open, data, Pilih file excel yang akan dibuka
Variable Label
V1 ‘V1 = ID Responden’
/V2 ‘V2 = Jenis Kelamin’
/V3 ‘V3 = Tingkat Pendidikan’
/V4 ‘V4 = Umur’
/V5 ‘V5 = Berat Badan’
/V6 ‘V6 = Tinggi Badan’
/V7 ‘V7 = Sistolik’
/V8 ‘V8 = Diastolik’
/V9 ‘V9 = Total Kolesterol’
/V10 ‘V10 = Trigliserid Kolesterol’
/V11 ‘V11 = HDL Kolesterol’
/V12 ‘V12 = LDL Kolesterol’
/V13 ‘V13 = Gula Darah Sewaktu’
/V14 ‘V14 = Genetik PJK’
/V15 ‘V15 = Hemotokrit’
/V16 ‘V16 = PJK’.
2
/V3
1’SD’
2’SLTP’
3’SLTA’
4’S1’
5’S2’
6’S3’
/V14
0’Negatif’
1’Positif’
/V16
0’Negatif’
1’Positif’.
MODUL-02
TRANSFORMASI DATA
Transformasi Data adalah upaya yang dilakukan dengan tujuan utama untuk mengubah skala
pengukuran data asli menjadi bentuk lain sehingga data dapat memenuhi asumsi-asumsi yang
mendasari analisis data yang diperlukan dalam penelitian.
Tabel-3
Transformasi Data
3
4
*Recode into different variables V3.
Compute V3a = V3.
Variable label V3a ‘V3a = Tingkat Pendidikan’.
Recode V3a
(1 2 3 = 0)
(4 5 6 = 1).
Value label V3a
0 ‘P. Dasmen’
1 ‘P. Tinggi’.
Freq Var V3a.
*Menghitung IMT.
Berat Badan( Kg)
*Rumus IMT = 2 .
( Tinggi Badan(m) )
5
2 ‘BB Normal’
3 ‘Berisiko Obesitas’
4 ‘Obesitas Tk.1’
5 ‘Obesitas Tk.2’.
Freq var IMT1.
* Recode into different variables V7.
Compute V7a = V7.
Variable label V7a ‘V7a = Katagori Tekanan Darah Sistolik’.
Recode V7a
(lo thru 119 = 1)
(120 thru 139 = 2)
(140 thru 159 = 3)
(160 thru hi = 4).
Value label V7a
1 ‘Normal’
2 ‘Berisiko Hipertensi’
3 ‘Hipertensi Tk.1’
4 ‘Hipertensi Tk.2’.
Freq var V7a.
* Recode into different variables V8.
Compute V8a = V8.
Variable label V8a ‘V8a = Katagori Tekanan Darah Diastolik’.
Recode V8a
(lo thru 79 = 1)
(80 thru 89 = 2)
(90 thru 99 = 3)
(100 thru hi = 4).
Value label V8a
1 ‘Normal’
2 ‘Berisiko Hipertensi’
3 ‘Hipertensi Tk.1’
4 ‘Hipertensi Tk.2’.
Freq var V8a. (*ini gak usah dicopy gpp)
6
* Recode into different variables V9.
Compute V9a = V9.
Variable label V9a ‘V9a = Katagori Total Kolesterol’.
Recode V9a
(lo thru 199 = 1)
(200 thru 239 = 2)
(240 thru hi = 3).
Value Label V9a
1 ‘Normal’
2 ‘Agak Tinggi’
3 ‘Tinggi’.
Freq Var V9a.
* Recode into different variables V10.
Compute V10a = V10.
Variable label V10a ‘V10a = Katagori Trigliserid Kolesterol’.
Recode V10a
(lo thru 149 = 1)
(150 thru 199 = 2)
(200 thru 499 = 3)
(500 thru Hi = 4).
Value Label V10a
1 ‘Normal’
2 ‘Agak Tinggi’
3 ‘Tinggi’
4 ‘Sangat Tinggi’.
Freq var V10a.
7
1 ‘Normal’
2 ‘Agak Tinggi’
3 ‘Tinggi’
4 ‘Sangat Tinggi’.
Freq var v12a.
8
MODUL-02
ANALISIS DATA
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
‘V7 = Sistolik’ ,148 250 ,000 ,953 250 ,000
a. Lilliefors Significance Correction
9
(3) > 140 mmHg : Hipertensi
3. Buat variabel baru TDS2 = Tekanan Darah Sistolik dengan katagori sebagai
berikut
(1) ≤ 140 mmHg : Tidak Hipertensi
(2) > 140 mmHg : Hipertensi
10
Data berdistribusi tidak normal
11
3 ‘Hipertensi’.
Freq var tdd1.
Compute td1 = 0.
If (tds2 = 1 and tdd2 = 1) td1 = 1.
If (tds2 = 2 or tdd2 = 2) td1 = 2.
Variable label td1 ‘Tekanan Darah’.
Value label td1
1 ‘Tidak Hipertensi’
2 ‘Hipertensi’.
12
Freq var td1.
13
Berat Badan( Kg)
11.Hitung Indeks Masa Tubuh dengan rumus IMT= 2 .
( Tinggi Badan(m) )
12.Periksa apakan sebaran data IMT berdistribusi normal. Apabila tidak normal
lakukan transformasi data sehingga menjadi normal. Apabila masih tetap
tidak berdistri normal, maka diasumsikan IMT berdistribusi normal.
Transformasi :
14
Transformasi a dan b : data menjadi berdistribusi normal, sedangkan c tidak
14. Buat variabel baru KIMT2 = Indeks Masa Tubuh merupakan variabel
katagori dengan katagori sebagai berikut.
(1) KIMT2 = 1 Tidak Obes IMT < 23,00
(2) KIMT2 = 2 Obes IMT ≥ 23,00
15
(3 = 2).
Value label kimt2
1 ‘Tidak Obesitas’
2 ‘Obesitas’.
Freq var kimt2.
KelompokUmur
Cumulative
Frequency Percent Valid Percent Percent
Valid 21-30 Th 20 8,0 8,0 8,0
31-40 Th 38 15,2 15,2 23,2
41-50 Th 69 27,6 27,6 50,8
16
51-60 Th 71 28,4 28,4 79,2
61-70 Th 39 15,6 15,6 94,8
71-80 Th 13 5,2 5,2 100,0
Total 250 100,0 100,0
IndeksMasaTubuh
Cumulative
Frequency Percent Valid Percent Percent
Valid Berat Badan Kurang 71 28,4 28,4 28,4
Berat Badan Normal 65 26,0 26,0 54,4
Beresiko Obes 30 12,0 12,0 66,4
obes tk-1 48 19,2 19,2 85,6
obes tk-2 36 14,4 14,4 100,0
Total 250 100,0 100,0
17
16.Hitung Tekanan Darah Arteri dengan rumus TR = TD + 1/3 (TS – TD)
mmHg, dengan TR = Tinggi tekanan darah arteri rata – rata; TS = Tinggi
tekanan sistolik; dan TD = Tinggi tekanan diastolik
Compute tr = v8 + 1/3*(v7-v8).
List var tr v8 v7.
18
BERDISTRIBUSI TIDAK NORMAL
Data normal
19
tidak normal : mann whiteney
ANOVA :
20
Normal : One way anova
Tidak normal : Kruskal Wallis
21
Tekanan Darah (TD1 /nominal) dengan jenis kelamin (V2 /nominal),
pendidikan (V3B /ordinal), dan IMT (KIMT1 3 kategorik ordinal).
22
ordinal x ordinal : gama, sommer, kendal-tau
nominal ordinal : theta
23
Korelasi numerik x numerik
Normal : Pearson
Tidak normal : Spearman
24.Lakukan analisis regresi ganda guna mengetahui pengaruh IMT, Usia, dan
jenis kelamin terhadap Tekanan Darah Arteri (analisis regresi dengan dummy
variabel)
24
Pria :
Y = 96,970 + 0.597 (IMT)
25.Lakukan analisis regresi ganda guna mengetahui pengaruh IMT, Usia, dan
Pendidikan terhadap Tekanan Darah Arteri (analisis regresi dengan dummy
variabel)
25
27.Lakukan analisis regresi logistik biner guna mengetahui pengaruh IMT dan
Jenis Kelamin terhadap kejadian hipertensi.
28.Lakukan analisis regresi logistik biner guna pengetahui pengaruh Usia, IMT
dan Jenis Kelamin terhadap kejadian hipertensi.
26