SKILL LAB BLOK 26

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

Nama Variabel Variable Label Value Label

V1 ID Responden
V2 Jenis Kelamin 0 = Pria
1 = Wanita
V3 Tingkat Pendidikan 1 = SD
2 = SLTP
3 = SLTA
4 = S1
5 = S2
6 = S3
V4 Usia (tahun)
V5 Berat Badan (Kg)
V6 Tinggi Badan (Cm)
V7 Tekanan Darah Sistolik (mmHg)
V8 Tekanan Darah Diastolik (mmHg)
V9 Total Kolesterol (mg/dL)
V10 Trigliserid (mg/dL)
V11 HDL kolesterol (mg/dL)
V12 LDL kolesterol (mg/dL)
V13 Gula Darah Sewaktu (mg/dL)
V14 Genetik PJK 0 = Negatif
1 = Positif
V15 Hematokrit
V16 Kejadian PJK 0 = Negatif
1 = Positif

1
 Tabel 02
Format Inpt Data Menggunakan Excel

1. Membuka file Excel melalaui SPSS Data Editor.

Buka Program SPSS: File, open, data, Pilih file excel yang akan dibuka

2. Mengisi kolom Variable dan Value Label menggunakan Syntax.

*Perintah mengisi kolom Variable Label.

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’.

*Perintah mengisi kolom Value Label.

Value Label
V2
0’Pria’
1’Wanita’

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.

* Recode into different variables V4.

Compute V4a = V4.
Variable label V4a ‘V4a = Katagori Kelompok Umur’.
Recode V4a
(21 thru 30 = 1)
(31 thru 40 = 2)
(41 thru 50 = 3)
(51 thru 60 = 4)
(61 thru 70 = 5)
(71 thru 80 = 6).
Value label V4a
1’21-30 th’
2’31-40 th’
3’41-50 th’
4’51-60 th’
5’61-70 th’
6’71-80 th’.
Freq var V4a.

*Menghitung IMT.
Berat Badan( Kg)
*Rumus IMT = 2 .
( Tinggi Badan(m) )

Compute IMT = V5/(V6/100)**2. (** MKSDNYA PANGKAT 2)

Variable label IMT ‘IMT = Indeks Massa Tubuh’.
* Recode into different variables IMT.
Compute IMT1 = IMT.
Variable Label IMT1 ‘IMT1 = Katagori IMT’.
Recode IMT1
(lo thru 18.49 = 1)
(18.50 thru 22.99 = 2)
(23.00 thru 24.99 = 3)
(25.00 thru 29.99 = 4)
(30.00 thru hi = 5).
Value label IMT1
1 ‘BB Kurang’

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)

*Membuat Variabel Baru Tekanan Darah (TD).

Compute TD = 0.
If (V7a = 1 and V8a = 1) TD = 1.
If (V7a = 2 or V8a = 2) TD = 2.
If (V7a = 3 or V8a = 3) TD = 3.
If (V7a = 4 or V8a = 4) TD = 4.
Variable Label TD ‘TD = Katagori Tekanan Darah’.
Value Label TD
1 ‘Normal’
2 ‘Berisiko Hipertensi’
3 ‘Hipertensi Tk.1’
4 ‘Hipertensi Tk.2’.
Freq var TD.

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.

* Recode into different variables V11.

Compute V11a = V11.
Variable label V11a ‘V11a = Katagori HDL Kolesterol’.
Recode V11a
(lo thru 39 = 0)
(40 thru hi = 1).
Value label V11a
0 ‘Rendah’
1 ‘Normal’.
Freq var V11a.

* Recode into different variables V12.

Compute V12a = V12.
Variable label V12a ‘V12a = Katagori LDL Kolesterol’.
Recode V12a
(lo thru 99 = 1)
(100 thru 129 = 2)
(130 thru 159 = 3)
(160 thru hi = 4).

Value label V12a

7
 1 ‘Normal’
2 ‘Agak Tinggi’
3 ‘Tinggi’
4 ‘Sangat Tinggi’.
Freq var v12a.

*Count LIPID: Trigliserid, HDL, LDL, Total Kolesterol Normal.

Count L1 = V9a V10a V11a V12a (1).
Variable Label L1 ‘Profil Lipid’.
Value Label L1
0 ‘tdk ada yg normal’
1 ‘1 normal’
2 ‘2 normal’
3 ‘3 normal’
4 ‘semua normal’.
Freq var L1.

Compute LIPID =L1.

Variable Label LIPID ‘LIPID = Profil Lipid’.
Recode LIPID
(0 1 2 3 = 0)
(4 = 1).
Value Label LIPID
0 ‘Tidak Normal’
1 ‘Normal’.
Freq var LIPID.

* Recode into different variables V13.

Compute V13a = V13.
Variable label V13a ‘V13a = Katagori Kadar Gula Sewaktu’.
Recode V13a
(lo thru 99 = 1)
(100 thru 199 = 2)
(200 thru hi = 3).
Value label V13a
1 ‘Normal’
2 ‘Gangguan Toleransi Gula’
3 ‘Diabetes Melitus’.
Freq var V13a.

8
 MODUL-02
ANALISIS DATA

1. Periksa apakah sebaran data V7 = Tekanan Darah Sistolik Berdistribusi

Normal.

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

data berdistribusi tidak normal

2. Apabila sebaran data V7 = Tekanan Darah Sistolik tidak berdistribusi

Normal, maka lakukan transformasi data menggunakan rumus P7a =
Lg10(V7); P7b = Sqrt(V7); atau P7c = 1/Sqrt(V7) sehingga menjadi
berdistribusi normal. Apabila masih tidak normal, maka diasumsikan V7 =
Tekanan Darah Sistolik berdistribusi normal.

Compute p7a = lg10(v7).

Compute p7b = sqrt(v7).
Compute p7c = 1/sqrt(v7).

data berdistribusi tidak normal

Buat variabel V7 = Tekanan Darah Sistolik menjadi variabel katagori

(TDS1) dengan katagori sebagai berikut.
(1) < 120 mmHg : Normal
(2) 120 – 140 mmHg : Berisiko Hipertensi

9
 (3) > 140 mmHg : Hipertensi

Compute tds1a = v7.

Variable label tds1 ‘Tekanan Darah Sistilik’.
Recode tds1
(lo thru 119 = 1)
(120 thru 140 = 2)
(141 thru hi = 3).
Value label tds1
1’Normal’
2’Berisiko Hipertensi’
3’Hipertensi’.
Freq var tds1.

3. Buat variabel baru TDS2 = Tekanan Darah Sistolik dengan katagori sebagai
berikut
(1) ≤ 140 mmHg : Tidak Hipertensi
(2) > 140 mmHg : Hipertensi

Compute tds2 = tds1.

Variable label tds2 ‘Tekanan Darah Sistolik’.
Recode tds2
(1 2 = 1)
(3 = 2).
Value label tds2
1 ‘Tidak Hipertensi’
2 ‘Hipertensi’.
Freq var tds2.

Compute tds2 = v7.

Variable label tds2 ‘Tekanan Darah Sistolik’.
Recode tds2
(lo thru 140 = 1)
(141 thru hi = 2).
Value label tds2
1 ‘Tidak Hipertensi’
2 ‘Hipertensi’.
Freq var tds2.

4. Periksa apakah sebaran data V8 = Tekanan Darah Diastolik Berdistribusi

Normal.

10
 Data berdistribusi tidak normal

5. Apabila sebaran data V8 = Tekanan Darah Diastolik tidak berdistribusi

Normal, maka lakukan transformasi data menggunakan P8a = Lg10(V8); P8b
= Sqrt(V8); atau P8c = 1/Sqrt(V8) sehingga menjadi berdistribusi normal.
Apabila masih tidak normal, maka diasumsikan V8 = Tekanan Darah
Diastolik berdistribusi normal.

Compute p8a = lg10(v8).

Compute p8b = sqrt(v8).
Compute p8c = 1/sqrt(v8).

Data berdistribusi tidak normal

6. Buat variabel V8 = Tekanan Darah Diastolik menjadi variabel katagori
(TDD1) dengan katagori sebagai berikut.
(1) ≤ 80 mmHg : Normal
(2) 81 – 90 mmHg : Berisiko Hipertensi
(3) > 90 mmHg : Hipertensi

Compute tdd1 = v8.

Variable label tdd1 ‘Tekanan Darah Diastolik’.
Recode tdd1
(lo thru 80 = 1)
(81 thru 90 = 2)
(91 thru hi = 3).
Value label tdd1
1 ‘Normal’
2 ‘Berisiko Hipertensi’

11
 3 ‘Hipertensi’.
Freq var tdd1.

7. Buat variabel baru TDD2 = Tekanan Darah Diastolik dengan katagori

sebagai berikut
(1) ≤ 90 mmHg : Tidak Hipertensi
(2) > 90 mmHg : Hipertensi

Compute tdd2 = tdd1.

Variable label tdd2 ‘Tekanan Darah Diastolik’.
Recode tdd2
(1 2 = 1)
(3 = 2).
Value label tdd2
1 ‘Tidak Hipertensi’
2 ‘Hipertensi’.
Freq var tdd2.

Compute tdd2 = v8.

Variable label tdd2 ‘Tekanan Darah Diastolik’.
Recode tdd2
(lo thru 90 = 1)
(91 thru hi = 2).
Value label tdd2
1 ‘Tidak Hipertensi’
2 ‘Hipertensi’.
Freq var tdd2.

8. Buat variabel baru TD1 = Tekanan Darah merupakan variabel katagorik

dengan katagori sebagai berikut.
(1) TD1 = 1 : Tidak Hipertensi apabila TDS2 = 1 dan TDD2 = 1.
(2) TD1 = 2 : Hipertensi apabila TDS2 = 2 atau TDD2 = 2.

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.

9. Isi sel pada tabel berikut

Tabel-1. Statistik Tekanan Darah Sistolik dan Diastolik

10.Isi sel pada tabel berikut

Tabel-2. Gambaran Tekanan Darah Responen

13
 Berat Badan( Kg)
11.Hitung Indeks Masa Tubuh dengan rumus IMT= 2 .
( Tinggi Badan(m) )

Berat Badan( Kg)

*Rumus IMT = 2 .
( Tinggi Badan(m) )

Compute IMT = V5/(V6/100)**2.

Variable label IMT ‘IMT = Indeks Massa Tubuh’.

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

13.Buat variabel IMT menjadi variabel katagorik (KIMT1) dengan katagori

sebagai berikut.
(1) KIMT1 = 1 BB Kurang apabila IMT < 18.49
(2) KIMT1 = 2 BB Normal apabila 18,50 ≤ IMT ≤ 22,99
(3) KIMT1 = 3 BB Lebih apabila IMT ≥ 23,00

Compute KIMT1 = IMT.

Variable Label KIMT1 ‘Katagori IMT’.
Recode KIMT1
(lo thru 18.49 = 1)
(18.50 thru 22.99 = 2)
(23.00 thru hi = 3).
Value label KIMT1
1 ‘BB Kurang’
2 ‘BB Normal’
3 ‘BB Lebih’.
Freq var KIMT1.

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

Compute kimt2 = kimt1.

Variable label kimt2 ‘Katagori IMT’.
Recode kimt2
(1 2 = 1)

15
 (3 = 2).
Value label kimt2
1 ‘Tidak Obesitas’
2 ‘Obesitas’.
Freq var kimt2.

15.Isi sel pada tabel berikut

Tabel-2. Gambaran Tekanan Darah Responen

‘V2 = Jenis Kelamin’

Cumulative
Frequency Percent Valid Percent Percent
Valid Pria 131 52,4 52,4 52,4
Wanita 119 47,6 47,6 100,0
Total 250 100,0 100,0

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

‘V3 = Tingkat Pendidikan’

Cumulative
Frequency Percent Valid Percent Percent
Valid SD 31 12,4 12,4 12,4
SLTP 36 14,4 14,4 26,8
SLTA 49 19,6 19,6 46,4
S1 44 17,6 17,6 64,0
S2 50 20,0 20,0 84,0
S3 40 16,0 16,0 100,0
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.

17.Periksa normalitas sebaran data TR = tekanan darah arteri.

18
 BERDISTRIBUSI TIDAK NORMAL

18.Lakukan uji hipotesis guna mengetahui signifikansi perbedaan rerata tekanan

darah arteri menurut:
(a) jenis kelamin (Pria, Wanita)

Data tidak normal

Data normal

(b) indeks masa tubuh (tidak obes, obes)

normal; : independent t-test

19
 tidak normal : mann whiteney

19.Lakukan uji hipotesis guna mengetahui signifikansi perbedaan rerata tekanan

darah arteri (NUMERIK) menurut:
(a) Pendidikan (SD, SLTP, SLTA, PT)
Kruskal :

ANOVA :

Berbeda Tidak signifikan

(b) Indeks Masa Tubuh (BB Kurang, BB Normal, BB Lebih).

20
 Normal : One way anova
Tidak normal : Kruskal Wallis

20.Lakukan uji hippotesis guna mengetahui signifikansi pengaruh jenis kelamin

(pria, wanita), Pendidikan (SD, SLTP, SLTA, PT), dan IMT (BB kurang, BB
Normal, BB Lebih) terhadap Kejadian Hipertensi (hipertensi dan tidak
hipertensi)

Bivariate :tabulasi silang

Multivariate : analisis regresi logistik biner

21
 Tekanan Darah (TD1 /nominal) dengan jenis kelamin (V2 /nominal),
pendidikan (V3B /ordinal), dan IMT (KIMT1 3 kategorik ordinal).

korelasi data katagorik

nominal x nominal : contingensi, phi, cramer, lamda, uncertainty

22
 ordinal x ordinal : gama, sommer, kendal-tau
nominal ordinal : theta

21.Hitung besarnya koefisien korelasi guna mengetahui kuatnya hubungan

antara Tekanan darah arteri (TR / numerik) dengan IMT (Numerik),
Usia(numerik, Gula darah sewaktu, Trigliserid, LDL, HDL, dan Total
Kolesterol.

23
 Korelasi numerik x numerik
Normal : Pearson
Tidak normal : Spearman

22.Lakukan analisis regresi tunggal guna mengetahui pengaruh IMT (IMT

numerik terhadap Tekanan Darah Arteri (TR / numerik)

Y = constanta + coef X1 + Coef X2 +....

TR = 95.939 + 0.601 (IMT)
23.Lakukan analisis regresi ganda guna mengetahui pengaruh IMT dan Usia
terhadap Tekanan Darah Arteri

Y = 96.528 + 0.600 (IMT)

Pengaruh UMUR = - 0,011

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)

26.Lakukan analisis regresi logistik biner guna pengetahui pengaruh IMT

(NUMERIK) terhadap kejadian hipertensi (TD1 / KATAGORIK).

Y = -1.073 + 0.045 (IMT)

25
27.Lakukan analisis regresi logistik biner guna mengetahui pengaruh IMT dan
Jenis Kelamin terhadap kejadian hipertensi.

Y = 0.539 + (-1.081) (KIMT2)

28.Lakukan analisis regresi logistik biner guna pengetahui pengaruh Usia, IMT
dan Jenis Kelamin terhadap kejadian hipertensi.

26