MODUL PELATIHAN

UJI HIPOTESIS dengan SPSS 16.0

Disusun oleh:
dr. Swandari Paramita

Revisi Ketiga

FAKULTAS KEDOKTERAN
UNIVERSITAS MULAWARMAN SAMARINDA
2013
 CARA SEDERHANA MEMILIH UJI HIPOTESIS

Statistik Deskriptif atau Analitik?

Dalam sebuah penelitian, sebelum anda melakukan pengumpulan data, anda

harus membuat sebuah proposal penelitian. Pada proposal penelitian, terdapat
bagian analisis data yang menggambarkan apa yang anda rencanakan pada data
yang akan anda miliki. Analisis data biasanya dibagi menjadi 2 bagian, yaitu
analisis secara deskriptif dan analitik. Dengan demikian, ada 2 pemahaman utama
yang harus anda miliki, yaitu tentang statistik deskriptif dan statistik analitik.
Statistik deskriptif akan membawa anda pada pemahaman tentang karakteristik
data yang anda miliki. Statistik deskriptif ini harus selalu mendahului statistik
analitik. Statistik analitik akan membawa Anda mengambil kesimpulan terhadap
hipotesis Anda.
Dengan demikian ada dua topik utama dalam modul ini, yaitu:
1. Pembahasan tentang karakteristik data yang anda miliki (STATISTIK
DESKRIPTIF)
2. Pembahasan tentang penentuan uji hipotesis yang sesuai dengan data
yang anda miliki (STATISTIK ANALITIK)

Statistik Deskriptif
Statistik deskriptif berusaha menggambarkan berbagai karakteristik data.
Tergantung dari skala ukur yang dimiliki oleh data anda, apakah nominal, ordinal,
interval atau rasio.
1. Variabel NOMINAL atau ORDINAL
Berkaitan dengan gambaran karakteristik data dengan skala ukur nominal
atau ordinal, dikenal istilah FREKUENSI tiap kategori (n) dan
PERSENTASE tiap kategori (%) yang umumnya disajikan dalam bentuk
tabel dan grafik.
2. Variabel INTERVAL atau RASIO
Berkaitan dengan gambaran karakteristik data dengan skala ukur interval
atau rasio, dikenal istilah UKURAN PEMUSATAN dan UKURAN
PENYEBARAN. Beberapa parameter untuk ukuran pemusatan adalah
MEAN, MEDIAN dan MODUS. Beberapa parameter untuk ukuran
penyebaran adalah STANDAR DEVIASI, VARIANS, KOEFISIEN VARIANS,
INTERKUARTIL, RANGE dan MINIMUM MAKSIMUM. Data variabel
dengan skala pengukuran numerik umumnya disajika dalam bentuk tabel
dan grafik (histogram).

Statistik Analitik
Statistik analitik berkaitan dengan uji hipotesis. Uji hipotesis yang sesuai akan
membawa kita pada pengambilan kesimpulan yang benar. Tabel berikut ini adalah
tabel uji hipotesis untuk statistik analitik. Dengan berpedoman pada tabel tersebut
sebenarnya anda sudah dapat menentukan uji hipotesis yang sesuai dengan data
yang anda miliki.

1
 Jenis Hipotesis
Skala Hubungan
Ukur 2 Kelompok > 2 Kelompok Korelasi
Variabel
Berpasangan Tidak Berpasangan Tidak
Berpasangan Berpasangan
Chi Square Chi Square Contingency
Nominal McNemar atau Cochran atau Coefficient
Fisher Fisher atau
Lambda
Chi Square Chi Square Somers’d
Ordinal McNemar atau Cochran atau atau
Fisher Fisher Gamma
Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Paired T Test Independent T Anova Anova Pearson
atau Rasio Test

Keterangan:
Semua uji hipotesis pada baris Interval atau Rasio adalah uji parametrik. Tanda
panah dan uji hipotesis tepat diatasnya menunjukkan uji non parametrik jika syarat
uji parametrik tidak terpenuhi

Langkah-langkah penggunaan tabel uji hipotesis adalah sebagai berikut:

1. Tentukan skala ukur variabel
2. Tentukan jenis hipotesis
3. Tentukan jumlah kelompok
4. Tentukan apakah berpasangan atau tidak berpasangan
5. Tentukan persyaratan uji parametrik atau non parametrik

Dengan demikian, anda dapat menentukan uji hipotesis dengan berpedoman pada
tabel Uji Hipotesis dengan syarat anda harus memahami beberapa istilah berikut:
1. Skala ukur variabel: nominal, ordinal, interval dan rasio
2. Jenis hipotesis: hubungan atau korelasi
3. Jumlah kelompok: 2 kelompok atau >2 kelompok
4. Pasangan: berpasangan atau tidak berpasangan
5. Syarat uji parametrik dan non parametrik

SKALA UKUR VARIABEL

Nominal dan Ordinal
Variabel nominal dan variabel ordinal disebut sebagai variabel kategorikal karena
variabel tersebut mempunyai kategori variabel. ”Jenis Kelamin” adalah variabel,
sedangkan ”Pria” dan ”Wanita” adalah kategori variabelnya. ”Klasifikasi Kadar
Kolesterol” adalah variabel, sedangkan ”Baik”, ”Sedang” dan ”Buruk” adalah
kategori variabelnya.

2
Berdasarkan kategori inilah anda dapat membedakan variabel nominal dan
variabel ordinal. Variabel nominal mempunyai kategori yang ”sederajat” atau ”tidak
bertingkat” (contoh: variabel jenis kelamin dengan kategori pria dan wanita),
sedangkan variabel ordinal mempunyai kategori yang ”tidak sederajat” atau
”bertingkat” (contoh: variabel kolesterol dengan kategori kadar kolesterol baik,
sedang dan buruk).

Interval dan Rasio

Variabel interval dan rasio disebut sebagai variabel numerik karena variabel
tersebut memberikan informasi peringkat lengkap. Anda dapat membedakan
variabel interval dan rasio berdasarkan nilai nolnya. Apabila variabel tersebut
mempunyai nilai nol alami (seperti tinggi badan, berat badan, jarak) maka anda
menyebutnya sebagai variabel berskala ukur rasio. Apabila variabel tersebut tidak
mempunyai nilai nol alami (seperti suhu) maka anda menyebutnya sebagai
variabel berskala ukur interval.

Skala pengukuran dalam SPSS

Program SPSS hanya mengenal tiga skala pengkuran variabel, yaitu Scale,
Ordinal dan Nominal. Program SPSS tidak membedakan variabel interval dan
rasio. Dalam SPSS, variabel interval dan rasio disebut sebagai variabel Scale.

JENIS HIPOTESIS
Hipotesis hubungan menjawab apakah antara dua atau lebih variabel terdapat
hubungan atau tidak, sedangkan hipotesis korelasi akan mengukur seberapa
besar hubungannya.
Agar terminologi yang dipergunakan seragam, maka disepakati bahwa istilah
correlation diterjemahkan menjadi korelasi, sedangkan association diterjemahkan
menjadi hubungan.

JUMLAH KELOMPOK dan PASANGAN

Dua atau lebih kelompok data dikatakan berpasangan apabila data berasal dari
subyek yang sama atau subyek yang berbeda yang telah dilakukan matching.
Dua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal
dari subyek yang berbeda tanpa prosedur matching.

UJI PARAMETRIK dan NON PARAMETRIK

Uji Parametrik
Untuk uji parametrik, terdapat 3 syarat yang perlu diperhatikan yaitu skala ukur
variabel, sebaran data dan varians data:
1. Skala ukur variabel: harus interval atau rasio
2. Sebaran data: harus normal
3. Varians data:

3
 a. Tidak menjadi syarat untuk uji kelompok yang berpasangan
b. Menjadi syarat tidak mutlak untuk uji 2 kelompok yang tidak
berpasangan
c. Menjadi syarat mutlak untuk uji >2 kelompok yang tidak berpasangan

Uji Non Parametrik

Uji non parametrik digunakan dalam keadaan sebagai berikut:
1. Jika skala ukur variabel nominal atau ordinal
2. Jika skala ukur variabel interval atau rasio namun tidak memenuhi syarat uji
parametrik di atas:
a. Uji non parametrik untuk paired t test adalah Wilcoxon test
b. Uji non paramterik untuk independent t test adalah Mann-Whitney
test
c. Uji non parametrik untuk anova berpasangan adalah Friedman test
d. Uji non parametrik untuk anova tidak berpasangan adalah Kruskal-
Wallis test
3. Biasanya jumlah sampel untuk uji non parametrik adalah < 30. Namun jika
memiliki jumlah sampel < 30 tetapi memiliki distribusi normal, maka tetap
harus dilakukan uji parametrik.

TOPIK KHUSUS
Nilai p dan Confidence Interval
Anda dapat menggunakan 2 cara dalam menarik kesimpulan pada uji hipotesis
yaitu dengan menghitung nilai p dan menghitung nilai confidence interval.
Sehingga perlu diketahui juga mengenai Ho (hipotesis nol) dan Ha (hipotesis
alternatif).
Hipotesis adalah pernyataan sebagai jawaban sementara atas pertanyaan
penelitian yang harus dijawab secara empiris.
Ho (hipotesis nol) adalah hipotesis yang menunjukkan TIDAK ADA perbedaan
antar kelompok atau TIDAK ADA hubungan antara variabel atau TIDAK ADA
korelasi antar variabel.
Ha (hipotesis alternatif) adalah hipotesis kebalikan dari hipotesis nol, yang akan
disimpulkan bila hipotesis nol ditolak.
Nilai p menunjukkan besarnya kemungkinan hasil yang diperoleh karena faktor
peluang bila hipotesis nol benar.
Confidence interval menunjukkan taksiran rentang nilai pada populasi yang
dihitung dengan nilai yang diperoleh pada sampel.
Bila pada uji hipotesis ditemukan nilai p<0,05 (artinya bermakna secara statistik)
maka pada perhitungan confidence interval nilai 0 tidak akan tercakup di dalam
nilai intervalnya (artinya bermakna secara statistik).
SPSS akan secara otomatis menghitung nilai p untuk semua uji hipotesis.

4
 LATIHAN 1
MEMASUKKAN DATA
Anda memperoleh data sebagai berikut dan ingin memasukkannya kedalam
program SPSS.

No NAMA JENIS KELAMIN NILAI UMUR

1. Ali Laki-Laki Baik 23
2. Budi Laki-Laki Sedang 22
3. Cinta Perempuan Buruk 18
4. Donny Laki-Laki Buruk 21
5. Endang Perempuan Baik 23
6. Farah Perempuan Baik 17
7. Gita Perempuan Sedang 16
8. Harry Laki-Laki Sedang 19
9. Indah Perempuan Baik 25

1. Buka program SPSS yang telah diinstall pada komputer anda.

2. Perhatikan window-nya, pada sudut kiri bawah terdapat sub-window Data
View dan Variable View.
3. Buka Variable View, sehingga akan terlihat sederetan kolom yang
bertuliskan Name, Type, Width, Decimals, Label, Values, Missing, Columns,
Align dan Measure.
a. Name  adalah kata yang mewakili nama variabel. Biasanya diisi
dengan kata yang mudah diingat yang berkaitan dengan nama
variabelnya, misalnya “sex” untuk variabel jenis kelamin responden.
Maksimal 8 karakter dan tidak boleh ada spasi.
b. Type  adalah tipe data yang dimasukkan. Pilihan yang paling
umum adalah numeric (karena semua proses uji dalam SPSS bisa
dilakukan dalam bentuk numeric) dan string (jika yang dimasukkan
adalah huruf/kata/kalimat).
c. Width  jumlah digit data yang akan dimasukkan.
d. Decimals  jumlah digit di belakang titik.
e. Label  adalah penjelasan rinci dari kolom Name. Misalnya, dalam
kolom Name diisi dengan ”sex”, maka pada kolom Label diisi dengan
”jenis kelamin”.
f. Values  adalah kode yang anda berikan jika variabel merupakan
variabel nominal atau ordinal. Misalnya kode 1 untuk kategori
”perempuan”, kode 2 untuk kategori ”laki-laki”.
g. Missing  menjelaskan ada tidaknya missing values.
h. Columns  adalah lebar kolom.
i. Align  merupakan pilihan tampilan variabel (rapat kiri, kanan atau
tengah).

5
 j. Measure  adalah skala ukur variabel (nominal, ordinal, scale).
Dalam program SPSS, variabel interval dan rasio disebut sebagai
variabel scale.
4. Pada tabel di atas, anda diminta untuk memasukkan 4 variabel, yaitu nama
(string), jenis kelamin (nominal), nilai (ordinal) dan umur (numerik).
5. Untuk variabel nama:
a. Name  isi dengan mengetik ”nama”.
b. Type  isi dengan mengaktifkan pilihan string.
c. Width  isi dengan 15 (untuk keseragaman). Pemilihan lebar kolom
tergantung dari berapa karakter nama terpanjang.
d. Decimals  tidak aktif.
e. Label  isi dengan ”Nama Responden”.
f. Values  tidak diisi.
g. Missing  tidak aktif.
h. Columns  isi dengan 15 (untuk keseragaman).
i. Align  tidak diubah.
j. Measure  tidak diubah.
6. Untuk variabel jenis kelamin:
a. Name  isi dengan mengetik ”sex”.
b. Type  isi dengan mengaktifkan pilihan numeric.
c. Width  isi dengan 15 (untuk keseragaman).
d. Decimals  pilih 0.
e. Label  isi dengan ”Jenis Kelamin Responden”.
f. Values  klik sisi kanan kolom sehingga muncul window baru.
Ketik ”1” pada kotak Value.
Ketik ”Perempuan” pada kotak Value Label.
Klik Add.
Ketik ”2” pada kotak Value.
Ketik ”Laki-laki” pada kotak Value Label.
Klik Add.
Proses telah selesai, klik OK.
g. Missing  tidak aktif.
h. Columns  isi dengan 15 (untuk keseragaman).
i. Align  tidak diubah.
j. Measure  tidak diubah.
7. Untuk variabel nilai:
a. Name  isi dengan mengetik ”nilai”.
b. Type  isi dengan mengaktifkan pilihan numeric.
c. Width  isi dengan 15 (untuk keseragaman).
d. Decimals  pilih 0.
e. Label  isi dengan ”Nilai Responden”.
f. Values  klik sisi kanan kolom sehingga muncul window baru.
Ketik ”1” pada kotak Value.
Ketik ”Buruk” pada kotak Value Label.
Klik Add.

6
 Ketik ”2” pada kotak Value.
Ketik ”Sedang” pada kotak Value Label.
Klik Add.
Ketik ”3” pada kotak Value.
Ketik ”Baik” pada kotak Value Label.
Klik Add.
Proses telah selesai, klik OK.
g. Missing  tidak aktif.
h. Columns  isi dengan 15 (untuk keseragaman).
i. Align  tidak diubah.
j. Measure  tidak diubah.
8. Untuk variabel umur:
a. Name  isi dengan mengetik ”umur”.
b. Type  isi dengan mengaktifkan pilihan numeric.
c. Width  isi dengan 15 (untuk keseragaman).
d. Decimals  pilih 0.
e. Label  isi dengan ”Umur Responden”.
f. Values  tidak diisi (karena variabel umur tidak memiliki kategori).
g. Missing  tidak aktif.
h. Columns  isi dengan 15 (untuk keseragaman).
i. Align  tidak diubah.
j. Measure  tidak diubah.
9. Aktifkan Data View, klik View pada barisan di sisi atas window, kemudian
klik Value Lables, selanjutnya perhatikan perubahan apa saja yang terjadi
pada Data View.
10. Masukkan isi tabel yang ada di halaman 6 sebelum ini ke dalam Data
View.
11. Jika sudah selesai simpan data anda dengan klik File pada barisan di sisi
atas window, kemudian klik Save as ...
12. Beri nama file anda dengan Lat_1.

7
 LATIHAN 2
MENGUBAH DATA DARI SATU SKALA KE SKALA LAIN
Dari data yang telah diperoleh pada latihan 1, anda ingin mengkategorikan umur
responden menjadi 3 kelompok, yaitu responden yang berumur <20 tahun, 20-22
tahun dan >22 tahun (dalam hal ini berarti anda mengubah variabel numerik
menjadi variabel ordinal).

1. Buka file Lat_1 dan aktifkan Data View.

2. Klik Transform pada barisan di sisi atas window, klik Recode, klik Into
Different Variables... sehingga akan terbuka sebuah window baru.
3. Klik variabel umur yang terlihat di kotak paling kiri, kemudian klik kotak
dengan tanda panah sehingga variabel umur akan masuk ke dalam kotak
Input Variable -> Output Variable.
4. Selanjutnya pada kotak paling kanan terlihat Output Variable dan Name:,
isikan ke dalamnya ”umur_1” dan klik Change, perhatikan perubahan yang
terjadi.
5. Isikan ke dalam kotak Label: ”Umur Responden Ordinal”.
6. Klik kotak Old and New Values… sehingga akan terbuka window baru.
7. Isilah kotak Old Value pada Range: lowest through 19.
8. Isilah kotak New Value pada Value: 1, selajutnya klik Add, perhatikan
perubahan yang terjadi.
9. Isilah kotak Old Value pada Range: 20 through 22.
10. Isilah kotak New Value pada Value: 2, selajutnya klik Add, perhatikan
perubahan yang terjadi.
11. Isilah kotak Old Value pada Range: 23 through highest.
12. Isilah kotak New Value pada Value: 3, selajutnya klik Add, perhatikan
perubahan yang terjadi.
13. Logikanya adalah semua data <20 tahun diubah menjadi kode 1, semua
data 20-22 tahun diubah menjadi kode 2 dan semua data >22 tahun diubah
menjadi kode 3.
14. Proses telah selesai, klik kotak Continue sehingga kembali ke window
sebelumnya.
15. Klik OK dan lihat hasilnya.
16. Selanjutnya lakukan pengisian Values pada Variable View seperti yang
telah dilakukan pada Latihan 1.
17. Jika sudah selesai simpan data anda dengan klik File pada barisan di sisi
atas window, kemudian klik Save as ...
18. Beri nama file anda dengan Lat_2.

8
 LATIHAN 3
STATISTIK DESKRIPTIF untuk VARIABEL
NOMINAL dan ORDINAL
Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan
Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data status
Menopause pada pasien tersebut. Karena skala ukur variabel Menopause adalah
nominal, maka anda ingin mengetahui statistik deskriptif untuk sebaran
Menopause dalam bentuk tabel dan grafik.

1. Buka file Lat_3.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics,
selanjutnya pilih Frequencies..., sehingga akan terbuka window baru.
3. Pilih variabel Menopause (mnpause) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Variable(s):
4. Klik kotak Charts... sehingga akan terbuka window baru.
5. Pilih Bar charts pada Chart Type dan pilih Percentages pada Chart Values
selanjutnya klik Continue sehingga kembali ke window awal.
6. Klik OK dan lihat hasilnya.
7. Interpretasi hasil: dengan prosedur ini anda mengenali karakteristik variabel
Menopause.
a. Output pertama, anda mengetahui bahwa jumlah total subyek
sebanyak 100 orang dan tidak ada data yang missing.
b. Output kedua, anda mengetahui sebaran Menopause berdasarkan
jumlah dan persentase.
c. Output ketiga, adalah visualisasi dalam bentuk grafik.

9
Frequencies

10
 LATIHAN 4
STATISTIK DESKRIPTIF untuk VARIABEL
INTERVAL dan RASIO
Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan
Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data jumlah
Paritas dari pasien tersebut. Karena skala ukur variabel Paritas adalah rasio, maka
anda ingin mengetahui statistik deskriptif untuk ukuran penyebaran dan pemusatan
angka Paritas serta penyajiannya dalam bentuk histogram.

1. Buka file Lat_4.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics,
selanjutnya pilih Frequencies..., sehingga akan terbuka window baru.
3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Variable(s):
4. Klik kotak Statistics ... sehingga akan terbuka window baru.
5. Pilih pada Dispersion untuk Std. Deviation dan Variance.
6. Pilih pada Central Tendency untuk Mean, Median dan Mode.
7. Selanjutnya klik Continue sehingga kembali ke window awal.
8. Klik kotak Charts... sehingga akan terbuka window baru.
9. Pilih Histograms pada Chart Type selanjutnya klik Continue sehingga
kembali ke window awal.
10. Klik OK dan lihat hasilnya.
11. Interpretasi hasil: dengan prosedur ini anda mengenali karakteristik variabel
Paritas.
d. Output pertama: Statistics, anda mengetahui parameter ukuran
pemusatan (mean, median dan mode) serta ukuran penyebaran
(standard deviation, variance).
e. Output kedua, anda mengetahui sebaran data yang dimiliki dengan
histogram.

Frequencies

11
12
 LATIHAN 4A
UJI NORMALITAS KOLMOGOROV-SMIRNOV dan
SHAPIRO-WILK
Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan
Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data jumlah
Paritas dari pasien tersebut. Karena skala ukur variabel Paritas adalah rasio, maka
anda ingin apakah sebaran data mempunyai sebaran normal atau tidak secara
analitik. Uji Kolmogorov-Smirnov dipergunakan untuk sampel yang besar,
sedangkan Uji Shapiro-Wilk untuk sampel yang kecil.

1. Buka file Lat_4.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics,
selanjutnya pilih Explore..., sehingga akan terbuka window baru.
3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Dependent List:
4. Klik kotak Plots ... sehingga akan terbuka window baru.
5. Pilih pada Boxplots untuk None.
6. Kosongkan pada Descriptive.
7. Pilih Normality plots with tests.
8. Selanjutnya klik Continue sehingga kembali ke window awal.
9. Klik OK dan lihat hasilnya.
10. Interpretasi hasil: dengan prosedur ini anda menilai sebaran data variabel
Paritas secara analitik.
a. Output pertama: Case Processing Summary, menunjukkan ada
tidaknya data yang missing.
b. Output kedua, Tests of Normality, diperoleh nilai p = 0.000 pada
Kolmogorov-Smirnov dan p = 0.001 pada Shapiro-Wilk. Karena nilai
p < 0.05, maka anda mengambil kesimpulan bahwa ”paritas tidak
berdistribusi secara normal”.

13
Explore

14
 LATIHAN 5
INDEPENDENT T TEST
Jenis Hipotesis
Skala Hubungan
Ukur 2 Kelompok > 2 Kelompok Korelasi
Variabel
Berpasangan Tidak Berpasangan Tidak
Berpasangan Berpasangan
Chi Square Chi Square Contingency
Nominal McNemar atau Cochran atau Coefficient
Fisher Fisher atau
Lambda
Chi Square Chi Square Somers’d
Ordinal McNemar atau Cochran atau atau
Fisher Fisher Gamma
Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Paired T Test Independent T Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui perbedaan
jumlah paritas berdasarkan status penyakit Kanker Serviks pasien. Berdasarkan
tabel Uji Hipotesis, maka dipakai Independent T Test.

1. Buka file Lat_5.

2. Klik Analyze pada barisan di sisi atas window, pilih Compare Means,
selanjutnya pilih Independent-Samples T Tests..., sehingga akan terbuka
window baru.
3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Test Variable(s):
4. Pilih variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Grouping Variable:
5. Klik Define Groups ... sehingga akan terbuka window baru.
6. Isi “1“ pada Group 1 dan “2“ pada Group 2.
7. Selanjutnya klik Continue sehingga kembali ke window awal.
8. Klik OK dan lihat hasilnya.
9. Interpretasi hasil:
a. Output pertama: Group Statistics, anda mengetahui parameter
ukuran pemusatan (mean) serta ukuran penyebaran (standard
deviation).
b. Output kedua: pada kotak Levene’s Test for Equality of Variances
untuk kolom Sig. Terlihat angka 0.943. Karena nilainya > 0.05, maka

15
 varians untuk data ini berarti adalah sama, hal ini berarti untuk t test
memakai baris yang ke-1 (equal variances assumed).
c. Pada kotak t-test for Equality Variances Assumed untuk kolom Sig.
(2-tailed) terlihat angka 0.022.
d. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan
signifikan jumlah paritas antara kelompok pasien Kanker Serviks
dengan yang tidak”. Karena hasil dari tabel pertama menunjukkan
Mean untuk kelompok Kasus adalah 3.40 dan untuk kelompok
Kontrol adalah 2.55, maka dapat dinyatakan bahwa rerata jumlah
paritas pada kelompok pasien Kanker Serviks lebih tinggi daripada
kelompok kontrol.

T-Test

Keterangan: untuk tabel “Independent Samples Test” dilakukan “transpose rows and
columns” agar muat untuk ditampilkan dalam modul pelatihan

16
 LATIHAN 6
PAIRED T TEST
Jenis Hipotesis
Skala Hubungan
Ukur 2 Kelompok > 2 Kelompok Korelasi
Variabel
Berpasangan Tidak Berpasangan Tidak
Berpasangan Berpasangan
Chi Square Chi Square Contingency
Nominal McNemar atau Cochran atau Coefficient
Fisher Fisher atau
Lambda
Chi Square Chi Square Somers’d
Ordinal McNemar atau Cochran atau atau
Fisher Fisher Gamma
Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Paired T Test Independent T Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 50 pasien BPH (Benign Prostat Hyperplasia)

di Poliklinik Bedah Urologi RSUD A.W. Sjahranie Samarinda. Anda ingin
mengetahui apakah terdapat perbedaan kadar Hemoglobin dalam darah sebelum
dan sesudah dilakukan operasi TURP. Berdasarkan tabel Uji Hipotesis, maka
dipakai Paired T Test.

1. Buka file Lat_6.

2. Klik Analyze pada barisan di sisi atas window, pilih Compare Means,
selanjutnya pilih Paired-Samples T Tests..., sehingga akan terbuka window
baru.
3. Klik variabel Kadar Hb Preoperasi (hbpre) dan klik variabel Kadar Hb
Postoperasi (hbpost) kemudian klik kotak tanda panah sehingga masuk ke
dalam kotak Paired Variables:
4. Selanjutnya klik Continue sehingga kembali ke window awal.
5. Klik OK dan lihat hasilnya.
6. Interpretasi hasil:
a. Output pertama: Paires Samples Statistics, menggambarkan
deskripsi masing-masing variabel.
b. Output kedua: Paired Samples Correlation, menunjukkan korelasi
antara dua variabel. Tampak korelasi sangat kuat (0.860) dan
bermakna (Sig. = 0.000).
c. Output ketiga: Paired Samples Test, menunjukkan hasil paired t-test.
Untuk kolom Sig. (2-tailed) terlihat angka 0.000.

17
 d. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan
signifikan kadar Hemoglobin dalam darah pada pasien BPH sebelum
dan sesudah menjalani operasi TURP”. Karena hasil dari tabel
pertama menunjukkan Mean untuk kelompok Preoperasi adalah
14.400 dan untuk kelompok Postoperasi adalah 13.076, maka dapat
dinyatakan bahwa rerata kadar Hemoglobin pasien BPH sebelum
operasi lebih tinggi daripada sesudah operasi.

T-Test

Keterangan: untuk tabel “Paired Samples Test” dilakukan “transpose rows and columns”
agar muat untuk ditampilkan dalam modul pelatihan

18
 LATIHAN 7
UJI MANN-WHITNEY
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui perbedaan
jumlah paritas berdasarkan status penyakit Kanker Serviks pasien. Rencananya
dalam penelitian ini akan dipakai statistik non parametrik, karena distribusinya
yang tidak normal ditambah jumlah sampel yang kecil. Berdasarkan tabel Uji
Hipotesis, maka dipakai Uji Mann-Whitney.

1. Buka file Lat_7.

2. Klik Analyze pada barisan di sisi atas window, pilih Nonparametric Tests,
selanjutnya pilih 2 Independent Samples ..., sehingga akan terbuka window
baru.
3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Test Variable List:
4. Pilih variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Grouping Variable:
5. Klik Define Groups ... sehingga akan terbuka window baru.
6. Isi “1“ pada Group 1 dan “2“ pada Group 2.
7. Selanjutnya klik Continue sehingga kembali ke window awal.
8. Klik Test Type untuk Mann-Whitney U.
9. Klik OK dan lihat hasilnya.
10. Interpretasi hasil:
a. Output pertama: Ranks, menggambarkan ranking masing-masing
variabel.

19
 b. Output kedua: Test Statistics, menunjukkan hasil Uji Mann-Whitney.
Pada baris Asymp. Sig. (2-tailed) terlihat angka 0.313.
c. Karena nilainya > 0.05 maka diambil kesimpulan “tidak terdapat
perbedaan jumlah paritas antara kelompok pasien Kanker Serviks
dengan yang tidak”.

NPar Tests

Mann-Whitney Test

20
 LATIHAN 8
UJI WILCOXON
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 50 pasien BPH (Benign Prostat Hyperplasia)

di Poliklinik Bedah Urologi RSUD A.W. Sjahranie Samarinda. Anda ingin
mengetahui apakah terdapat perbedaan kadar Hemoglobin dalam darah sebelum
dan sesudah dilakukan operasi TURP. Rencananya dalam penelitian ini akan
digunakan statistik non parametrik karena distribusinya yang tidak normal serta
jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji
Wilcoxon.

1. Buka file Lat_8.

2. Klik Analyze pada barisan di sisi atas window, pilih Nonparametric Tests,
selanjutnya pilih 2 Related Samples ..., sehingga akan terbuka window baru.
3. Klik variabel Kadar Hb Preoperasi (hbpre) dan klik variabel Kadar Hb
Postoperasi (hbpost) kemudian klik kotak tanda panah sehingga masuk ke
dalam kotak Test Pair(s) List:
4. Klik Wilcoxon untuk Test Type.
5. Klik OK dan lihat hasilnya.
6. Interpretasi hasil:
a. Output pertama: Ranks, menggambarkan ranking masing-masing
variabel.
b. Output kedua: Test Statistics, menunjukkan hasil Uji Wilcoxon. Pada
baris Asymp. Sig. (2-tailed) terlihat angka 0.000.
c. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan
signifikan kadar Hemoglobin dalam darah pada pasien BPH sebelum
dan sesudah menjalani operasi TURP”.

21
NPar Tests

Wilcoxon Signed Ranks Test

22
 LATIHAN 9
UJI ANOVA
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada
tidaknya perbedaan jumlah paritas antara kelompok pasien yang menggunakan
kontrasepsi hormonal (lebih atau sama dengan 5 tahun, kurang dari 5 tahun dan
tidak menggunakan). Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Anova.

1. Buka file Lat_9.

2. Klik Analyze pada barisan di sisi atas window, pilih Compare Means,
selanjutnya pilih One-Way ANOVA ..., sehingga akan terbuka window baru
3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Dependent List:
4. Klik variabel Lama Kontrasepsi Hormonal (lmhorm) kemudian klik kotak
tanda panah sehingga masuk ke dalam kotak Factor:
5. Klik OK dan lihat hasilnya.
6. Interpretasi hasil:
 Output pertama: ANOVA, menunjukkan hasil uji ANOVA secara
keseluruhan, terlihat angka 0.260 pada kolom Sig. Karena nilainya >
0.05 maka diambil kesimpulan “ tidak ada perbedaan jumlah paritas
antara kelompok pengguna kontrasepsi hormonal (lebih dari 5 tahun,
kurang dari 5 tahun dan tidak menggunakan kontrasepsi hormonal)”.

23
Oneway

24
 LATIHAN 10
UJI KRUSKAL-WALLIS
Jenis Hipotesis
Skala Hubungan
Ukur 2 Kelompok > 2 Kelompok Korelasi
Variabel
Berpasangan Tidak Berpasangan Tidak
Berpasangan Berpasangan
Chi Square Chi Square Contingency
Nominal McNemar atau Cochran atau Coefficient
Fisher Fisher atau
Lambda
Chi Square Chi Square Somers’d
Ordinal McNemar atau Cochran atau atau
Fisher Fisher Gamma
Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Paired T Test Independent T Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada
tidaknya perbedaan jumlah paritas antara kelompok pasien yang menggunakan
kontrasepsi hormonal (tidak menggunakan, kurang dari 5 tahun dan lebih dari 5
tahun). Rencananya akan dipakai statistik non parametrik karena sampelnya
tidak memiliki distribusi normal serta jumlahnya yang kecil. Berdasarkan tabel Uji
Hipotesis, maka dipakai Uji Kruskal-Wallis.

1. Buka file Lat_10.

2. Klik Analyze pada barisan di sisi atas window, pilih Non Parametric Tests,
selanjutnya pilih K Independent Samples ..., sehingga akan terbuka window
baru.
3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Test Variable List:
4. Klik variabel Lama Kontrasepsi Hormonal (lmhorm) kemudian klik kotak
tanda panah sehingga masuk ke dalam kotak Grouping Variable:
5. Klik Define Range ... sehingga terbuka window baru.
6. Pada Range for Grouping Variable, isi Minimum dengan „1“ dan Maximum
dengan „3“ kemudian klik Continue.
7. Klik untuk Test Type pada Kruskal-Wallis H.
8. Klik OK dan lihat hasilnya.
9. Interpretasi hasil:
a. Output pertama: Ranks, menunjukkan ranking untuk masing-masing
variabel.

25
 b. Output kedua: Test Statistics, menunjukkan hasil uji Kruskal-Wallis
secara keseluruhan, terlihat angka 0.797 pada baris Asymp. Sig.
Karena nilainya > 0.05 maka diambil kesimpulan ”tidak ada
perbedaan jumlah paritas antara kelompok pengguna kontrasepsi
hormonal (lebih atau sama dengan 5 tahun, kurang dari 5 tahun dan
tidak menggunakan)”.

NPar Tests

Kruskal-Wallis Test

26
 LATIHAN 11
UJI FRIEDMAN
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 20 ekor mencit. Anda ingin mengetahui ada
tidaknya perbedaan penurunan berat badan mencit antara pengukuran bulan
pertama, bulan kedua dan bulan ketiga setelah diberi pakan ikan asin yang
mengandung formalin. Rencananya akan dipakai statistik non parametrik karena
sampelnya memiliki distribusi yang tidak normal serta besar sampel yang kecil.
Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Friedman.

1. Buka file Lat_11.

2. Klik Analyze pada barisan di sisi atas window, pilih Non Parametric Tests,
selanjutnya pilih K Related Samples ..., sehingga akan terbuka window
baru.
3. Klik variabel Bulan Pertama (bulan1) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Test Variable:
4. Klik variabel Bulan Kedua (bulan2) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Test Variable:
5. Klik variabel Bulan Ketiga (bulan3) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Test Variable:
6. Klik untuk Test Type pada Friedman.
7. Klik OK dan lihat hasilnya.
8. Interpretasi hasil:
a. Output pertama: Ranks, menunjukkan ranking untuk masing-masing
variabel.
b. Output kedua: Test Statistics, menunjukkan hasil uji Friedman secara
keseluruhan, terlihat angka 0.000 pada baris Asymp. Sig. Karena

27
 nilainya < 0.05 maka diambil kesimpulan “ada perbedaan penurunan
berat badan mencit antara pemeriksaan bulan pertama, bulan kedua
dan bulan ketiga setelah diberi pakan ikan asin yang mengandung
formalin”.

NPar Tests

Friedman Test

28
 LATIHAN 12
UJI CHI-SQUARE
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada
tidaknya hubungan antara jumlah paritas dengan terjadinya Kanker Serviks.
Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Chi-Square. Penelitian ini
menggunakan desain penelitian Case Control Study, sehingga juga diminta
menghitung nilai OR (Odds Ratio).

1. Buka file Lat_12.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics,
selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru.
3. Pada data ini yang menjadi variabel bebas adalah paritas sedangkan
Kanker Serviks menjadi variabel terikat.
4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Row(s): sebagai variabel bebas.
5. Klik variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Column(s): sebagai variabel terikat.
6. Klik Statistics ... sehingga akan terbuka window baru.
7. Pilih Chi-square kemudian klik Continue untuk kembali ke window semula.
8. Klik Cells … sehingga akan terbuka window baru.
9. Pilih Observed dan Expected pada Counts kemudian klik Continue untuk
kembali ke window semula.
10. Klik OK dan lihat hasilnya.
11. Interpretasi hasil:

29
a. Output pertama: Case Processing Summary, menunjukkan ada
tidaknya data yang missing.
b. Output kedua: Crosstabulation, menunjukkan tabel silang antara
Paritas dan Kanker Serviks.
c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square,
terlihat angka 0.042 pada kolom Asymp. Sig. (2-sided) dan baris
Pearson Chi-Square. Karena nilainya < 0.05 maka diambil
kesimpulan “terdapat hubungan antara paritas lebih dari 5 anak
dengan terjadinya Kanker Serviks”.
d. Output keempat: Risk Estimate, menunjukkan hasil perhitungan
Odds Ratio (OR) untuk desain penelitian Case Control Study. Terlihat
value = 2.591 dengan lower = 1.016 dan upper = 6.610. Hasil
dinyatakan bermakna jika angka lower dan upper semuanya berada
diatas angka 1. Penulisan hasil ini adalah OR = 2.591 (95% CI =
1.016-6.610). Maksud dari angka ini adalah perempuan dengan
paritas lebih dari 5 anak berisiko 2.591 kali untuk terkena Kanker
Serviks.
e. Jika desain penelitian ini adalah Cohort atau Cross Sectional, akan
menunjukkan hasil perhitungan RR (Relative Risk) untuk Cohort atau
PR (Prevalence Ratio) untuk Cross Sectional (ingat bahwa rumus
keduanya adalah sama). Terlihat Terlihat value = 1.509 dengan lower
= 1.062 dan upper = 2.146. Hasil dinyatakan bermakna jika angka
lower dan upper semuanya berada diatas angka 1. Penulisan hasil ini
adalah RR atau RP (tergantung desain penelitiannya) = 1.509 (95%
CI = 1.062-2.146).

30
Crosstabs

31
 LATIHAN 13
UJI FISHER
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 30 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada
tidaknya hubungan antara menopause dengan ekspresi gen CYP1A1.
Berdasarkan tabel Uji Hipotesis, selain uji Chi-Square, dalam kondisi tertentu
digunakan Uji Fisher.

1. Buka file Lat_13.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics,
selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru.
3. Pada data ini yang menjadi variabel bebas adalah Menopause sedangkan
Ekspresi Gen CYP1A1 menjadi variabel terikat.
4. Klik variabel Menopause (mnpause) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Row(s): sebagai variabel bebas.
5. Klik variabel Ekspresi Gen CYP1A1 (cyp1a1) kemudian klik kotak tanda
panah sehingga masuk ke dalam kotak Column(s): sebagai variabel terikat.
6. Klik Statistics ... sehingga akan terbuka window baru.
7. Pilih Chi-square kemudian klik Continue untuk kembali ke window semula.
8. Klik Cells … sehingga akan terbuka window baru.
9. Pilih Observed dan Expected pada Counts kemudian klik Continue untuk
kembali ke window semula.
10. Klik OK dan lihat hasilnya.
11. Interpretasi hasil:
a. Output pertama: Case Processing Summary, menunjukkan ada
tidaknya data yang missing.

32
b. Output kedua: Crosstabulation, menunjukkan tabel silang antara
Menopause dan Ekspresi Gen CYP1A1.
c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square.
Lihat pada keterangan paling bawah “b2 cells (50.0%) have expected
count less than 5. The minimum expected count is 2.57.”
d. Jika terdapat paling tidak satu sel yang memiliki expected count
kurang dari 5, maka tidak dapat dilakukan Uji Chi-Square, sehingga
harus dilakukan Uji Fisher.
e. Terlihat angka 0.004 pada kolom Exact Sig. (2-sided) dan baris
Fisher’s Exact Test. Karena nilainya < 0.05 maka diambil kesimpulan
“terdapat hubungan antara ekspresi gen CYP1A1 yang positif
dengan status yang telah menopause”.

33
Crosstabs

34
 LATIHAN 14
UJI McNEMAR
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 100 orang pasien di Puskesmas Palaran

Samarinda. Anda ingin mengetahui ada tidaknya perbedaan tingkat pengetahuan
mereka tentang PHBS (Perilaku Hidup Bersih dan Sehat) sebelum dan sesudah
dilakukan penyuluhan berbasis multimedia. Berdasarkan tabel Uji Hipotesis, maka
digunakan Uji McNemar.

1. Buka file Lat_14.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics,
selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru.
3. Klik variabel Pretest (premm) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Row(s):
4. Klik variabel Posttest (postmm) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Column(s):
5. Klik Statistics ... sehingga akan terbuka window baru.
6. Pilih McNemar kemudian klik Continue untuk kembali ke window semula.
7. Klik OK dan lihat hasilnya.
8. Interpretasi hasil:
a. Output pertama: Case Processing Summary, menunjukkan ada
tidaknya data yang missing.
b. Output kedua: Crosstabulation, menunjukkan tabel silang antara
Pretest dan Posttest.
c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square.
Lihat pada baris McNemar Test dan kolom Exact Sig. (2-sided)
menunjukkan angka 0.014.

35
 d. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan
tingkat pengetahuan pasien di Puskesmas Palaran sebelum dan
sesudah dilakukan penyuluhan berbasis multimedia kepada mereka”.

Crosstabs

36
 LATIHAN 15
UJI COCHRAN
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 20 orang peserta Pelatihan RJP (Resusitasi

Jantung Paru). Anda ingin mengetahui ada tidaknya perbedaan hasil uji
keterampilan antara tes pertama, kedua dan ketiga. Berdasarkan tabel Uji
Hipotesis, maka digunakan Uji Cochran.

1. Buka file Lat_15.

2. Klik Analyze pada barisan di sisi atas window, pilih Nonparametric Tests,
selanjutnya pilih K Related Samples ..., sehingga akan terbuka window
baru.
3. Klik variabel Tes Pertama (test1) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Test Variable:
4. Klik variabel Tes Kedua (test2) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Test Variable:
5. Klik variabel Tes Ketiga (test3) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Test Variable:
6. Klik Cochran Q untuk Test Type.
7. Klik OK dan lihat hasilnya.
8. Interpretasi hasil:
a. Output pertama: Frequencies, menunjukkan frekuensi untuk masing-
masing variabel.
b. Output kedua: Test Statistics, menunjukkan hasil Uji Cochran.
Terlihat pada baris Asymp. Sig. menunjukkan angka 0.008. Karena <
0.05 berarti terdapat perbedaan hasil uji keterampilan melakukan
RJP oleh para peserta pelatihan tes pertama, kedua dan ketiga.

37
NPar Tests

Cochran

38
 LATIHAN 16
UJI PEARSON
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada
tidaknya korelasi antara usia pertama kali menikah dengan jumlah paritas.
Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Pearson.

1. Buka file Lat_16.

2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya
pilih Bivariates ..., sehingga akan terbuka window baru.
3. Klik variabel Usia Pertama Kali Menikah (umrnkh) kemudian klik kotak tanda
panah sehingga masuk ke dalam kotak Variables:
4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Variables:
5. Klik Pearson untuk Correlation Coefficients.
6. Klik Two-tailed untuk Test of Significance.
7. Klik OK dan lihat hasilnya.
8. Interpretasi hasil:
a. Dari hasil di atas, diperoleh nilai Sig. (2-tailed) 0.000 yang
menunjukkan bahwa korelasi antara Usia Pertama Kali Menikah dan
Paritas adalah bermakna.
b. Nilai Pearson Correlation sebesar -0.363 menunjukkan kekuatan
korelasi yang lemah serta adanya korelasi yang negatif. Hal ini
menunjukkan korelasi yang berbanding terbalik, artinya makin rendah
usia pertama kali menikah maka makin tinggi paritasnya.

39
 c. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat
lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 –
0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.

Correlations

40
 LATIHAN 17
UJI SPEARMAN
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada
tidaknya korelasi antara usia pertama kali menikah dengan jumlah paritas.
Rencananya akan dipakai statistik non parametrik karena tidak mengikuti
distribusi normal serta jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis,
maka digunakan Uji Spearman.

1. Buka file Lat_17.

2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya
pilih Bivariates ..., sehingga akan terbuka window baru.
3. Klik variabel Usia Pertama Kali Menikah (umrnkh) kemudian klik kotak tanda
panah sehingga masuk ke dalam kotak Variables:
4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Variables:
5. Klik Spearman untuk Correlation Coefficients.
6. Klik Two-tailed untuk Test of Significance.
7. Klik OK dan lihat hasilnya.
8. Interpretasi hasil:
a. Dari hasil di atas, diperoleh nilai Sig. (2-tailed) 0.163 yang
menunjukkan bahwa korelasi antara Usia Pertama Kali Menikah dan
Paritas adalah tidak bermakna.
b. Nilai Spearman’s Rho Correlation sebesar -0.324 menunjukkan
korelasi negatif dengan kekuatan korelasi yang lemah.

41
 c. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat
lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 –
0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.

Nonparametric Correlations

42
 LATIHAN 18
UJI SOMER’S D dan GAMMA
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 100 responden ibu rumah tangga untuk
mengetahui bagaimana korelasi antara tanggapan terhadap rasa sirup multivitamin
dengan tingkatan harga jual untuk sirup tersebut. Berdasarkan tabel Uji Hipotesis,
maka digunakan Uji Somer’s d dan Gamma. Uji Somer’s d digunakan jika salah
satu variabel merupakan variabel bebas dan yang satunya variabel terikat. Uji
Gamma digunakan jika kedua variabel setara.

1. Buka file Lat_18.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics,
selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru.
3. Klik variabel Harga Sirup (harga) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Row(s):
4. Klik variabel Rasa Sirup (rasa) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Column(s):
5. Klik Statistics ... sehingga akan terbuka window baru.
6. Pilih Gamma dan Somer’s d untuk Ordinal kemudian klik Continue untuk
kembali ke window semula.
7. Klik OK dan lihat hasilnya.
8. Interpretasi hasil:
a. Output pertama: Case Processing Summary, menunjukkan ada
tidaknya data yang missing.
b. Output kedua: Crosstabulation, menunjukkan tabel silang antara
Harga Sirup dan Rasa Sirup.

43
c. Output ketiga: Directional Measures, menunjukkan hasil uji Somer’s
d. Lihat pada baris Harga Sirup Dependent untuk Approx. Sig.
menunjukkan angka 0.004 yang berarti korelasinya bermakna serta
untuk Value menunjukkan angka -0.431 yang menunjukkan korelasi
negatif dengan kekuatan korelasi yang sedang.
d. Output keempat: Symmetric Measures, menunjukkan hasil uji
Gamma. Lihat untuk Approx. Sig. menunjukkan angka 0.004 yang
berarti korelasinya bermakna serta untuk Value menunjukkan angka
-0.608 yang menunjukkan korelasi negatif dengan kekuatan korelasi
yang kuat.
e. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat
lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 –
0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.

44
Crosstabs

45
 LATIHAN 19
UJI CONTINGENCY COEFFICIENT dan LAMBDA
Jenis Hipotesis
Hubungan
Skala
Ukur 2 Kelompok > 2 Kelompok
Variabel Tidak Tidak Korelasi
Berpasangan Berpasangan
Berpasangan Berpasangan
Contingency
Chi Square Chi Square
Coefficient
atau atau
Nominal McNemar Cochran atau
Fisher Fisher
Lambda
Chi Square Chi Square Somers’d
atau atau atau
McNemar Cochran
Fisher Fisher Gamma
Ordinal Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

    
Interval Independent T
Paired T Test Anova Anova Pearson
atau Rasio Test

Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan

Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui seberapa
besar korelasi antara jumlah paritas dengan terjadinya Kanker Serviks.
Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Contigency Coefficient atau
Lambda. Uji Lambda digunakan jika salah satu variabel merupakan variabel bebas
dan yang satunya variabel terikat. Uji Contigency Coefficient digunakan jika kedua
variabel setara.

1. Buka file Lat_19.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics,
selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru.
3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga
masuk ke dalam kotak Row(s):
4. Klik variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah
sehingga masuk ke dalam kotak Column(s):
5. Klik Statistics ... sehingga akan terbuka window baru.
6. Pilih Contigency Coefficient dan Lambda untuk Nominal kemudian klik
Continue untuk kembali ke window semula.
7. Klik OK dan lihat hasilnya.
8. Interpretasi hasil:
a. Output pertama: Case Processing Summary, menunjukkan ada
tidaknya data yang missing.
b. Output kedua: Crosstabulation, menunjukkan tabel silang antara
Paritas dan Kanker Serviks.

46
c. Output ketiga: Directional Measures, menunjukkan hasil uji Lambda.
Lihat pada baris Kanker Serviks Dependent untuk Approx. Sig.
menunjukkan angka 0.344 yang berarti korelasinya tidak bermakna
(karena > 0.05) serta untuk Value menunjukkan angka 0.155 yang
menunjukkan korelasi positif dengan kekuatan korelasi yang lemah.
f. Output keempat: Symmetric Measures, menunjukkan hasil uji
Contigency Coefficient. Lihat untuk Approx. Sig. menunjukkan angka
0.042 yang berarti korelasinya bermakna (karena < 0.05) serta untuk
Value menunjukkan angka 0.185 yang menunjukkan korelasi positif
dengan kekuatan korelasi yang lemah.
g. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat
lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 –
0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.

47
Crosstabs

-o0o-o0o-o0o-

48