1.

usia (test of normality)

Data menggunakan kolmogorov-smirnov karena data berjumlah >50.

P value 0,2 (>0,05) data berdistribusi normal.

2. gula darah (test of normality)

Data menggunakan kolmogorov karena data berjumlah >50. P value 0,000

(<0,05) data berdistribusi tidak normal.

3. analisis untuk mengetahui kuatnya hubungan usia dan gula darah sewaktu
(keduanya menggunakan numerik)

P value 0,119 (>0,05)  H0 diterima  tidak ada hubungan signifikan

antara usia dan gula darah, dengan nilai kolerasi sangat lemah (0-0,2) dan
arah kolerasi positif. Nilai R : 0,99
0 - 0,2 : sangat lemah
0,2 – 0,4 : lemah
0,4 – 0,6 : sedang
0,6 – 0,8 : kuat
 0,8 – 1 : sangat kuat

4. buat tabel distribusi frekuensi usia sewaktu sebagai berikut

Dari hasil tabel diatas, usia <40 memiliki frekuensi sebanyak 58. Usia 41-
50 memiliki frekuensi sebanyak 69. Usia 51-60 memiliki frekuensi
sebanyak 71. >60 memiliki frekuensi sebanyak 52.

5. buat tabel distribusi frekuensi gula darah sewaktu sebagai berikut

normal : <100mg/dL, 2. Gangguan toleransi gula darah : 100-199mg/dL.
3. DM : ≥ 200mg/dL

6. buat tabel silang usia usia dan gula darah sewaktu. Lakukan analisis secara
deskriptif untuk mengetahui perbedaan frekuensi gula darah sewaktu
menurut usia
 a) Berdasarkan usia <40 frekuensi gula darah normal sebanyak 19
orang, yang memiliki gangguan toleransi 35 orang yang terkenda
diabetes melitus 4 orang. Dengan total 58 orang
b) Berdasarkan usia 41-50 frekuensi gula darah normal sebanyak 15
orang, yang memiliki gangguan toleransi 46 orang yang terkenda
diabetes melitus 8 orang. Dengan total 69 orang
c) Berdasarkan usia 51-60 frekuensi gula darah normal sebanyak 16
orang, yang memiliki gangguan toleransi 46 orang yang terkenda
diabetes melitus 9 orang. Dengan total 71 orang
d) Berdasarkan usia >60 frekuensi gula darah normal sebanyak 6
orang, yang memiliki gangguan toleransi 45 orang yang terkenda
diabetes melitus 1 orang. Dengan total 52 orang

7. buat tabel distribusi jenis kelamin

Dari tabel diatas, di dapatkan hasil frekuensi jenis kelamin wanita

sebanyak 131 orang dan jenis kelamin pria sebanyak 119 orang.

8. lakukan analisis deskriptif untuk mengetahui perbedaan rata-rata gula

darah sewaktu menurut usia dan jenis kelamin (caranya, buat tabel silang
usia dan jenis kelamin, kemudian isi selnya dengan count dan averange
dari gula darah sewaktu)
 a) Rata-rata gula darah sewaktu pada wanita <40th adalah 120 dengan
jumlah wanita sebanyak 36orang dan rata-rata gula darah sewaktu
pria adalah 143 dengan jumlah 22 orang.
b) Rata-rata gula darah sewaktu pada wanita 41-50th adalah 141
dengan jumlah wanita sebanyak 35orang dan rata-rata gula darah
sewaktu pria adalah 130 dengan jumlah 34 orang.
c) Rata-rata gula darah sewaktu pada wanita 51-60th adalah
165mg/dL dengan jumlah wanita sebanyak 40orang dan rata-rata
gula darah sewaktu pria adalah 133 dengan jumlah 32 orang.
d) Rata-rata gula darah sewaktu pada wanita >60th adalah 121 dengan
jumlah wanita sebanyak 20orang dan rata-rata gula darah sewaktu
pria adalah 125 dengan jumlah 32 orang.

9. lakukan analisis untuk mengetahui kuatnya hubungan usia dan gula darah
sewaktu, kedua merupakan variabel kategorik

Dari hasil diatas Pvalue = 0,078 (>0,05), artinya tidak ada kolerasi yang
signifikan antara usia dan gula darah sewaktu. Dengan nilai R = 0,154,
arah korelasi positif dan kekuatan sangat lemah.
10. lakukan analisis untuk mengetahui signifikansi pengaruh usia terhadap
gula darah sewaktu, kedua variabel kategorik.
 Syarat chi square expected count harus >5, jadi harus menggunakan fisher

Dari Pvalue : 0,030 (<0,05) ada pengaruh signifikan antara usia terhadap
gula darah

11. Lakukan analisis untuk mengetahui perbedaan rerata gula darah sewaktu
menurut kejadian PJK
12. Lakukan analisis untuk mengetahui perbedaan rerata gula darah sewaktu
menurut kelompok usia

Uji normalitas  >0,05

Tidak terdapat perbedaan signifikan antara usia dan gula darah  kruskal
wallis
13. Hitung IMT dan periksa apakah sebaran data IMT berdistribusi normal.
Apabila tidak normal, maka lakukan transformasi data menggunakan
LIMT=Lg10 (IMT)

Pvalue = 0,001 (<0,005) data berdistribusi tidak normal

Hasil transform

14. Buat tabel distribusi kejadian PJK

15. Lakukan analisis untuk mengetahui signifikansi perbedaan rerata LIMT
dengan PJK

16. Lakukan analisis untuk mengetahui perbedaan rerata LIMT menurut usia
 Tidak normal  kruskal wallis

Pvalue = 0,822 (>0,005) tidak terdapat perbedaan rerata signifikan

17. Lakukan analisis regresi tunggal untuk mengetahui hubungan usia dan
gula darah sewaktu

Pvalue : 0,568 (>0,005) Umur tidak mempengaruhi gula darah

18. Lakukan analisis regresi ganda untuk mengetahui hubungan usia dan IMT
terhadap gula darah sewaktu
 Y = 110,700 + 0,217 (usia) + 0,582 (IMT)
Besarnya pengaruh usia terhadap gula darah adalah 0,217 tetapi Pvalue
0,553 tidak berpengaruh signifikan
Besarnya pengaruh IMT terhadap gula darah adalah 0,582 tetapi Pvalue
0,419
Dari tabel diatas didapat nilai R = 0,063 hal ini menunjukan bahwa terjadi
hubungan yang sangat lemah antara umur dan IMT terhadap gula darah

19. Buat tabel distribusi frekuensi IMT dengan kategori sebagai berikut:
1. tidak obesitas apabila IMT <23,00 dan
2. obesitas apabila IMT ≥ 23,00

20. Lakukan analisis regresi logistik biner untuk mengetahui hubungan usia,
IMT, dan gula darah terhadap kejadian PJK
Dari hasil tabel diatas,
usia <40 1,105 kali lebih berisiko terjadi PJK dibanding dengan kelompok
usia lainnya tetapi tidak signifikan (Pvalue = 0,821)
Usia 41-50 0,666 kali lebih berisiko terjadi PJK dibanding dengan
kelompok usia lainnya tetapi tidak signifikan (Pvalue = 0,364)
Usia 51-60 kali lebih berisiko terjadi PJK dibanding dengan kelompok
usia lainnya tetapi tidak signifikan (Pvalue = 0,821)
Usia >60 1,105 kali lebih berisiko terjadi PJK dibanding dengan kelompok
usia lainnya tetapi tidak signifikan (Pvalue = 0,821)
Di atas pada tabel Case Processing Summary adalah ringkasan jumlah
sampel, yaitu sebanyak 250 sampel

Di atas adalah kode variabel dependen. Yaitu kategori “negatif” dengan

kode 0 dan “positif” dengan kode 1.

Di atas: Tabel Iteration History pada block 0 atau saat variabel independen
tidak dimasukkan dalam model: N=250 mendapatkan Nilai -2 Log
Likelihood: 296,477.
 Di atas pada tabel Classifacation Table: Merupakan tabel kontingensi 2 x 2
yang seharusnya terjadi atau disebut juga frekuensi harapan berdasarkan
data empiris variabel dependen, di mana jumlah sampel yang memiliki
kategori variabel dependen referensi atau akibat buruk (kode 1) yaitu
“positif” sebanyak 70 orang. Sedangkan yang “negatif” sebanyak 180
orang. Jumlah sampel sebanyak 250 orang. Sehingga nilai overall
percentage sebelum variabel independen dimasukkan ke dalam model
sebesar: 180/250 = 72,0%.

Nilai X2 0,487.
0,106 (>0,05) yang menunjukkan bahwa penambahan variabel independen
tidak dapat memberikan pengaruh nyata.

Berdasarkan tabel Classification Table di atas, jumlah sampel yang negatif 176+4
= 180 orang. Jumlah sampel yang mengalami kanker 64+6=70 orang.
Dalam Interprestasi regresi logistik dengan SPSS: Tabel di atas memberikan
nilai overall percentage sebesar (176+6)/250 = 72,8% yang berarti ketepatan
model penelitian ini adalah sebesar 72,8%.

Lihat tabel Variabel in the equation di atas:

semua variabel independen nilai P value uji wald (Sig) < 0,05, artinya masing-
masing variabel mempunyai pengaruh parsial yang signifikan terhadap Y di dalam
model.
a) Usia mempunyai nilai Sig Wald 0,241 > 0,05 berarti usia tidak
memberikan pengaruh yang signifikan terhadap kejadian PJK.
b) Usia1 Sig Wald 0,821 > 0,05 berarti usia tidak memberikan pengaruh yang
signifikan terhadap kejadian PJK.
c) Usia2 Sig Wald 0,364 > 0,05 berarti usia tidak memberikan pengaruh yang
signifikan terhadap kejadian PJK.
d) Usia3 Sig Wald 0,348 > 0,05 berarti usia tidak memberikan pengaruh yang
signifikan terhadap kejadian PJK.

a) Gula darah Sig Wald 0,524 > 0,05 berarti gula darah tidak memberikan
pengaruh yang signifikan terhadap kejadian PJK.
b) Gula darah1 Sig Wald 0,752 > 0,05 berarti gula darah tidak memberikan
pengaruh yang signifikan terhadap kejadian PJK.
c) Gula darah2 Sig Wald 0,352 > 0,05 berarti gula darah tidak memberikan
pengaruh yang signifikan terhadap kejadian PJK.

a) IMT Sig Wald 0,033 < 0,05 berarti IMT memberikan pengaruh yang
signifikan terhadap kejadian PJK.
Probabilitas :
Probabilitas = exp(-1,719 + 0,001(1) + -0,407(1) +0,392(1) +
-0,174(1) + -0,464 (1) + 0,047(1)) / 1 + exp(-1,719 + 0,001(1) +
-407(1) +0,392(1) + -0,174(1) + -0,464 (1) + 0,047(1)).
-2,324/1+(-2,324)
-2,324/-1,324 = 1,755
Probabilitas atau Predicted =1,755
1,755 > 0,005 =

Pvalue = 0,162 (>0,005) yang menunjukan adanya kalibrasi yang baik.