SKILLAB BIOSTATISTIKA

Blok 26 Fakultas Kedokteran Universitas Sriwijaya

Periode April – Mei 2018

A. ANALISIS UNIVAIATE
Analisis univariate dilakukan untuk mengetahui ukuran statistik dan distribusi
frekuensi responden pada masing-masing variabel penelitian. Ukuran statistik untuk
menyajikan data variabel berskala numerik. Apabila sebaran data berdistribusi normal
maka ukuran statistik yang disajikan umumnya rerata dan simpangan baku. Apabila
sebaran data tidak berdsitribusi normal, maka ukuran statistik yang disajikan
umumnya median, minimal, dan maksimal. Distribusi frekuensi untuk menyajikan
data variabel berskala katagorik.

Umur -> ratio

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’.

Value Label (KATEGORIK)

V2
1’Pria’
0’Wanita’
/V3
1’SD’
2’SLTP’
3’SLTA’
4’S1’
5’S2’
 6’S3’
/V14
0’Nagtif’
1’Positif’
/V16
0’Negatif’
1’Positif’.

1. Ukuran Statistik

Tabel-01. Ukuran Statistik dan Normalitas Sebaran Data

Statistics
N
Valid Missing Mean Median Std. Deviation Minimum Maximum
‘V13 = Gula Darah Sewaktu’ 250 0 135.07 112.00 73.868 82 699
‘V9 = Total Kolesterol’ 250 0 188.40 183.50 53.903 100 400
‘V10 = Trigliserid Kolesterol’ 250 0 122.68 97.00 86.107 50 490
‘V12 = LDL Kolesterol’ 250 0 129.74 120.00 45.604 50 297
‘V11 = HDL Kolesterol’ 250 0 34.75 29.50 13.740 15 68
‘V4 = Umur’ 250 0 50.93 50.00 12.853 22 80

Dari hasil sampel penelitian gula darah sewaktu dari 250 sampel penelitian didapatkan rata2nya
135,07, dengan median 112,0, minimum dan maks dalam rentang 82-699
Selain ukuran statistic lakukan data uji normalitas
INI CUMAAAAA CEK
Analyze 0 case - reporttt
Case Summaries
N Mean Median Minimum Maximum Std. Deviation
Total Kolestrol 250 188.40 183.50 100 400 53.903
Trigliserid Kolestrol 250 122.68 97.00 50 490 86.107
HDL Kolestrol 250 34.75 29.50 15 68 13.740
LDL Kolestrol 250 129.74 120.00 50 297 45.604
Gula Darah Sewaktu 250 135.07 112.00 82 699 73.868

Distribusi normal / tidak lihat p value

P value > 0,05 distribusi normal
Analitik -> lihat signifikan
P< alfa -> kuranf dr normal

Selain itu bs liat dari kurvanya juga

Variabel skala kategorik gausah uji normalitas krn kodenya Cuma 0 1 2
Uji normalitas skala numerik / ratio

Uji normalitas
Analyze - descriptive - explore

Lihat jumlah sample

Kolmogorf > 50 sample
Saphiro < 50
Krn soal ini 250 mka make kolmogorf

Gula darah sewaktu P<0,05 artinya tdk distribusi normal

Kolestrol tidak distribusi normal

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Gula Darah Sewaktu .263 250 .000 .536 250 .000
Total Kolestrol .088 250 .000 .921 250 .000
Trigliserid Kolestrol .199 250 .000 .767 250 .000
LDL Kolestrol .093 250 .000 .919 250 .000
HDL Kolestrol .183 250 .000 .905 250 .000
*
Umur .046 250 .200 .990 250 .074
*. This is a lower bound of the true significance.
a. Lilliefors Significance Correction
 Hasil uji normalitas gds didapatkan nilai p value 0,000 (p< alfa atau p<0,005)
artinya data gds tidak terdistribusi normal
INTERPRETASI SATU22222

2. Distribusi Frekuensi (CUMA LIAT JUMLAH DAN PRESENTASE

AJAAAAAAAAAA)

Lihat kategori dl kategorik apa numerik

Df yang nominal

Sama kayak analyze descriptive stattistik td tapi bates Cuma sme isi frekuensi
kategorikkkk (tingkat pnddkan, genetic pjk, pjk jenis kelamin) – guasah pencet
statistik

Kalo skripsi data yang persen itu haboleh copas tapi dibuat dl dalam table nah yg
udah jadi drsana itu Cuma dalam lampirannn

Frequencies

INI BUKANNN
Notes
Output Created 22-MAY-2018 09:25:14
Comments
Input Active Dataset DataSet6
Filter <none>
Weight <none>
Split File <none>
N of Rows in Working Data File 250
Missing Value Handling Definition of Missing User-defined missing values are
treated as missing.
Cases Used Statistics are based on all cases
with valid data.
Syntax FREQUENCIES VARIABLES=V2
V3 V14 V16
/ORDER=ANALYSIS.
Resources Processor Time 00:00:00.02
Elapsed Time 00:00:00.03

Statistics
Jenis Kelamin Tingkat Pendidikan Genetik PJK PJK
N Valid 250 250 250 250
Missing 0 0 0 0

Frequency Table

Jenis Kelamin
Cumulative
Frequency Percent Valid Percent Percent
Valid Wanita 131 52.4 52.4 52.4
Pria 119 47.6 47.6 100.0
Total 250 100.0 100.0

Output:
Bahwa dari data 250 sample penelitian (subjek penelitian) Jenis kelamin wanita itu lebih banyak
sekitar 52,4 persen atau sekitar 131 orang dibanding jenis kelamin laki-laki
ATAU
Sebagian besar didapatkan bahwa responden berjenis kelamin wanita sebesar 52,4 peren

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

INTERPRETASIII????????

Genetik PJK
Cumulative
Frequency Percent Valid Percent Percent
Valid Negatif 204 81.6 81.6 81.6
Positif 46 18.4 18.4 100.0
Total 250 100.0 100.0

PJK
Cumulative
Frequency Percent Valid Percent Percent
Valid Negatif 180 72.0 72.0 72.0
Positif 70 28.0 28.0 100.0
Total 250 100.0 100.0

INTERPRETASI

NUMERIK
Transformasi ke kategorik dengan hasil ukur yang telah ditentukan

LABEL harus bagus nulisnyaa karena itu bakal di baca dalam outputnya jadi
gaboleh sembrangannn
Compute V13a = V13.
Variable label V13a ‘Gula Darah’.
Recode V13a
(lo thru 99 = 1)
(100 thru 199 = 2)
(200 thru hi = 3).
Value label V13a
 1 ‘Normal’
2 ‘Pradiabet’
3 ‘Diabetes Melitus’.
Freq var V13a.

FREKUENSI

Statistics
Kategori GDS
N Valid 250
Missing 0

Kategori GDS
Cumulative
Frequency Percent Valid Percent Percent
Valid Normal 41 16.4 16.4 16.4
Pradiabet 187 74.8 74.8 91.2
Diabetes mellitus 22 8.8 8.8 100.0
Total 250 100.0 100.0

INTERPRETASI:
Dari 250 subjek penelitian, sebagian besar responden mengalami prediabet sebanyak
187 orang atau sebesar 74,8 persen.

Tabel-02a. Distribusi Frekuensi Responden Menurut Gula Darah

Compute V9a = V9.

Variable label V9a ‘Kolesterol Total’.
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.
POKOKNYA data analyze duluuuuu frequencies terus abis itu OK
Tabel-02b. Distribusi Frekuensi Responden Menurut Kolesterol Total

Frequencies

Statistics
Kategori Kolestrol Total
N Valid 250
Missing 0

Kategori Kolestrol Total

Cumulative
Frequency Percent Valid Percent Percent
Valid Normal 163 65.2 65.2 65.2
Agak tinggi 55 22.0 22.0 87.2
Tinggi 32 12.8 12.8 100.0
Total 250 100.0 100.0

Interpretasi:
Dari 250 subjek penelitian sebagian besar responden mempunyai kolestrol total normal
sebanyak 163 orang (62,5%

DLL

TRigliserid (TG)
Compute V10a = V10.
Variable label V10a ‘Trigliserid’.
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.

Tabel-02c. Distribusi Frekuensi Responden Menurut Trigliserid

Frequencies

Statistics
Kategori Trigliserid
N Valid 250
Missing 0

Kategori Trigliserid
Cumulative
Frequency Percent Valid Percent Percent
Valid Normal 189 75.6 75.6 75.6
Agak tinggi 27 10.8 10.8 86.4
Tinggi 34 13.6 13.6 100.0
Total 250 100.0 100.0

Interpretasi
Dari 250 subjek penelitian sebagian besar responden mempunyai kadar trigliserid normal
sebanyak 189 orang (75,6%

Compute V11a = V11.

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

Tabel-02d. Distribusi Frekuensi Responden Menurut HDL

Frequencies

Statistics
Kategori HDL
N Valid 250
Missing 0

Kategori HDL
Cumulative
Frequency Percent Valid Percent Percent
Valid Rendah 170 68.0 68.0 68.0
Normal 80 32.0 32.0 100.0
Total 250 100.0 100.0

Interpretasi:

Dari 250 sbjk penelitian sebagiab besar respondend mempunyai hdl rendah sbnyk
170 org (68%)) dst

Compute V12a = V12.

Variable label V12a ‘LDL’.
Recode V12a
(lo thru 99 = 1)
(100 thru 129 = 2)
(130 thru 159 = 3)
(160 thru hi = 4).
Value label V12a
1 ‘Normal’
2 ‘Agak Tinggi’
3 ‘Tinggi’
4 ‘Sangat Tinggi’.
Freq var v12a.

Tabel-02e. Distribusi Frekuensi Responden Menurut LDL

Frequencies

Statistics
Kategori LDL
N Valid 250
Missing 0

Kategori LDL
Cumulative
Frequency Percent Valid Percent Percent
Valid Normal 66 26.4 26.4 26.4
Agak tinggi 76 30.4 30.4 56.8
Tinggi 57 22.8 22.8 79.6
Sangat tinggi 51 20.4 20.4 100.0
Total 250 100.0 100.0

Interpretasi
Dari 250 subjek penelitian sebagian besar responden mempunyai kadar LDL normal
sebanyak 66 orang (26,4%)

Jangan lupa ketik “type and label” (ini pas di compute variable) biar label di variable
view nya keganti!!!!!!!!!!!!!

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

Variable label IMT ‘Indeks Massa Tubuh’.

Compute OB = IMT.
Variable Label OB ‘Obesitas’.
Recode IMT1
(lo thru 22.99 = 0)
(23.00 thru Hi = 1).
Value label OB
0 ‘Non Obesitas’
1 ‘Obesitas’.
Freq var OB.

Tabel-02f. Distribusi Frekuensi Responden Menurut Obesitas

Frequencies

Statistics
Kategori IMT
N Valid 250
Missing 0

Kategori IMT
Cumulative
Frequency Percent Valid Percent Percent
Valid Non obesitas 136 54.4 54.4 54.4
Obesitas 114 45.6 45.6 100.0
Total 250 100.0 100.0
Dari 250 subjek penelitian, diapatkan sebagian besar responden dari hasil IMT
sebanyak 136 orang dikategorikan non obes atau sebesar 54,4%

Compute V4a = V4.

Variable label V4a ‘Usia’.
Recode V4a
(lo thru 49 = 0)
(50 thru hi = 1).
Value label V4a
0 ’< 50 th’
1 ’>= 50 th’.
Freq var V4a.

Tabel-02g. Distribusi Frekuensi Responden Menurut Usia

Frequencies

Statistics
Kategori Umur
N Valid 250
Missing 0

Kategori Umur
Cumulative
Frequency Percent Valid Percent Percent
Valid <50 th 119 47.6 47.6 47.6
>= 50 th 131 52.4 52.4 100.0
Total 250 100.0 100.0

Dari 250 subjek penelitian, didapatkan bahwa responden yang berusia <50 tahun
sebanyak 119 orang atau 47,6% sedangkan yang >= 50 th sebanyak 131 org atau
52,4%

Tabel-02h. Distribusi Frekuensi Responden Menurut Usia (SAMA AJAAAAAAAAAA KATA

MICAN)
B. ANALISIS BIVARIATE (udah masuk uji hipotesa)
Analisis bivariate dilakukan untuk mengetahui hubungan antara dua variabel.
Dependent dibelakangg dalam penulisan skripsi
Judul: hub kolestrol dan gd
Tujuan: mengetahui kuatnya hubungan -> pake korelasi

Secara deskriptif, analisis bivariate digunakan untuk menyajikan distribusi frekuensi berdasarkan
dua variabel katagorik.
Secara analitik, analisis bivariate digunakan untuk uji hipotesis hubungan dua variabel (korelasi,
komparasi, regresi)

3. Korelasi

Korelasi digunakan untuk mengetahui kuatnya hubungan antara dua variabel meliputi Arah
hubungan, kuat hubungan, dan signifikansi kuatnya hubungan.
(a) Korelasi Pearson digunakan apabila sebaran data kedua variabel berdistribusi normal dan data
berskala numerik
(b) Korelasi Spearman digunakan apabila terdapat variabel yang sebaran datanya tidak normal
(c) Korelasi Gamma digunkan apabila kedua variabel berskala ordinal dan kedudukannya setara
(d) Korelasi Sommer digunkan apabila kedua variabel berskala ordinal dan kedudukannya tidak
setara
(e) Korelasi Cramer digunkan apabila kedua variabel berskala nominal dan kedudukannya setara
(f) Korelasi Lamda digunkan apabila kedua variabel berskala nominal dan kedudukannya tidak
setara

Kolestrol gula darah terhadap kolestrol

SEBELUM nentuin korelasi harus uji NORMALITASSS (TADI DIATAS UDAH)
didapatkan
Seluruh variable tidak terdistribusi normal artinya make spearman
Tabel-03a. Korelasi Gula Darah dan Variabel Faktor Risiko

Kl terjd banyak pengulangan angka – rumus pearson dikurangi -> itulah rumus spearman
Kl pengurangan sgt ekstrim, numerik jd kategorik (BYK PENGULANGAN) -> numerik seperti kategorik, terus
rumus dikategori jd person spearman dan kendall. Kendall dipake di ordinal

TP NUMERIK Spearman dan Pearson

Analyze – correlate 0 bivariate – spearman atau pearson dll

Spearman
 Correlations
Gula Darah
Sewaktu Total Kolestrol
Spearman's rho Gula Darah Sewaktu Correlation Coefficient 1.000 .203**
Sig. (2-tailed) . .001
N 250 250
Total Kolestrol Correlation Coefficient .203** 1.000
Sig. (2-tailed) .001 .
N 250 250
**. Correlation is significant at the 0.01 level (2-tailed).

Korelasi ada 3 satuan:

Makna korelasi positif -> kl kolestrol naik, gd naik – TEORI
Bs ga car hub jenis kelamin dgn gd -> positif -> NANTI DIJELASIN LAGIIIIIIIIIIII

Arah 20,3% -> korelasi dibuat dalam persen bisa juga nilai R dibilang 0,203
Make persen kalo dalam BUKU2
Lemah atau kuat tergantung dikategorikan sebagai apa – 4/5 -> terserah
Yang penting signifikan ga korelasi -> sig krn <0,05

SKRIPSI -> Jd kl skripsi hub kolestrol dang d untuk lihat kuat hubungan?

Artinya terdapat korelasi antara gds dan kolestrol total

Terdapat kolestrol yang bermakna antara gds dan kolestrol total (p=0,001) p <alfa (tapi mbak didepan 0,01)
hmmmm
Dengan Nilai R (untuk kekuatan) didapatkan 0,203 artinya arah kolreasi positif dengan kekuatan korelasi
lemah
Gula darah sewaktu sama2 meningkat sama kayak akdar kolestrol total – makanya arah kolerasri positif
Arah lihat positif negative
Kalo positif positif – semua ningkat missal semakin tinggi usia semakin tinggi kadar tekanan darah
Kalo negative ada minusnya (-0,0030) - Kl arah (-) artinya semakin tua usia kaar hb rendah  INI CONTOH
KORELASI ARAH NEGATIF
KESIMPULAN:
Lihat signifikan bermakna ga
Lihat niai r (arah dan kekuatann) -> LIHAT LAGI BATASAN R NYA (LIHAT DI R TABEL)
Lihat ada korelasi atau gaa

Sangat lenah 0,00-0,02

lemah 0,2-0,4
sedang 0,4- 0,6
 kuat 0,6-0,8
sangat kuat 0,8 -1

Nilai R dibndingkan dengan R table

Persentase itu nilai R – menurut teori tapi Tanya sm kelas sebelah

Niali r nya yg dijadiin persen tp ttp mesti ditanya

Pearson kl 2 2 variable nya normalll

RATIO ATAU NUMERIKKK -> spearman atau pearson

Tabel-03b. Korelasi Gula Darah dan Variabel Faktor Risiko

kl bermakna minimal sedang kaut sangat kuat

Analyze – decretive – crosstab (GAMMA SOMMER)

Gamma sommer – kategorikkk. Jd harus kategorik
Kl kategorik nominal gunain table 2

Presentase bisa ketik ROW cenang untuk lihat persentase

Kolestrol
Gamma -> Setara kedudukann maksydnya saling mempengaruhu (kitablm tau variable dependet
mana dan independent mana0
Sommer -> lihat variable dependent dan independent

Skala ordinal misalnya: GDS dan kolestrol tapi yg KATEGORIKKKK

Symmetric Measures
Asymptotic Approximate
a b
Value Standard Error Approximate T Significance
Ordinal by Ordinal Gamma .165 .125 1.306 .192
N of Valid Cases 250
a. Not assuming the null hypothesis.
b. Using the asymptotic standard error assuming the null hypothesis.

p> alfa tidak terdapat korelasi antara gds dan kolestrol total dengan nilai p 0,192
0,165 arah korelasi positif dan kekuatan korelasi sangat lemah krn antara 0,00 0 0,02
H1 ada hubungan ada pengaruh ada perbedaan

Tabel-03c. Korelasi Gula Darah dan Variabel Faktor Risiko

Cramer lamda – nominal

Profil lipid – ordinal kecuali usia

IMT obes ga obes nominal

4. Chy Square

Pengaruh gula darah terdahap kolestrol -> kl data kategorik dengan

kategorik

Chy Square digunakan untuk mengetahui signifikansi pengaruh variabel independen terhadap
variabel dependen apabila kedua variabel tersebut merupakan variabel katagorik berskala nominal
Syarat Chy Square adalah seluruh sel memiliki expected count tidak kurang dari 5
Apabila syarat ini tidak terpenuhi maka sebagai alternatif dapat digunakan Fisher Exact

Tabel-04a. Pengaruh Kolesterol Total terhadap Gula Darah

INI yang desktiptff

Kategori Kolestrol Total * Kategori GDS Crosstabulation
Kategori GDS
Normal Pradiabet Diabetes melitus Total
Kategori Kolestrol Total Normal Count 25 129 9 163
% within Kategori Kolestrol 15.3% 79.1% 5.5% 100.0%
Total
Agak tinggi Count 14 35 6 55
% within Kategori Kolestrol 25.5% 63.6% 10.9% 100.0%
Total
Tinggi Count 2 23 7 32
% within Kategori Kolestrol 6.3% 71.9% 21.9% 100.0%
Total
Total Count 41 187 22 250
 % within Kategori Kolestrol 16.4% 74.8% 8.8% 100.0%
Total

Nah skg kan udah analitik -> untuk cari hub gd dan kolestrol total
Pake chy square

Lalu expected dicentangg dari analyze crosstab nyaaa

Chi-Square Tests
Asymptotic
Significance (2-
Value df sided)
a
Pearson Chi-Square 14.721 4 .005
Likelihood Ratio 13.443 4 .009
Linear-by-Linear Association 3.905 1 .048
N of Valid Cases 250
a. 2 cells (22.2%) have expected count less than 5. The minimum
expected count is 2.82.
SYARAT GABOLEH <5
Bebrati ada pelanggaran terhadap penggunaan chi square

Minimal 55 expected nya

Apa digabung prediabet dan diabet
Krn ada oelannggaran pake fisher
INI FISHERNYAAAAAA

Chi-Square Tests
Asymptotic
Significance (2- Exact Sig. (2- Exact Sig. (1-
Value df sided) sided) sided) Point Probability
Pearson Chi-Square 14.721a 4 .005 .006
Likelihood Ratio 13.443 4 .009 .013
Fisher's Exact Test 13.529 .007
b
Linear-by-Linear Association 3.905 1 .048 .049 .029 .010
N of Valid Cases 250
a. 2 cells (22.2%) have expected count less than 5. The minimum expected count is 2.82.
b. The standardized statistic is 1.976.

Ada perbedaan proporsi disini.

Nilai harapan?//? (prediabet-diabet)

Kl ada perbedaan observasi dan nilai harapan maka itulah dibilang ADA PENGARUH kolestrol total terhadap
gula darah.
Tabel-04b. Pengaruh Trigliserid terhadap Gula Darah

Tabel-04c. Pengaruh HDL terhadap Gula Darah

Tabel-04d. Pengaruh LDL terhadap Gula Darah

5. Independent T-Test
Independen T-Test digunakan untuk menguji signifikansi perbedaan rerata dua kelompok sampel
independen apabila sebaran data pada kedua kelompok sampel berdistribusi Normal. Apabila
sebaran data pada kedua kelompok sampel ada yang tidak berdistribusi normal maka digunakan
Mann Whiteney.

Dinsi

Compare means – idenpendet – terus yang atas pake yg pensil

Bawah kategorikk td
 Independent Samples Tes
Levene's Test for Equality of Variances

F Sig. t df
Gula Darah Sewaktu Equal variances assumed .965 .327 -1.391 248
Equal variances not assumed -1.272 125.705

Tabel-05a. Beda Rerata Gula Darah Menurut HDL

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Kategori HDL Statistic df Sig. Statistic df Sig.
Gula Darah Sewaktu Rendah .292 170 .000 .521 170 .000
Normal .270 80 .000 .541 80 .000
a. Lilliefors Significance Correction

Ada ga normalll pake man whitneyyyyyy

Tabel-05b. Beda Rerata Gula Darah Menurut Obesitas

Tabel-05c. Beda Rerata Gula Darah Menurut HDL dan Jenis Kelamin
Tabel-05d. Beda Rerata Gula Darah Menurut Obesitas dan Jenis Kelamin

Tabel-05e. Beda Rerata Gula Darah Menurut HDL dan Usia

Kl sama dengan = 1
Itu wanita yg dicoret

Abis tub kin case summaries

Wanita yg dicoret

Inni tidak signifikan

Test Statisticsa
Gula Darah
Sewaktu
Mann-Whitney U 1323.500
Wilcoxon W 4809.500
Z -.987
Asymp. Sig. (2-tailed) .324
a. Grouping Variable: Kategori HDL

Tabel-05f. Beda Rerata Gula Darah Menurut Obesitas dan Usia

6. One Way Anova

One Way Anova digunakan untuk menguji signifikansi beda rerata lebih dari dua kelompok sampel
independen apabila sebaran data pada masing-masing kelompok sampel berdistribusi normal.
Apabila sebaran data pada kelompok sampel ada yang tidak berdistribusi normal maka digunakan
Kruskal Wallis

Kapan pake one way anova? Berpasangan independent

Distribusi normal

Lakukan:
 Pertama gunakan One Way Anova (diasumsikan sebaran data pada masing-masing
kelompok sampel berdistribusi normal)
 Kedua gunakan Kruskal Wallis (diasumsikan terdapat sebaran data pada kelompok sampel
yang tidak berduistribusi normal)

Tabel-06.a. Beda Rerata Gula Darah Menurut Kolesterol Total

Berdasarkan tabel ini hanya diketahui apakah terdapat perbedaan rerata yang signifikan atau tidak
signifikan.
 Apabila p_value > 5% meka perbedaan rerata tidak signifikan
  Apabila p_value < 5% maka perbedaan rerata signifikan, tetapi tidak diketahui rerata
kelompok sampel yang mana yang berbeda signifikan.
Untuk mengetahui kelompok sampel yang mana yang memiliki rerata berbeda signifikan, harus
dilakukan Uji Post Hoc.
 Apabila kelompok sampel memiliki variansi yang homogen maka uji post hoc dapat
menggunakan statistik, antara lain Tukey atau Benferoni
 Apabila kelompok sampel memiliki variansi yang tidak homogen maka uji post hoc dapat
menggunakan statistik Tamhane

Tabel-06.a1. Post Hoc Uji Signfikansi Beda Rerata Gula Darah Menurut Kolesterol Total

Tabel-06.b. Beda Rerata Gula Darah Menurut Trigliserid

Tabel-06.b1. Post Hoc Uji Signfikansi Beda Rerata Gula Darah Menurut Trigliserid

Tabel-06.c. Beda Rerata Gula Darah Menurut LDL

Tabel-06.c1. Post Hoc Uji Signfikansi Beda Rerata Gula Darah Menurut LDL
Tabel-06.d. Beda Rerata Gula Darah Menurut Kolesterol Total dan Jenis Kelamin

Tabel-06.e. Beda Rerata Gula Darah Menurut Kolesterol Total dan Usia

Kl sama dengan = 1
Itu wanita yg dicoret

Abis tub kin case summaries

Wanita yg dicoret

Case Summaries
Gula Darah Sewaktu
Kategori Kolestrol Total N Median Mean Std. Deviation Minimum Maximum
Normal 74 110.00 121.66 51.952 82 500
Agak tinggi 28 120.00 120.07 27.632 85 202
Tinggi 17 139.00 182.24 109.713 97 492
Total 119 112.00 129.94 62.743 82 500

Pria yg dicoret

Case Summaries
Gula Darah Sewaktu
Kategori Kolestrol Total N Median Mean Std. Deviation Minimum Maximum
Normal 89 111.00 127.78 53.874 82 415
Agak tinggi 27 105.00 149.41 119.516 85 699
Tinggi 15 139.00 193.27 120.459 91 505
Total 131 111.00 139.73 82.657 82 699

Krsukal

Ranks
Kategori Kolestrol Total N Mean Rank
Gula Darah Sewaktu Normal 89 63.89
Agak tinggi 27 59.33
Tinggi 15 90.53
Total 131

Tabel-06.f. Beda Rerata Gula Darah Menurut Trigliserid dan Jenis Kelamin
Tabel-06.g. Beda Rerata Gula Darah Menurut Trigliserid dan Usia

Tabel-06.h. Beda Rerata Gula Darah Menurut LDL dan Jenis Kelamin
Tabel-06.i. Beda Rerata Gula Darah Menurut LDL dan Usia

ANALISIS THREEVARIATE
Analisis three variate (tiga variabel) dapat digunakan untuk analisis deskriptif. Misalnya
mengetahui rerata gula darah menurut Kolesterol Total dan Jenis Kelamin. Dalam hal ini Kolesterol
Total dan jenis kelamin merupakan variabel katagorik nominal, sedangkan gula darah merupakan
variabel numerik. Secara deskriptif, rerata gula darah menurut dua variabel katagorik dapat
disajikan pada tabel berikut.

7. Tabel Tiga Dimensi

Tabel-07. Rerata Gula Darah Menurut Dua Variabel Katagorik

Sama kayak crosstab

Jenis Kelamin
Wanita Pria
Count Count
Kategori HDL Rendah 87 83
Normal 44 36

INIIII TP LUPA GMNNNN

Independent k labels apapun ituuu

Jenis Kelamin
Wanita Pria
Gula Darah Sewaktu Gula Darah Sewaktu
Count Mean Count Mean
Kategori HDL Rendah 87 131 83 130
Normal 44 157 36 129

Jenis Kelamin Kate

Wanita Pria <50 th
Gula Darah Sewaktu Gula Darah Sewaktu Gula Darah Sewaktu
Count Mean Count Mean Count Mean
Kategori HDL Rendah 87 131 83 130 85 1
Normal 44 157 36 129 34 1
Kategori Kolestrol Total Normal 89 128 74 122 78 1
 Agak tinggi 27 149 28 120 29 1
Tinggi 15 193 17 182 12 1
Kategori Trigliserid Normal 103 133 86 122 90 1
Agak tinggi 14 164 13 122 13 1
Tinggi 14 165 20 170 16 1
Sangat tinggi 0 . 0 . 0
Kategori LDL Normal 34 137 32 129 34 1
Agak tinggi 39 128 37 121 32 1
Tinggi 29 141 28 118 32 1
Sangat tinggi 29 157 22 162 21 1

Tabel tiga dimensiii

Analyze – table – custom – terus CONTOH TABEL
Trus masukin kayak biasa
Jenis kelamin dalam bentuk kategori
Hdl dll kategori juga terus abis itu di draggg
GDS dalam bentuk angka gituuu abis itu udah semua summary statistics (buat count krn mean udh
ada), pencet count lalu add count setelah itu count di drag ke atas terus apply to all dan SELESAI

DEH

ANALISIS MULTIVARIATE
Analisis tree variate tergolong dalam analisis multivariate.
Analisis multivariate dapat digunakan untuk mengetahui pengaruh beberapa variabel independen
terhadap variabel dependen, baik secara simultan maupun secara parsial. Statistik yang dapat
digunakan untuk analisis multivariate antara lain analisis regresi ganda dan analisis regresi logistik
biner.

8. Analisis Regresi Ganda

 Model Lengkap

Model Ringkas (Metode Stepwise)

Model ringkas dibentuk menggunakan metode stepwise atau backward, yaitu

model yang hanya memuat variabel yang berpengaruh signifikan.

Dalam kasus ini dimasukkan variabel jenis kelamin bertujuan untuk mengetahui
perbedaan pengaruh variabel tersebut menurut jenis kelamin (model Pria dan
Model Wanita)

9. Analisis Regresi Logistik Biner

Model Lengkap

Model Ringkas
Model Ringkas dibuat menggunakan method Backward LR

Buat juga Model Ringkas untuk

Model Ringkas Pria/Wanita
Model Ringkas Obes/Tidak Obes