UJI KORELASI PEARSON UJI KORELASI SPEARMAN

 Numerik dengan Numerik  Numerik dengan Numerik

 Data terdistribusi normal  Data TIDAK terdistribusi normal (uji
nonparametric / alternative dari korelasi
Langkah : pearson)
1. Analyze Langkah :
2. Correlate
3. Bivariate 1. Analyze
4. Masukkan variable yang akan diuji kedalam 2. Correlate
‘variables’ 3. Bivariate
5. Pada Correlation Coeficients centang uji 4. Masukkan variable yang akan diuji kedalam
‘Pearson’ ‘variables’
6. Pada Test of Significance centang ‘Two- 5. Pada Correlation Coeficients centang uji
Tailed’ ‘Spearman’
7. Pastikan Flag Significant Correlation 6. Pada Test of Significance centang ‘Two-
tercentang Tailed’
8. OK 7. Pastikan Flag Significant Correlation
tercentang
8. OK
Interpretasi : Interpretasi :
1. Baca Sig (2-tailed) untuk melihat ada hub. 1. Baca Sig (2-tailed) untuk melihat ada hub.
Pearson Correlation untuk : nilai r (arah dan Correlation coefficient untuk : nilai r (arah
kekuatan hubungan ) dan kekuatan hubungan )

2. Kesimpulan :
2. Kesimpulan :
- Ho ditolak jika p < 0.05
- Ho ditolak jika p < 0.05
 (Terdapat hubungan yang signifikan
 (Terdapat hubungan yang signifikan
antara variable x dengan variable y )
antara variable x dengan variable y )
- Arah hubungan : positif atau negative
- Arah hubungan : positif atau negative
- Kekuatan hubungan :
- Kekuatan hubungan :
0 – 0,19 : sangat lemah
0 – 0,2 : sangat lemah
0,2 – 0,39 : lemah
0,2 – 0,39 : lemah
0,4 – 0,59 : sedang
0,4 – 0,59 : sedang
0,6 – 0,79 : kuat
0,6 – 0,79 : kuat
0,8 – 1 : sangat kuat
0,8 – 1 : sangat kuat
 UJI ONE WAY ANOVA Interpretasi :
 Uji komparatif, > 2 kelompok, tidak
berpasangan Tukey : Dikatakan berbeda ketika nilai tiap
 Data teristribusi normal kelompok tidak berada dalam satu kolom yang
 Varian harus sama (homogen) sama
 Numerik dengan kategorik
(kelp.perlakuan)

Langkah :

1. Analyze, compare means, One way ANOVA

2. Masukkan variable yg akan diuji beda pada
Dependent List
3. Masukkan variable kelp.perlakuan pada
Factor List
4. Klik Options, pilih Homogeneity of Variance LSD : dikatakan berbeda jika p < 0.05
5. Continue, OK

Interpretasi :

Test of Homogeneity of Variances

kadar hemoglobin awal penelitian (g/dl)

Levene Statistic df1 df2 Sig.

6,293 2 27 ,006
Kesimpulan : Varian sama/ homogen jika p > 0,05,
jka varian sama Tabel ANOVA bisa dibaca, jika
tidak tabel ANOVA tidak bisa dibaca, gunakan uji
non-parametrik Kruskall-Wallis

Kesimpulan : Ho titolak jika p < 0,05

 Paling tidak ada perbedaan ……. yang
bermakna antara dua kelompok

Langkah lanjutan : untuk menentukan kelompok

yang berbeda lakukan uji Post Hoc

1. Langkah sama dengan uji one way-ANOVA

2. Aktifkan POST HOC, centang Tukey atau
LSD
 UJI KRUSKAL-WALLIS Langkah :

 Jika syarat One way ANOVA tidak terpenuhi 1. Analyze

(data tidak terdistribusi normal dan varian tidak 2. Non parametric test
sama) 3. 2-Independent test
4. Test variable list : variable yang akan diuji
Langkah : beda
1. Analyze 5. Grouping variable : Kelp, klik define range
2. Non parametric test (misal : kelp 1 dengan 2, min =1 max=2,
3. K-Independent test 6. Pastikan Mann Whitney U dicentang
4. Test variable list : variable yang akan diuji 7. Continue
5. Grouping variable : Kelp, klik define range 8. OK
(karena 3 kelp, min =1 max=3, tergantung Interpretasi : baca Asymp. Sig. (2-tailed)
jumlah kelompok. Kalau 7 kelp, min=1 max=7)
6. Cont Test Statisticsa
7. Pastikan kruskal-wallis tercentang
intake Fe
8. OK
Mann-Whitney U ,000

Interpretasi : Wilcoxon W 55,000

Lihat tabel test statistics, baca sig Z -3,795
Asymp. Sig. (2-tailed) ,000
Test Statisticsa,b Exact Sig. [2*(1-tailed Sig.)] ,000b
kadar a. Grouping Variable: kelompok
hemoglobin intervensi
awal penelitian b. Not corrected for ties.
(g/dl) Kesimpulan :
Chi-Square ,076
Ho ditolak jika p < 0.05
df 2
Asymp. Sig. ,962 (Ada perbedaan………antara kelompok x dengan
a. Kruskal Wallis Test
kelompok y)
b. Grouping Variable: kelompok Note : Jika nilai p value 0,000 ditulis 0,001
intervensi

Kesimpulan :
Ho ditolak jika p < 0.05
 Paling tidak terdapat perbedaan …….. yang
bermakna antara dua kelompok

Langkah lanjutan :

Untuk menentukan kelompok yang berbeda

lakukan uji Post Hoc Mann Whitney-U, untuk
masing-masing kelompok ( misal ada 3 kelompok,
uji kelp 1 dengan 2, kelp 1 dengan 3, dan kelompok
2 dengan 3)
 MULTIVARIAT : UJI REGRESI LINEAR
 Independen/dependen salah satu berupa skala
numeric
 Sebelum uji multivariate, semua variable harus
diuji bivariate pearson / spearman terlebih
dahulu
 Yang bisa uji multivariate, jika p < 0,25
Langkah :
1. Analyze, regression, linear
2. Masukkan semua variable ke Kolom dependent
: rata-rata tingkat keparahan MDQ, independen
6 variabel asupan, + umur, IMT
3. Method : backward
4. OK
Interpretasi : baca tabel coefficient (tabel paling
bawah)
- Kolom B utk tau persamaan regresi
Kolom hijau = Constant = konstanta
Kolom merah = a
- Kolom beta untuk tau nilai r nya
Misal : nilai r = 0,206 (korelasi positif dengan
kekuatan lemah)
Persamaan regresi Y = konstanta + ax
Persamaan regresi berdasarkan tabel diatas :
Y(MDQ) = 0,966 + 0,001(%Kalium)- 0,003 (%Ca) +
0,005 (%Fe)
MULTIVARIAT : UJI REGRESI LOGISTIK
Dari beberapa factor, dapat diketahui mana yang
menjadi predictor utama suatu penyakit, dan bisa
diprediksi berapa % peluang seseorang untuk
menderita penyakit tsb.
 Data harus berbentuk kategorikal dengan 2x2.
Perhatikan kasus dan control
 Sebelum uji multivariate, semua variable harus
diuji bivariate chi square atau fisher exact
terlebih dahulu
 Yang bisa uji multivariate, jika p < 0,25
Langkah :
1. analyze, regression, binary logistic,
2. categorical, blok semua variabel, pindahkan ke
categorical bivariate, con’t
3. save, centang probabilities
4. Continue
5. Pilih option, cetang hosmer lemeshow, centang
CI for Exp B (yg bsa diubah-ubah biasa
digunakan 95%)
6. Continue
7. method : backward LR
8. OK
Interpretasi :
- Lihat tabel : Variable in the equation (yang
paling bawah )
- Kekuatan hub. Dapat dilihat dari nilai OR pada
kolom “Exp (B)”
- Persamaan yang di dapat :
Y = kostanta + ax
- Yang dimasukkan ke persamaan : codingnya
(yg dilihat di output) missal tinggi kodenya 1,
rendah kodenya 2
- Maka akan didapat persamaan regresi,
- Lalu dimasukkan ke rumus probabilitas
p = 1 / ( 1 + e-y)
e = konstanta dalam probabilitas = 2,7
Tabel yang dibaca pada regresi logistik :

- Berdasarkan output variable yang paling berpengaruh terhadap skor keparahan menstruasi adalah
Vitamin B6.
- Persamaan regresi  Y= K + ax
K = -4,431 a = 1,706
Persamaan regresinya  Y= -4,431 + 1,706 (Vit B6)

Contoh soal :

Remaja putri yang dalam sehari memiliki asupan vit B6 yang rendah, maka berapakah probabilitas
untuk mengalami keparahan dari sindroma PMS? Lihat coding vit B6 : kurang codingnya 1

Categorical Variables Codings

Freque Parameter coding
ncy (1)
kategoriFe kurang 141 1,000
cukup 9 ,000
kategori kalsium kurang 120 1,000
cukup 30 ,000
kategori B1 kurang 127 1,000
cukup 23 ,000
kategori B6 kurang 65 1,000
cukup 85 ,000
kategori kalium2 kurang 142 1,000
cukup 8 ,000
Asupan kurang
Y= -4,431 + 1,706 (Vit B6)
Y= -4,431 + 1,706 (1)
= -2,725
Lalu dimasukkan ke rumus probabilitas

p = 1 / ( 1 + e-y)
e = konstanta dalam probabilitas = 2,7

p = 1 / (1 + 2,72,725) = 1 / (1 + 14,97) = 1 / 15,97 = 0,0625 ………6,25 %

Jadi, probabilitas remaja putri untuk menderita sindrom PMS pada asupan B6 yang kurang
adalah 6,25%

Asupan cukup
Y= -4,431 + 1,706 (Vit B6)
Y= -4,431 + 1,706 (0)
= -4,431
Lalu dimasukkan ke rumus probabilitas

p = 1 / ( 1 + e-y)
e = konstanta dalam probabilitas = 2,7

p = 1 / (1 + 2,74,431) = 1 / (1 + 81 ) = 1 / 82 = 0,0121 ………1,21 %

Jadi, probabilitas remaja putri untuk menderita sindrom PMS pada asupan B6 yang cukup
adalah 1,21 %
 PAIRED T-TEST
 Parametrik
 Uji beda 2 kelompok, berpasangan
 Terdistribusi normal
Langkah :
1. Analyze, compare means, paired sample t
test
2. Paired variable, variable 1 : yg sebelum,
variable 2: yg sesudah
3. OK
Interpretasi : yang dibaca Sig. (2-tailed)
Jika p < 0,05  H0 ditolak
 Terdapat perbedaan yang signifikan antara
rata-rata………. dengan …………
Tabel hubungan : Paired Sampled Test, baca
Sig. (2-tailed)
Tabel kekuatan hubungan : Paired Samples
Correlations, baca Sig
Contoh : r = 0,847 (kekuatan hubungan sangat
kuat)
UJI WILCOXON
 Non parametrik
 Uji beda dua kelompok, berpasangan
 Data TIDAK terdistribusi normal
Langkah :
1. Analyze, non parametric, legacy dialogs, 2-
related sample tes
2. Paired variable, variable 1 : yg sebelum,
variable 2: yg sesudah (sama dengan paired t
test)
3. pastikan Wilcoxon terceklis
4. OK
Interpretasi ; yang dibaca Asymp.Sig. (2-tailed)
Jika p < 0,05  H0 ditolak
 Terdapat perbedaan yang signifikan antara
rata-rata ………. dengan …………
 INDEPENDENT T-TEST MANN WHITNEY U TEST
 Uji non parametric untuk Independent t-test
 Uji beda 2 kelompok tidak berpasangan  Data TIDAK terdistribusi normal
 Data terdistribusi normal
Langkah :
Langkah :
1. Analyze
1. Analyze 2. Non parametric test
2. Compare means Independen Sample T- 3. Legacy dialogs
Test 4. 2 Independent Sample
3. Test variable  isikan variable yang akan 5. Test variable list : misal IMT
dianalisis : misal Kadar Hb Awal 6. Grouping : misal infeksi cacing
4. Grouping  isikan kelompok yang akan 7. OK
dianalisis : Status Infeksi cacing
5. Define group : memilih kelompok mana Interpretasi :
pada data view yang akan dibandingkan
isikan nomor pengkategorian misal 0 = Jika p < 0,05  H0 ditolak
terinfeksi cacing, 1 = tidak terinfeksi  Terdapat perbedaan yang signifikan antara
6. OK rata-rata ………. dengan …………

Interpretasi : Test Statisticsa

Jika Levene Test < 0,05 yang dibaca yang indeks massa

bawah, dan sebaliknya tubuh (kg/m2)

Mann-Whitney U 57,000
Wilcoxon W 357,000
Jika p < 0,05  H0 ditolak
Z -,780
 Terdapat perbedaan yang signifikan antara
Asymp. Sig. (2-tailed) ,436
rata-rata………. dengan …………
Exact Sig. [2*(1-tailed Sig.)] ,462b

a. Grouping Variable: status infeksi cacing

b. Not corrected for ties.
 UJI VALIDITAS UJI RELIABILITAS

Langkah : Langkah :

1. Analyze 1. Analyze
2. Bivariate 2. Scale
3. Correlate 3. Reliability analysis
4. Pastikan pearson, two tailed, flag significant 4. Masukkan pertanyaan yang valid saja
correlation tercentang (3,4,5,6,7)
5. Masukkan ke 10 pertanyaan dan total skor 5. Statistic
pertanyaan 6. Centang scale if item detected
6. OK 7. Continue
8. OK
Sebelumnya, Harus buat dulu total pertanyaan dari
semua pertanyaan Transform, Compute Variabel

Interpretasi : Interpretasi :

Pertanyaan valid jika nilai p pada setiap pertanyaan

< 0,05 (yang dibaca Kolom Paling kanan yang baris
nomor 2) Reliability Statistics

Cronbach's N of Items
Alpha

,466 5

Reliable jika nilai Cronbach’s Alpha lebih dari 0,6

Contoh :
Nilai cronbach’s alfa nya : 0,466 
Tidak reliable  hanya bisa digunakan
untuk penelitian saat ini saja, tidak bisa
untuk penelitian berikutnya
 REVIEW UJI NORMALITAS

Yang bisa diuji normlaitas adalah sata Interval / Ratio (continues/angka)

1. Jika data < 50 pakai tabel SHAPIRO -WILK
2. Jika data ≥ 50 pakai tabel KOLMOGOROV SMIRNOV
Data dikatakan normal jika p > 0,05

Langkah :
1. Analyse
2. Statistic Descriptive
3. Explore
4. Masukkan variable yang akan diuji normalitasnya
5. Klik statistics, centang Descriptive
6. Continue
7. Klik Plots, centang Normality Plot with test
8. Continue
9. Pastikan Display centang Both
10. OK

Contoh : sampel 30 yang dilihat adalah SHAPIRO-WILK

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
lama pendidikan ( tahun) ,185 30 ,010 ,937 30 ,074 Normal
berat badan (kg) ,156 30 ,062 ,950 30 ,170 Normal
tinggi badan (cm) ,275 30 ,000 ,789 30 ,000
kadar hemoglobin awal ,202 30 ,003 ,905 30 ,011
penelitian (g/dl)
kadar hemoglobin akhir ,217 30 ,001 ,894 30 ,006
penelitian (g/dl)
serumm ferritin ,208 30 ,002 ,836 30 ,000
Tranferrin receptor ,236 30 ,000 ,880 30 ,003
intake Fe ,145 30 ,109 ,924 30 ,035
indeks massa tubuh ,164 30 ,038 ,915 30 ,020
(kg/m2)
11.
 TRANSFORMASI DATA

 Ketika data tidak normal

 5 cara

1. X2
2. X3
3. 1/x
4. Akar dari x
5. Log 10 dari x
 Jika tetap tidak normal, lakukan uji non parametric

Langkah :

1. Transform
2. Compute variable
3. Beri nama variable baru (target variable dan labelnya)
4. Pilih variable yang akan ditransformasi dan masukkan kedalam kotak Numeric Expression
dan sesuaikan dengan rumus :
Misal : variable yang akan ditransformasi Intake_Fe
a. X2
Rumus : =Intake_Fe*Intake_Fe
b. X3
Rumus : =Intake_Fe*Intake_Fe*Intake_Fe
c. 1/x
Rumus = 1/Intake_Fe
d. Akar dari x
Dari kotak Function Grup pilih Arithmetic
Dari kotak Function and Special Variables pilih SQRT, klik panah ke atas
Rumus = SQRT(Intake_Fe)
e. Log 10 dari x
Dari kotak Function Grup pilih Arithmetic
Dari kotak Function and Special Variables pilih Log 10, klik panah ke atas
Rumus = Log 10(Intake_Fe)
5. Lakukan lagi uji normalitas untuk melihat apakah data setelah ditransformasi normal/tidak
6. Jika tetap tidak normal lakukan uji non parametric

END