1. Transform
2. Recode into different variabel
3. Masukkan variabel ke kolom kanan
4. Ubah hamilke menjadi katehamil >> Klik change
5. Klik old and news values
6. Isi old dan news value, lihat di modul nilai katehamil
7. Range lowest 1 >> new value 1, Range highest 2 >> new value 2
8. Continue >> Oke
9. Buka variabel view
10. Ubah values katehamil pada variabel view. 1= Primipara, 2=Multipara
11. Masukkan semua data kategori
12. Balikkan dulu yang sebelumnya, remove value, masukkan yang baru
13. Untuk 2 klp 3 kate: Range lowest 19 >> nv 1, Range highest 35 >> nv 1,
Range 24-34 >> nv 2
14. Ubah values. 1=Resti, 2=Produktif
15. Untuk 3 klp 3 kate: Range lowest 99 >> nv1, Range 100-139 >> nv2,
Range highest 140 >> nv3
16. Ubah values. 1=Hipotensi, 2=Normal, 3=Hipertensi
17. Input nilai puas dengan cara:
18. Compute variabel >> Target: nilai puas >> P1+p2+p3+…+pn
19. Katepuas >> menggunakan Mean, maka untuk mencari Mean:
20. Analyze >> Descriptive statistic >> Descriptive >> Centang apa saja yang
dibutuhkan >> Oke
1. Validitas
- Analyze
- Scale >> Reliability
- Masukkan p1-p5
- Statistic >> Descriptive for (klik ke3 nya)
- Continue >> Oke
- Cara bacanya:
- Tentukan Df=N-2
- Bandingkan Rhitung (Item total ststistic >> correct item total
correlation) dengan Rtabel
- Rhitung > Rtabel = Valid
2. Reliabilitas
- Sama dengan diatas
- Masukkan yang valid saja
- Rhitung(alpha) > Rtabel = Reliabel
1. Chi Square
- Data: kategorik-kategorik. Ex: katekolesterol vs katetds2
- Analyze
- Descriptive statistic >> Crosstab
- Row = variabel independen, colum = v dependen
- Statistic >> centang chi square, risk >> continue
- Cell >> centang row >> continue
- Cara baca:
- 2x2, E<5 ada = fisher
- 2x2, E<5 tidak ada = continuity
- Lebih 2x2 = pearson
- Likelihood dan linear = keperluan spesifik
- Exact sig >> 2 side: hubungan, 1 side: terarah
- OR : peluang
2. Kolmogorov-Smirnov
- Data: berdistribusi tidak normal
- Tabel: 2x3
- Analyze
- Non parametric >> Legacy >> 1 sampel K-S >> Oke
- Hasil: > 0,05 normal, < 0,05 tidak normal
Skilab 7. Korelasi Pearson & Spearman
1. Uji Korelasi
- Data: numerik vs numerik. Ex: koles vs tds
- Pearson: distribusi normal, spearman: distribusi tidak normal
- Cara melihat distribusi normal/tidak:
- Descriptive
- Explore
- Dependen: kolesterol
- Centang both
- Plots >> centang factor level, normality plots, histogram. Hapus stem
- Jika tidak normal >> transform, compute, All, Lg10, klik atas, kdr
kolesterol
2. Korelasi Spearman
- Analyze
- Correlate
- Bivariate. Ex kadar kolesterol vs tds
- Centang: spearman, two tail. >> Oke
- Cara baca:
- Ada hub kolesterol dg tds p value 0.000 (sig.2 tail), memiliki hub
sangat kuat dengan koef korelasi 0.98 (correlation coef)