SKILAB BIOSTATISTIK

Skilab 1. Input Data

1. Masukkan seluruh variabel pada variabel view

2. Variabel tidak menggunakan spasi. Ex: hamilke
3. Ubah name = variabel, decimal = 0 , label, values.
4. Masukkan seluruh data di data view

Skilab 2. Transform Data

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

Skilab 3. Normalitas data, Validitas dan Reliabilitas

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

Skilab 4. Uji T Dependen & Independen, Uji Wilcoxon & Mann-Whitney

1. Uji T Dependen vs Wilcoxon

- Data 2 kategori
- Analyze
- Compare means
- Paired samples. Variabel 1= bbl, variabel 2= bbl 1mgg >> Oke
- Cara baca:
- Lihat nilai mean dan P value (sig.2 tailed)
2. T Independen vs Mann-Whitney
 - Data: Numerik (distribusi normal = memiliki tendency central,
histrogram berbentuk lonceng, dan perbedaan skewness 2), kategorik
vs kategorik
- Analyze
- Compare means
- Independen sampel. Ex. Umur ibu vs cara lahir
- Define group, isi kode >> Oke
- Cara baca:
- Lihat nilai P value (sig.)
- Jika nilai P kurang dari 0,05 maka gunakan nilai sig.2 tail not assumed
- Jika nilai P lebih dari 0,05 maka gunakan nilai sig.2tail pada assumed
3. Wilcoxon alternatif T Dependen
- Data: berdistribusi tidak normal, numeric vs numeric
- Analyze
- Non parametric >> Legacy >> 2 Related Sampel
- Isi variabel >> Oke
- Cara baca:
- Post test pre test
- Apakah ada perbedaan yang signifikan (asymp sig.2tailed)
4. Mann-Whitney
- Analyze
- Non parametric >> Legacy >> 2 Independent
- Isi variabel. Ex: tds vs cara lahir
- Define group

Skilab 5. Uji Anova, Friedman & Kruskal-Wallis

1. Uji Anova kebalikan Anova

- Data: numerik (berdistribusi normal), kategorik lebih dari 2
- Ex: pengetahuan kehamilan (tinggi, sedang, rendah) dg umur ibu
- Analyze
- Compare means >> One way anova
 - Ex: usia kehamilan vs katetds
- Options >> centang descriptive
- Post hock >> centang Bonferroni. >> Oke
- Cara membaca:
- Lihat nilai P pada tabel ANOVA (ex: Sig. 0.030)
- Terdapat perbedaan antara … dengan…
- Kelebihan: post hock lebih rinci
2. Kruskal-Wallis
- Kabalikan dari uji anova
- Data: tidak berdistribusi normal
- Analyze
- Non parametric >> Legacy >> K independen
- Ex: kadar kolesterol vs katetds
- Define range: min 1, max 3
- Continue >> Oke
- Cara baca:
- Pvalue (Asymp sig) Ex: 0.000
- Kelemahan: post hock harus cari satu”
- Cara tampilkan post hock nya:
- Analyze >> Non parametric >> Legacy >> 2 Independen
- Ex: kolesterol vs katetds
- Define group: 12,13,23
- Cara membaca:
- P value (asymp sig.2 tailed) = 0.009 >> signifikan
3. Friedman alternatif Anova
- Data: numeric vs numeric, berpasangan lebih dari 1 data, pre test dan
post test (salah satu ada yang tidak normal)
- Tambah data bb1b
- Analyze
- Non parametric >> Legacy >> K related
- Masukkan ke3 data: bbl, bb1m, bb1b. >> Oke
- Cara baca:
 - P value: asymp sig.
- Apakah ada perbedaan atau tidak
- Untuk melihat post hock:
- Analyze
- 2 Related
- Masukkan variabel 12, 13, 23
- Nilai post dan pre test
- P value (asymp sig 2 tailed)

Skilab 6. Uji Chi Square, Fisher, & Kolmogorov-Smirnov

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)