FK - UPR
Statistik Deskriptif dan Statistik Inferensial
Penyusun:
Djenta Saha, SKp. MARS, PhD.
I. STATISTIK DESKRIPTIF
A. Data Kategorik {Skala Nominal dan Ordinal}
Statistics
Missing 0 0 0 0 0
Cumulative
Frequency Percent Valid Percent Percent
pekerjaan responden
Cumulative
Frequency Percent Valid Percent Percent
Jumlah Anak
Cumulative
Frequency Percent Valid Percent Percent
ASI Eksklusif
Cumulative
Frequency Percent Valid Percent Percent
Cumulative
Frequency Percent Valid Percent Percent
Tabel 1.
Distribusi Responden Menurut Variabel Pendidikan; Pekerjaan; Jumlah Anak; ASI Eksklusif dan BBLR
1. Pendidikan
SD 13 26
SMP 8 16
SMA 16 32
PT 13 26
2. Pekerjaan
Bekerja 25 50
Tidak bekerja 25 50
3. Jumlah Anak
Anak 1 13 26
Anak 2 13 26
Anak 3 12 24
12 24
Anak 4
4. ASI Eksklusif
26 52
Ya
24 48
Tidak
5. BBLR
8 16
Ya
42 84
Tidak
Interpretasi: dari hasil analisis didapat bahwa tingkat pendidikan responden tertinggi SMA sebanyak 16 orang [32%]
terendah SMP 8 orang [16%] sedangkan SD dan PT masing masing 13 orang [26%]. Variable pekerjaan masing masing 25
orang [50%] yang bekerja dan 25 orang [50%] yang tidak bekerja. dari jumlah anak anak 1 dan anak 2 masing masing 13
responden [26%] sedangkan anak 3 dan anak 4 masing masing 12 responden [24%]. Dari variable ASI Eksklusif didapat 26
orang [52%] yang memberi ASI Eksklusif dan 24 orang [48%] yang tidak memberi ASI Eksklusif. Ada 8 orang yang bayinya
BBLR [16%] dan 42 orang [84%] yang bayinya tidak BBLR.
Statistics
N Valid 50 50 50 50
Missing 0 0 0 0
Mean 25.10 11.012 10.680 3180.00
Median 24.00 10.750 10.100 3300.00
Mode 19 10.2a 9.8a 2800a
Std. Deviation 4.850 1.1745 1.0014 585.540
Variance 23.520 1.379 1.003 342857.143
Range 16 4.0 3.2 2000
Minimum 19 9.2 9.1 2100
Maximum 35 13.2 12.3 4100
Tabel 2.
Distribusi Responden menurut variable
Umur ibu, Hb pengukuran 1, Hb pengukuran 2, dan Berat Bayi
Dari hasil analisis didapat rata rata umur ibu = 25.1 tahun; SD = 4.85, umur termuda 19 tahun dan tertua 35 tahun. Rata
rata Hb pada pengukuran pertama = 11.01 gr% dengan SD = 1.17 gr%, Hb terendah 4 gr% dan tertinggi 13.2 gr %. Rata
rata Hb pada pengukuran ke 2 = 10.8 gr% dengan SD = 1.00; Hb minimum = 3.2 gr%, Hb maximum 12.3 gr%. Rata-rata
berat bayi = 3180 gr; dengan SD = 585.54 gr; berat bayi terendah = 2100 gr dan berat bayi tertinggi = 4100 gr.
Cases
apakah ibu perokok[perokok pasif] * berat bayi baru lahir [, 2500 gr] Crosstabulation
ya Count 40 30 70
Expected Count 48.1 21.9 70.0
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 21.85.
b. Computed only for a 2x2 table
Risk Estimate
n % n % n %
Catatan:
1. Bila table 2 X 2 tidak ada nilai Expected kurang dari 5 maka uji yang dibaca “ Continue Correction”
2. Bila table 2 X 2 ada nilai Expected kurang dari 5 maka uji yang dibaca adalah “Fisher’s Exact test’
3. Bila table lebih dari 2 X 2 misal 2 X 3 atau 3 X 3 maka uji yang digunakan “Pearson Chi Square”
1. Uji normalitas data [Klik Analyze; pilih Descriptive Statistics; pilih Explore; pindahkan BBibu1 ke kotak
Dependent List; klik Plots; Pilih Normality plots with tests, klik Continue; Klik OK hasil uji normalitas data yang
dibaca Kolmogorov- Smirnov
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
berat ibu sebelum hamil .162 189 .000 .892 189 .000
2. Klik Analyze; pilih Nonparametric Test; pilih Legacy Dialogs; pilih 2 Independent Samples Tests
3. Pindahkan variable dependent [BB ibu 1] ke kotak Test Variable List
4. Pindahkan Variable independent [merokok] ke Grouping Variable
5. klik Define Groups untuk Group 1 isi 0 dan Group 2 diisi 1
6. ditest type pilih Mann Whitney; kemudian klik Option; pilih Descriptive
7. klik Continue; klik OK, hasil SPSS untuk Mann-Whitney sebagai berikut:
Descriptive Statistics
ya 70 87.52 6126.50
Total 189
Statisticsa
Mann-Whitney U 3641.500
Wilcoxon W 6126.500
Z -1.444
Asymp. Sig. (2-tailed) .149
Mann-Whitney Test digunakan untuk menganalisa hubungan merokok dengan berat badan ibu sebelum hamil [BBibu 1].
Hasil test menunjukan tidak ada perbedaan yang signifikan berat badan ibu sebelum hamil antara ibu yang merokok [Md
=54, n = 70] dan ibu yang tidak merokok [Md= 55.83; n= 119]. p value 0.149; U = 3641.50; Z = 1.444 dan r [effect size] =
0.692. Catatan: untuk mendapatkan r [effect size] = Z/ V N [akar N]; [N = total sampel]
Kolmogorov-Smirnova Shapiro-Wilk
berat ibu sebelum hamil .162 189 .000 .892 189 .000
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Hasil Kolmogorov-Smirnov sig. = 0.001 [berat ibu sebelum hamil] dan sig. = 0.001 [ berat ibu sesudah melahirkan] < 0.05
berarti data tidak terdistribusi secara normal, sehingga uji Dependent T tests tidak bisa digunakan sebagai alternative
digunakan uji Wilcoxon.
3. Klik Analyze ; pilih Nonparametric Test ; pilih Legacy Dialog; klik 2 related Samples
4. Pindahkan BBibu1 dan BBibu2 ke kotak Test Pairs; pada Test Type pilih Wilcoxon
5. Klik Option; pilih Quartile; klik Continue; klik OK. Hasil SPSS sebagai berikut:
Descriptive Statistics
Percentiles
Ranks
Total 189
berat ibu
sesudah
melahirkan -
berat ibu
sebelum hamil
Z -9.645b
Asymp. Sig. (2-tailed) .000
Interpretasi: Wilcoxon test digunakan untuk melihat hubungan berat ibu sebelum hamil dan berat ibu sesudah
melahirkan. Hasil test menunjukan ada perbedaan yang signifikan antara berat badan ibu sebelum hamil [Md =54, n =
30] dan berat ibu sesudah melahirkan [Md= 57; n= 30]; Z = - 9.645; p value = 0.001.
1. Klik Analyze; pilih Nonparametric test, pilih Legacy Dialogs; kemudian pilih K independent Samples
2. Klik dependent variable [Hb1] pindahkan kekotak Test Variable List
3. Klik independent variable [anakkat – anak kategorikal] pindahkan ke kotak Grouping variable
4. Klik Define range pada kotak minimum tulis 1 dan kotak maksimum tulis 3
5. Klik Continue, pada bagian Test Type pastikan Kruskal-Wallis dicontreng, klik Continue; klik OK hasil SPSS sebagai
berikut:
Ranks
anak
kategorikal N Mean Rank
anak 2 15 21.97
Total 50
Test Statisticsa,b
hb pengukuran 1
Chi-Square 1.710
df 2
Asymp. Sig. .425
Report
hb pengukuran 1
anak 1 11 11.200
anak 2 15 10.200
anak >2 24 11.150
Total 50 10.750
Korelasi Spearman
Merupakan uji alternative dari uji Korelasi Pearson. Data 50 bayi [terlampir]. Langkah langkah:
Correlations
hb hb pengukuran
pengukuran 1 ke 2
N 50 50
hb pengukuran ke 2 Correlation
.537** 1.000
Coefficient
N 50 50
Syarat:
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
berat badan bayi [gr] tidak .038 175 .200* .993 175 .576
Hasil Kolmogorov-Smirnov {bila sampel > dari 40, bila sampel 40 yang dibaca hasil Shapiro-Wilk} sig. = 0.200 berarti data
terdistribusi secara normal, uji T test bisa digunakan.
Group Statistics
Equal variances
1.961 14.574 .069 455.191
not assumed
Interpretasi: dari hasil penelitian didapat rata rata berat bayi ibu yang tidak mengalami hypertensi [N = 175] adalah
2983.55 gr dengan standar deviasi 724.46 dan standard error 54.764, sedangkan ibu yang mengalami hypertensi [N = 14]
rata rata berat bayinya adalah 2528.36 gr dengan Standar Deviasi 844.06 dan standar error 225.585. Hasil uji statistik
didapat nilai p value= 0.027 berarti pada alpha 5% terlihat ada perbedaan yang signifikan rata rata berat bayi antara ibu
yang mengalami hypertensi dan ibu yang tidak hypertensi.
Persyaratan: Data harus normal, kedua kelompok harus sama dan variable yang diukur kategorik dan numerik [hanya 2
kelompok]
Cases
Hb responden sebelum
30 100.0% 0 0.0% 30 100.0%
perlakuan
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Hb responden sebelum
.121 30 .200* .944 30 .116
perlakuan
Cases
Hb responden sesudah
30 100.0% 0 0.0% 30 100.0%
perlakuan
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Hasil Kolmogorov-Smirnov {bila sampel > dari 40, bila sampel kurang dari 40 yang dibaca hasil Shapiro-Wilk} sig. = 0.116
[Hb sebelum perlakuan] dan sig. = 0.159 [Hb sesudah perlakuan] > 0.05 berarti data terdistribusi secara normal, sehingga
uji Dependent T tests bisa digunakan.
3. Klik Analyze, pilih Compare Means; pilih Paired Samples T test
4. Klik variable Hb1 pindahkan ke kotak Paired Variables; klik Hb2 pidahkan ke kotak Paired Variables; klik
OK. Hasil SPSS sebagai berikut:
Paired Samples Statistics
Hb responden sesudah
12.867 30 .8293 .1514
perlakuan
N Correlation Sig.
Paired Differences
95% Confidence
Interval of the
Interpretasi:
Dari hasil penelitian didapat bahwa rata rata Hb sebelum perlakuan adalah 11.03 gr% dengan SD = 0.990; dan SE = 0.180.
Setelah perlakuan mean Hb = 12.87 gr% dengan SD = .829 dan SE = .151. Hasil uji statistik didapat nilai p = 0.001 maka
dapat disimpulkan ada perbedaan yang signifikan antara Hb ibu sebelum perlakuan dan Hb sesudah perlakuan.
ANOVA [Analysis of Variance}
Tujuanya untuk menguji perbedaan mean pada kelompok lebih dari 2. Contoh: tingkat pendidikan [3 kategori] dengan
berat bayi [numerik].
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
berat badan bayi [gr] .037 189 .200* .994 189 .607
Hasil Kolmogorov-Smirnov sig. = 0.200, > 0.05 berarti data terdistribusi secara normal, sehingga uji ANOVA bisa
digunakan.
3. Klik Analyze; pilih Compare Mean; kemudian pilih One Way ANOVA
4. pada kotak Dependent List isi variable numerik [dependent variable; berat bayi] dan pada kotak Factor List isi
variable kategorik [Independen variable: pendidikan ibu]
5. Klik Option pilih Descriptive, Klik Continue; klik Post Hoc; klik Tukey; klik Continue; klik OK. Hasil SPSS sebagai
berikut:
Descriptives
berat badan bayi [gram]
95% Confidence
Interval for Mean
Multiple Comparisons
Dependent Variable: berat badan bayi [gram]
Tukey HSD
95% Confidence
responden N 1 2
SD 13 3000.00
PT 13 3061.54
SMA 16 3068.75
SMP 8 3887.50
Sig. .988 1.000
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 11.718.
b. The group sizes are unequal. The harmonic mean of the group
sizes is used. Type I error levels are not guaranteed.
One way between group analysis of variance [ANOVA] digunakan dalam penelitian ini untuk melihat hubungan antara
independen variable dan dependen variable. Independen variable adalah pendidikan yg terdiri atas 4 kategori [SD, SMP,
SMA dan PT], dependen variable adalah berat badan bayi [numerik]. Hasil analisis statistik F [3, 50] = 6.144; p = 0.001.
Perbandingan post hoc menggunakan Tukey test mengindikasikan bahwa pendidikan SD [M = 3000; SD = 365.14]
berbeda bermakna dengan pendidikan SMP [M = 3887.50; SD= 241.64]; Pendidikan SMP berbeda bermakna dengan
SMA [M = 3068.75; SD = 546.16] dan dengan PT [M=3061, SD = 677.66]. Pendidikan SMA berbeda bermakna dengan
pendidikan SMP. Pendidikan PT berbeda bermakna dengan pendidikan SMP.
Korelasi Pearson
Untuk mengetahui hubungan antara dua variable yang berjenis numerik misal berat ibu sebelum hamil [BBibu 1] dengan
berat bayi [bayi]. Data BBLR 189 [terlampir]. Langkah langkah:
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
berat badan bayi [gr] .037 189 .200* .994 189 .607
Correlations
N 189 189
berat badan bayi [gr] Pearson Correlation .181* 1
N 189 189
1. Regresi Logistik sederhana [bila ingin mempelajari satu variable independen dengan satu variable dependen
dikotomus]
2. Regresi Logistik Ganda: beberapa variable independen dengan satu variable dependen dikotomus.
Kerangka konsep
umur
Hypertensi BBLR
Rokok
Chi-square df Sig.
Model Summary
95% C.I.for
EXP(B)
Constant
.435 .733 .352 1 .553 1.545
Predicted
95% C.I.for
EXP(B)
Table 10
Regresi Logistik hubungan antara umur ibu dan berat ibu sebelum hamil terhadap berat bayi
Interpretasi: analisis regresi logistic digunakan dalam penelitian ini untuk melihat hubungan antara umur ibu, kebiasaan
merokok dan hypertensi terhadap berat bayi. Ada nilai signifikan yaitu rokok dan hypertensi mempengaruhi berat bayi.
Model regresi logistic menjelaskan antara 7.7% [Cox and Snell Square] dan 11% [Nagelkerke R Square] dari 70.9%,
berarti variable rook dan hypertensi mempengaruhi secara bersama sama terhadap berat bayi sebesar 70.9% dan
sisanya 29.1% dipengaruhi variable lain selain rokok dan hypertensi. Seperti rokok mempengaruhi secara [sendiri]
terhadap berat bayi dengan Odds Rasio sebesar 2.128 dan hypertensi secara individu mempengaruhi berat bayi dengan
Odds Rasio = 3.855 dan merupakan variable yang paling kuat pengaruhnya.
Variabel Independen
Umur
berat bayi
BBibu1
Model Summaryb
a. Predictors: (Constant), berat ibu sebelum hamil, umur ibu dalam tahun
b. Dependent Variable: berat badan bayi [gr]
ANOVAa
Mean
Model Sum of Squares df Square F Sig.
1 Regression 1901913.87
3803827.756 2 3.557 .030b
8
Coefficientsa
Standardize
Unstandardized d
Coefficients Coefficients Collinearity Statistics
Toleran
Model B Std. Error Beta t Sig. ce VIF
1 (Constant) 2207.699 304.259 7.256 .000
umur ibu dalam
8.966 10.217 .064 .878 .381 .968 1.033
tahun
Interpretasi: hasil analisis multivariate didapat bahwa variable independen yang berhubungan signifikan terhadap berat
bayi adalah berat ibu sebelum hamil [BBibu1]. R square menunjukan nilai 0.037 antinya model regresi yang diperoleh
dapat menjelaskan 3.7% variasi variable berat bayi. Hasil uji F menunjukan p = 0.03 berarti pada alpha 5% dapat
dinyatakan model regresi fit [cocok] dapat memprediksi variable berat bayi. Dari hasil yang didapat maka persamaan
regresi adalah:
Berat bayi =2207.69 + 8.966 umur + 9.143 BBibu1.
Setiap umur ibu bertambah 1 tahun berat bayi bertambah 8.966 gram sesudah dikontrol berat ibu sebelum hamil
[BBibu1]. Setiap berat ibu bertambah 1 kg berat bayi naik sebesar 9.143 gram setelah dikontrol umur ibu. Hasil
Coefisient Beta menunjukan variable berat ibu berpengaruh terhadap berat bayi [0.170] dibandingkan dengan variable
umur ibu [0.064].
MANOVA
Merupakan perluasan dari ANOVA digunakan bila variable independen lebih dari 1. Manova membandingkan grup dan
perbedaan mean diantara grup pada kombinasi dependent variable terjadi by chance. Ada 7 asumsi untuk MANOVA
yaitu
1. Sample size
2. Normality
3. Outliers
4. Linearity
5. Homogeneity and singularity
6. Multicollinearity dan Singularity
7. Homogeneity of variance-covariance matrices
Tidak ada alternative test dari Non-parametrik untuk MANOVA. Data MANOVA [terlampir]. Langkah –langkah:
Between-Subjects Factors
Value Label N
2 metode B 10
3 metode C 10
Descriptive Statistics
Box's M 5.774
F .859
df1 6
df2 18168.923
Sig. .524
Tests the null hypothesis that the observed covariance
matrices of the dependent variables are equal across groups.
Multivariate Testsa
Tests the null hypothesis that the error variance of the dependent
variable is equal across groups.
a. Design: Intercept + metode
metode pengajaran
Variable metode pengajaran Mean Std. Error Lower Bound Upper Bound
Interpretasi: one way between-groups multivariate analysis of variance [MANOVA] digunakan untuk menganalisa
perbedaan metode mengajar terhadap nilai hasil belajar. Dua dependen variable yaitu nilai konsep dan komputasi.
Independen variable adalah metode mengajar. Analisis awal dilakukan terhadap asumsi untuk memeriksa normalitas
data, linearity, univariate dan multivariate outliers, homogeneity of variance-covariance matrices, dan multicollinearity,
tidak didapat masalah yang serius. Hasil terdapat perbedaan yang signifikan antar ketiga metode mengajar terhadap
nilai konsep dan nilai komputasi, F [4, 52] =3.74; p = 0.009. Wilk Lambda = 0.603; Partial Eta Square =0.224. Ketika hasil
dari dependen variable diperiksa secara terpisah menggunakan Bonferroni pada alpha level = 0.017 adalah nilai konsep;
F [2, 30] = 6.027; p = 0.007, partial eta squared = 0.309. Memperhatikan mean skor mengindikasikan; metode mengajar
C sedikit lebih tinggi [M = 6.8; SD 0.407] dibandingkan dengan metode A [M = 5.8; SD = 0.407] dan metode B [M = 4.8;
SD = 0.407]