UAS “BIOSTATISTIK”

(UJI NORMALITAS DATA, UJI BEDA, UJI VALIDITAS& REHABILITAS,

CHI SQUARE

OLEH :

Dosen Fasilitaror : Kiki Rizky FA,S.Kep.Ns.,M.Kep

NAMA :
NIM : 15.321.
KELAS : A9-D

PROGRAM STUDI S1 ILMU KEPERAWATAN

SEKOLAH TINGGI ILMU KESEHATAN WIRA MEDIKA PPNI BALI
TAHUN AJARAN 2018/2019

KATA PENGANTAR

Om Swastyastu,
 Puja puji Syukur dihaturkan kepada Ida Sang Hyang Widhi Wasa atau Tuhan Yang Maha
Esa karena atas rahmat-Nya paper ini dapat diselesaikan tepat pada waktunya.
Paper ini disusun dalam rangka memenuhi salah satu syarat menempuh mata kuliah
“Biostatistik” pada semester VI tahun akademik 2018/2019.

Cukup banyak hambatan dan kesulitan yang di alami dalam penulisan karya ini, namun
berkat kerja keras dan adanya bantuan dari berbagai pihak , hambatan- hambatan tersebut dapat
diatasi. Oleh karena itu ucapan termakasih yang setulus-tulusnya di sampaikan kepada para
pihak yang telah membantu.
Penulis menyadari bahwa tulisan ini masih sederhana dan belum sempurna. Oleh karena
itu, segala kritik dan saran perbaikan sangat di harapkan demi sempurnanya karya-karya penulis
berikutnya. Akhir kata penulis berharap semoga paper kecil ini bermanfaat bagi siapapun yang
membacanya.

Om Santih, Santih, Santih Om.

Denpasar,23 Mei 2018

Penulis,

BAB I
PENDAHULUAN

A. Latar Belakang
Data dan statistik mempunyai hubungan yang sangat erat. Selain itu, keduanya juga
mempunyai hubungan yang sangat erat dengan kehidupan manusia sehari-hari, dengan
bidang ilmu pengetahuan, baik yang eksakta, sosial, ekonomi, bisnis dan lain-lain. Data
dan statistik serta fungsi keduanya, banyak memberikan kegunaan yang sangat tidak
ternilai bagi manusia, bagi kita semua.
Dengan data, kita mengetahui gambaran perusahaan sekarang, masalah apa yang
sedang dihadapi, mengapa terjadi masalah-masalah tersebut, serta bagaimana cara
pemecahannya. Dengan data, kita dapat meramal atau memperkirakan, apa yang kira-kira
 bakal terjadi di masa mendatang. Dengan data, kita pun bisa membuat perencanaan,
peramalan, mengontrol pelaksanaan, mengevaluasi target apakah tercapai atau tidak, dan
sebagainya. Dengan adanya data, kita dapat banyak mengetahui tentang berbagai hal.
Dengan data, kita bisa mengambil keputusan-keputusan, kebijakan-kebijakan perusahaan,
dan sebagainya.Pendeknya, fungsi dan manfaat data sangat penting dan banyak sekali.
Sering kali, akan berbahaya jika kita mengambil kesimpulan dan keputusan tanpa
didukung oleh data. Orang bilang ”Speak with data”, berbicaralah dengan data agar
objektif dan lebih akurat.

BAB II
PEMBAHASAN

A. UJI VALIDITAS & REHABILITAS (Pengetahuan & Sikap)

a) UJI VALIDITAS
1. Langkah pertama masukkan data uji instrument sikap dan pengetahuan ke dalam spss
2. Klik “Variable View”

3. Klik “Variable View Values” label pada pengetahuan 1-27 kategorikan 1 = salah dan 2
= benar, pada sikap 1-22 kategorikan 1 = sangat tidak setuju, 2 = tidak setuju, 3 = setuju, 4 =
sangat setuju.
4. Klik “Measure” kategorikan dari peng1-sik22 menggunakan ordinal sedangkan total
pengetahuan dan total sikap menggunakan scale.
5. Klik “Analyze” “Correlate” “Bivariate”

6. Klik pindahkan “data peng1 – peng 27 dan total peng” pada kolom “Variable”

7. Klik “OK” ,maka muncul gambar seperti di bawah ini

8. Klik “Save” simpan dengan nama “Hasil Uji Validitas”

9. Pilih totalpeng dari peng1 – peng2 yang memiliki (*) atau (**), jika sudah, lalu pada
variable view di delete yang tidak ada bintang, karena yang tidak terdapat bintang tidak bisa
di uji reliabilitasnya. Didapatkan data sebagai berikut : peng4, peng8, peng9, peng 14, peng
15, peng16, peng17, peng18, peng23, peng25.
10. Selanjutnya menguji validitas data sikap, langkah-langkahnya sama seperti menguji data
pengetahuan, data yang di peroleh sebagai berikut : sik3, sik7, sik8, sik10, sik11, sik12,
sik13, sik 17, sik21, sik 22.

b) UJI RELIABILITAS
1. Data yang sudah di uji validitas selanjutnya di uji reliabilitasnya dengan cara klik analyze
pilih scale lalu pilih reliability analysis.
2. Masukkan semua data peng ke dalam kolom item, lalu klik statistic, pilih item pada kolom
descriptive for, lalu klik continue. Selanjutnya pada kolom “scale table” tulislah “uji
reliabilitas pengetahuan” lalu klik OK.
3. Maka hasilnya sebagai berikut :
4. Selanjutnya menguji reliabilitas pada data sikap. Langkah-langkahnya sama dengan uji
reliabilitas pada data pengetahuan, pada kolom “scale table” isi dengan “uji reliabilitas sikap”
lalu klik OK, maka akan muncul hasil sbb:

5. Interpretasi hasil
a. Uji reliabilitas pengetahuan
 Reliability Statistics

Cronbach's
Alpha N of Items

.816 10
Dari hasil output di peroleh cronbach’s alpha 0,816. Jadi angka tersebut (0,816) lebih
besar dari nilai minimal cronbach alpha 0,5. Oleh karena itu dapat disimpulkan bahwa
instrument penelitian yang di gunakan dapat di katakan reliable atau handal.
a. Uji reliabilitas sikap

Reliability Statistics

Cronbach's
Dari hasil output di peroleh cronbach’s alpha 0,280. Jadi
Alpha N of Items

.280 10 angka tersebut (0,280) lebih besar dari nilai

minimal cronbach alpha 0,5. Oleh karena itu dapat disimpulkan bahwa instrument
penelitian yang di gunakan dapat di katakan reliable atau handal.

B. CHI SQUARE (Jenis Kelamin & Kualitas Tidur Post )

1. Buka data pratikum 04-uji beda dan regresi-gabung 2 hari ke dalam aplikasi spss
2. Klik “Variable View” Klik “Analyze” “Descriptive Statistic” “Crosstabs”

3. Pindahkan data “Jenis Kelamin”’ pada (Row) data “Kualitas Tidur Post 2” pada
(Column)
4. Klik “Exact” “Continue"

5. Klik “Statistic” klik/centang “Chi Square” klik/centang “Risk”

6. Klik “Continue” “OK” maka akan muncul hasil output seperti di bawah ini
7. Klik “Save” simpan dengan nama “Hasil Chi Square”

8. Hasil:
Explore

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

jenis kelamin * kualitas

62 100.0% 0 .0% 62 100.0%
tidur post 2

jenis kelamin * kualitas tidur post 2 Crosstabulation

Count

kualitas tidur post 2

1 2 Total

jenis laki - laki 5 6 11

kelamin
perempuan 29 22 51

Total 34 28 62
 Chi-Square Tests

Asymp. Sig. (2- Exact Sig. (2- Exact Sig. (1-

Value df sided) sided) sided)

Pearson Chi-Square .476a 1 .490

Continuity Correctionb .126 1 .722

Likelihood Ratio .473 1 .491

Fisher's Exact Test .523 .359

Linear-by-Linear
.468 1 .494
Association

N of Valid Casesb 62

a. 1 cells (25.0%) have expected count less than 5. The minimum expected count is 4.97.

b. Computed only for a 2x2 table

Risk Estimate

95% Confidence Interval

Value Lower Upper

Odds Ratio for jenis

kelamin (laki - laki / .632 .171 2.343
perempuan)

For cohort kualitas tidur

.799 .401 1.594
post 2 = 1

For cohort kualitas tidur

1.264 .677 2.362
post 2 = 2

N of Valid Cases 62

C. UJI BEDA
a) One Sample T-test
1. Buka data pratikum 04-uji beda dan regresi-gabung 2 hari ke dalam aplikasi spss
2. Klik “Analyze” “Compare Means” “One Sample T-test”

3. Pindahkan “TD systole pre 1 dan TD systole post 1” ke dalam “Kolom Variabel”
4. Klik “OK” maka muncul hasil output seperti gambar di bawah ini

5. Klik “Save” simpan dengan nama “ Hasil Uji T-test”

6. Hasil:
Explore

One-Sample Statistics
N Mean Std. Deviation Std. Error Mean

TD sistole
62 137.26 22.189 2.818
pre 1

TD sistole
62 132.74 21.817 2.771
post1

One-Sample Test
Test Value = 0

95% Confidence Interval of the

Difference

t df Sig. (2-tailed) Mean Difference Lower Upper

TD sistole
48.707 61 .000 137.258 131.62 142.89
pre 1

TD sistole
47.909 61 .000 132.742 127.20 138.28
post1
 7. InterInterpretasi hasil :
Pada one sample t-test, skor TD systole pre 1 dan TD systole post 1 mempunyai nilai
p=0,000. Didapatkan kesimpulan bahwa ada perbedaan rata-rata TD systole pre 1 dan TD
systole post 1.

b) Paired T-test
1. Buka data pratikum 04-uji beda dan regresi-gabung 2 hari ke dalam aplikasi spss

2. Klik “Analyze” “Compare Means” “Paired Sample T-test”

3. Pindahkan “TD Sitole Pre 1 dan TD Systole Post 1” Masukkan ke dalam “Paired
Variabel”
4. Klik “OK” maka muncul hasil outout seperti di bawah ini

5. Klik “Save” simpan dengan nama “ Hasil Paired T-test”

6. Hasil:
 Explore

Paired Samples Test

Paired Differences
95% Confidence Interval
Std. Error of the Difference Sig. (2-
Mean Std. Deviation Mean Lower Upper t df tailed)
Pai TD sistole pre 1 -
4.516 6.697 .850 2.816 6.217 5.310 61 .000
r1 TD sistole post1

7. Interpretasi hasil
Nilai sig.(2-tailed) < 0,05, maka terdapat perbedaan yang signifikan antara TD systole pre1
dengan TD systole post 1.

c) Independent T-test
1. Buka data pratikum 04-uji beda dan regresi-gabung 2 hari ke dalam aplikasi spss

2. Klik “Analyze” “Compare Means” “Independent Sample T- test”

3. Masukkan data “TD systole pre 1 dan TD diastole pre 1 “ ke dalam kolom “Test
Variable” Masukkan data “Jenis Kelamin” ke dalam “Kolom Grouping
Variable”

4. Klik “Define Groups” isilah kolom group 1= 0 (laki-laki) dan group 2 = 1

(perempuan)
5. Klik “Continue” “OK”, maka muncul hasil output seperti di bawah ini

6. Klik “Save” simpan dengan nama “ Hasil Independent T-test”

 7. Hasil:
Explore

Independent Samples Test

Levene's Test
for Equality of
Variances t-test for Equality of Means

Mean 95% Confidence Interval of the

Sig. (2- Differenc Std. Error Difference

F Sig. t df tailed) e Difference Lower Upper

TD sistole Equal variances
.029 .866 -1.047 60 .299 -7.718 7.371 -22.462 7.025
pre 1 assumed

Equal variances 13.51

-.961 .354 -7.718 8.034 -25.008 9.572
not assumed 6
TD diastole Equal variances
.906 .345 -.811 60 .421 -4.742 5.849 -16.441 6.957
pre 1 assumed

Equal variances 12.39

-.661 .521 -4.742 7.170 -20.309 10.826
not assumed 5

8. Interpretasi hasil :
 Nilai sig. (2-tailed) > 0,05, maka dapat di simpulkan bahwa tidak terdapat perbedaan
signifikan TD systole pre 1 dan TD diastole pre 1 dengan laki-laki dan perempuan.

D. UJI NORMALITAS DATA

a) MENCARI FREQUENSI “JENIS KELAMIN DAN STATUS”
1. Buka data yang akan di gunakan untuk Uji Normalitas Data. Bisa di ketik terlebih dahulu
dalam bentuk excel atau sudah langsung copy ke dalam SPSS. Tampilan data yang sudah
dipindah ke dalam SPSS seperti gambar di bawah ini. Data yang dipakai adalah data kelas
A9-D

2. Klik “ Variable View” kemudian masukkan data yaitu “ (jenis kelamin) JK, Usia, berat
badan (BB), tinggi badan (TB) dan Status”
  Pada “Decimal” di rubah menjadi “ 0” , untuk Value pada jenis kelamin (JK) di
kategorikan sbb: “ 1 = laki-laki”, “2 = perempuan”, pada Status juga di kategorikan
sbb: “ 1 = relationship”, 2 = single
 Pada label masukan kata sesuai dengan namanya tetapi tidak boleh di singkat.
 Pada measure “JK dan Status ” (menggunakan nominal), untuk “Usia, BB, TB,”
(menggunakan scale)
 Maka akan muncul gambar seperti di bawah ini

3. Untuk mencari frequensi dari “Jenis Kelamin dan Status”

Klik “Data View” “Analyze” “Descriptitive Statistic” “Frequencies”
Akan terlihat seperti di bawah ini
4. Pindah kan “Jenis Kelamin dan Status” ke dalam “Variable”

5. Klik “Chart” Kemudian pilihlan “Pie Chart

6. Klik “Continue” “OK”, maka muncul hasil output seperti di bawah ini
7. Klik “Save” simpan dengan nama “ Hasil Uji Normalitas Data Jenis Kelamin Dan
Status”
8. Hasil:
Explore

Statistics
Jenis Kelamin Status

N Valid 41 41

Missing 0 0

Jenis Kelamin
Frequency Percent Valid Percent Cumulative Percent

Vali Laki-laki 11 26.8 26.8 26.8

d Perempuan 30 73.2 73.2 100.0

Total 41 100.0 100.0

Status
Frequency Percent Valid Percent Cumulative Percent

Relationship 32 78.0 78.0 78.0

 Vali Single 9 22.0 22.0 100.0
d Total 41 100.0 100.0

HASIL PIE CHART

JENIS KELAMIN STATUS

KESIMPULAN:
Dari frequensi “Jenis Kelamin dan Status”
Jadi data yang di masukkan tidak ada yang missing, frekuensi jenis kelamin perempuan
lebih banyak daripada laki-laki dan frekuensi status lebih banyak relationship daripada
single.

b) MENCARI FREQUENSI “USIA, BERAT BADAN DAN TINGGI BADAN”

1. Untuk mencari frequensi “Usia, Berat Badan dan Tinggi Badan,”
Klik “Analyze” “Descriptive Statistic” “Frequencies” Pindah kan data
“ Usia, Berat Badan, Tinggi Badan” pada “ Variable” makan muncul gambar seperti
ini
2. Klik “Statistic” pada “Centran Tendency” Pilih “Mead Dan Median”
Pada “Dispersion” Pilih “Std.Deviation, Range, Minimum, Maximum”
“Continue”
3. Klik “Chart” Pilihlah model “Histogram” Klik/centang “ With normal Curve”

4. Klik “Continue” “OK”, maka muncul hasil output seperti di bawah ini
5. Klik “Save” simpan dengan nama “ Hasil Uji Normalitas Data Usia, Berat Badan,
Tinggi Badan”

6. Hasil:
Explore

Statistics
Usia Berat Badan Tinggi Badan

N Valid 41 41 41

Missing 0 0 0
Mean 20.39 55.66 161.22
Median 20.00 55.00 160.00
Std. Deviation 1.022 7.958 7.384
Minimum 17 40 150
Maximum 25 78 178

Usia
Frequency Percent Valid Percent Cumulative Percent

Vali 17 1 2.4 2.4 2.4

d 20 25 61.0 61.0 63.4

21 14 34.1 34.1 97.6

 25 1 2.4 2.4 100.0

Total 41 100.0 100.0

Berat Badan
Frequency Percent Valid Percent Cumulative Percent

Vali 40 1 2.4 2.4 2.4

d 42 1 2.4 2.4 4.9

47 2 4.9 4.9 9.8

48 6 14.6 14.6 24.4

49 1 2.4 2.4 26.8

50 1 2.4 2.4 29.3

52 3 7.3 7.3 36.6

53 1 2.4 2.4 39.0

54 1 2.4 2.4 41.5

55 6 14.6 14.6 56.1

56 1 2.4 2.4 58.5

58 4 9.8 9.8 68.3

59 2 4.9 4.9 73.2

60 5 12.2 12.2 85.4

65 1 2.4 2.4 87.8

68 2 4.9 4.9 92.7

70 1 2.4 2.4 95.1

71 1 2.4 2.4 97.6

78 1 2.4 2.4 100.0

Total 41 100.0 100.0

Tinggi Badan
Frequency Percent Valid Percent Cumulative Percent

Vali 150 1 2.4 2.4 2.4

d 151 1 2.4 2.4 4.9

152 2 4.9 4.9 9.8

153 1 2.4 2.4 12.2

155 8 19.5 19.5 31.7

 156 1 2.4 2.4 34.1

157 1 2.4 2.4 36.6

158 1 2.4 2.4 39.0

159 1 2.4 2.4 41.5

160 5 12.2 12.2 53.7

161 2 4.9 4.9 58.5

162 3 7.3 7.3 65.9

163 2 4.9 4.9 70.7

164 1 2.4 2.4 73.2

165 2 4.9 4.9 78.0

166 1 2.4 2.4 80.5

169 1 2.4 2.4 82.9

170 1 2.4 2.4 85.4

172 1 2.4 2.4 87.8

174 1 2.4 2.4 90.2

175 3 7.3 7.3 97.6

178 1 2.4 2.4 100.0

Total 41 100.0 100.0

Hasil Histogram:
Usia Berat badan Tinggi badan
KESIMPULAN:

Dari frequensi “Usia, Berat Badan Tinggi Badan”

Hasilnya adalah tidak ada missing pada data yang di masukkan. Usia, Berat badan, Tinggi badan
berada di tengah-tengah gelombang jika menggunakan histogram.

c) MELALUKAN “ Uji Normalitas Data”

1. Klik “Analyze” “ Descriptive Statistic” “Explore”

2. Pindahkan data “ Usia, Berat Badan (BB), Tinggi Badan (TB)” ke dalam kolom
“Dependent list
3. Klik “Statistic” pilih “Descriptive” “Confidence interval for mean 95%”
“Continue “

4. Klik “Plots” pada descriptive pilih “Histogram” pilih “ Normality plots with tests”
5. Klik “Continue” “OK”, maka muncul hasil output seperti di bawah ini
6. Klik “Save” simpan dengan nama “ Hasil Uji Normalitas Data Fix”

7. Hasil:
Explore

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Usia 41 100.0% 0 .0% 41 100.0%

Berat
41 100.0% 0 .0% 41 100.0%
Badan

Tinggi
41 100.0% 0 .0% 41 100.0%
Badan
 Descriptives
Statistic Std. Error

Usia Mean 20.39 .160

95% Confidence Interval for Lower Bound 20.07

Mean
Upper Bound 20.71

5% Trimmed Mean 20.35

Median 20.00

Variance 1.044

Std. Deviation 1.022

Minimum 17

Maximum 25

Range 8

Interquartile Range 1

Skewness 1.495 .369

Kurtosis 12.387 .724

Berat Mean 55.66 1.243

Badan 95% Confidence Interval for Lower Bound 53.15
Mean Upper Bound 58.17

5% Trimmed Mean 55.42

Median 55.00

Variance 63.330

Std. Deviation 7.958

Minimum 40

Maximum 78

Range 38

Interquartile Range 12

Skewness .615 .369

Kurtosis .624 .724

Tinggi Mean 161.22 1.153

Badan
95% Confidence Interval for Lower Bound 158.89
Mean
Upper Bound 163.55

5% Trimmed Mean 160.97

 Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Usia .327 41 .000 .608 41 .000

Berat
.146 41 .027 .958 41 .135
Badan

Tinggi
.117 41 .170 .930 41 .015
Badan

a. Lilliefors Significance Correction

HASIL “USIA”

HASIL “BERAT BADAN”

HASIL “TINGGI BADAN”
8. INTEPRETASI HASIL :
a. Melihat Histogram
Pada output diperoleh gambar histogram sebagai berikut. Dengan melihat histogram,
tampak bahwa distribusi data cenderung miring ke kiri.
b. Melihat Q-Q Plot
Secara teoritis, suatu set data dikatakan mempunyai distribusi normal apabila data
tersebar di sekitar garis. Terlihat bahwa data menyebar di sekitar garis (angka nol).
Terlihat bahwa banyak sekali data yang letaknya jauh dari garis. Kemungkinan besar,
distribusi data tidak normal.
c. Melihat Detrended normal Q-Q
Secara teoritis, suatu set data dikatakan mempunyai distribusi normal apabila data
tersebar di sekitar garis (angka nol). Terlihat bahwa banyak sekali data yang letaknya
jauh dari garis. Kemungkinan besar distribusi data tidak normal.
d. Melihat Box Plot.
Dari output terlihat bahwa median terletak agak ke bawah kotak, menurut data yang
ditampilkan box plot, kemungkinan besar distribusi data tidak normal.

BAB III

PENUTUP

A. Saran
Adapun saran yang penulis sampaikan adalah agar pembaca dapat menggunakan
pemecahan masalah secara statistik, lebih tepat jika mengikuti tahapan yang ilmiah. Data
yang baik tentu saja harus yang mutakhir, cocok (relevan), dengan masalah penelitian
dari sumber yang dapat dipertanggungjawabkan, lengkap akurat, objektif dan konsisten.
Pengumpulan data sedapat mungkin di peroleh dari tangan pertama. Data yang baik
sangat di perlukan dalam penelitian, sebab bagaimanapun canggihnya suatu analisis data
jika tidak di tunjang oleh data yang baik, maka hasilnya kurang dapat di
pertanggungjawabkan.
Data statistika tidak hanya cukup dikumpulkan dan diolah, tetapi juga perlu
disajikan dalam bentuk yang mudah dibaca dan di mengerti oleh pengambil keputusan.
Penyajian data ini bisa dalam bentuk tabel atau grafik/diagram. Ada beberapa jenis tabel,
yaitu antara lain : tabel biasa, tabel distribusi frekuensi, tabel distribusi frekuensi relatif, ,
tabel distribusi frekuensi kumulatif, tabel distribusi frekuensi relatif-kumulatif.
Sedangkan grafik terdiri atas : grafik garis (line chart), grafik batangan (bar chart/
histogram), grafik lingkaran (pie chart), grafik gambar, dan grafik berupa
peta(cartogram).