OLEH :
NAMA :
NIM : 15.321.
KELAS : A9-D
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.
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
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”
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
3. Pindahkan data “Jenis Kelamin”’ pada (Row) data “Kualitas Tidur Post 2” pada
(Column)
4. Klik “Exact” “Continue"
8. Hasil:
Explore
Cases
Count
1 2 Total
Total 34 28 62
Chi-Square Tests
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.
Risk Estimate
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
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
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
6. Hasil:
Explore
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
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.
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
Statistics
Jenis Kelamin Status
N Valid 41 41
Missing 0 0
Jenis Kelamin
Frequency Percent Valid Percent Cumulative Percent
Status
Frequency Percent Valid Percent Cumulative Percent
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.
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
Berat Badan
Frequency Percent Valid Percent Cumulative Percent
Tinggi Badan
Frequency Percent Valid Percent Cumulative Percent
Hasil Histogram:
Usia Berat badan Tinggi badan
KESIMPULAN:
Hasilnya adalah tidak ada missing pada data yang di masukkan. Usia, Berat badan, Tinggi badan
berada di tengah-tengah gelombang jika menggunakan histogram.
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
Berat
41 100.0% 0 .0% 41 100.0%
Badan
Tinggi
41 100.0% 0 .0% 41 100.0%
Badan
Descriptives
Statistic Std. Error
Median 20.00
Variance 1.044
Minimum 17
Maximum 25
Range 8
Interquartile Range 1
Median 55.00
Variance 63.330
Minimum 40
Maximum 78
Range 38
Interquartile Range 12
Kolmogorov-Smirnova Shapiro-Wilk
Berat
.146 41 .027 .958 41 .135
Badan
Tinggi
.117 41 .170 .930 41 .015
Badan
HASIL “USIA”
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).