KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT atas rahmat dan karunia-Nya kami bisa dan
mampu menyelesaikan Diktat untuk kepentingan dan keperluan mahasiswa dalam membantu
dalam proses pembelajaran. Diktat ini dibuat dalam rangka membantu mahasiswa dalam
membangun konsep pembelajaran yang terarah dan membentuk kemandirian serta membangun
interaksi antara mahasiswa dengan saya sendiri selaku dosen pengampu yang menganut asas
pembelajaran Study Center Learning (SCL). Kesuksesan belajar berawal dari kemauan dan
ditunjang oleh berbagai sarana, salah satu diantaranya adalah diktat. Harapan saya, diktat ini
dapat membantu mahasiswa dalam proses pembelajaran mengenai salah satu cara dalam
pengolahan data yaitu dengan menggunakan Pengolahan dan Analisis Data. Akhir kata kami
mengucapkan terima kasih kepada semua pihak yang telah membantu dalam menerbitkan
diktat ini serta kepada para dosen FKM UNISKA dan pimpinan yang telah memberikan
apresiasi terhadap diktat mata kuliah Pengolahan dan Analisis Data. Kritik dan saran sangat
saya harapkan untuk perbaikan diktat ini dimasa yang akan datang, karena saya memahami,
kesempurnaan hanya milik Allah, dan manusia tempat segala kekurangan, Akhiru Kalam,
Wassalamu’alaikum Wr. Wb.
BAB I
PENGANTAR APLIKASI KOMPUTER (SPSS)
A. Pengertian SPSS
Kata statistic sebenarnya berasal dari bahasa latin, yakni status yang berarti Negara.
dibutuhkan oleh Negara dan berguna bagi Negara itu sendiri. Dalam pengertian ini statistic
hanya diartikan sangat terbatas yaitu sekumpulan data atau angka mengenai kondisi
penduduk, sedangkan menurut Croxton dan Cowden seorang ilmuwan yang merupakan
sesepuh dalam dunia statistic mengatakan bahwa pada dasarnya statistic merupakan metode
untuk mengumpulkan, mengolah dan juga menyajikan serta menginterpretasikan data yang
Menurut Sutrisno Hadi, ahli statistic di Indonesia mengatakan bahwa dalam batasan
khusus statistic digunakan untuk menunjuk angka-angka pencatatan dari suatu kejadian
atau kasus tertentu. Mengingat begitu pentingnya statistic, teknik pengolahan datanya pun
berkembang terus dari waktu ke waktu. Mulai dari pengolahan secara manual yang
memakan waktu sangat lama, sampai pada pemrosesan dengan memanfaatka alat bantu
SPSS kependekan dari Statistical Product and Service Solution, merupakan program
untuk membantu dalam melakukan olah data dan analisis data statistic. SPSS
dipublikasikan oleh SPSS Inc dan untuk saat ini sudah diakui oleh perusahaan IBM. SPSS
versi pertama dirilis tahun 1968, diciptakan oleh Norman Nie seorang lulusan fakultas ilmu
politik dari Stanford University. Program ini dapat digunakan berbagai keperluan seperti
olah data pada tugas akhir, skripsi, tesis atau penelitian-penelitian lainnya (Dwi Priyatno,
2011).
B. Windows SPSS
1. Data Editor
Jendela ini terbuka secara otomatis setiap kali program SPSS dimulai dan berfungsi
untuk input data SPSS. Menu yang ada pada editor adalah :
a. File
Untuk menangani hal-hal yang berhubungan dengan file data, seperti membuat file
baru, membuka file yang lama, mengambil data dari prigram lain, menyimpan data,
b. Edit
Untuk melakukan pengeditan seperti Undo, Redo, Cut, Copy, Clear dan Insert
Variabel.
c. View
Untuk mengatur toolbar seperti status bar, font, value label, variabels dan lain-lain.
d. Data
Untuk keperluan yang berhubungan dengan data seperti mengurutkan data, validasi
e. Transform
Untuk membuat perubahan pada variabel yang telah terpilih berdasarkan kriteria
f. Analyze
Merupakan menu pokok untuk analisis data seperti analisis deskriptif, analisis
g. Graphs
Wlain.
h. Utilities
Bahan Ajar Manajemen Data
Mengatur tampilan menu seperti data file, comment, Run Script, Production Job
dan lain-lain.
C. Halaman Kerja
BAB II
INPUT DATA & UJI INSTRUMEN (KUESIONER)
A. INPUT DATA
Tahapan-Tahapan dalam mengentry data penelitian
Uji validitas item digunakan untuk mengukur ketepatan suatu item dalam kuesioner
atau skala, apakah item-item pada kuesioner tersebut sudah tepat dalam mengukur apa yang
tabel, r hasil didapatkan pada kolom corrected item-Total Correlation sedangkan r tabel
15 − 2 = 13 dengan tingkat kemaknaan 5%, maka didapat r tabel 0,514 pada tabel r
dibawah ini :
Bahan Ajar Manajemen Data
df 5% 1% df 5% 1% df 5% 1%
1 0,997 1,000 19 0,433 0,549 80 0,217 0,283
2 0,950 0,990 20 0,423 0,537 90 0,205 0,267
3 0,878 0,959 21 0,413 0,526 100 0,195 0,254
4 0,811 0,917 22 0,404 0,515 125 0,174 0,228
5 0,754 0,874 23 0,396 0,505 150 0,159 0,208
6 0,707 0,834 24 0,388 0,496 200 0,138 0,181
7 0,666 0,798 25 0,381 0,487 300 0,113 0,148
8 0,632 0,765 26 0,374 0,478 400 0,098 0,128
9 0,602 0,735 27 0,367 0,470 500 0,088 0,115
10 0,576 0,708 28 0,361 0,463 1000 0,062 0,081
11 0,553 0,684 29 0,355 0,456
12 0,532 0,661 30 0,349 0,449
13 0,514 0,641 35 0,325 0,418
14 0,497 0,623 40 0,304 0,393
15 0,482 0,606 45 0,288 0,372
16 0,468 0,590 50 0,273 0,354
17 0,456 0,575 60 0,250 0,325
18 0,444 0,561 70 0,232 0,302
Setelah itu, masing-masing pertanyaan/pernyataan dibandingkan antara r hasil dengan r
tabel dengan ketentuan apabila r hasil > r tabel, maka pertanyaan/pernyataan tersebut
dinyatakan valid sedangkan apabila r alpha > r tabel maka pertanyaan tersebut dinyatakan
reliable.
Contoh Kasus 1 :
Data dibawah ini merupakan skor kuesioner pengetahuan mengenai anemia pada ibu hamil
No. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
1. 1 1 1 1 1 1 1 1 0 0
2. 1 1 1 0 1 1 1 1 1 0
3. 1 1 1 1 1 1 0 0 1 1
4. 1 1 1 1 1 1 1 0 1 1
5. 1 1 1 1 1 1 1 1 1 1
6. 1 1 1 0 1 0 1 1 0 1
7. 1 1 1 1 1 1 1 1 0 0
8. 1 0 1 1 1 1 1 1 1 1
9. 1 0 1 1 1 1 0 1 1 1
10. 1 0 1 1 1 1 1 1 1 1
11. 0 0 0 0 0 0 0 0 0 0
Bahan Ajar Manajemen Data
12. 0 0 1 0 0 0 0 0 0 0
13. 1 1 1 1 1 1 1 1 1 1
14. 0 0 0 0 0 0 0 0 0 0
15. 1 1 1 1 1 1 1 1 1 1
b. Klik variabel view untuk membuat nama variabel dari P1 sampai P10
f. Untuk kotak lainya dibiarkan saja, maka akan tampil seperti gambar dibawah ini :
Klik Disini
g. Setelah itu Klik Data View untuk pengisian data mentah dari kuesioner yang sudah
direkapitulasi/copy paste dari hasil rekapitulasi ke Data View, maka hasilnya akan
Klik kotak statistics setelah itu berilah centang pada kotak item, scale dan scale if
item deleted selanjutnya Klik Continue Klik OK seperti gambar dibawah ini :
r alpha
r hasil
Berdasarkan hasil diatas terlihat bahwa dari 10 pertanyaan, terdapat 1 pertanyaan yang
tidak valid yaitu pertanyaan nomor 2 dikarenakan nilai r hasilnya (0,488) < r tabel
(0,514), sesuai dengan ketentuan yang ada, bahwa untuk pertanyaan nomor 2 dapat
dibuang dari kuesioner atau pertanyaannya tetap dipakai dalam kuesioner dengan syarat
perbaikan sedangkan semua pertanyaan reliable dikarenakan r alpha (0,922) > r tabel
(0,514).
d. Centang Kotak Pearson dan Klik Two-tailed setelah itu Klik OK, maka tampil seperti
Pastikan pada Correlation Coefficients tercentang di kotak Pearson dan pada Test of
Significance tercentang di bulatan Two-tailed
Nilai Korelasi
e. Interpretasi hasil :
dua sisi, maka didapat r tabel 0,514 pada tabel r dibawah ini :
df 5% 1% df 5% 1% df 5% 1%
1 0,997 1,000 19 0,433 0,549 80 0,217 0,283
2 0,950 0,990 20 0,423 0,537 90 0,205 0,267
3 0,878 0,959 21 0,413 0,526 100 0,195 0,254
4 0,811 0,917 22 0,404 0,515 125 0,174 0,228
5 0,754 0,874 23 0,396 0,505 150 0,159 0,208
6 0,707 0,834 24 0,388 0,496 200 0,138 0,181
7 0,666 0,798 25 0,381 0,487 300 0,113 0,148
8 0,632 0,765 26 0,374 0,478 400 0,098 0,128
9 0,602 0,735 27 0,367 0,470 500 0,088 0,115
10 0,576 0,708 28 0,361 0,463 1000 0,062 0,081
11 0,553 0,684 29 0,355 0,456
12 0,532 0,661 30 0,349 0,449
13 0,514 0,641 35 0,325 0,418
14 0,497 0,623 40 0,304 0,393
15 0,482 0,606 45 0,288 0,372
16 0,468 0,590 50 0,273 0,354
Bahan Ajar Manajemen Data
Jadi semua pertanyaan mempunyai nilai korelasi > r.tabel (0,514), maka semua
BAB III
PENGOLAHAN DATA
Pengolahan data merupakan salah satu bagian rangkaian kegiatan penelitian setelah
pengumpulan data. Agar analisis penelitian menghasilkan informasi yang benar, paling
tidak ada empat tahapan dalam pengolahan data yang harus dilewati adalah sebagai berikut
B. Entry Data & Transformasi Data (Compute Variables & Recode Into Different
Variable)
No. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
1. 1 1 0 1 1 1 1 0 1 1
2. 1 1 0 1 0 1 0 1 1 1
3. 1 1 0 1 0 1 0 1 1 1
4. 1 1 0 1 1 1 0 1 1 1
5. 1 1 0 1 1 1 0 1 1 1
6. 1 1 0 1 1 1 1 0 1 1
7. 1 1 0 0 1 1 1 0 1 1
8. 1 1 0 1 0 1 1 0 1 1
Bahan Ajar Manajemen Data
9. 1 1 0 1 1 1 1 0 0 1
10. 1 1 0 1 0 1 1 0 1 1
11. 1 1 0 0 1 1 1 0 1 1
12. 1 1 0 1 1 1 1 0 1 1
13. 1 1 0 0 1 1 1 0 1 1
14. 1 1 1 1 0 1 1 0 0 1
15. 1 1 0 1 1 1 1 1 1 1
16. 1 1 0 0 0 1 1 0 0 1
17. 1 1 0 0 0 1 1 0 0 1
18. 1 1 0 0 0 1 1 0 0 1
19. 1 1 0 0 0 1 1 0 0 1
20. 1 1 0 0 0 1 1 0 0 1
21. 1 1 0 1 0 1 1 1 1 1
22. 1 1 0 0 0 1 1 0 1 1
23. 1 1 0 0 0 1 1 0 0 1
24. 1 1 0 0 0 1 1 0 0 1
25. 1 1 0 1 0 1 1 0 1 1
26. 1 1 0 0 0 1 1 0 0 1
27. 1 1 0 0 0 1 1 0 1 1
28. 1 1 0 0 0 1 1 0 1 1
29. 1 1 0 0 0 1 1 0 0 1
30. 1 1 0 1 1 1 0 0 1 1
31. 1 1 0 1 1 1 0 0 1 1
32. 1 1 0 1 1 1 0 0 1 1
33. 1 1 0 1 0 1 1 0 1 1
34. 1 1 0 0 1 1 1 0 0 1
35. 1 1 0 1 0 1 1 0 0 1
36. 1 1 0 1 0 1 1 0 0 1
37. 1 1 0 1 0 1 1 0 0 1
38. 1 1 0 1 0 1 1 0 0 1
39. 1 1 1 1 0 1 1 0 1 1
40. 1 1 0 1 0 1 1 0 0 1
41. 1 1 0 1 0 1 1 0 0 1
42. 1 1 0 1 0 1 1 0 0 1
43. 1 1 0 1 0 1 1 0 0 1
44. 1 1 0 1 0 1 1 0 1 1
45. 1 1 0 1 0 1 1 1 0 1
46. 1 1 0 1 1 1 1 0 1 1
47. 1 1 0 1 0 1 1 1 1 1
48. 1 1 1 1 0 1 1 0 1 1
49. 1 1 1 1 0 1 1 0 1 1
50. 1 1 0 1 1 1 1 0 1 1
No. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
1. 4 4 4 4 4 4 2 4 4 4
2. 4 4 4 4 4 2 2 3 4 1
3. 4 4 4 4 3 1 3 3 4 1
4. 4 4 4 3 3 2 3 4 3 3
5. 4 4 4 3 3 2 3 4 4 3
6. 4 4 4 3 3 2 3 4 3 3
7. 4 4 4 3 3 2 3 4 3 3
8. 4 4 4 3 3 2 3 4 3 2
9. 4 4 4 3 3 2 4 3 3 2
10. 4 4 4 3 3 2 4 3 3 2
11. 3 3 3 3 3 1 1 1 1 1
12. 4 4 4 3 3 2 4 3 3 1
13. 4 4 4 3 3 2 4 3 3 1
14. 3 2 3 3 2 1 1 1 1 1
15. 4 4 4 3 3 2 2 3 4 3
16. 3 3 3 3 3 1 1 1 1 1
17. 3 3 3 3 3 1 1 1 1 1
18. 3 3 3 3 3 1 1 1 1 1
19. 3 3 3 3 3 1 1 1 1 1
20. 3 3 3 3 3 1 1 1 1 1
21. 4 4 4 3 3 2 3 4 4 3
22. 3 3 3 3 3 1 1 1 1 1
23. 3 2 2 3 3 1 1 1 1 1
24. 3 2 3 3 3 1 1 1 1 1
25. 4 4 4 3 3 2 3 4 3 2
26. 3 2 2 3 3 1 1 1 1 1
27. 3 2 2 3 3 1 1 1 1 1
28. 3 2 3 3 3 1 1 1 1 1
29. 3 2 3 3 3 1 1 1 1 1
30. 4 4 4 4 3 1 4 4 3 2
31. 3 3 3 3 3 1 4 4 3 2
32. 3 2 2 3 2 1 1 1 1 1
33. 3 2 2 3 2 1 1 1 1 1
34. 3 2 2 3 2 1 1 1 1 1
35. 3 2 2 3 2 2 2 2 1 1
36. 3 2 2 3 2 2 2 2 1 1
37. 3 2 2 3 2 2 2 2 1 1
38. 3 2 2 3 2 1 1 1 1 1
39. 4 4 4 3 3 2 3 4 3 2
40. 3 2 2 3 2 2 2 2 1 1
41. 3 2 2 3 2 2 2 2 1 1
42. 3 2 2 3 2 2 2 2 1 1
43. 3 2 2 3 2 1 1 1 1 1
Bahan Ajar Manajemen Data
44. 4 4 4 3 3 2 3 4 3 2
45. 4 4 4 3 3 2 3 4 3 2
46. 4 4 4 3 3 2 3 4 3 2
47. 4 4 4 3 3 2 3 4 3 2
48. 4 4 4 3 3 2 3 4 3 2
49. 4 4 4 3 3 2 3 4 3 2
50. 4 4 4 4 3 2 3 4 3 2
2. Klik Variabel View, maka akan muncul tampilan seperti gambar dibawah ini :
Setelah diisi, maka Tampilan pada Variabel View adalah seperti gambar dibawah ini:
4. Kemudian isilah hasil rekapitulasi kuesioner yang sudah didapat dilapangan, maka
5. Setelah itu membuat kategori umur mengunakan perintah “Recode into Different
Variables” berdasarkan Definisi Operasional (tidak berisiko apabila 20-35 tahun &
berisiko apabila <20 dan >35 tahun) dengan langkahnya sebagai berikut :
ini :
b. Setelah itu, masukkan variabel umur kedalam input variabel seperti gambar
dibawah ini
c. Pada Output variabel isilah Kotak Name dengan “Umur_1” sedangkan Kotak
Label dengan “Kategori Umur”, Maka akan terlihat seperti gambar dibawah ini :
Selanjutnya klik “Kotak Change”, maka akan tampil seperti gambar dibawah ini :
d. Selanjutnya ketik Kotak “Old and New Values”, Pembuatan kategori berdasarkan
Definisi Operasional yang sudah ditetapkan, yaitu kategori 1 berumur 20-35 tahun
dengan koding 0 sedangkan kategori 2 berumur < 20 dan > 35 tahun dengan koding
e. Untuk kategori 1, Isilah Kotak “Old Value” dengan mengisi pada Kotak Range 20
sedangkan pada Kotak Through 35, kemudian “Kotak New Value” disi dengan
g. Kemudia untuk Kategori 2, yaitu umur < 20 tahun, dilakukan dengan klik “Range
Lowest Through Value” yang diisi dengan 20, kemudian “Kotak New Value” disi
dengan koding 1, sedangkan untuk umur >35 tahun, dilakukan dengan klik “Range
Value Through Highest”, yang diisi dengan 35, kemudian “Kotak New Value”
Klik OK, Maka hasil akhirnya dapat dilihat di data view sebagai berikut :
Langkah selajutnya adalah melengkapi enty data dengan mengisi Values pada variabel umur
berdasarkan Definisi Operasional yang sudah ditetapkan yaitu untuk kategori 1 ketik “0” pada
Kotak Value dan ketik “Umur Tidak Bersiko” pada Kotak Label kemudian Klik “Add”,
Sedangkan untuk kategori 2 ketik “1” pada Kotak Value dan ketik “Umur Berisiko” pada
Kotak Label.
Klik “OK”, kemudian Klik Data view dibawah serta Klik Toolbar View----beri centang pada
Kemudian Simpan File dengan nama: LATIHAN ENTRY DATA DAN TRANSFORMASI,
Dengan cara: Klik FILE-->SAVE AS--> LATIHAN LATIHAN ENTRY DATA DAN
TRANSFORMASI
BAB IV
UJI NORMALITAS
(Prasyarat penentuan uji statistic)
A. Uji Normalitas
Uji Normalitas data adalah prasyarat pokok dalam analysis statistic, karena apabila
data berdistribusi normal, maka statistic yang digunakan adalah statistic parametric
sedangkan data yang tidak berdistribusi normal, maka statistic yang digunakan adalah
statistic non parametric. Uji statistic yang sering digunakan dalam uji normalitas data ialah
uji One Sample Kolmogorov Smirnov. Data dinyatakan berdistribusi normal jika
Jenis uji normalitas terdiri dari uji One Kolmogorov Smirnov dan Shapiro-Wilk
dengan ketentuan bahwa uji One Kolmogorov Smirnov digunakan untuk sampel yang ≥ 50
responden sedangkan uji Shapiro-Wilk digunakan untuk sampel yang < 50 responden
Contoh Kasus 1 :
a. Kasus penelitan
7. 1 1 0 0 1 1 1 0 1 1 7
8. 1 1 0 1 0 1 1 0 1 1 7
9. 1 1 0 1 1 1 1 0 0 1 7
10. 1 1 0 1 0 1 1 0 1 1 7
11. 1 1 0 0 1 1 1 0 1 1 7
12. 1 1 0 1 1 1 1 0 1 1 8
13. 1 1 0 0 1 1 1 0 1 1 7
14. 1 1 1 1 0 1 1 0 0 1 7
15. 1 1 0 1 1 1 1 1 1 1 9
16. 1 1 0 0 0 1 1 0 0 1 5
17. 1 1 0 0 0 1 1 0 0 1 5
18. 1 1 0 0 0 1 1 0 0 1 5
19. 1 1 0 0 0 1 1 0 0 1 5
20. 1 1 0 0 0 1 1 0 0 1 5
21. 1 1 0 1 0 1 1 1 1 1 8
22. 1 1 0 0 0 1 1 0 1 1 5
23. 1 1 0 0 0 1 1 0 0 1 5
24. 1 1 0 0 0 1 1 0 0 1 5
25. 1 1 0 1 0 1 1 0 1 1 7
26. 1 1 0 0 0 1 1 0 0 1 5
27. 1 1 0 0 0 1 1 0 1 1 5
28. 1 1 0 0 0 1 1 0 1 1 5
29. 1 1 0 0 0 1 1 0 0 1 4
30. 1 1 0 1 1 1 0 0 1 1 7
31. 1 1 0 1 1 1 0 0 1 1 6
32. 1 1 0 1 1 1 0 0 1 1 6
33. 1 1 0 1 0 1 1 0 1 1 6
34. 1 1 0 0 1 1 1 0 0 1 5
35. 1 1 0 1 0 1 1 0 0 1 5
36. 1 1 0 1 0 1 1 0 0 1 5
37. 1 1 0 1 0 1 1 0 0 1 5
38. 1 1 0 1 0 1 1 0 0 1 5
39. 1 1 1 1 0 1 1 0 1 1 8
40. 1 1 0 1 0 1 1 0 0 1 5
41. 1 1 0 1 0 1 1 0 0 1 5
42. 1 1 0 1 0 1 1 0 0 1 5
43. 1 1 0 1 0 1 1 0 0 1 5
44. 1 1 0 1 0 1 1 0 1 1 7
45. 1 1 0 1 0 1 1 1 0 1 7
46. 1 1 0 1 1 1 1 0 1 1 8
47. 1 1 0 1 0 1 1 1 1 1 8
48. 1 1 1 1 0 1 1 0 1 1 8
49. 1 1 1 1 0 1 1 0 1 1 8
50. 1 1 0 1 1 1 1 0 1 1 8
d) Kemudian masukkan skor pengetahuan ke kotak Test Variable List seperti gambar
dibawah ini :
e) Setelah itu klik OK, maka tampilan akhir seperti gambar dibawah ini :
Output diatas menunjukkan hasil analisis uji normalitas variabel pengetahuan dengan
melihat Asymp.Sig (2-tailed) pada kolum yaitu p-value (0,002) < 0,05, artinya data
tidak berdistribusi normal, maka uji statistic yang digunakan adalah statistic
nonparametrik
a. Buka Program Aplikasi Komputer SPSS, raw data variabel pengetahuan yang
berikut :
c. Selanjutnya Klik Kotak Plots Klik Factor Levels Together pada Boxplots
Pada tabel Tests Of Normality terdapat 2 jenis uji normalitas, yaitu Kolmogorov
Berdasarkan tabel diatas p-value 0,000 < 0,05, artinya secara statistic data tersebut tidak
berdistribusi normal
BAB V
STATISTIK NON PARAMETRIK
Asosiasi Komparatif Tidak Berpasangan
(UJI CHE SQUARE DAN UJI ALTERNATIF)
A. Uji Che Square dengan Uji Alternatif Uji Fisher’s Exact Test (Tabel 2 x 2)
d. Tidak ada yang sel yang nilai Expectasinya kurang dari 5, apabila ada, maka tidak
2. Langkah- Langkah dalam penyelesaian uji statistic Che Square adalah sebagai berikut
f. Selanjutnya Klik Kotak Cells pada Counts centang Observed dan Expected
sedangkan pada Percentages centang Row dan Column kemudian Klik Continue
Bahan Ajar Manajemen Data
g. Untuk menampilkan bar charts (diagram batang), maka centang pada kotak
display clustered bar chart, kemudia Klik OK, maka hasilnya sebagai berikut :
Do not forget
Tidak memenuhi syarat uji Che-Square
(Nilai Expectednya >20%)
Berdasarkan tabel diatas bahwa p-value 0,240 < 0,05, artinya secara statistik tidak
ada
B. Uji Che Square dengan Uji Alternatif Uji Kolmogorov Smirnov (Tabel 2 x k)
b. Tidak terpenuhi syarat uji Che Square, karena sel yang nilai expected-nya kurang
sebagai berikut :
Independent Samples
e. Kemudian Klik Define Group dengan mengisi Group 1 dengan 1 dan Group 2
dengan 2
f. berikan centang pada kotak Kolmogorov-Smirnov Z dan Klik OK, maka tampilan
p.value
Berdasarkan tabel diatas bahwa p-value 0,013 < 0,05, artinya secara statistik ada
Independent Sample T-test digunakan untuk menguji perbedaan antara dua kelompok
sampel bebas/independen yang merupakan uji parametric jika memenuhi syarat, apabila
tidak memenuhi daripada syaratnya, maka dilakukan uji alternative yaitu uji Mann-
Whitney/non parametric.
a. Data kedua variabel berupa numerik dan kategori (dua kelompok independen)
d. Jika memenuhi data berdistribusi normal dan sampel > 30 responden, maka
menggunakan uii Independent Sample T-test, apabila tidak memnuhi syarat, maka
terlebih dahulu melakukan transformasi data, jika data terdistribusi normal, maka
menggunakan uii Independent Sample T-test dan apabila hasil tansformasi data tadi
tetap tidak berdistribusi normal maka uji statistic yang digunakan adalah uji
2. Kasus :
Seorang peneliti ingin melihat perbedaan penggunaan dua obat anti hipertensi terhadap
3. Langkah- Langkah dalam penyelesaian uji statistic Independent Sample T-test adalah
sebagai berikut :
sebelumya
p-value
Diatas terdapat p-value > 0,05, artinya data berdistribusi normal dan jumlah
sampel > 30 responden, maka dapat digunakan dengan uji Independent Sample T-
test.
grouping variable
f. Kemudian klik kotak Define Groups dengan memasukkan kode 1 pada group 1 dan
kode 2 pada group 2 setelah itu Klik Continue dan Klik OK , sperti gambar dibawah
ini :
2) Berdasarkan tabel diatas p-value (0,832) > 0,05, maka Ho diterima artinya
kedua varian populasi sama, maka uji T test yang digunakan adalah Equal
1) Menentukan Hipotesis
diatas p-value (0,000) < 0,05, maka Ho ditolak artinya ada perbedaan antara
tekanan darah
2 = 50 − 2 = 48, maka t tabel sebesar dengan α (0,05) uji dua sisi, maka
0,025 yaitu 2.000, maka t hitung (-4.823) > t tabel (2.000), artinya Ho
Uji Mann-Whitney adalah untuk menguji hipotesis komparatif dua sampel independen atau
tidak berhubungan yang digunakan sebagai uji alternatif Independent Sample T-test. Uji
Mann Whitney digunakan bagi data yang skala Ordinal/Kategorik (Prof. Dr. Sugiyono).
2. Kasus
vitamin C selama 3 bulan pertama secara rutin terhadap kadar Hb pada ibu hamil, data
41. Vitamin C 11
42. Vitamin C 10
43. Vitamin C 10.5
44. Vitamin C 10.5
45. Vitamin C 10
46. Vitamin C 10
47. Vitamin C 11
48. Vitamin C 11.5
49. Vitamin C 10
50. Vitamin C 10
3. Langkah- Langkah dalam penyelesaian uji statistic Mann-Whitney adalah sebagai
berikut :
c. Asumsi kita bahwa kasus diatas datanya tidak berdistribusi normal, maka
e. Kemudian pindahkan variabel konsumsi obat ke kotak Test Variable List dan
1) Menentukan Hipotesis :
ibu hamil
2) Kriteria Pengujian :
1,011) ≤ + 1,96, artinya tidak ada perbedaan yang signifikan antara rata-
Uji Paired Sample T test ini digunakan untuk membandingkan rata-rata dari kedua
kelompok dan untuk menguji efektifitas suatu perlakuan terhadap suatu besaran variabel
yang ingin ditentukan.Rancangan ini paling umum dikenal dengan rancangan Pre test dan
2. Kasus :
Seorang peneliti ingin mengetahui perbedaan kadar Hb antara sebelum dan sesudah
berikut :
c. Asumsi kita bahwa kasus diatas datanya berdistribusi normal (caranya seperti
materi sebelumnya) dan jumlah respondennya > 30, karena memenuhi syarat
e. Kemudian pindahkan kedua variabel diatas kedalam kotak Paired Variables, dan
1) Menetapkan Hipotesis :
vitamin B12
B12
2) Kriteria Pengujian :
F. Uji Wilcoxon
Uji statistic ini merupakan penyempurnaan dari uji tanda (uji Sign Test), kalau dalam
uji tanda besarnya selisih angka antara positif dan negative tidak diperhitungkan,
sedangkan dalam uji Wilcoxon ini diperhitungkan (Prof. Dr. Sugiyono, 2011).
Uji ini digunakan untuk menguji signifikasi hipotesis komparasi dua sampel yang
2. Kasus
3. Langkah- Langkah dalam penyelesaian uji statistic Wilcoxon adalah sebagai berikut :
Bahan Ajar Manajemen Data
c. Asumsi kita bahwa kasus diatas datanya tidak berdistribusi normal (caranya seperti
e. Kemudian pindahkan kedua variabel diatas kedalam kotak Test Pairs dan beri
centang Wilcoxon pada kota Test Type kemudian Klik OK, seperti gambar dibawah
ini :
1) Menetapkan Hipotesis :
vitamin B12
B12
2) Kriteria Pengujian :
uji hipotesisnya dua arah maka 𝛼 0,05/2 = 0,025. Untuk mencari nilai Z
pada tabel kurva normal, angka peluang yang dicari adalah 0,5 − 0,025 =
0,4750, maka diperoleh nilai z tabel pada kurva normalnya (batas kritis)
sebesar 1,96, dengan demikian z hitung (-5,171) > z tabel (1,96) atau dengan
Anova (Analysis of Variance) merupakan salah satu jenis uji yang digunakan untuk
menguji perbedaan antar lebih dari dua perlakuan dengan hanya satu kelompok sampel. Uji
ini termasuk dalam uji parametric sehingga asumsi penggunaan parametric harus dipenuhi
yaitu data berdistribusi normal, varians homogeny dan sampel diambil secara acak
Uji Anova/F pada dasarnya digunakan untuk menguji efektivitas suatu rancangan
eksperimen yang akan digunakan seperti sebuah penelitian untuk menguji efektivitas obat
2. Kasus
terhadap kadar Hemoglobin (Hb) kepada wanita hamil dengan data yang didapat
3. Langkah- Langkah dalam penyelesaian uji statistic One Way Anova adalah sebagai
berikut :
c. Asumsi kita bahwa kasus diatas datanya berdistribusi normal (caranya seperti
test, kemudian klik kotak Continue, kemudian klik kotak Post Hoc… dengan
memberikan centang pada kotak Tukey maka akan tampil seperti dibawah ini :
h. Klik Continue dan Klik OK, maka hasil akhirnya sebagai berikut :
Bahan Ajar Manajemen Data
perlakukan) :
a) Hipotesis
p.value (0,020) < α (0,05), maka Ho ditolak (kedua varian populasi berbeda)
a) Hipotesis
Ibu hamil
hamil
b) Penarikan kesimpulan
Pada tabel Anova terlihat p.value (0,000) < α (0,05), maka Ho ditolak,
hamil
Analisis korelasi Pearson atau biasa disebut analisis Product Moment digunakan untuk
mengukur hubungan antara dua variabel secara linier dan untuk mengetahui arah hubungan
yang terjadi. Data yang digunakan biasanya berskala interval dan rasio. Pedoman untuk
memberikan interpretasi koefisien korelasi yaitu jika korelasi lebih dari 0,5 maka hubungan
kuat, jika kurang dari 0,5 maka hubungan lemah (Duwi Priyatno, 2011).
Koefisien korelasi Kontingensi (C) adalah untuk mengukur derajat asosiasi atau
dependensi dari data yang diklasifikasikan dalam tabel Kontingensi. Koefisien korelasi
Kontingensi digunakan jika data yang diklasifikasi menurut kriteria tertentu mempunyai
datanya berbentuk nominal. Teknik ini mempunyai kaitan erat dengan Chi Kuadrat yang
digunakan untuk menguji hipotesis Komparatif k independen (Prof. Dr. Sugiyono, 2011).
dimana variabeL X dan variabel Y dalam kategori nominal diskrit, akan tetapi dalam
2. Kasus
Dalam sebuah penelitian yang bertujuan untuk mengetahui apakah ada hubungan antara
umur ibu hamil dengan kejadian BBLR di wilayah kerja Puskesmas X, hasil data yang
Korelasi Kendall Tau digunakan untuk mencari hubungan dan menguji hipotesis
antara dua variabel atau lebih, bila datanya berbentuk ordinal. Kelebihan teknik ini bias
digunakan untuk menganalisis sampel yang jumlah anggotanya lebih dari 30 dan dapat
Penafsiran pada range nilai yaitu 0 s/d 1 dengan kriteria sebagai berikut :
Menurut Colton dalam Dr. Sutanto Priyo Hastono dan Luknis Sabri (2013) menyebutkan
bahwa kekuatan hubungan dua variabel secara kualitatif dapat dibagi dalam empat area
sebagai berikut :
Menurut JP. Guilford dalam Dr. Maman Abdurrahman, dkk (2011) mengklasifikasikan
Hubungan dua variabel dapat berpola positif ataupun negative. Hubungan positif terjadi
bila kenaikan satu variabel diikuti kenaikan variabel yang lain, misalnya semakin bertambah
berat badannya semakin tinggi tekanan darahnya, sementara itu hubungan negative dapat
terjadi bila kenaikan satu variabel diikuti penurunan variabel yang lain, misalnya semakin
bertambah umur semakin rendah kadar Hemoglobinnya (Dr. Sutanto Priyo Hastono dan
Arah korelasi dapat dibedakan menjadi dua yaitu bersifat satu arah dan berlawanan arah,
misalnya hubungan satu arah adalah kenaikan gajih pegawai diikuti dengan kenaikan motivasi
kerja sedangkan yang berlwananan arah, apabila makin meningkatnya harga barang diikuti
L. Korelasi Spearman
apabila kita punya dua buah variabel X dan Y yang kedua-duanya punya tingkat
Metode ini pertama diperkenalkan oleh Karl Spearman tahun 1904, dimana variabel-
variabel yang diteliti tidak mempunyai distribusi normal dan perbedaan kondisi diketahui
tidak sama dan uji ini hanya efektif datanya/sampelnya berkisar 10 s/d 30 data
1. Tujuan ujinya mencari hubungan antara dua variabel yaitu X sebagai variabel
3. Besar sanpel paling kecil 4 sampai 30 subyek yang diteliti (Aris Santjaka, 2011).