BAHAN AJAR MANAJEMEN DATA-OK Reg D

1
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.
Bahan Ajar Manajemen Data
By. Norfai, SKM., M.Kes

2
BAB I
PENGANTAR APLIKASI KOMPUTER (SPSS)
A. Pengertian SPSS
Kata statistic sebenarnya berasal dari bahasa latin, yakni status yang berarti Negara.
Pada perkembangan awalnya statistic diartikan sebagai keterangan-keterangan yang
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
berwujud angka (Teguh Wahyono, 2012).
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
computer (Teguh Wahyono, 2012).
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).

3
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,
mengecek isi data, print, dan keluar dari program.
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
data, menggabungkan data, membagi data.
e. Transform
Untuk membuat perubahan pada variabel yang telah terpilih berdasarkan kriteria
tertentu seperti compute variabel, rank cases, automatic recode.
f. Analyze
Merupakan menu pokok untuk analisis data seperti analisis deskriptif, analisis
bivariate parametric dan bivariate non parametik
g. Graphs
Wlain.
h. Utilities

4
Mengatur tampilan menu seperti data file, comment, Run Script, Production Job
dan lain-lain.
C. Halaman Kerja
Variabel View Memasukkan dan mendefinisikan variabel
Name Memberikan nama data
Type Menentukan tipe data
Width Menentukan Lebar Kolom
Decimals Memberikan nilai desimal
Label Memberi nama variabel
Values Memberikan koding pada data nominal atau ordinal
Missing Menentukan data yang hilang
Columns Menentukan lebar kolom
Align Menentukan rata kanan, kiri atau tengah
Measure Menentuka skala pengukuran data (Scale, nominal atau ordinal

5
BAB II
INPUT DATA & UJI INSTRUMEN (KUESIONER)
A. INPUT DATA
Tahapan-Tahapan dalam mengentry data penelitian
1. Membuat nama variabel (Name) 1. Nama variabel diawali dengan huruf

2. Nama variabel tidak boleh menggunakan titik
atau spasi
3. Nama variabel maksimum 8 karakter
4. Nama variabel tidak boleh sama dengan
lainnya
2. Mendefinisikan tipe variabel 1. Numerik : data berbentuk angka
( Type) 2. String : data berbentuk huruf
3. Dll
3. Menentukan kolom isian (Width) Merupakan kolom isian untuk jumlah digit data
yang akan dimasukkan
3. Mendefinisikan adanya decimal SPSS secara standar memberikan dua angka
(Decimals) decimal untuk setiap data yang akan dientry,oleh
karena itu untuk data yang tidak ada decimal diberi
angka nol
4. Memberikan Label (Labels) Menuliskan nama lengkap variabel
5. Memberikan value ( Values) Memberikan keterangan untuk setiap kode yang
ada dalam kode tersebut.
6. Menentukan lebar kolom (Column Memberikan keterangan panjang karakter pada tiap
Width) variabel
7. Menentukan posisi variabel Memberikan pilihan variabel dalam tabel, misalnya
(Aligment) rata kanan, kiri atau tengah
B. Uji Validitas & Reliabilitas
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
ingin diukur dengan mengunakan alat bantu computer program SPSS.
Validitas kuesioner dilakukan dengan membandingkan antara nilai r hasil dengan r
tabel, r hasil didapatkan pada kolom corrected item-Total Correlation sedangkan r tabel
didapatkan dengan menggunakan tabel r yang terlampir dan menggunakan 𝑑𝑓 = 𝑛 − 2 =
15 − 2 = 13 dengan tingkat kemaknaan 5%, maka didapat r tabel 0,514 pada tabel r
dibawah ini :

6
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
yang didapatkan dilapangan.
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

7
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
1. Uji validitas dan reliabilitas versi 1
Langkah-Langkah dalam penginputan adalah sebagai berikut :
a. Buka program aplikasi computer SPSS
b. Klik variabel view untuk membuat nama variabel dari P1 sampai P10
c. Pilihlah numeric pada kotak type untuk keperluan analisis
d. Isian pada kotak width tetap dibiarkan 8
e. Pilih lah angka 0 pada kotak decimal
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
tampil sebagai berikut :

8
h. Kemudian Klik Analyze Scale Reliability Analysis, maka akan tampil
seperti gambar dibawah ini :
i. Kemudian masukkan semua pertanyaan/pernyataan kedalam kotak items setelah itu
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 :

9
j. Maka hasil akhirnya seperti tampilan di bawah ini :
r alpha
r hasil
k. Interpretasi Hasil pada tabel diatas adalah sebagai berikut :
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

10
(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).
2. Uji validitas dan reliabilitas versi 2
a. Buka program aplikasi computer SPSS
b. Input semua pertanyaan seperti cara versi 1
c. Klik Analyze Correlate Bivariate, kemudian pindahkan semua
pertanyaan dan skor semua pertanyaan kedalam kotak variables
d. Centang Kotak Pearson dan Klik Two-tailed setelah itu Klik OK, maka tampil seperti
gambar dibawah ini :

11
Pastikan pada Correlation Coefficients tercentang di kotak Pearson dan pada Test of
Significance tercentang di bulatan Two-tailed

12
Nilai Korelasi
e. Interpretasi hasil :
Berdasarkan tabel diatas bahwa semua pertanyaan dibandingkan dengan r tabel,
dimana r tabel didapatkan dengan menggunakan tabel r yang terlampir dan
menggunakan 𝑑𝑓 = 𝑛 − 2 = 15 − 2 = 13 dengan tingkat kemaknaan 5% dan uji
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

13
17 0,456 0,575 60 0,250 0,325

18 0,444 0,561 70 0,232 0,302
Jadi semua pertanyaan mempunyai nilai korelasi > r.tabel (0,514), maka semua
pertanyan dianggap valid.

14
BAB III
PENGOLAHAN DATA
A. Pengantar 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
ISTILAH PENGERTIAN CONTOH

Editing Pengecekan isian formulir atau 1. Lengkap (Semua
kuesioner pertanyaan sudah terisi
jawabannya)
2. Jelas (Jawaban pertanyaan
cukup jelas terbaca)
3. Relevan (Jawaban relevan
dengan pertanyaan)
4. Konsisten (Beberapa
pertanyaan berkaitan isi
jawaban konsisten)
Coding Merubah data berupa huruf menjadi 1. Koding 1 : SD
data berupa angka 2. Koding 2 : SLTP
3. Koding 3 : SLTA
4. Koding 4 : Perguruan
Tinggi
Entry Memasukkan Data kedalam program
data komputer
PROCESSING Memproses data yang sudah di entry
dengan fitur-fitur statistic yang ada
CLEANING Pengecekan kembali data yang sudah
dientry
B. Entry Data & Transformasi Data (Compute Variables & Recode Into Different
Variable)
Tahapan-Tahapan dalam mengentry data penelitian
1. Membuat nama variabel 5. Nama variabel diawali dengan huruf

(Name) 6. Nama variabel tidak boleh menggunakan titik
atau spasi

15
7. Nama variabel maksimum 8 karakter

8. Nama variabel tidak boleh sama dengan
lainnya
2. Mendefinisikan tipe variabel 4. Numerik : data berbentuk angka
( Type) 5. String : data berbentuk huruf
6. Dll
3. Menentukan kolom isian Merupakan kolom isian untuk jumlah digit data
(Width) yang akan dimasukkan
3. Mendefinisikan adanya SPSS secara standar memberikan dua angka
decimal (Decimals) decimal untuk setiap data yang akan dientry,oleh
karena itu untuk data yang tidak ada decimal diberi
angka nol
4. Memberikan Label (Labels) Menuliskan nama lengkap variabel
5. Memberikan value ( Values) Memberikan keterangan untuk setiap kode yang
ada dalam kode tersebut.
6. Menentukan lebar kolom Memberikan keterangan panjang karakter pada
(Column Width) tiap variabel
7. Menentukan posisi variabel Memberikan pilihan variabel dalam tabel,
(Aligment) misalnya rata kanan, kiri atau tengah
1. Kasus penelitan mengenai factor-faktor yang berhubungan dengan
kejadian anemia ibu hamil di Puskesmas X berdasarkan “Definisi Operasional
Penelitian” dengan data sebagai berikut
a. Data Karakteristik Responden
No. Umur Pendidikan Status Pekerjaan Hb

1. 28 Akademi/Perguruan Tinggi Tidak Bekerja 11.0
2. 17 SLTA/Sederajat Tidak Bekerja 10.3
4. 25 SLTP/Sederajat Tidak Bekerja 9.4
6. 21 SLTA/Sederajat Bekerja 11.0
10. 31 Tidak Tamat SD Tidak Bekerja 10.7
16. 20 SD/Sederajat Tidak Bekerja 11.5

16

21. 21 SD/Sederajat Bekerja 11.6
34. 24 SLTP/Sederajat Bekerja 9.3
b. Data Kuesioner Pengetahuan
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

17
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

18
c. Data Kuesioner Sikap
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

19
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
1. Buka program aplikasi SPSS
2. Klik Variabel View, maka akan muncul tampilan seperti gambar dibawah ini :
3. Membuat variabel umur
1. Klik Name Isi dengan mengetikkan “umur”

2. Klik Type Isi dengan pilihan “numeric”
3. Width Isi dengan “8” (untuk keseragaman) tergantung pada karakter variabel
yang terpanjang
4. Decimals Isikan “0”, dikarenakan umur tidak memiliki angka desimal
5. Labels Isi dengan “umur responden”
6. Values Belum bisa disi dikarenakan berlum dikategorikan
7. Column Width Biarkan dengan karakter 8 (untuk keseragaman)
8. Aligment Biarkan tetap “right” (untuk keseragaman)

9. Measures Isi dengan “nominal” karena umur menyatakan pembeda saja
Setelah diisi, maka Tampilan pada Variabel View adalah seperti gambar dibawah ini:

20
4. Kemudian isilah hasil rekapitulasi kuesioner yang sudah didapat dilapangan, maka
tampilan data view adalah sebagai berikut :
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 :

21
a. Klik Transform----------Recode into Different Variables, seperti gambar dibawah
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 :

22
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
koding 0 maka tampilannya sebagai berikut :

23
f. Kemudian Klik “Kotak Add”
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”
disi dengan koding 1
h. Kemudian Klik “Kotak Add”
i. Maka hasil tampilan secara keseluruhan adalah sebagai berikut :

24
j. Proses Transformasi selesai, kemudian klik “Kotak CONTINUE”, setelah itu
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”,

25
Sedangkan untuk kategori 2 ketik “1” pada Kotak Value dan ketik “Umur Berisiko” pada
Kotak Label.
Sehingga akan tampil sebagai berikut :
Klik “OK”, kemudian Klik Data view dibawah serta Klik Toolbar View----beri centang pada
“Value Labels” Maka hasilnya adalah sebagai berikut :

26
Kemudian Simpan File dengan nama: LATIHAN ENTRY DATA DAN TRANSFORMASI,
Dengan cara: Klik FILE-->SAVE AS--> LATIHAN LATIHAN ENTRY DATA DAN
TRANSFORMASI

27
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
Signifikasi > 0,05 (Duwi Priyatno, 2011).
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
(Dodiet Aditya, 2012).
1. Uji Normalitas One Kolmogorov Smirnov versi 1
Contoh Kasus 1 :
a. Kasus penelitan
Faktor-faktor yang berhubungan dengan kejadian anemia ibu hamil di Puskesmas
X berdasarkan “Definisi Operasional Penelitian” dengan data sebagai berikut :
b. Data Kuesioner Pengetahuan
No. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 Skor

1. 1 1 0 1 1 1 1 0 1 1 8
2. 1 1 0 1 0 1 0 1 1 1 7
3. 1 1 0 1 0 1 0 1 1 1 7
4. 1 1 0 1 1 1 0 1 1 1 8
5. 1 1 0 1 1 1 0 1 1 1 8
6. 1 1 0 1 1 1 1 0 1 1 8

28
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
c. Cara mengoperasikan Uji One Sample Kolmogorov Smirnov (Versi 1) :


29
a) Buka program aplikasi computer (SPSS)
b) Input data diatas sesuai dengan meteri sebelumnya
c) Klik Analyze Nonparametrik Test Legacy Dialogs 1-Sample
K-S, maka akan tampil sebagai berikut :
d) Kemudian masukkan skor pengetahuan ke kotak Test Variable List seperti gambar
dibawah ini :

30
e) Setelah itu klik OK, maka tampilan akhir seperti gambar dibawah ini :

31
f) Interpretasi hasil output diatas ialah :
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
2. Uji Normalitas One Kolmogorov Smirnov versi 2
a. Buka Program Aplikasi Komputer SPSS, raw data variabel pengetahuan yang
sebelum sudah diinput
b. Selanjutnya Klik Analyze Descriptive Explore, kemudian masukkan
skor pengetahuan kedalam kotak Dependent List, maka tampilannya sebagai
berikut :

32
c. Selanjutnya Klik Kotak Plots Klik Factor Levels Together pada Boxplots
Beri Centang Histogram pada Deksriptive Beri Centang pada Normality
Plots With Test Klik Continue , maka tampilannya sebagai berikut :

33
d. Interpretasi hasil output diatas ialah :
Pada tabel Tests Of Normality terdapat 2 jenis uji normalitas, yaitu Kolmogorov
Smirnov dan Shapiro-Wilk dengan ketentuan sebagai berikut :
1) Kolmogorov Smirnov digunakan untuk sampel ≥50
2) Shapiro-Wilk digunakan untuk sampel <50

34
3) Dikatakan data tersebut berdistribusi normal apabila p-value ≥ 0,05
Berdasarkan tabel diatas p-value 0,000 < 0,05, artinya secara statistic data tersebut tidak
berdistribusi normal

35
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)
1. Syarat uji Che Square adalah sebagai berikut :
a. Data kedua variabel berupa kategorik
b. Sampel yang dianalisis harus lebih dari 40 responden
c. Tabulasi silang tidak 2 x 2
d. Tidak ada yang sel yang nilai Expectasinya kurang dari 5, apabila ada, maka tidak
boleh lebih dari 20% (Sutanto Priyo Hastono, 2013).
2. Langkah- Langkah dalam penyelesaian uji statistic Che Square adalah sebagai berikut
a. Buka program aplikasi computer (SPSS)
b. Buka file sebelumya yang datanya sudah terinput
c. Klik Analyze Descriptive Statistics Crosstabs
d. Kemudian masukkan variabel umur (variabel independen) yang sudah
dikategorikan sesuai “Definisi Operasional” kedalam Kotak Row(s) sedangkan
variabel kejadian anemia (variabel dependen) yang sudah dikategorikan sesuai
“Definisi Operasional” kedalam kotak Column(s) maka akan tampil seperti

36
e. Selanjutnya Klik Kotak Statistics Centang pada kotak Chi-Square kemudian
Continue dan Klik OK
f. Selanjutnya Klik Kotak Cells pada Counts centang Observed dan Expected
sedangkan pada Percentages centang Row dan Column kemudian Klik Continue

37
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%)
h. Interpretasi hasil output diatas ialah :
Berdasarkan tabel diatas bahwa p-value 0,240 < 0,05, artinya secara statistik tidak
ada
Hubungan antara umur ibu dengan kejadian anemia ibu hamil.
B. Uji Che Square dengan Uji Alternatif Uji Kolmogorov Smirnov (Tabel 2 x k)
1. Syarat uji Kolmogorov Smirnov adalah sebagai berikut :
a. Data kedua variabel berupa kategorik (Sopiyudin Dahlan, 2013).
b. Tidak terpenuhi syarat uji Che Square, karena sel yang nilai expected-nya kurang
dari 5 lebih dari 20%.

38
2. Langkah- Langkah dalam penyelesaian uji statistic Kolmogorov Smirnov adalah
sebagai berikut :
b. Buka file sebelumya yang datanya sudah terinput
c. Klik Analyze Nonparametrics Test Legacy Dialogs 2-
Independent Samples
d. Kemudian masukkan variabel Status Gizi (Variabel Dependen) yang sudah
dikategorikan sesuai “Definisi Operasional” kedalam kotak Test Variable List
sedangkan variabel Pendidikan (variabel Independen) yang sudah dikategorikan
sesuai “Definisi Operasional” kedalam Kotak Grouping Variable
e. Kemudian Klik Define Group dengan mengisi Group 1 dengan 1 dan Group 2
dengan 2

39
f. berikan centang pada kotak Kolmogorov-Smirnov Z dan Klik OK, maka tampilan
seperti gambar dibawah ini :

40
p.value
g. Interpretasi hasil output diatas ialah :
Berdasarkan tabel diatas bahwa p-value 0,013 < 0,05, artinya secara statistik ada
hubungan antara pendidikan dengan status gizi.
C. Independen Sample T-test
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.
1. Syarat uji Independent Sample T-test adalah sebagai berikut :
a. Data kedua variabel berupa numerik dan kategori (dua kelompok independen)
b. Data harus berdistribusi normal

41
c. Varians data boleh sama atau berbeda
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
alternative Mann-Whitney (Sopiyudin Dahlan, 2013).
2. Kasus :
Seorang peneliti ingin melihat perbedaan penggunaan dua obat anti hipertensi terhadap
efektivitas dalam menurunkan tekanan darah, dengan data sebagai berikut :
No. Penggunaan Obat Anti Hipertensi Tekanan Darah

1. Catopril 130
2. Catopril 130
3. Catopril 140
4. Catopril 140
5. Catopril 120
6. Catopril 140
7. Catopril 140
8. Catopril 140
9. Catopril 140
10. Catopril 140
11. Catopril 130
12. Catopril 130
13. Catopril 140
14. Catopril 140
15. Catopril 120
16. Catopril 140
17. Catopril 140
18. Catopril 120
19. Catopril 140
20. Catopril 140
21. Catopril 140
22. Catopril 140
23. Catopril 140
24. Catopril 90
25. Catopril 90

42
26. Amlodiphine 110

27. Amlodiphine 120
28. Amlodiphine 120
29. Amlodiphine 110
30. Amlodiphine 120
31. Amlodiphine 110
32. Amlodiphine 100
33. Amlodiphine 110
34. Amlodiphine 100
35. Amlodiphine 100
36. Amlodiphine 140
37. Amlodiphine 140
38. Amlodiphine 140
39. Amlodiphine 120
40. Amlodiphine 120
41. Amlodiphine 140
42. Amlodiphine 120
43. Amlodiphine 130
44. Amlodiphine 110
45. Amlodiphine 130
46. Amlodiphine 100
47. Amlodiphine 130
48. Amlodiphine 120
49. Amlodiphine 130
50. Amlodiphine 120
3. Langkah- Langkah dalam penyelesaian uji statistic Independent Sample T-test adalah
sebagai berikut :
b. Input lah data kasus diatas
c. Uji Kenormalan data menggunakan Kolomogorov Smirnov seperti materi
sebelumya
Seperti gambar dibawah ini :

43
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.
d. Klik Analyze Compare Means Independent-Samples T test, seperti

44
e. Selanjutnya Masukkan variabel tekanan darah ke dalam kotak Test Variable
sedangkan variabel penggunaan obat anti hipertensi di masukkan kedalam kotak
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 :

45

46
g. Interpretasi hasil varian populasi/uji Levene’s (homogenitas) ialah :
1) Menentukan hipotesis varian populasi :
Ho : Kedua varian populasi adalah sama
Ha : Kedua varian polulasi berbeda
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
Variance Assumed atau Kedua varian populasi adalah sama
h. Interpretasi uji Independent Sample T-test
1) Menentukan Hipotesis
Ho : Tidak ada perbedaan antara menggunakn obat Amlodiphine dengan obat
Catopril terhadap penurunan tekanan darah
Ha : Ada perbedaan antara menggunakn obat Amlodiphine dengan obat
Catopril terhadap penurunan tekanan darah
2) Menentukan cara pengambilan keputusan ada dua cara yaitu :

47
a) Berdasarkan signifikansi/pendekatan probabilistik : Berdasarkan tabel
diatas p-value (0,000) < 0,05, maka Ho ditolak artinya ada perbedaan antara
menggunakan obat Amlodiphine dengan obat Catopril terhadap penurunan
tekanan darah
b) Berdasarkan pendekatan klasik : p-value < 0,005, Ho ditolak, artinya ada
perbedaan antara menggunakan obat Amlodiphine dengan obat Catopril
terhadap penurunan tekanan darah
c) Berdasarkan perbadingan nilai hitung dengan nilai tabel : Membandingkan
t hitung dengan t tabel, dimana menentukan t tabel dengan 𝑑𝑓 = 𝑛1 + 𝑛2 −
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
ditolak yaitu ada perbedaan antara menggunakn obat Amlodiphine dengan
obat Catopril terhadap penurunan tekanan darah
D. Uji Mann Whitney
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).
1. Syarat-syarat uji Mann-Whitney adalah sebagai berikut :
a. Data variabel berupa numeric dan kategori (dua kelompok independen)
b. Data tidak berdistribusi normal
c. Varians data boleh sama atau berbeda (Sopiyudin Dahlan, 2013).
2. Kasus

48
Seorang peneliti ingin mengetahui perbedaan mengkonsumsi obat Tablet Fe dan
vitamin C selama 3 bulan pertama secara rutin terhadap kadar Hb pada ibu hamil, data
yang didapat dilapangan seperti tabel dibwah ini :
No. Mengkonsumsi Buah Tekanan Darah

1. Tablet Fe 11
2. Tablet Fe 10
3. Tablet Fe 12
4. Tablet Fe 12
5. Tablet Fe 13
6. Tablet Fe 10
7. Tablet Fe 9
8. Tablet Fe 11
9. Tablet Fe 12
10. Tablet Fe 12
11. Tablet Fe 12
12. Tablet Fe 13
13. Tablet Fe 10
14. Tablet Fe 10
15. Tablet Fe 11
16. Tablet Fe 11.5
17. Tablet Fe 12.5
18. Tablet Fe 11
19. Tablet Fe 11
20. Tablet Fe 10
21. Tablet Fe 10.5
22. Tablet Fe 10.5
23. Tablet Fe 12
24. Tablet Fe 13
25. Tablet Fe 10
26. Vitamin C 9
27. Vitamin C 11
28. Vitamin C 12
29. Vitamin C 12
30. Vitamin C 12
31. Vitamin C 13
32. Vitamin C 10
33. Vitamin C 10
34. Vitamin C 13
35. Vitamin C 10
36. Vitamin C 10
37. Vitamin C 11
38. Vitamin C 11.5
39. Vitamin C 12.5
40. Vitamin C 11

49
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
dilanjutkan dengan uji alternative Mann-Whitney
d. Kemudian Klik Analyze Nonparametrics test Legacy Dialogs 2
Independent-Samples, seperti gambar dibawah ini :

50
e. Kemudian pindahkan variabel konsumsi obat ke kotak Test Variable List dan
variabel kadar Hb dipindahkan ke kotak Grouping Variable sedangkan kotak Define
Groups masukkan angka 1 pada group 1 sedangkan angka 2 pada group 2
selanjutnya klik Continue, kemudian berikan centang pada Mann-Whitney di kotak
Test Type dan Klik OK, seperti gambar dibawah ini :

51

52
f. Interpretasi output uji Mann-Whitney adalah :
1) Menentukan Hipotesis :
Ho : Tidak ada perbedaan yang signifikan antara rata-rata kadar Hb kedua
sampel ibu hamil
Ha : Ada perbedaan yang signifikan antara rata-rata kadar Hb kedua sampel
ibu hamil
2) Kriteria Pengujian :
a) Berdasarkan Probabilitas : p-value (0,312) > 0,05, maka Ho diterima
artinya Tidak ada perbedaan yang signifikan antara rata-rata kadar Hb
kedua sampel ibu hamil
b) Berdasarkan perbandingan U hitung dengan U tabel (Apabila n1 atau n2
mempunyai sampel < 20)
c) Berdasarkan perbandingan Z hitung dengan Z tabel (Apabila n1 atau n2
mempunyai sampel > 20) : Ho diterima karena -1,96 ≤ Z hitung (-

53
1,011) ≤ + 1,96, artinya tidak ada perbedaan yang signifikan antara rata-
rata kadar Hb kedua sampel ibu hamil
E. Uji Paired Sample T test
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
Post test dari satu sampel (Handoko Riwikdido, 2012).
1. Syarat-Syarat uji Paired Sample T test adalah sebagai berikut :
a. Data berupa numerik dan kategori (dua kelompok dependen)
b. Distribusi data wajib normal
c. Varians data tidak perlu diuji
2. Kasus :
Seorang peneliti ingin mengetahui perbedaan kadar Hb antara sebelum dan sesudah
pemberian Vitamin B12 ?
Resp. Sebelum Sesudah

1. 12.2 13.0
2. 11.3 13.4
3. 14.7 16.0
4. 11.4 13.6
5. 11.5 14.0
6. 12.7 13.8
7. 11.2 13.5
8. 12.1 13.8
9. 13.3 15.5
10. 10.8 13.2
11. 14.7 16.0
12. 11.4 13.6
13. 11.5 14.0
14. 12.7 13.8
15. 11.2 13.5
16. 12.1 13.8
17. 14.7 16.0

54
18. 11.4 13.6

19. 12.2 13.0
20. 11.3 13.4
21. 14.7 16.0
22. 11.4 13.6
23. 11.5 14.0
24. 12.7 13.8
25. 11.2 13.5
26. 12.1 13.8
27. 13.3 15.5
28. 10.8 13.2
29. 14.7 16.0
30. 12.2 13.0
31. 11.3 13.4
32. 14.7 16.0
33. 11.4 13.6
34. 11.5 14.0
35. 12.7 13.8
3. Langkah- Langkah dalam penyelesaian uji statistic Paired Sample T test adalah sebagai
berikut :
c. Asumsi kita bahwa kasus diatas datanya berdistribusi normal (caranya seperti
materi sebelumnya) dan jumlah respondennya > 30, karena memenuhi syarat
maka tetap menggunakan uji Paired Sample T test
d. Kemudian Klik Analyze Compare Means Paired Samples T Test
, seperti gambar dibawah ini :

55

56
e. Kemudian pindahkan kedua variabel diatas kedalam kotak Paired Variables, dan
Klik OK, seperti gambar dibawah ini :

57
f. Interpretasi output diatas adalah sebagai berikut :
1) Menetapkan Hipotesis :
Ho : Tidak ada perbedaan kadar Hb antara sebelum dan sesudah pemberian
vitamin B12

58
Ha : Ada perbedaan kadar Hb antara sebelum dan sesudah pemberian vitamin
B12
a) Berdasarkan pendekatan Probabilitas : p-value (0,000) < 0,05, maka Ho
ditolak artinya Ada perbedaan kadar Hb antara sebelum dan sesudah
pemberian vitamin B12
b) Berdasarkan pendekatan Klasik : t hitung (-18.493) dengan t tabel,
menentukan t tabel yaitu dengan 𝛼 0,05/2 = 0,025 dengan 𝑑𝑓 = 𝑛 − 1 =
35 − 1 = 34, maka diperoleh nilai t tabel sebesar 2.032, dengan demikian
t hitung (-18.493) > t tabel (2.032), maka Ho ditolak, artinya Ada
perbedaan kadar Hb antara sebelum dan sesudah pemberian vitamin B12
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
berkorelasi bila datanya berbentuk ordinal (B. Syarifudin, 2010).
1. Syarat-syarat uji Wilcoxon adalah sebagai berikut :
a. Skala variabel berupa numeric dan kategori (dua kelompok dependen/berpasangan)
b. Distribusi data tidak normal
c. Varians data tidak perlu diuji
2. Kasus
Kasus ini seperti kasus uji Paired Sampel T test
3. Langkah- Langkah dalam penyelesaian uji statistic Wilcoxon adalah sebagai berikut :

59
b. Bukalah data kasus uji Paired Sampel T test
c. Asumsi kita bahwa kasus diatas datanya tidak berdistribusi normal (caranya seperti
materi sebelumnya), karena tidak memenuhi syarat maka menggunakan uji
alternative yaitu uji Wilcoxon
d. Kemudian Klik Analyze Nonparametric Test Legacy Dialogs 2
Related Samples, maka seperti gambar dibawah ini :

60
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 :

61
f. Interpretasi output diatas adalah sebagai berikut :
1) Menetapkan Hipotesis :
Ho : Tidak ada perbedaan kadar Hb antara sebelum dan sesudah pemberian
vitamin B12
Ha : Ada perbedaan kadar Hb antara sebelum dan sesudah pemberian vitamin
B12
a) Berdasarkan pendekatan Probabilitas : p-value (0,000) < 0,05, maka Ho
ditolak artinya Ada perbedaan kadar Hb antara sebelum dan sesudah
pemberian vitamin B12

62
b) Berdasarkan pendekatan Klasik : z hitung (-5.171) dengan z tabel, karena
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
ketentuan apabila nilai Z hitung (Relative Deviate) terletak diluar area (-
1,96, +1,96) maka Ho ditolak, artinya Ada perbedaan kadar Hb antara
sebelum dan sesudah pemberian vitamin B12
G. Uji One Way Anova
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
(Handoko Riwidikdo, 2012).
Uji Anova/F pada dasarnya digunakan untuk menguji efektivitas suatu rancangan
eksperimen yang akan digunakan seperti sebuah penelitian untuk menguji efektivitas obat
1. Syarat-Syarat Uji One Way Anova (Uji F)
2. Kasus
Seorang peneliti ingin melihat pengaruh efektivitas pemberian Fe dan Vitamin C
terhadap kadar Hemoglobin (Hb) kepada wanita hamil dengan data yang didapat
dilapangan seperti dibawah ini :

63
No. Placebo Fe Vitamin C Fe dan Vitamin

C
1. 10,0 13,0 11,0 14,0
2. 10,5 13,0 10,0 13,0
3. 11,0 12,5 10,5 12,0
4. 11,0 12,0 11,0 12,5
5. 10,0 12,0 11,0 13,0
6. 10,5 13,0 13,0 13,0
7. 11,0 13,0 13,0 12,0
8. 11,0 12,5 12,5 12,5
9. 10,0 12,5 12,0 13,0
10. 12,5 12,0 12,0 13,0
3. Langkah- Langkah dalam penyelesaian uji statistic One Way Anova adalah sebagai
berikut :
b. Inputlah data kasus diatas
c. Asumsi kita bahwa kasus diatas datanya berdistribusi normal (caranya seperti
materi sebelumnya yaitu dengan uji Kolmogorov Smirnov)
d. Kemudian Klik Analyze Compare Means One-Way Anova, maka
tampil seperti gambar dibawah ini :

64
e. Kemudian Pindahkan variabel kadar Hb responden ke kotak Dependent List dan
pindahkan variabel Kelompok Perlakuan ke kotak Faktor

65
f. Selanjutnya klik Options, maka akan tampil sebagai berikut :
g. Berikanlah centang pada kotak Descriptive dan kotak Homogeneity of variance
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 :

66
i. Interpretasi hasil output :

67
1) Tabel Descriptive (merupakan ringkasan statistic dari keempat kelompok
perlakukan) :
Rata-rata Kadar Hb responden (ibu hamil) yaitu pada kelompok placebo
(10,75), kelompok perlakuan Fe (12,55), kelompok perlakuan vitamin C (11,60)
sedangkan pada kelompok perlakuan Fe & vitamin C (12,80).
2) Tabel Test of Homogeneity of Variances (menguji keseragaman varians)
dengan menggunakan Pendekatan Probabilistik :
a) Hipotesis
(1) Ho : Kedua varian populasi sama
(2) Ha : Kedua varian populasi berbeda
b) Penarikan kesimpulan dengan pendekatan probabilistic
Jika p.value > α (0,05), maka Ho diterima
Jika p.value ≤ α (0,05), maka Ho ditolak
Pada tabel Test of Homogeneity of Variances terdapat sig. 0,020, artinya
p.value (0,020) < α (0,05), maka Ho ditolak (kedua varian populasi berbeda)
3) Tabel Anova (bertujuan untuk menguji keempat perlakuan mempunyai rata-rata
yang sama) dengan menggunakan Pendekatan Probabilistik :
a) Hipotesis
(1) Ho : Tida ada perbedaan antara keempat perlakuan terhadap kadar Hb
Ibu hamil
(2) Ha : Ada perbedaan antara keempat perlakuan terhadap kadar Hb Ibu
hamil
b) Penarikan kesimpulan
(1) Pendekatan probabilistic
Jika p.value > α (0,05), maka Ho diterima


68
Jika p.value ≤ α (0,05), maka Ho ditolak
Pada tabel Anova terlihat p.value (0,000) < α (0,05), maka Ho ditolak,
artinya ada perbedaan antara keempat perlakuan terhadap kadar Hb Ibu
hamil
(2) Pendekatan Klasik
F hitung (15,975) > F tabel (2,86), maka Ho ditolak, artinya ada
perbedaan antara keempat perlakuan terhadap kadar Hb Ibu hamil
4) Tabel Multiple Comparisons
H. Uji Korelasi Pearson/Korelasi Product Moment
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).
I. Uji Korelasi Parsial
J. Uji Kontingensi (Contingency Coefficient C)
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
kecenderungan berjenis nominal atau ordinal (Danang Sunyoto, 2011).
Koefisien kontingensi digunakan untuk menghitung hubungan antar variabel bila
datanya berbentuk nominal. Teknik ini mempunyai kaitan erat dengan Chi Kuadrat yang
digunakan untuk menguji hipotesis Komparatif k independen (Prof. Dr. Sugiyono, 2011).

69
Koefisien Kontingensi © digunakan untuk mencari hubungan antara dua variabel
dimana variabeL X dan variabel Y dalam kategori nominal diskrit, akan tetapi dalam
beberapa penerapannya Koefisien Kontingensi © digunakan pula pada uji nominal
kontinyu (Handoko Riwidikdo, 2012).
1. Syarat syarat uji Kontingensi (Contingency Coefficient C)
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
didapat dilapangan adalah sebagai berikut :
No. Umur Ibu Hamil Kejadian BBLR

1. Berisiko BBLR
2. Berisiko BBLR
3. Tidak Berisiko Tidak BBLR
4. Berisiko BBLR
5. Tidak berisiko BBLR
6. Tidak berisiko Tidak BBLR
7. Tidak berisiko Tidak BBLR
9. Berisiko BBLR
10. Berisiko BBLR
14. Berisiko BBLR
15. Berisiko BBLR
16. Berisiko Tidak BBLR
17. Berisiko Tidak BBLR
18. Berisiko BBLR
19. Berisiko BBLR
20. Berisiko BBLR
K. Uji Korelasi Kendall Tau
Korelasi Kendall Tau digunakan untuk mencari hubungan dan menguji hipotesis
antara dua variabel atau lebih, bila datanya berbentuk ordinal. Kelebihan teknik ini bias

70
digunakan untuk menganalisis sampel yang jumlah anggotanya lebih dari 30 dan dapat
dikembangkan untuk mencari koefisien korelasi parsial (Handoko Riwidikdo, 2012).
Syarat-syarat uji Kendall Tau adalah sebagai berikut :
1. Datanya kategorik dan kategorik
2. Jumlah sampel > 30 orang (Handoko Riwidikdo, 2012).
Penafsiran pada range nilai yaitu 0 s/d 1 dengan kriteria sebagai berikut :
1. Koefisien asosiasinya 0 berarti tidak ada hubungan sama sekali
2. Koefisien asosiasinya < 0,5 kategori hubungan lemah
3. Koefisien asosiasinya > 0,5 kategori hubungan kuat
4. Koefisien asosiasinya 1 kategori hubungan sempurna (Aris Santjaka, 2011).
Interval Koefisien Tingkat Hubungan

0,00-0,199 Sangat Rendah
0,20-0,399 Rendah
0,40-0,599 Sedang
0,60-0,799 Kuat
0,80-1,000 Sangat Kuat
(B. Syarifudin, 2010)
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 :
0,00-0,25 Tidak ada hubungan/hubungan lemah

0,26-0.50 Hubungan sedang
0,51-0,75 Hubungan kuat
0,76-1,00 Hubungan sangat kuat/sempurna
Menurut JP. Guilford dalam Dr. Maman Abdurrahman, dkk (2011) mengklasifikasikan
kekuatan hubungan menjadi lima yaitu sebagai berikut :
Besar rxy Intepretasi

0,00 - < 0,20 Hubungan sangat lemah (dianggap tidak ada)
≥ 0,20 - < 0,40 Hubungan rendah
≥ 0,40 - < 0,70 Hubungan sedang/cukup

71
≥ 0,70 - < 0,90 Hubungan kuat/tinggi

≥ 0,90 - ≤ 1,00 Hubungan sangat kuat/tinggi
0 Tidak ada hubungan linier

-1 Hubungan linier negative sempurna
+1 Hubungan linier positf sempurna
(Dr. Sutanto Priyo Hastono dan Luknis Sabri, 2013)
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
Luknis Sabri, 2013).
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
dengan menurunnya jumlah permintaan (Dr. Maman Abdurrahman, dkk (2011).
L. Korelasi Spearman
Korelasi Spearman/ Spearman’s Coefficient of (Rank) Correlation dipergunakan
apabila kita punya dua buah variabel X dan Y yang kedua-duanya punya tingkat
pengukuran berskala ordinal (Dr. Maman Abdurrahman, dkk (2011).
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
berpasangan/sampel (Danang Sunyoto, 2011), (Danang Sunyoto, 2012) & (Danang
Sunyoto & Ari Setiawan, 2013).

72
Syarat uji korelasi spearman adalah :
1. Jumlah data 10-30 sampel
2. Data kategork (Ordinal)
3. Data tidak berdistribusi normal
4. Hubungan tidak linieritas (B. Syarifudin, 2010).
Syarat uji korelasi spearman adalah :
1. Tujuan ujinya mencari hubungan antara dua variabel yaitu X sebagai variabel
independen atau sebab dan Y sebagai variabel dependen atau akbat
2. Skala data minimal ordinal
3. Besar sanpel paling kecil 4 sampai 30 subyek yang diteliti (Aris Santjaka, 2011).

BAHAN AJAR MANAJEMEN DATA-OK Reg D

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

BAHAN AJAR MANAJEMEN DATA-OK Reg D

Diunggah oleh

Hak Cipta:

Format Tersedia

1

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

Pada perkembangan awalnya statistic diartikan sebagai keterangan-keterangan yang

berwujud angka (Teguh Wahyono, 2012).

computer (Teguh Wahyono, 2012).

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

mengecek isi data, print, dan keluar dari program.

data, menggabungkan data, membagi data.

tertentu seperti compute variabel, rank cases, automatic recode.

bivariate parametric dan bivariate non parametik

By. Norfai, SKM., M.Kes

Variabel View Memasukkan dan mendefinisikan variabel

Name Memberikan nama data

Type Menentukan tipe data

Width Menentukan Lebar Kolom

Decimals Memberikan nilai desimal

Label Memberi nama variabel

Values Memberikan koding pada data nominal atau ordinal

Missing Menentukan data yang hilang

Columns Menentukan lebar kolom

Align Menentukan rata kanan, kiri atau tengah

Measure Menentuka skala pengukuran data (Scale, nominal atau ordinal

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

1. Membuat nama variabel (Name) 1. Nama variabel diawali dengan huruf

B. Uji Validitas & Reliabilitas

ingin diukur dengan mengunakan alat bantu computer program SPSS.

Validitas kuesioner dilakukan dengan membandingkan antara nilai r hasil dengan r

didapatkan dengan menggunakan tabel r yang terlampir dan menggunakan 𝑑𝑓 = 𝑛 − 2 =

By. Norfai, SKM., M.Kes

yang didapatkan dilapangan.

By. Norfai, SKM., M.Kes

1. Uji validitas dan reliabilitas versi 1

Langkah-Langkah dalam penginputan adalah sebagai berikut :

a. Buka program aplikasi computer SPSS

c. Pilihlah numeric pada kotak type untuk keperluan analisis

d. Isian pada kotak width tetap dibiarkan 8

e. Pilih lah angka 0 pada kotak decimal

tampil sebagai berikut :

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

h. Kemudian Klik Analyze Scale Reliability Analysis, maka akan tampil

seperti gambar dibawah ini :

i. Kemudian masukkan semua pertanyaan/pernyataan kedalam kotak items setelah itu

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

j. Maka hasil akhirnya seperti tampilan di bawah ini :

k. Interpretasi Hasil pada tabel diatas adalah sebagai berikut :

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

2. Uji validitas dan reliabilitas versi 2

a. Buka program aplikasi computer SPSS

b. Input semua pertanyaan seperti cara versi 1

c. Klik Analyze Correlate Bivariate, kemudian pindahkan semua

pertanyaan dan skor semua pertanyaan kedalam kotak variables

gambar dibawah ini :

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

Bahan Ajar Manajemen Data

By. Norfai, SKM., M.Kes

Berdasarkan tabel diatas bahwa semua pertanyaan dibandingkan dengan r tabel,

dimana r tabel didapatkan dengan menggunakan tabel r yang terlampir dan