Anda di halaman 1dari 44

TUGAS PRAKTIK STATISTIK KESEHATAN

OLEH :

I PUTU YOAN SUGIANTARA


(P07120217026)
TINGKAT III S.Tr KEPERAWATAN SEMESTER VI

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA


POLITEKNIK KESEHATAN DENPASAR
JURUSAN KEPERAWATAN
2020
SOAL dan JAWABAN

1. Sebutkan dan jelaskan secara singkat komponen dan fungsi menu yang
terdapat dalam SPSS yang sering digunakan!
Jawaban/Pembahasan :
komponen dan fungsi menu yang terdapat di dalam aplikasi SPSS antara lain
adalah :
a. File
File adalah menu yang pertama dari data editor yang memiliki fungsi
untuk melakukan pengaturan operasional dari file-file di aplikasi SPSS.
seperti membuka file, menutup file, dan lain sebagainya. Komponen
komponen utama pada menu file tersebut antara lain yakni :
 New : digunakan untuk membuat file yang baru di aplikasi SPSS.
 Open: digunakan untuk membuka file yang ada sebelumnya.
 Save : digunakan untuk menyimpan suatu file yang ada dan telah
dibuat.
 Print : digunakan untuk mengoperasikan system untuk melakukan
penmencetak data.
 Exit : digunakan untuk keluar dari tampilan data editor di SPSS.
b. Edit
Edit adalah menu kedua dari data editor yang memiliki fungsi untuk
melakukan suatu perbaikan serta perubahan pada data/kasus, menemukan
nomor kasus, menambah variable, dan lain sebagainya. Komponen
komponen utama pada menu edit tersebut antara lain yakni : undo, redo,
cut, copy, paste, clear dan option.
c. View
View adalah menu ketiga dari data editor yang memiliki fungsi untuk
menyajikan penampilan data, toolbars, dan juga output SPSS dilayar
monitor. Saat kita melakukan pengoperasian, menu ini tidak akan merubah
isi variable (data) dan tidak mempengaruhi perhitungan statistik yang
dilakukan. Kita dapat mengubah tampilan menu sesuai keinginan.
Komponen komponen utama pada menu view tersebut antara lain yakni:
 Status bar : ketika menu ini aktif (tercentang), tampilan status SPSS
yang terletak di bagian bawah layar kiri SPSS akan muncul tulisan
“processor is ready”. Dimana kalimat ini akan muncul pada status bar,
yang berarti aplikasi SPSS siap melakukan pengolahan data.
 Toolbars : merupakan menu yang memiliki fungsi untuk mengatur
tampilan toolbars yang ada pada aplikasi SPSS.
 Fonts : merupakan menu yang memiliki fungsi yang memungkinkan
kita dalam mengatur font (bentuk tulisan), font style (gaya tulisan), dan
size (ukuran).
 Grid Lines : ketika menu ini dinonaktifkan, garis grid baik vertikal
maupun horizontal (kolom/kotak) akan menghilang dan data editor akan
tampak polos. Jika menu ini diaktifkan, maka akan ada perbedaan letak
yang terlihat jelas.
 Value label : merupakan menu yang memiliki fungsi untuk melihat data
yang diberi kode dan apa saja kategorinya.
d. Data
Data adalah menu keempat dari data editor yang memiliki fungsi untuk
melaukan modifikasi data secara keseluruhan seperti mengurutkan data,
menggabungkan data, dan lain sebagainya.
e. Transform
Data adalah menu kelima dari data editor yang memiliki fungsi untuk
menstransformasikan data berdasarkan pada kriteria tertentu seperti
penjumlahan antar variable, recording, dan lain lain. Komponen
komponen utama pada menu transform tersebut antara lain yakni: compute
variabel, recode into same variabel, rank cases, hingga run pending
transformation.
f. Analyze
Analyze adalah menu keenam dari data editor yang merupakan pusat dari
SPSS, hal itu disebabkan karena pada menu inilah seluruh perhitungan
statistik dilakukan. Mulai dari analisis deskriptif seperti menampilkan
tabel dan grafik, sampai dengan analisis yang lebih kompleks. Komponen
komponen utama pada menu analyze tersebut antara lain yakni: descriptive
analysis, tables, compare mean, hingga ROC curve.
g. Direct Marketing
Direct Marketing adalah salah satu menu dari data editor yang merupakan
fasilitas terbaru SPSS yang diperuntukan pada penggunaan dengan latar
belakang (pekerjaan) pemasaran, khususnya direct marketing.
h. Graphs
Graphs adalah salah satu menu dari data editor yang memiliki fungsi untuk
menampilkan grafik atau chart yang merupakan hasil dari suatu
perhitungan statistik data yang ada pada data editor. Pada menu graphs ini,
kita dapat membuat berbagai macam tampilan grafik seperti grafik batang,
grafik garis, grafik lingkatan dan lain-lain.
i. Utilites
Utilites adalah salah satu menu dari data editor yang memiliki fungsi
sebagai tambahan pengerjaan data statistik dengan SPSS.
j. Add-Ons
Add-ons adalah salah satu menu dari data editor yang menyediakan paket
instalasi SPSS lainnya baik aplikasi, module, dan extension.
k. Window
Window adalah salah satu menu dari data editor yang memiliki fungsi
untuk menampilkan window (jendela) apa sajakah yang saat ini ada di
SPSS. Misalkan ada satu file pada data editor dan satu file pada output
navigator, maka pada window tampak dua file dengan nama masing-
masing. Selain itu, menu window juga mempunyai fungsi untuk
meminimalkan tampilan SPSS.
l. Help
Help adalah salah satu menu dari data editor yang memiliki fungsi untuk
memandu pengguna SPSS yang merasa kesulitan dengan kompleksitas
SPSS. Dalam menu help ini terdapat :
 Topik : berfungsi untuk melihat tiap topik mengenai cara kerja SPSS.
 Tutorial : berfungsi untuk melihat tiap topik mengenai cara kerja SPSS,
bisa tiap topik yang khusus dengan mencari kata kunci lewat index
tutorial berkaitan dengan topik.
 Statistik coach : berfungsi untuk melihat tiap topik statistik yang
diperlukan dan kaitannya dengan pengerjaan.
m. Data View
Merupakan hasil dari pemberian nama atau pemberian variable pada
variable view.
n. Variable View
Merupakan salah satu cara untuk memasukkan nama variable yang
selanjutnya akan diolah dalam program statistik SPSS.

2. Jelaskan bagian utama Data View dalam SPSS data editor!


Jawaban/Pembahasan :
Bagian utama dari data view di dalam aplikasi SPSS data editor antara lain
adalah:
a. Kolom
Kolom adalah bagian dari data view di dalam aplikasi SPSS data editor
yang memiliki ciri ciri seperti adanya kata variable dalam setiap
kolomnya. Kolom yang terdapat di dalam aplikasi SPSS ini akan diisi oleh
variable seperti Nomor, Nama, TB, BB, Sex dan lain sebagainya
b. Baris
Baris adalah bagian dari data view di dalam aplikasi SPSS data editor yang
memiliki ciri ciri seperti adanya angka 1,2,3 dan juga seterusnya. Baris
yang terdapat di dalam aplikasi SPSS ini akan diisi oleh data seperti nama
orang : Wayan,Made,Nyoman,Ketut dan lain sebagainya

3. Jelaskan apa saja yang perlu diatur dalam variable view sebelum dilakukan
input data statistic, berikan contohnya!
Jawaban/pembahasan :
Yang perlu kita atur di dalam menu variable view sebelum melakukan suatu
input data statistik antara lain adalah :
a. Name
Name merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk memasukan
nama variable. Dimana nama variabel ini diketik secara singkat karena
karakter pada kolom ini sangat terbatas.
b. Type
Type merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk menetukan
tipe variable. Variable yang dimaksud seperti numerik, comma, dot, string,
date, dollar, dan lain sebagainya.
c. Width
Width merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk menentukan
lebar data atau banyaknya angka (karakter data)
d. Decimal
Decimal merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk menentukan
banyaknya angka yang ada di belakang tanda koma.
e. Label
Label merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk memberi
penjelasan nama variable yang cukup panjang dan umumnya perlu di
berikan spasi (space).
f. Missing
Missing merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk memberi
tanda data yang hilang atau tidak ada isinya. Contohnya seperti responden
yang tidak punya nama, maka akan dianggap missing.
g. Collum
Collum merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk
menyediakan lebar kolom yang kita perlukan untuk pemasukan suatu data.
h. Align
Align merupakan salah satu yang perlu kita atur di dalam variable view
sebelum dilakukan input data statistik yang difungsikan untuk
memposisikan data (kanan, kiri, tengah sel). Oleh karena itu maka telah
tempatkan pointer pada sel tersebut. Cara mengaturnya yakni dengan
membuka kotak combo dan kemudian utnuk keseragaman maka pilih left
atau right atau juga center.
i. Measure
Measure merupakan salah satu hal yang penting di dalam aplikasi SPSS
data editor, karena menyangut tipe variabel yang nantinya menentukan
jenis analisis yang akan kita gunakan nanti.

4. Anda adalah seorang Sekretaris Kepala Bidang Keperawatan di RSU Cepat


Sembuh. Bulan depan akan diadakan pemilihan Perawat Teladan tahun 2008.
Maka dilakukan serangkaian proses seleksi tahap akhir, ada 10 orang yang
lulus, dan akan ditentukan yang terbaik dengan memberikan serangkaian test.
Test yang akan dilakukan adalah: psiko test, TPA, test kepemimpinan,
wawasan keperawatan dengan range skor 0-100. Data yang terkumpul berupa
data pribadi dan data test. Anda akan mengolah data tersebut sesuai
permintaan Kepala Bidang Keperawatn untuk presentasi dalam rapat pimpinan
RS. Inputlah data tersebut ke dalam SPSS data editor. Jelaskan langkah-
langkahnya !
Jawaban/pembahasan :
Berikut ini adalah langkah-langkah melakukan penginputan data di atas ke
dalam aplikasi SPSS data editor adalah :
a. Membuka program aplikasi SPSS data editor
b. Klik Variable View yang berada di pojok kiri bawah tampilan data editor
umtuk mengatur variable sebelum menginput data pada Data View. Pada
Variabel View terdapat beberapa kolom yakni kolom name, type, width,
decimal, label, value, missing, columns, align, measure, dan role.
Seperti gambar dibawah ini
c. Pada kolom name diisi dengan nama variabel data, misalnya no, nm_per,
asal, sex, pndd_kep, th_lulus, lm_krj, pngkt, bb, tb, jbtan, psikotes, tpa,
kpmpn, wwsn_pr, dll. Pada variables yang karakternya panjang dapat
disingkat terlebih dahulu, untuk mengganti spasi dipakai tanda (_).
d. Pada kolom type terdapat beberapa pilihan yaitu: String jika data yang ada
tidak akan diolah sedangkan Numeric untuk data yang akan diolah. Untuk
variable no, nm_pr dipergunakan type string dan seterusnya.

e. Pada kolom width dapat diubah sesuai dengan keinginan, di sini tersedia
1-255 digit untuk data bertipe string.
f. Pada kolom decimal tidak perlu diperhatikan jika data String. Apabila data
Numeric diatur sesuai dengan keinginan apakah tidak menggunakan angka
dibelakang koma atau menggunakan 1 angka dibelakang koma seperti
mengisi 0,1, 2 dll yang akan menjadi ( 0 : 1, 1 : 1.0, 2 : 1.00, dll).
g. Pada kolom label diisi keterangan nama variable secara lengkap, yang
akan ditampilkan pada data view dan out put. Misal variable no pada Label
diisi dengan Nomor, variable nm_pr diisi dengan Nama Perawat, dan
seterusnya.
h. Pada kolom values, untuk data String dikosongkan. Tetapi untuk data
Numeric pada values di klik kemudian terdapat tanda kotak kecil di pojok
kanan bawah, maka akan muncul kotak. Pada kotak-kotak tersebut kita
mengatur kode dari data (mengkategorikan data), misalkan pada kolom
value di isi angka 1 dan pada kolom label di Denpasar. Kemudian add.
Setelah selesai membuat kode, maka klik OK. Lanjutkan seterusnya pada
data numeric

i. Pada kolom Mising apabila tidak terdapat data yang hilang maka
diabaikan saja.
j. Pada kolom Columns menyediakan lebar kolom yang diperlukan untuk
pemasukan data yang boleh diatur sesuai dengan keinginan.
k. Pada kolom Align mengatur posisi data baik kanan, kiri, dan tengah sel
yang dapat diatur sesuai dengan keinginan.
l. Pada kolom Measure menyangut tipe variabel yang nantinya menentukan
jenis analisis yang digunakan. Secara default akan terpilih Nominal jika
variabel bertipe String (setara), Ordinal (bertingkat) dan akan terpilih
Scale jika data bertipe Numeric.
m. Isi kolom-kolom tersebut dengan variabel dan kelengkapannya pada
Variable View. Tampilan pada Variable View :

n. Setelah selesai lihat tampilannya di Data View. Klik di pojok bawah kiri,
maka akan muncul tampilannya.
o. Kemudian masukan data sesuai dengan variabel yang ada. Khusus untuk
data yang berjenis Numerik, maka klik di View dan klik Value Labels,
akan muncul beberapa pilihan sesuai dengan kategori yang dimasukan tadi
di variable view pada Kolom Values.
p. Tampilan pada Data View yang sudah dilengkapi datanya :
5. Anda bertugas di Ruang Luka Bakar, RS Cepat Sembuh. Dalam rangka
penelitian kualitatif yang Anda lakukan, Anda memberikan kuisioner dan
melakukan observasi terhadap beberapa indikator pada pasien dengan grade
luka bakar yang sama. Hasilnya adalah sebagai berikut :
Tabel 1 : Tabulasi Hasil Kuisioner Dan Observasi Pasien Luka Bakar Grade 2a Di
Ruang Combustio

Lama
Tingkat Skala
No Pasien Persepsi Penyembuhan
Kepatuhan Nyeri
Luka (hari)
1 Kori 12 8 5 12
2 Lane 12 8 8 12
3 Muka 15 9 4 13
4 Nanoe 18 7 5 15
5 Orange 16 5 4 14
6 Paijo 17 7 8 12
7 Quiril 17 4 7 10
8 Roro 18 2 1 13
9 Tanjung 19 5 2 11
10 Urat 20 6 3 15
11 Versa 17 9 4 15
12 Wulan 18 8 5 14
13 Xenon 15 9 6 16
14 Yuri 12 4 8 17
15 Zuin 15 5 7 14
Anda ingin mengubah data variable di atas menjadi data ordinal dengan
kriteria Persepsi (sangat baik : jika skor 18-20, baik jika skor 12-17, kurang
baik, jika skor <12), Tingkat Kepatuhan (patuh : jika skor 7-10, kurang patuh :
jika skor 4-6, tidak patuh jika skor <4), Skala Nyeri (ringan : jika skor 0-3,
sedang : jika skor 4-6, berat: jika skor 7-10), Lama Penyembuhan Luka
(cepat : jika <12 hari, lambat : jika 13-16 hari, sangat lambat : jika >16 hari).

a. Jelaskan langkah-langkahnya !
b. Lakukan Uji Beda Tingkat Kepatuhan dengan Lama Penyembuhan
Luka
c. Lakukan Uji Hubungan Persepsi Pasien dengan Kepatuhan Perawatan
Luka !
Jawaban/pembahasan :
A. Langkah-Langkah Input data di atas ke SPSS
a. Bukalah program aplikasi SPSS
b. Klik Variable View di pojok kiri bawah tampilan data editor untuk
mengatur variable sebelum menginput data pada Data View. Pada
Variabel View terdapat beberapa kolom yakni kolom name, type,
width, decimal, label, value, missing, columns, align, measure, dan
role.

c. Pada kolom name diisi dengan nama variabel data sesuai dengan soal,
seperti no, nm_px, prsp, tk_patuh, skl_nyr, lm_pny. Pada variables
yang karakternya panjang dapat disingkat terlebih dahulu, untuk
mengganti spasi dipakai tanda (_).
d. Pada kolom type terdapat beberapa pilihan yaitu : String jika data yang
ada tidak akan diolah. Sedangkan ubah menjadi Numeric untuk data
yang akan diolah.
e. Pada kolom width dapat dirubah sesuai dengan yang kita inginkan, di
sini tersedia 1-255 digit untuk data bertipe string.
f. Pada kolom decimal tidak perlu diperhatikan jika data String. Apabila
data Numeric diatur sesuai dengan keinginan apakah tidak
menggunakan angka dibelakang koma atau menggunakan 1 angka
dibelakang koma seperti mengisi 0,1, 2 dll yang akan menjadi ( 0 : 1, 1
: 1.0, 2 : 1.00, dll).
g. Kolom label diisi keterangan nama variable secara lengkap, yang akan
ditampilkan pada data view dan out put. Misal variable no pada Label
diisi dengan Nomor, variable nm_px diisi dengan Nama Pasien, dan
seterusnya.
h. Untuk kolom values, data String dikosongkan saja. Nmun untuk data
Numeric pada values di klik kemudian terdapat tanda kotak kecil di
pojok kanan bawah, maka akan muncul kotak. Pada kotak-kotak
tersebut kita mengatur kode dari data (mengkategorikan data),
misalkan pada kolom value di isi angka 1 dan pada kolom label Sangat
Baik. Kemudian add. Setelah selesai membuat kode, maka klik OK.
Namun pada data diatas tidak dilakukan pengisiin data pada Values.
Maka biarkan saja kosong (none).
i. Pada kolom Mising apabila tidak terdapat data yang hilang maka
diabaikan saja.
j. Pada kolom Columns menyediakan lebar kolom yang diperlukan untuk
pemasukan data yang boleh diatur sesuai dengan keinginan.
k. Pada kolom Align mengatur posisi data baik kanan, kiri, dan tengah sel
yang dapat diatur sesuai dengan keinginan.
l. Pada kolom Measure menyangut tipe variabel yang nantinya
menentukan jenis analisis yang digunakan. Secara default akan terpilih
Nominal jika variabel bertipe String (setara), Ordinal (bertingkat) dan
akan terpilih Scale jika data bertipe Numeric.
m. Isi kolom-kolom tersebut dengan variabel dan kelengkapannya pada
Variable View. Setelah selesai lihat tampilannya di Data View. Klik di
pojok bawah kiri, maka akan muncul tampilannya. Kemudian
masukan/input data sesuai dengan variabel yang ada.
n. Karena Variable Data diminta menjadi Ordinal maka klik Data View
pada data editor kemudian caranya klik data yang ingin diubah ke data
ordinal, klik menu transform record into different variables.

o. Kemudian masukkan data persepsi pada Numeric Variable – Output


Variable dan nama “persepsi” di ubah menjadi “persepsi_grp”
change old and view new values.

p. Pada kolom range di ketik 18 dan pada kolom trough di ketik angka
20 pada output variables are strings with diberi tanda, kemudian
pada new value diketik “Sangat Baik” Add. Ulangi lagi memberikan
kategori pada kolom range di ketik 12 dan pada kolom truoght di ketik
17, pada new value diketik ”Baik” Add, kemudian ulangi lagi,
dengan mengisi range lowest through dengan angka 12, pada new
values diketik “Kurang Baik”Add continue  OK. Maka secara
otomatis akan bertambah 1 kolom variables pada Data View dan 1
baris variables pada Variable View. Seperti gambar dibawah ini :

q. Lakukan cara tersebut pada Variable Data yang ingin diubah menjadi
Ordinal hingga semua data yang di minta menjadi Ordinal.
r. Maka tampilan pada Variable View akan menjadi :

s. Untuk melihat Data View yang telah dibuat klik Data View pada data
editor SPSS dan tampilan pada Data View menjadi :
B. Lakukan Uji Beda Tingkat Kepatuhan dengan Lama Penyembuhan Luka
a. Buka tampilan Data View dengan klik Data View pada tampilan data
editor SPSS.
b. Kemudian hal pertama yang harus kita lakukan adalah Uji Normalitas
untuk menilai sebaran data pada sebuah kelompok data atau variabel
apakah sebaran data tersebut berdistribusi normal ataukah tidak.
Dengan cara klik Analyze --- Descriptive Statistics --- Explore ---
masukkan data Tingkat Kepatuhan dan Lama Penyembuhan pada
Dependet List ---kemudian pada Display klik Plots --- pada Plots klik
Normality Plots with Test --- klik OK.
Karena Sig > α yakni pada Tingkat Kepatuhan 0.216 > 0.05 dan pada
Lama Penyembuhan Luka 0.941 > 0.05 maka dapat dikatakan data
berdistribusi normal.

c. Lakukan Uji Normalitas lain dengan Skew dan S.E tujuannya untuk
mengetahui apakah Data Parametrik (Data Normal) atau Data Non
Parametrik (Data Tidak Normal) dengan cara klik Analyze ---
Descriptive Statistics --- Explore --- masukkan data Tingkat Kepatuhan
dan Lama Penyembuhan pada Dependet List --- kemudian pada
Display klik Statistics --- klik OK. Ketika muncul hasil, salin hasil
tersebut ke dalam Microsoft Excel dan lakukan perhitungan dengan
membagi Skewness / S.E apabila hasilnya -2 < x < 2 maka Data
Normal.
Dari data diatas pada Tingkat Kepatuhan hasilnya -0.7799 dan pada
Lama Penyembuhan Luka hasilnya -0.10098 dan berada dalam rentang
-2 < x < 2 yang artinya Data Normal.

d. Uji Beda ini disebut Uji Beda Berpasangan karena tidak memiliki
kontrol grup dan samplenya dari 1 group sample (anggota sample yang
sama) dan data berskala interval/rasio. Karena telah dilakukan Uji
Normalitas sebelumnya dan ditemukan Data Normal maka disebut Uji
Parametrik dengan menggunakan Uji Paired Sample T Test =
Dependent T Test.
e. Lakukan Uji Paired Sample T Test dengan cara klik Analyze ---
Compare Means --- Paired Sample T Test --- masukkan data Tingkat
Kepatuhan dan Lama Penyembuhan pada Paired Variable --- klik OK.

Deskripsi Hasil :
a. Didapatkan nilai sig (2-tailed) yakni 0.000 yang mana sig < α yaitu
0.000 < 0.005 yang berarti H0 ditolak dan H1 diterima (bermakna).
b. Interprestasi : Terdapat perbedaan bermakna antara tingkat
kepatuhan dengan lama penyembuhan luka.
C. Uji Hubungan Persepsi Pasien dengan Kepatuhan Perawatan Luka
a. Buka tampilan Data View dengan klik Data View pada tampilan data
editor SPSS.
b. Kemudian hal pertama yang dilakukan adalah Uji Normalitas untuk
menilai sebaran data pada sebuah kelompok data atau variabel apakah
sebaran data tersebut berdistribusi normal ataukah tidak. Dengan cara
klik Analyze --- Descriptive Statistics --- Explore --- masukkan data
Persepsi dan Tingkat Kepatuhan pada Dependet List ---kemudian pada
Display klik Plots --- pada Plots klik Normality Plots with Test --- klik
OK.

Karena Sig > α yakni pada Persepsi 0.160 > 0.05 dan pada Tingkat
Kepatuhan 0.216 > 0.05 maka dapat dikatakan data berdistribusi
normal.

c. Lakukan Uji Normalitas lain dengan Skew dan S.E tujuannya untuk
mengetahui apakah Data Parametrik (Data Normal) atau Data Non
Parametrik (Data Tidak Normal) dengan cara klik Analyze ---
Descriptive Statistics --- Explore --- masukkan data masukkan data
Persepsi dan Tingkat Kepatuhan pada Dependet List --- kemudian
pada Display klik Statistics --- klik OK. Ketika muncul hasil, salin
hasil tersebut ke dalam Microsoft Excel dan lakukan perhitungan
dengan membagi Skewness / S.E apabila hasilnya -2 < x < 2 maka
Data Normal.

Dari data diatas pada Persepsi hasilnya -0.81697 dan pada Tingkat
Kepatuhan hasilnya -0.7799 dan berada dalam rentang -2 < x < 2 yang
artinya Data Normal.
d. Uji Hubungan termasuk Uji Parametrik karena saat dilakukan Uji
Normalitas didapatkan bahwa Data Normal dan selanjutnya dilakukan
Uji dengan menggunakan Uji Korelasi yang bertujuan mencari
hubungan variable bebas dengan variable terikat dan dengan data
berbentuk interval/rasio.
e. Lakukan Uji Korelasi dengan cara klik Analyze --- Correlate ---
Bivariate --- masukkan data Persepsi dan Tingkat Kepatuhan pada
Variables --- pada Correlation Coeffcients klik Pearson ---- pada Test
of Significance klik Two-tailed --- klik Flag significant correlations ---
klik OK.

Deskripsi Hasil :
a. Pada baris Pearson Correlation didapatkan nilai r sebesar 0.212 dan
sig 0.447 yang mana Sig > α
b. Simpulan Ho gagal ditolak (karena Sig > α)
c. Tanda – menunjukkan arah hubungan negatif.
d. Angka r sebesar 0.212 menyatakan kuat hubungan : lemah.
e. Interprestasi : Tidak terdapat hubungan bermakna antara persepsi
dengan tingkat kepatuhan perawatan luka.
6. Anda ingin mengetahui apakah ada perbedaan vital sign dan kesadaran pasien
post trepanasi hari ketiga yang dirawat diruang HCU RS Cepat Sembuh
selama 2 minggu depan dengan menggunakan lembar evaluasi yang telah anda
buat. Lembar evaluasi dan hasilnya sebagai berikut:
Tabel 2: Lembar Evaluasi danan Hasil Vital Sign dan Kesadaran Pasien Post Trepanasi
Hari Ketiga Di Ruang HCU

Pernafasan
Nama Nadi TD Sistolik (mmHg) Kesadran
No (x/menit)
Pasien
B A D O B A D O B A D O Cm Ap Co
1 Soplo   90       120       22       √  
2 Sare 100               30        √    
3 Sudik     80       120       14        √
4 Sopor     82       100       16    √    
5 Sade        84       100       18    √  
6 Tora   98       110       24          √
7 Toni 100               32           √ 
8 Tono   96       110       20       √   
9 Tani     84       110       18      √  
10 Taru     86       110       16      √  
11 Toro       88       90          √    
12 Tero     80       120              √  
Keterangan : B (bayi), A (anak), D (dewasa), O (orang tua), Cm
(composmentis), Ap (Apatis), Co (Coma). Anda ingin memasukkan ke dalam
data editor SPSS. Jelaskan cara bagaimana anda menginput data tersebut ke
dalam file data editor SPSS !
Jawaban/pembahasan :
Berikut ini adalah langkah-langkah dalam menginput data di atas ke dalam
SPSS data editor adalah sebagai berikut ini :
a. Bukalah aplikasi data editor SPSS.
b. Klik Variable View di pojok kiri bawah tampilan data editor umtuk
mengatur variable sebelum menginput data pada Data View. Pada
Variabel View terdapat beberapa kolom yakni kolom name, type, width,
decimal, label, value, missing, columns, align, measure, dan role.
c. Isi kolom Name dengan variable data tersebut (No, Nama Pasien, Umur,
Nadi, TD Sistolik, Pernafasan, Kesadaran) yang disingkat terlebih dahulu
apabila variablenya panjang menjadi (no, nm_px, umur, nadi, td, prnpsn,
ksdrn) dan gunakan (_) untuk mengganti spasi.
d. Pada kolom Type pilihlah jenis data dari masing-masing variable
(numerik/string).

e. Pada kolom Width dan Decimal dapat diatur sesuai dengan keinginan
masing-masing.
f. Lengkapi kolom Label dengan nama variable yang ingin ditampilkan pada
data view dapat mengisi variable lebih panjang seperti Nomor, Nama
Pasien, Umur, Tekanan Darah Sistolik, dll.
g. Pada kolom Value, untuk data yang numeric yang ingin dikategorikan,
aturlah kolom value dengan cara mengklik kolom tersebut, sehingga
muncul kotak kecil di kanan bawah. Klik kotak tersebut, maka akan
muncul value labels. Kategorikan data yang ada (1 =Bayi Add, 2 =Anak
Add, 3 = Dewasa Add, 4 = Orang TuaAdd) setelah selesai klik
OK.

h. Pada kolom Mising apabila tidak terdapat data yang hilang maka
diabaikan saja.
i. Pada kolom Columns menyediakan lebar kolom yang diperlukan untuk
pemasukan data yang boleh diatur sesuai dengan keinginan.
j. Pada kolom Align mengatur posisi data baik kanan, kiri, dan tengah sel
yang dapat diatur sesuai dengan keinginan.
k. Pada kolom Measure menyangut tipe variabel yang nantinya menentukan
jenis analisis yang digunakan. Secara default akan terpilih Nominal jika
variabel bertipe String (setara), Ordinal (bertingkat) dan akan terpilih
Scale jika data bertipe Numeric.
l. Isi kolom-kolom tersebut dengan variabel dan kelengkapannya pada
Variable View. Tampilan pada Variable View :

m. Setelah selesai lihat tampilannya di Data View. Klik di pojok bawah kiri,
maka akan muncul tampilannya.
n. Kemudian masukan data sesuai dengan variabel yang ada. Khusus untuk
data yang berjenis Numerik, maka klik di View dan klik Value Labels,
akan muncul beberapa pilihan sesuai dengan kategori yang dimasukan tadi
di variable view pada Kolom Values.
o. Tampilan pada Data View yang sudah dilengkapi datanya :
7. Untuk menentukan penambahan jumlah tenaga keperawatan di Ruang
Emergency, Anda ingin mengetahui bagaimana tingkat kesibukan perawat
dengan menghitung jumlah pasien yang datang setiap shift jaga dan jumlah
kasus yang diterima pada di masing-masing bagian setiap shift selama 1
minggu.
Tabel 3: Tabulasi Hasil Observasi Jumlah Pasien Yang Berobat Ke Unit Emergency

Jumlah Pasien
Setiap Jumlah kasus di bagian setiap shif jaga
Hari
Shif Jaga Pagi Sore Malam

Pagi Sore Malam K B I K B I K B I

1 47 73 30 12 15 20 8 25 40 5 10 25

2 37 45 46 12 16 21 9 18 18 8 8 30

3 57 54 54 21 18 18 5 24 25 12 14 28

4 67 72 44 25 30 12 14 26 32 15 13 16

5 30 55 54 12 12 6 12 18 25 14 16 14

6 46 49 46 10 18 18 4 30 15 8 20 18

7 44 72 46 11 22 11 8 45 19 10 16 20

Anda ingin memasukan ke dalam data editor SPSS. Jelaskan cara bagaimana
anda menginput data tersebut ke dalam 1 file data editor ! Lakukan Uji Beda
antar jumlah kasus di K (Kebidanan), B (Bedah), dan I (Interna) !
Jawaban/pembahasan :
A. Langkah-Langkah Menginput Data di Atas ke dalam SPSS
a. Bukalah program SPSS
b. Klik Variable View di pojok kiri bawah tampilan data editor untuk
mengatur variable sebelum menginput data pada Data View. Pada
Variabel View terdapat beberapa kolom yakni kolom name, type,
width, decimal, label, value, missing, columns, align, measure, dan
role.
c. Pada kolom name diisi dengan nama variabel data, seperti hr, shift, k,
b, i, dan jml. Pada variables yang karakternya panjang dapat disingkat
terlebih dahulu, untuk mengganti spasi dipakai tanda (_).
d. Pada kolom type terdapat beberapa pilihan yaitu : String jika data yang
ada tidak akan diolah sedangkan Numeric untuk data yang akan diolah.

e. Pada kolom width dapat diubah sesuai dengan keinginan, di sini


tersedia 1-255 digit untuk data bertipe string.
f. Pada kolom decimal tidak perlu diperhatikan jika data String. Apabila
data Numeric diatur sesuai dengan keinginan apakah tidak
menggunakan angka dibelakang koma atau menggunakan 1 angka
dibelakang koma seperti mengisi 0,1, 2 dll yang akan menjadi ( 0 : 1, 1
: 1.0, 2 : 1.00, dll).
g. Pada kolom label diisi keterangan nama variable secara lengkap, yang
akan ditampilkan pada data view dan out put. Misal variable hr pada
Label diisi dengan Hari Kerja, variable shift diisi dengan Shift, dll.
h. Pada kolom values, untuk data String dikosongkan. Tetapi untuk data
Numeric pada values di klik kemudian terdapat tanda kotak kecil di
pojok kanan bawah, maka akan muncul kotak. Pada kotak-kotak
tersebut kita mengatur kode dari data (mengkategorikan data),
misalkan pada variable hr, kolom value di isi angka 1 dan pada kolom
label Hari 1. Kemudian add, dan seterusnya. Setelah selesai membuat
kode, maka klik OK.
i. Pada kolom Mising apabila tidak terdapat data yang hilang maka
diabaikan saja.
j. Pada kolom Columns menyediakan lebar kolom yang diperlukan untuk
pemasukan data yang boleh diatur sesuai dengan keinginan.
k. Pada kolom Align mengatur posisi data baik kanan, kiri, dan tengah sel
yang dapat diatur sesuai dengan keinginan.
l. Pada kolom Measure menyangut tipe variabel yang nantinya
menentukan jenis analisis yang digunakan. Secara default akan terpilih
Nominal jika variabel bertipe String (setara), Ordinal (bertingkat) dan
akan terpilih Scale jika data bertipe Numeric.
m. Isi kolom-kolom tersebut dengan variabel dan kelengkapannya pada
Variable View. Setelah selesai lihat tampilannya di Data View. Klik di
pojok bawah kiri, maka akan muncul tampilannya. Kemudian
masukan/input data sesuai dengan variabel yang ada.
n. Maka tampilan pada Variable View akan menjadi :
o. Untuk melihat Data View yang telah dibuat klik Data View pada data
editor SPSS dan tampilan pada Data View menjadi :
B. Lakukan Uji Beda antara jumlah kasus di K (Kebidanan), B (Bedah) dan I
(Interna)
1) Buka tampilan Data View dengan klik Data View pada tampilan data
editor SPSS.
2) Karena akan melakukan Uji Beda pada 3 populasi yang memiliki data
sample yang berbeda maka terlebih dahulu mengatur Variable View
dengan menjadikan data diatas menjadi 2 Variable.
3) Setelah mengatur dan mengisi kolom Variable View dengan lengkap.
Maka klik Data View untuk menginput data sesuai data di atas dengan
lengkap dan sesuai dengan value/kategori yang telah diatur di Variable
View.
4) Tampilan pada Variable View

5) Tampilan pada Data View yang sudah dilengkapi dengan data yang
sudah diinput hingga 63 baris :
f. Kemudia hal pertama yang dilakukan adalah Uji Normalitas dengan
melihat hasil Skew dan S.E tujuannya untuk mengetahui apakah Data
Parametrik (Data Normal) atau Data Non Parametrik (Data Tidak
Normal) dengan cara klik Analyze --- Descriptive Statistics --- Explore
--- masukkan data K B I pada Dependet List dan Kasus pada Fakctor
List --- kemudian pada Display klik Statistics --- klik OK. Ketika
muncul hasil, salin hasil tersebut ke dalam Microsoft Excel dan
lakukan perhitungan dengan membagi Skewness / S.E apabila hasilnya
-2 < x < 2 maka Data Normal.
NB : Tidak dapat menampilkan gambar karena tabel Microsoft Excel
cukup panjang

Dari hasil Uji Normalitas hasil Skewness/S.E berada dalam rentang -2


< x < 2 yang artinya Data Normal, yakni :

Descriptives
Std.
Kasus Statistic Error
Kebidana Kebidana Mean 14.7143 2.20080
n Bedah n Pagi
95% Lower
Interne 9.3291  
Confidence Bound
Interval for Upper
Mean Bound 20.0995  

5% Trimmed Mean 14.4048  


Median 12.0000  
Variance 33.905  
Std. Deviation 5.82278  
Minimum 10.00  
Maximum 25.00  
Range 15.00  
Interquartile Range 10.00  
Skewness 1.324 .794 1.66855
Kurtosis .121 1.587
Kebidana Mean 8.5714 1.34265
n Sore
95% Lower
Confidence Bound 5.2861  
Interval for Upper
Mean Bound 11.8568  
5% Trimmed Mean 8.5238  
Median 8.0000  
Variance 12.619  
Std. Deviation 3.55233  
Minimum 4.00  
Maximum 14.00  
Range 10.00  
Interquartile Range 7.00  
Skewness .307 .794 0.386249
Kurtosis -.693 1.587
Kebidana Mean 10.2857 1.35777
n Malam
95% Lower
Confidence Bound 6.9634  
Interval for Upper
Mean Bound 13.6081  
5% Trimmed Mean 10.3175  
Median 10.0000  
Variance 12.905  
Std. Deviation 3.59232  
Minimum 5.00  
Maximum 15.00  
Range 10.00  
Interquartile Range 6.00  
Skewness -.053 .794 -0.06678
Kurtosis -1.118 1.587
Bedah Mean 18.7143 2.21160
Pagi
95% Lower
Confidence Bound 13.3027  
Interval for Upper
Mean Bound 24.1259  
5% Trimmed Mean 18.4603  
Median 18.0000  
Variance 34.238  
Std. Deviation 5.85133  
Minimum 12.00  
Maximum 30.00  
Range 18.00  
Interquartile Range 7.00  
Skewness 1.279 .794 1.611541
Kurtosis 2.011 1.587
Bedah Mean 26.5714 3.47684
Sore
95% Lower
Confidence Bound 18.0639  
Interval for Upper
Mean Bound 35.0790  
5% Trimmed Mean 26.0238  
Median 25.0000  
Variance 84.619  
Std. Deviation 9.19886  
Minimum 18.00  
Maximum 45.00  
Range 27.00  
Interquartile Range 12.00  
Skewness 1.504 .794 1.895236
Kurtosis 2.833 1.587
Bedah Mean 13.8571 1.51859
Malam
95% Lower
Confidence Bound 10.1413  
Interval for Upper
Mean Bound 17.5730  
5% Trimmed Mean 13.8413  
Median 14.0000  
Variance 16.143  
Std. Deviation 4.01782  
Minimum 8.00  
Maximum 20.00  
Range 12.00  
Interquartile Range 6.00  
Skewness -.027 .794 -0.03385
Kurtosis -.270 1.587
Interne Mean 15.1429 2.09794
Pagi
95% Lower
Confidence Bound 10.0094  
Interval for Upper
Mean Bound 20.2763  
5% Trimmed Mean 15.3254  
Median 18.0000  
Variance 30.810  
Std. Deviation 5.55063  
Minimum 6.00  
Maximum 21.00  
Range 15.00  
Interquartile Range 9.00  
Skewness -.688 .794 -0.8668
Kurtosis -.854 1.587
Interne Mean 24.8571 3.30532
Sore
95% Lower
Confidence Bound 16.7693  
Interval for Upper
Mean Bound 32.9450  
5% Trimmed Mean 24.5635  
Median 25.0000  
Variance 76.476  
Std. Deviation 8.74507  
Minimum 15.00  
Maximum 40.00  
Range 25.00  
Interquartile Range 14.00  
Skewness .822 .794 1.035457
Kurtosis .027 1.587
Interne Mean 21.5714 2.32847
Malam
95% Lower
Confidence Bound 15.8739  
Interval for Upper
Mean Bound 27.2690  
5% Trimmed Mean 21.5238  
Median 20.0000  
Variance 37.952  
Std. Deviation 6.16055  
Minimum 14.00  
Maximum 30.00  
Range 16.00  
Interquartile Range 12.00  
Skewness .248 .794 0.312227
Kurtosis -1.735 1.587
g. Uji Beda ini disebut Uji Beda Tidak Berpasangan karena dengan
kontrol grup dan samplenya dari 2 populasi yang berbeda dan data
berskala interval/rasio. Karena telah dilakukan Uji Normalitas
sebelumnya dan ditemukan Data Normal maka disebut Uji Parametrik
dengan menggunakan Uji One Way Anova.
h. Lakukan Uji One Way Anova dengan cara klik Analyze --- Compare
Means --- One Way Anova --- masukkan data K B I pada Dependet
List dan Kasus pada Factor --- klik Options pilih Homogeneity of
Variance Test ---- OK.
Deskripsi Hasil :

 Didapatkan nilai sig (2-tailed) yakni 0.000 yang mana sig < α
yaitu 0.000 < 0.005 yang berarti H0 ditolak dan H1 diterima
(bermakna).
 Dalam Uji Anova H0 ditolak (ada perbedaan) maka uji lanjut
(Post Hoc Test) harus dilakukan. Karena menunjukkan adanya
perbedaan yang bermakna maka dilakukan uji selanjutnya dengan
melihat kelompok mana saja yang berbeda.

i. Lakukan uji selanjutnya dengan cara klik Analyze --- Compare Means
--- One Way Anova --- masukkan data K B I pada Dependet List dan
Kasus pada Factor --- klik Post Hoc pilih Bonferroni dan Games-
Howell isi significance level 0.005 --- klik OK.
POST HOC TESTS :

Multiple Comparisons
Dependent Variable: Kebidanan Bedah Interne

99.5% Confidence
Mean Interval

Difference Std. Lower Upper


(I) Kasus (J) Kasus (I-J) Error Sig. Bound Bound

Bonferroni Kebidanan Pagi Kebidanan


6.14286 3.28376 1.000 -7.3280 19.6137
Sore

Kebidanan
4.42857 3.28376 1.000 -9.0423 17.8994
Malam

Bedah Pagi -4.00000 3.28376 1.000 -17.4709 9.4709

Bedah Sore -11.85714 3.28376 .024 -25.3280 1.6137

Bedah Malam .85714 3.28376 1.000 -12.6137 14.3280

Interne Pagi -.42857 3.28376 1.000 -13.8994 13.0423

Interne Sore -10.14286 3.28376 .114 -23.6137 3.3280

Interne Malam -6.85714 3.28376 1.000 -20.3280 6.6137

Kebidanan Pagi -6.14286 3.28376 1.000 -19.6137 7.3280


Kebidanan Kebidanan
-1.71429 3.28376 1.000 -15.1852 11.7566
Sore Malam

Bedah Pagi -10.14286 3.28376 .114 -23.6137 3.3280

Bedah Sore -18.00000* 3.28376 .000 -31.4709 -4.5291

Bedah Malam -5.28571 3.28376 1.000 -18.7566 8.1852

Interne Pagi -6.57143 3.28376 1.000 -20.0423 6.8994


*
Interne Sore -16.28571 3.28376 .000 -29.7566 -2.8148

Interne Malam -13.00000 3.28376 .008 -26.4709 .4709

Kebidanan Kebidanan Pagi -4.42857 3.28376 1.000 -17.8994 9.0423


Malam Kebidanan
1.71429 3.28376 1.000 -11.7566 15.1852
Sore

Bedah Pagi -8.42857 3.28376 .471 -21.8994 5.0423

Bedah Sore -16.28571* 3.28376 .000 -29.7566 -2.8148

Bedah Malam -3.57143 3.28376 1.000 -17.0423 9.8994

Interne Pagi -4.85714 3.28376 1.000 -18.3280 8.6137


*
Interne Sore -14.57143 3.28376 .002 -28.0423 -1.1006

Interne Malam -11.28571 3.28376 .041 -24.7566 2.1852

Bedah Pagi Kebidanan Pagi 4.00000 3.28376 1.000 -9.4709 17.4709

Kebidanan
10.14286 3.28376 .114 -3.3280 23.6137
Sore

Kebidanan
8.42857 3.28376 .471 -5.0423 21.8994
Malam

Bedah Sore -7.85714 3.28376 .728 -21.3280 5.6137

Bedah Malam 4.85714 3.28376 1.000 -8.6137 18.3280


Interne Pagi 3.57143 3.28376 1.000 -9.8994 17.0423

Interne Sore -6.14286 3.28376 1.000 -19.6137 7.3280

Interne Malam -2.85714 3.28376 1.000 -16.3280 10.6137

Bedah Sore Kebidanan Pagi 11.85714 3.28376 .024 -1.6137 25.3280

Kebidanan
18.00000* 3.28376 .000 4.5291 31.4709
Sore

Kebidanan
16.28571* 3.28376 .000 2.8148 29.7566
Malam

Bedah Pagi 7.85714 3.28376 .728 -5.6137 21.3280

Bedah Malam 12.71429 3.28376 .011 -.7566 26.1852

Interne Pagi 11.42857 3.28376 .036 -2.0423 24.8994

Interne Sore 1.71429 3.28376 1.000 -11.7566 15.1852

Interne Malam 5.00000 3.28376 1.000 -8.4709 18.4709


Bedah Malam Kebidanan Pagi -.85714 3.28376 1.000 -14.3280 12.6137

Kebidanan
5.28571 3.28376 1.000 -8.1852 18.7566
Sore

Kebidanan
3.57143 3.28376 1.000 -9.8994 17.0423
Malam

Bedah Pagi -4.85714 3.28376 1.000 -18.3280 8.6137

Bedah Sore -12.71429 3.28376 .011 -26.1852 .7566

Interne Pagi -1.28571 3.28376 1.000 -14.7566 12.1852

Interne Sore -11.00000 3.28376 .053 -24.4709 2.4709

Interne Malam -7.71429 3.28376 .810 -21.1852 5.7566

Interne Pagi Kebidanan Pagi .42857 3.28376 1.000 -13.0423 13.8994

Kebidanan
6.57143 3.28376 1.000 -6.8994 20.0423
Sore

Kebidanan
4.85714 3.28376 1.000 -8.6137 18.3280
Malam

Bedah Pagi -3.57143 3.28376 1.000 -17.0423 9.8994

Bedah Sore -11.42857 3.28376 .036 -24.8994 2.0423

Bedah Malam 1.28571 3.28376 1.000 -12.1852 14.7566

Interne Sore -9.71429 3.28376 .165 -23.1852 3.7566

Interne Malam -6.42857 3.28376 1.000 -19.8994 7.0423

Interne Sore Kebidanan Pagi 10.14286 3.28376 .114 -3.3280 23.6137

Kebidanan
16.28571* 3.28376 .000 2.8148 29.7566
Sore

Kebidanan
14.57143* 3.28376 .002 1.1006 28.0423
Malam

Bedah Pagi 6.14286 3.28376 1.000 -7.3280 19.6137

Bedah Sore -1.71429 3.28376 1.000 -15.1852 11.7566

Bedah Malam 11.00000 3.28376 .053 -2.4709 24.4709

Interne Pagi 9.71429 3.28376 .165 -3.7566 23.1852

Interne Malam 3.28571 3.28376 1.000 -10.1852 16.7566

Interne Malam Kebidanan Pagi 6.85714 3.28376 1.000 -6.6137 20.3280

Kebidanan
13.00000 3.28376 .008 -.4709 26.4709
Sore

Kebidanan
11.28571 3.28376 .041 -2.1852 24.7566
Malam

Bedah Pagi 2.85714 3.28376 1.000 -10.6137 16.3280

Bedah Sore -5.00000 3.28376 1.000 -18.4709 8.4709

Bedah Malam 7.71429 3.28376 .810 -5.7566 21.1852


Interne Pagi 6.42857 3.28376 1.000 -7.0423 19.8994

Interne Sore -3.28571 3.28376 1.000 -16.7566 10.1852


Games- Kebidanan Pagi Kebidanan
6.14286 2.57803 .381 -8.0728 20.3586
Howell Sore

Kebidanan
4.42857 2.58594 .729 -9.7934 18.6505
Malam

Bedah Pagi -4.00000 3.12005 .919 -20.0782 12.0782

Bedah Sore -11.85714 4.11485 .200 -34.3543 10.6400

Bedah Malam .85714 2.67388 1.000 -13.4934 15.2077

Interne Pagi -.42857 3.04054 1.000 -16.1085 15.2513

Interne Sore -10.14286 3.97098 .306 -31.6128 11.3271

Interne Malam -6.85714 3.20395 .492 -23.3844 9.6701

Kebidanan Kebidanan Pagi -6.14286 2.57803 .381 -20.3586 8.0728


Sore Kebidanan
-1.71429 1.90952 .989 -11.5547 8.1261
Malam

Bedah Pagi -10.14286 2.58725 .047 -24.4259 4.1401

Bedah Sore -18.00000 3.72708 .021 -40.9710 4.9710

Bedah Malam -5.28571 2.02703 .276 -15.7818 5.2104

Interne Pagi -6.57143 2.49080 .276 -20.1556 7.0128

Interne Sore -16.28571 3.56762 .028 -38.0238 5.4523

Interne Malam -13.00000 2.68784 .014 -28.0235 2.0235

Kebidanan Kebidanan Pagi -4.42857 2.58594 .729 -18.6505 9.7934


Malam Kebidanan
1.71429 1.90952 .989 -8.1261 11.5547
Sore
Bedah Pagi -8.42857 2.59513 .122 -22.7174 5.8602

Bedah Sore -16.28571 3.73256 .037 -39.2332 6.6617

Bedah Malam -3.57143 2.03707 .708 -14.1108 6.9679

Interne Pagi -4.85714 2.49898 .604 -18.4520 8.7377

Interne Sore -14.57143 3.57333 .050 -36.2880 7.1451

Interne Malam -11.28571 2.69542 .033 -26.3105 3.7390

Bedah Pagi Kebidanan Pagi 4.00000 3.12005 .919 -12.0782 20.0782

Kebidanan
10.14286 2.58725 .047 -4.1401 24.4259
Sore

Kebidanan
8.42857 2.59513 .122 -5.8602 22.7174
Malam

Bedah Sore -7.85714 4.12063 .624 -30.3610 14.6467

Bedah Malam 4.85714 2.68277 .677 -9.5553 19.2696


Interne Pagi 3.57143 3.04836 .948 -12.1513 19.2941

Interne Sore -6.14286 3.97697 .814 -27.6229 15.3372

Interne Malam -2.85714 3.21137 .989 -19.4199 13.7056

Bedah Sore Kebidanan Pagi 11.85714 4.11485 .200 -10.6400 34.3543

Kebidanan
18.00000 3.72708 .021 -4.9710 40.9710
Sore

Kebidanan
16.28571 3.73256 .037 -6.6617 39.2332
Malam

Bedah Pagi 7.85714 4.12063 .624 -14.6467 30.3610

Bedah Malam 12.71429 3.79402 .122 -10.0107 35.4393

Interne Pagi 11.42857 4.06076 .222 -11.0214 33.8786

Interne Sore 1.71429 4.79725 1.000 -23.0270 26.4555

Interne Malam 5.00000 4.18452 .941 -17.5967 27.5967

Bedah Malam Kebidanan Pagi -.85714 2.67388 1.000 -15.2077 13.4934

Kebidanan
5.28571 2.02703 .276 -5.2104 15.7818
Sore

Kebidanan
3.57143 2.03707 .708 -6.9679 14.1108
Malam

Bedah Pagi -4.85714 2.68277 .677 -19.2696 9.5553

Bedah Sore -12.71429 3.79402 .122 -35.4393 10.0107

Interne Pagi -1.28571 2.58988 1.000 -15.0583 12.4869

Interne Sore -11.00000 3.63748 .182 -32.5199 10.5199

Interne Malam -7.71429 2.77991 .230 -22.8119 7.3833

Interne Pagi Kebidanan Pagi .42857 3.04054 1.000 -15.2513 16.1085


Kebidanan
6.57143 2.49080 .276 -7.0128 20.1556
Sore

Kebidanan
4.85714 2.49898 .604 -8.7377 18.4520
Malam

Bedah Pagi -3.57143 3.04836 .948 -19.2941 12.1513

Bedah Sore -11.42857 4.06076 .222 -33.8786 11.0214

Bedah Malam 1.28571 2.58988 1.000 -12.4869 15.0583

Interne Sore -9.71429 3.91491 .337 -31.1051 11.6765

Interne Malam -6.42857 3.13419 .541 -22.6357 9.7785

Interne Sore Kebidanan Pagi 10.14286 3.97098 .306 -11.3271 31.6128

Kebidanan
16.28571 3.56762 .028 -5.4523 38.0238
Sore

Kebidanan 14.57143 3.57333 .050 -7.1451 36.2880


Malam
Bedah Pagi 6.14286 3.97697 .814 -15.3372 27.6229

Bedah Sore -1.71429 4.79725 1.000 -26.4555 23.0270

Bedah Malam 11.00000 3.63748 .182 -10.5199 32.5199

Interne Pagi 9.71429 3.91491 .337 -11.6765 31.1051

Interne Malam 3.28571 4.04313 .994 -18.3250 24.8965

Interne Malam Kebidanan Pagi 6.85714 3.20395 .492 -9.6701 23.3844

Kebidanan
13.00000 2.68784 .014 -2.0235 28.0235
Sore

Kebidanan
11.28571 2.69542 .033 -3.7390 26.3105
Malam

Bedah Pagi 2.85714 3.21137 .989 -13.7056 19.4199

Bedah Sore -5.00000 4.18452 .941 -27.5967 17.5967

Bedah Malam 7.71429 2.77991 .230 -7.3833 22.8119

Interne Pagi 6.42857 3.13419 .541 -9.7785 22.6357

Interne Sore -3.28571 4.04313 .994 -24.8965 18.3250

*. The mean difference is significant at the 0.005 level.

j. Hasil Deskripsi :
Dari post hoc test dengan menggunakan suatu uji bonferroni yang ada
diatas memaparkan bahwa kelompok yang menunjukan adanya
perbedaan rata rata jumlah kasus diberi atau telah bertanda bintang (*)
adalah kelompok bedah sore, interne sore, kebidanan pagi, kebidanan
sore, kebidanan malam, bedah malam dan interne pagi