OUTPUT

KATEGORI_PASIEN

Case Processing Summary

Cases
Valid Missing Total
KATEGORI_PASIEN N Percent N Percent N Percent
IKP JAMKESMA 10 100.0% 0 0.0% 10 100.0%
UMUM 10 100.0% 0 0.0% 10 100.0%

Descriptives
KATEGORI_PASIEN Statistic Std. Error
IKP JAMKESMA Mean 3.70 .300
95% Confidence Interval for Lower Bound 3.02
Mean Upper Bound 4.38
5% Trimmed Mean 3.72
Median 4.00
Variance .900
Std. Deviation .949
Minimum 2
Maximum 5
Range 3
Interquartile Range 1
Skewness -.234 .687
Kurtosis -.347 1.334
UMUM Mean 3.50 .342
95% Confidence Interval for Lower Bound 2.73
Mean Upper Bound 4.27
5% Trimmed Mean 3.50
Median 3.50
Variance 1.167
Std. Deviation 1.080
Minimum 2
Maximum 5
Range 3
Interquartile Range 2
Skewness .000 .687
Kurtosis -1.032 1.334
 Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
KATEGORI_PASIEN Statistic df Sig. Statistic df Sig.
IKP JAMKESMA .224 10 .168 .911 10 .287
*
UMUM .178 10 .200 .907 10 .258

*. This is a lower bound of the true significance.

a. Lilliefors Significance Correction

Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.
IKP Based on Mean .373 1 18 .549
Based on Median .554 1 18 .466
Based on Median and with .554 1 16.848 .467
adjusted df
Based on trimmed mean .392 1 18 .539

IKP

Stem-and-Leaf Plots
IKP Stem-and-Leaf Plot for
KATEGORI_PASIEN= JAMKESMA

Frequency Stem & Leaf

1,00 2 . 0
3,00 3 . 000
4,00 4 . 0000
2,00 5 . 00

Stem width: 1
Each leaf: 1 case(s)

IKP Stem-and-Leaf Plot for

KATEGORI_PASIEN= UMUM

Frequency Stem & Leaf

2,00 2 . 00
3,00 3 . 000
3,00 4 . 000
2,00 5 . 00

Stem width: 1
Each leaf: 1 case(s)
Normal Q-Q Plots
Detrended Normal Q-Q Plots
Analisis:
1. Output Case Processing Summary
- Bagian ini adalah hasil dari jumlah data jamkesmas dan umum yang di proses, yang
dimana semua data valid (100%) dapat diproses
2. Output Descriptives
Bagian ini mengenai ringkasan statistik deskripsi dari Jamkesmas dan Umum
Jamkesmas:
- Rata-rata nilai IKP kategori pasien Jamkesmas yaitu 3,70 dengan rage berkisar antara
3,02 sampai 4,38
- 5% Trimeed Mean. Ukuran ini di dapat dengan mengurutkan data nilai IKP
Jamkesmas dari yang terendah sampai yang tertinggi, kemudian memotong 5% dari
data yang terendah dan 5% dari data yang tertinggi. Hal ini bertujuan untuk membuang
(trimming) nilai ata yang “unsual” atau “menyimpang” (karena jauh dari rata-rata).
Kemudian hasil yang ada setelah proses ‘trimming” , dilakukan perhitungan Mean
seperti biasa. Terlihat hasil 3,72 yang berarti rata-rata nilai dengan proses “trimming”
menjadi 3,72. Mean ini lebih mempunyai informasi yang berguna dibandingkan data
Median.
- Interquartile Range. Ukuran ini menunjukkan selisih antara nilai persentil yang ke 25
dan persentil yang ke 75. Seperti diketahui secara teoritis, 50% dari data, terletak
diantara persentil ke 25 dan persentil ke 75. Dari output didapat nilai 1 yang berarti
 pada 50% data nilai IKP Jamkesmas, selisih yang tertinggi dan terendah adalah 1
- Rasio Skewness dan Kurtosis:
Skewness = -234/687 = -0,34
Kurtosis = -347/1,334 = -0,26
Oleh karena hasil tidak lebih dari 2, maka dapat dikatakan distribusi data nilai laki-laki
mendekati normal.
Umum:
- Rata-rata nilai IKP kategori pasien Umum yaitu 3,50 dengan rage berkisar antara 2,73
sampai 4,27
- 5% Trimeed Mean. Ukuran ini di dapat dengan mengurutkan data nilai IKP kategori
pasien Umum dari yang terendah sampai yang tertinggi, kemudian memotong 5% dari
data yang terendah dan 5% dari data yang tertinggi. Hal ini bertujuan untuk membuang
(trimming) nilai ata yang “unsual” atau “menyimpang” (karena jauh dari rata-rata).
Kemudian hasil yang ada setelah proses ‘trimming” , dilakukan perhitungan Mean
seperti biasa. Terlihat hasil 3,50 yang berarti rata-rata nilai dengan proses “trimming”
menjadi 3,50. Mean ini lebih mempunyai informasi yang berguna dibandingkan data
Median.
- Interquartile Range. Ukuran ini menunjukkan selisih antara nilai persentil yang ke 25
dan persentil yang ke 75. Seperti diketahui secara teoritis, 50% dari data, terletak
diantara persentil ke 25 dan persentil ke 75. Dari output didapat nilai 2 yang berarti
pada 50% data nilai IKP kategori pasien Umum, selisih yang tertinggi dan terendah
adalah 2.
- Rasio Skewness dan Kurtosis:
Skewness = 000/687= 0
Kurtosis = -1,032/1,334= -0,91
Oleh karena hasil tidak lebih dari 2, maka dapat dikatakan distribusi data nilai
perempuan mendekati normal.
3. Output Test Of Normality
Pedoman pengambilan keputusan:
- Nilai Sig. atau signifikansi atau nilai probabilitas < 0,05 distribusi adalah tidak normal.
- Nilai Sig. atau signifikansi atau nilai probabilitas > 0,05 distribusi adalah normal.
Ada 2 uji yaitu:
a. Kolmogorov Smirnov dengan keterangan adalah sama dengan Uji Lilliefors (lihat
tanda ‘a’ di bawah tabel). Didapat baik untuk jenis kelamin perempuan dan laki – laki,
 tingkat signifikansi atau probabilitas di atas 0,05 (0,168 dan 0,200). Distribusi kedua
sampel normal.
b. Shapiro Wilk. Di dapat baik untuk jenis kelamin perempuan dan laki – laki, karena
tingkat signifikansi atau probabilitas di atas 0,05 (0,258 dan 0,287). Distribusi normal.
4. Output Test of Homogeneity of Variance
- Nilai Sig. atau signifikansi atau nilai probabilitas < 0,05, data berasal dari populasi
populasi yang mempunyai varians tidak sama.
- Nilai Sig. Atau signifikansi atau nilai probabilitas > 0,05 data berasal dari populasi
populasi yang mempunyai varians sama.
Hanya ada satu uji, Uji Levene:
- Levene test. Didapat tingkat signifikansi atau nilai probabilitas di bawah 0,05
(0,549>0,05) ,maka dapat dikatakan data berasal dari populasi–populasi yang
mempunyai varians sama.
5. Output Untuk Menguji Normalitas Dengan Plot (Q-Q plot)
- Dengan Normal Probablity Plot setiap nilai data yang diamati dipasangkan dengan
nilai harapan (expected value) dari distribusi normal. Jika sampel data berasal dari
suatu populasi yang terdistribusi normal, maka titik nilai data akan terletak kurang
lebih dalam satu garis.
- Pada gambar Q-Q Plot untuk variabel nilai baik untuk Kategori pasien Jamkesmas
maupun Kategori pasien Umum terdapat garis lurus dari kiri ke kanan atas. Terlihat
memang data tersebar di sekeliling garis. Oleh karena itu dapat dikatakan bahwa data
terdistribusi normal.
6. Output Untuk Menguji Normalitas Dengan Plot (Detrendet Normal Q-Q)
Dalam detreded normal plot yang digambarkan adalah simpangan dari nilai data terhadap
garis lurus. Output ini untuk mendeteksi pola- pola dari titik –titik yang bukan dari kurva
normal. Jika titik 2 tersebar di sekitar garis, dikatakan distribusi normal.