ANALISIS DATA PENELITIAN

Petunjuk Praktis Bagi Mahasiswa

Kesehatan Menggunakan SPSS
ANALISIS DATA PENELITIAN
Petunjuk Praktis Bagi Mahasiswa Kesehatan
Menggunakan SPSS

Tim Penulis:
1. Ns. Suyanto, M.Kep., Sp.Kep.MB
Departemen Keperawatan Medikal Bedah FIK, UNISSULA
2. Ns. Ahmad Ikhlasul Amal, MAN
Departemen Keperawatan Medikal Bedah FIK, UNISSULA
3. Ns. Moh. Arifin Noor, M.Kep
Departemen Keperawatan Medikal Bedah FIK, UNISSULA
4. Ns. Indra Tri Astutik, M.Kep., Sp.Kep.An
Departemen Keperawatan Anak FIK, UNISSULA

Desain sampul dan tata letak:

Dwi Riyadi Hartono

Hak cipta dilindungi Undang-undang

All rights reserved

Cetakan Pertama:
Agustus 2018

Penerbit:
UNISSULA PRESS
Universitas Islam Sultan Agung
Jl. Raya Kaligawe KM.4 Semarang (50112)
Jawa Tengah, Indonesia
Telp. (024)6583584
Fax. (024)6582455

ISBN.: 978-602-1145-76-0

Isi di luar tanggung jawab penerbit.

ii Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSS

 SAMBUTAN

Assalamualaikum Warohmatullaahi Wabarokaatuh,

Alhamdulillah, puji syukur senantiasa kita panjatkan

kehadirat Allah SWT, atas limpahan rahmat, kurnia dan ridho -
Nya sehingga Buku Analisis Data Penelitian ini dapat
diterbitkan.
Buku ajar ini sangat penting bagi mahasiswa Fakultas
Ilmu Keperawatan Unissula pada khususnya dan bagi
mahasiswa kesehatan pada umumnya serta para dosen sebagai
panduan dalam melaksanakan kegiatan pembelajaran . Buku
ajar ini berisi kumpulan materi dengan topik terpilih yang
disesuaikan dengan kurikulum yang sedang dilalui mahasiswa.
Saya menyambut baik dengan diterbitkannya Buku
Analisis Data Penelitian ini. Semoga buku ini dapat menjadi
panduan yang baik dalam kegiatan belajar mengajar serta
memberikan manfaat yang lebih bagi seluruh civitas akademika.

Wassalaamu’alaikum Warahmatullaahi Wabarokaatuh

Semarang, Juli 2018

Dekan Fakultas Ilmu
KeperawatanUNISSULA

Iwan Ardian, SKM., M.Kep.

iv Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSS
 KATA PENGANTAR

Alhamdulillah, puji syukur kehadirat Allah SWT yang

telah melimpahkan rahmat dan karunia -Nya sehingga Buku
Panduan Analisis Data Penelitian dapat terselesaikan dengan
baik. Buku ini merupakan kumpulan materi dengan
mempertimbangkan pokok bahasan khususnya dalam
menunjang penyelesaian tugas akhir mahasiswa kesehatan .
Proses penyusunan buku ini melibatkan peran serta dan
dukungan dari para staf dan konsulen. Oleh karena itu kami
menyampaikan terima kasih sedalam -dalamnya kepada para
konsulen, tim penyusun, d an semua pihak yang terlibat.
Kami sadar buku ini masih jauh dari sempurna. Kami
mengharapkan saran dan masukan yang membangun guna
perbaikan buku ini di kemudian hari. Akhirnya, semoga buku
ini dapat memberi sumbangan bagi pelayanan kesehatan,
khususnya di Indonesia.

Semarang, Juli 2018

Ns. Suyanto,
M.Kep.Sp.Kep.MB Ns. Ahmad
Ikhlasul Amal, MAN Ns. Moh.
Arifin Noor, M.Kep
Ns. Indra Tri Astutik, M.Kep.,Sp.Kep.An
 PERSEMBAHAN

. ĵ ╫ĵ ╜■╜╫Ă▓╜♫śʼnℓś▓ĽĂ╙╫Ă■ ╫ś♫Ăŕ Ă ╫ś▄ĵ

Ăʼn┼Ăọ Civitas Akademika Fakultas Ilmu Keperawatan
UNISSULA
 UCAPAN TERIMA KASIH

Dengan mengucapkan Alhamdulillah, penulis berterima kasih

kepada Allah SWT yang telah memberikan nikmat iman, Islam,
dan kesehatan kepada penulis sehingga mampu menyelesaikan
buku ini.

Ucapan terima kasih berikutnya kami sampaikan kepada

keluarga yang telah memberikansupport yang luar biasa. Terima
kasih pula kepada kepada Dekan, dosen , konsulen, juga
mahasiswa Fakultas Ilmu Keperawatan UNISSULA yang selalu
memberi motivasi untuk menyusun buku ini.
viii Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSS
 DAFTAR ISI

{! a . ÜÇ! b............................................................................................................III
Y! Ç! t 9 b D! b Ç! w..............................................................................................V
t 9 w{9 a . ! I ! b....................................................................................................VI
Ü/ ! t ! b Ç9 wLa ! Y! { LI.................................................................................VII
5 ! CÇ! w L{ L........................................................................................................IX
. ! . L|| Pengantar SPSS...........................................................................................1
. ! . L || Pengkategorian Data Numerik.................................................................19
. ! . LL|| Uji Normalitas Dan Homogenitas Data..................................................23
. ! . Lë || Uji Validitas Dan Reliabilitas................................................................33
. ! . ë || Uji Uni Variate / Deskriptif.....................................................................39
. ! . ë L|| Uji Korelatif Data Kategorik..................................................................49
. ! . ë L || Uji Bivariat Korelatif Data Numerik...................................................59
. ! . ë LL|| Uji Komparatif Data Numerik.............................................................69
. ! . Ló || Uji Bivariat Komparatif Data Kategori..................................................73
. ! . ó || Uji Parametrik (Uji Beda 2 Mean Berpasangan) Data Numerik............81
. ! . ó L|| Uji Parametrik (Uji Beda 2 Mean Tidak Berpasangan) Data Numerik 88
. ! . ó L || TOPIK : Uji Non Parametrik (Uji Beda 2 Mean Berpasangan) Data
Kategorik..................................................................................................................97
. ! . ó LL□Uji Non Parametrik (Uji Beda 2 Mean Tidak Berpasangan) Data
Kategorik................................................................................................................105
x Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSS
 BAB I || PENGANTAR SPSS

Suyanto

Sasaran Belajar:

Setelah dilaksanakan praktikum , mahasiswa mampu:

a. Menggetahui tampilan SPSS
b. Menjelaskan komponen SPSS
c. Memasukkan data di program SPSS
d. Mengedit data pada program SPSS

Tinjauan Teori:

Hal yang perlu dilakukan dalam proses memasukkan atau entry

data antara lain:
1. Check data masing-masing variabel
2. Buat variabel view
3. Buat data view
a. Check data masing-masing
Saat akan mengentry data, operator harus
mengecheck kelengkapan data serta jenis data. Hal
ini akan sangat berpengaruh dalam penyusunan
variabel view di tahap berikutnya.

b. Variabel view
 Setelah operator membuka software SPSS pada
laptop/notebook/PC maka tampilan diatas yang akan
muncul saat mengklik variabel view. Yang perlu
dilakukan adalah mengisi kolom name, type, width,
decimals, label dan values.

a. Name
Diisikan nama variabel sesuai dengan nama
variabel data penelitian. Diusahakan pemberian
nama tidak terlalu panjang.

b. Type
Akan muncul pilihan-pilihan berupa:
1. String untuk data berbentuk huruf
2. Numerik untuk data berbentuk angka
3. Date untuk data berbentuk tanggal

c. Widht
Digunakan untuk memilih jumlah huruf
maksimal saat memasukkan Name. Width dipilih
angka 8.

2 Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSS

d. Decimals
Pada data-data numerik yang terdapat angka
dibelakang koma seperti nilai ureum, creatinin
maka dapat dipilih angka 2 pada kolom decimals,
artinya maksimal 2 angka dibelakang koma yang
bisa dimasukkan. Akan tetapi jika data numerik
yang dimasukkan tidak ada angka dibelakang
koma, maka pada kolom decimals dapat diisi 0.

e. Label
Merupakan penjelasan dari kolom name. Hal ini
agar mempermudah operator dalam
memasukkan data yang sesuai dengan nama
variabelnya. Tidak ada batasan huruf, akan tetapi
diusahakan pemilihan kata yang padat dan jelas.

f. Values
Kolom ini diisi hanya jika data yang akan
dimasukkan berupa data kategorik (nominal
dan atau ordinal) . Pengisian nilai pada kolom
values sangat tergantung dari coding yang telah
dipersiapkan oleh peneliti. Adapun cara mengisi
pada kolom values ini adalah sebagai berikut :

Klik baris values -> isi angka coding ->

klik Label (penjelasan dari angka) ->
klik Add ->
klik OK
 Pengisian values tergantung jumlah
pengkategoriannya. Setelah semua varibel dibuat
variabel view, maka langkah selanjutnya adalah
memasukkan data sesuai dengan nama variabel view
dengan mengklik data view

c. Data view

Tampilan di atas adalah tampilan yang akan muncul

saat operator SPSS mengklik data view. Setelah
muncul tampilan tersebut, tahap selanjutnya yang
dilakukan operator adalah memasukkan data yang
berasal dari data hasil penelitian dan disesuaikan
dengan nama variabel yang akan muncul secara
otomatis pada baris paling atas. Cara memasukkan
data bisa manual artinya satu persatu data
langsung dimasukkan pada program SPSS. Atau
bisa dilakukan copy dan paste pada file excel.

Hal yang perlu diperhatikan saat memasukkan data

penelitian adalah
1. Proses pengisian data dilakukan secar
menyamping bukan kebawah.
2. Check antara jumlah responden penelitia
dengan jumlah responden yang ada pada program
SPSS

Berikut ini adalah prosedur yang dapat dilakuka

dalam mengedit data
1. Jika kita ingin menghapus isi sel data
a. Arahkan kursor pada sel yang akan
dihapus
b. Klik kanan
c. Klik clear
Atau
a. Klik sel yang akan dihapus
b. Tekan delete
2. Jika ingin menghapus kolom data
a. Arahkan kursor pada nama variabel
akan dihapus
b. Klik nama variabel
c. Klik kanan
d. Clear
Atau
a. Klik nama variabel
b. Delete
3. Jika ingin menghapus baris
a. Arahkan krusor pada baris yang
dihapus
b. Klik kanan
c. Clear
Atau
a. Klik nomer responden yang
dihapus
b. Delete

4. Jika ingin mencopy sel

a. Arahkan kursor keisi sel yang
dicopy
b. Klik kanan
c. Copy
d. Pindahkan ke sel yang akan dit
e. Klik kanan
f. Paste
 Atau
a. Arahkan krusor ke isi sel yang
akan di copy
b. Tekan control+C
c. Pindahkan ke sel yang akan
dituju
d. Tekan control+V

5. Jika ingin mengcopy kolom data

a. Klik nama variabel yang akan dicopy
b. Klik kanan
c. Copy
d. Arahkan ke heading (nama variabel)
yang masih kosong
e. Klik kanan
f. Paste
 Atau
a. Klik nama variabel yang akan dicopy
b. Tekan control+C
c. Arahkan ke heading yang baru
d. Tekan control+V

6. Jika ingin mengcopy baris data

a. Klik data yang akan dicopy pada sisi
paling kiri
b. Klik kanan
c. Copy
d. Arahkan pada baris yang dituju
e. Klik kanan
f. Paste
Atau
a. Klik data yang akan dicopy pada sisi
paling kiri
b. Tekan control+C
 c. Arahkan pada baris yang dituju
d. Tekan control+V

7. Jika ingin menyisipkan kolom

a. Arahkan kursor pada kolom yang
akan disisipi
b. Klik kolom tersebut
c. Klik kanan
d. Pilih Insert variabel
8. Jika ingin menyisipkan baris
a. Arahkan kursor pada baris yang akan
disispi
b. Klik baris tersebut
c. Klik kanan
d. Pilih insert case
9. Jika ingin mengelompokkan data numerik ke
kategorik.
Saat kita ingin mengkategorikan data
numerik (contoh berat badan) menjadi
kategori underweight (< 50,9 kg), normal
(50-60,9 kg), dan overweight (≥ 61). Maka
hal yang perlu dilakukan adalah
a. Klik transform
b. Klik recode different variable
c. Klik BB kemudian akan masuk ke kotak
input dan output variabel
d. Ketik BB1 pada kotak output variabel
e. Klik change
 f. Klik old and new values
g. Klik Lowest
h. Ketik data numerik yang akan
dikategorikan
i. Ketik value sesuai coding kategorinya
j. Klik Add
k. Ketik data numerik pada kotak range
l. Ketik value sesuai coding kategorinya
m. Klik Add
n. Ketik data numerik pada kotak highest
o. Ketik value sesuai coding kategorinya
p. Klik Add
q. Klik Continue

Hasil tampilan pada variabel view sebelum dilakukan

penggabungan variabel berat badan.
Hasil tampilan pada data view sebelum dilakukan
penggabungan variabel berat badan.

Tampilan variabel view dan data view setelah dilakukan

pengelompokan variabel berat badan.
 Latihan Soal:

Lakukan entry data pada data penelitian beirkut ini:

Pendidikan
Jenis Berat Tinggi Golongan Jumalah
No Orang Tua
kelamin Badan Badan Darah sodara
(Ayah)
1 1 50 160 1 3 2
2 2 50 164 4 4 2
3 1 55 165 1 2 5
4 2 57 172 2 9 1
5 2 60 178 2 5 3
6 2 73 172 1 1 3
7 1 47 158 2 2 3
8 2 60 164 1 5 4
9 1 45 158 2 2 4
10 1 46 165 3 4 4
11 1 43 153 1 3 3
12 1 65 166 3 5 3
13 1 50 169 1 1 3
14 1 59 157 3 2 3
15 2 48 158 4 5 1

Koding
Jenis Kelamin
Pria =1, Wanita =2

Gol darah
A =1, B=2, O=3, AB=4

Tingkat pendidikan
SD=1, SMP=2, SMA=3, D3=4, S1=5, S2=6
Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.
 BAB II || PENGKATEGORIAN DATA
NUMERIK

Suyanto

Sasaran Belajar:

Setelah dilaksanakan praktikum, mahasiswa mampu:

a. Menjelaskan pengkategorian data numeric.
b. Menentukan median, mean. dan SD menggunakan SPSS.
c. Mengkategoriakan data numeric.

Tinjauan Teori:

Beberapa data penelitian khususnya numerik saat akan dilihat

dari sisi kategorikalnya banyak mengalam kendala, antara lain
adalah tidak ada sumber referensi terkait pengkategorian
variabel tersebut. salah satu solusi dari masalah tersebut adalah
dengan membagi (mengkategorikan) data numerik tersebut
berdasarkan nilai mean dan standar deviasi (SD) jika ingin .
Selain berdasarkan nilai mean dan SD, dalam membagi kriteria
pengkategorian berdasarkan nilai median ( < median atau >
median) jika ingin mengkategorikan dua kriteria.
Misalnya seorang peneliti ingin membagi rentang berat badan
dari rentang 0 – 100 menjadi hanya 2 kategori, maka
pembagiannya adalah sebagai berikut:
Berat badan normal = ≤ 50
Berat badan tidak normal = >50
Begitu juga saat seorang peneliti ingin membagi berat badan
tersebut menjadi 3 kategori (kurang, normal, berlebih), maka
agar berdistribusi normal, pembagiannya adalah sebagai
berikut: Kategori kurang = mean – 3 + standar deviasi
Kategori norma = mean ± 1 + standar deviasi
Kategori berlebih = mean + 3 + standar
deviasi

Jika peneliti ingin membagi menjadi 5 kategori ( kurang

sekali, kurang, normal, berlebih, obesitas), maka
pembagiannya sebagai berikut :
Kategori kurang sekali= mean – 3 + standar
deviasi Kategori kurang = mean – 2 + standar
deviasi Kategori norma = mean ± 1 + standar
deviasi Kategori berlebih = mean + 2 + standar
deviasi Kategori obesitas = mean + 3 + standar
deviasi

Latihan soal:

Kategorikan data berikut ini, untuk variabel sensasi kaki

menjadi 2 kategori, dan untuk variabel lama menderita DM
menjadi 3 kategori.

lama menderita Sensasi

DM Kaki
3 6
2 2
1 2
5 3
8 4
5 2
10 7
3 1
5 2
10 3
5 2
3 2
5 2
5 3
4 5
6 4
2 5
6 3
3 6
1 2
1 2
5 3
8 4
4 2
14 7
5 1
5 2
4 3
1 2
3 2
7 2
5 3
3 5
2 6
5 5
3 6
Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.
 BAB III || UJI NORMALITAS DAN
HOMOGENITAS DATA

Suyanto

Sasaran Belajar:

Setelah dilaksanakan praktikum, mahasiswa mampu:

a. Menjelaskan uji normalitas dan homogenitas.
b. Mengolah data uji normalitas dan homogenitas.
c. Menginterpretasikan hasil uji normalitas
dan homogenitas.

Tinjauan Teori:

Uji normalitas dan homogenitas data digunakan hanya

untuk data numerik. Uji tersebut difungsikan untuk mengetahui
uji statistik yang akan digunakan. Uji kolmogorov smirnov dan
uji saphiro wilk digunakan dalam menentukan kenormalan
data. Jika sampel penelitian yang didapatkan adalah lebih dari
50 (n>50) maka uji yang digunakan adalah uji kolmogorov
smirnov. Sedangkan apabila sampel penelitian kurang dari 50
(n<50) maka uji yang digunakan adalah uji saphiro wilk.
Untuk mengetahui suatu data berdistribusi normal, ada
3 cara untuk mengetahuinya yaitu:
1. Dilihat dari grafik histogram dan kurve normal, bila
bentuknya menyerupai bel shape, berarti distribusi normal
2. Menggunakan nilai Skewness dan standar errornya, bila
nilai Skewness dibagi standar errornya didapatkan angka
≤ 2, maka distribusinya normal
3. Uji kolmogorov smirnov, bila hasil uji (p value > 0,05)
 maka distribusi normal. Uji kolmogorov digunakan pada
jumlah sampel lebih dari 50 responden. Sedangkan untuk
jumlah sampel kurang dari 50 responden, uji kenormalan
yang digunakan adalah saphiro wilk.

Adapun tahapan melakukan uji normalitas data adalah sebagai

berikut:
a. Klik Analyze
b. Klik Deskriptif statistic
c. Klik Explore

d. Klik variabel numerik pindahkan ke kotak sebelah

kanan.
e. Klik Plot
f. Klik Normality
g. Klik Continue

h. Klik OK
 Descriptives
Std.
Statistic Error
umur Mean
54,83 2,627
responden
95% Confidence Lower
Interval for Bound 49,29
Mean
Upper 60,38
Boun 54,48
d 54,50
5% Trimmed 124,265
Mean Median 11,147
Variance 38
Std. 78
Deviation 40
Minimum 13
Maximum ,397 ,536
Range -,215 1,038
Interquartile
Range Skewness
Kurtosis

Tests of Normality
Kolmogorov-Smirnov(a) Shapiro-Wilk
Statistic Df Sig. Statistic df Sig.
umur
,132 18 ,200(*) ,956 18 ,520
responden
* This is a lower bound of the true significance.

a Lilliefors Significance Correction

Interpretasi hasil uji normalitas data:

Untuk variabel umur responden dengan jumlah
responden (n) kuran dari 50 (n<50) maka uji yang
digunakan adalah saphiro wilk dan didapatkan h
value=0,520 (p value>0,05) dapat disimpulkan dis
data variabel umur adalah normal.

Apabila distribusi data yang diperoleh tidak n maka

hal yang perlu dilakukan adalah dengan mela
transformasi data. Adapun tahapan mentransforma
adalah sebagai berikut :
a. Klik Transform
b. Klik Compute Variable
c. Ketik new_umur ke dalam Target Variable
d. Klik Arytmetric
e. Klik LG10
 f. Klik OK

g. Lakukan prosedur pengujian kenormalan data

UJI HOMOGENITAS

Uji homogenitas atau kesetaraan data digunakan untuk

mengetahui kesetaraan data sebelum diberikan perlakuan pada
dua kelompok yang berbeda. Uji homogenitas digunakan
khusus data data NUMERIK. Uji yang digunakan untuk
mengetahui homogenitas sebuah data adal ah dengan
menggunakan uji levene test. Adapun langkah-langkahnya
sebagai berikut:
1. Klik Analyze
2. Klik Compare Mean
3. Klik One Way Annova

4. Masukkan data yang akan di uji homogenitas pada

kolom dependent list (data variabel 1) dan pada
faktor ( data variabel 2)
5. Klik Options
6. Klik Homogenity of Variance Test
7. Klik Continue
8. Klik OK

Intepretasi hasil:
Pada uji levene test diatas, didapatkan hasil bahwa nilai
p vaue = 0,508. Artinya nilai p value > 0,05, sehingga
dapat disimpulkan bahwa tidak ada perbedaan varians
atau kesetaraan data antara kelompok data yang
dibandingkan. Atau dengan kata lain varians data antar
kedua kelompok adalah sama.

Latihan Soal:

Lakukan uji normalitas dan homogenitas data pada

tabel data tersebut dan interpretasikan hasilnya.

Skala
Umur
Nyeri
47 4
30 4
54 3
53 3
31 4
19 3
42 4
63 3
40 4
50 3
31 4
61 4
41 4
61 4
69 4
55 4
Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.
BAB IV || UJI VALIDITAS DAN RELIABILITAS

Suyanto

Sasaran Belajar:

Setelah dilaksanakan praktikum, mahasiswa mampu:

a. Menjelaskan uji validitas dan reliabilitas
b. Mengolah data uji validitas dan reliabilitas
c. Menginterpretasikan hasil uji validitas dan reliabilitas

Tinjauan Teori:

Uji validitas digunakan untuk mengukur instrumen yang akan

digunakan dalam pengambilan data. Uji yang digunakan
dalam menentukan validitas instrumen penelitian adalah uji
product moment. Sedangkan uji yang digunakan dalam
menentukan reliabilitas instrumen penelitian adalah uji alfa
cronbach. Adapun langkah-langkah ujinya sebagai berikut:
a. Klik analyze
b. Klik scale
c. Klik reliability analysis
d. Klik semua pertanyaan yang sudah dientry
e. Klik Statistic
f. Klik Item, Scale, Scale if Item Deleted

g. Klik Continue
Interpretasi:

Dalam membaca hasil ouput SPSS khususnya uji validitas,

terletak pada kotak item-total statistics terutama pada kolom
corrected item-total correlation (r hasil) yang harus lebih
tinggi dari r tabel. Untuk mengetahui r tabel adalah dengan
mengunakan rumus df-2. Sedangkan untuk mengetahui hasil
dari uji reliabilitas dapat dilihat pada kotak reliability statistics
yang didapatkan nilai alpha cronbach adalah 0,246 yang artinya
bahwa instrumen tersebut tidak reliabel (alpha cronbach kurang
dari 0,6)
Latihan Soal:

Lakukan pengujian validitas dan reliabilitas dan interpretasikan

hasilnya.

P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
2 2 1 1 1 1 1 1 1 1
2 2 1 2 1 2 1 2 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 2 1 2 1 2 1 3 1 1
2 3 1 2 2 2 1 3 1 1
2 3 1 2 2 2 1 3 1 1
2 3 1 2 3 2 1 3 1 1
3 3 1 2 3 2 1 3 1 1
3 3 1 3 3 2 1 3 1 1
3 3 1 3 3 2 1 3 1 2
3 3 1 3 3 3 2 3 2 2
3 3 2 3 3 3 2 3 2 2
 4 3 2 3 3 3 2 3 2 2
4 3 2 3 3 3 2 4 2 2
4 3 2 4 4 3 2 4 2 2
4 3 2 4 4 4 2 4 2 2
4 4 2 4 4 4 2 4 3 1
4 4 2 4 4 4 2 4 3 1

Koding:
1 = sangat tidak setuju
2 = tidak setuju
3 = setuju
4 = sangat setuju

Daftar Rujukan:
1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran da
Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro, S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.
 BAB V || UJI UNI VARIATE / DESKRIPTIF

Indra Tri Astuti

Sasaran Belajar:

Setelah dilaksanakan praktikum selama, mahasiswa mampu:

a. Menjelaskan uji univariat pada data kategorik dan
numerik.
b. Mengolah data uji univariat pada data kategorik dan
numeric.
c. Menginterpretasikan hasil uji univariat pada data
kategorik dan numeric.
d. Menampilkan hasil uji univariat pada data kategorik
dan numerik pada laporan penelitian.

Tinjauan Teori:

Penelitian desain deskriptif pada data kategorik dan numerik

perlu diolah untuk disajikan dalam laporan penelitian sehingga
mampu menjawab tujuan penelitian. Uji yang digunakan pada
data kategorik dan numerik berbeda satu dengan lainnya, begitu
juga dalam penyajian data di laporan penelitiannya. Berikut ini
adalah tahapan-tahapan dalam melakukan uji univariat pada data
kategorik:
1. Klik Analyze, klik Descriptive Statistics, klik Frequency.
2. Pindahkan variabel kategorik yang ada pada kotak kiri
ke kotak kanan.

3. Klik Charts, klik (bar Chart / Pie Chart), klik

(Frequencies/Percentages), klik Continue.
 4. Klik OK
menurun

Valid Cumulative
Frequency Percent
Percent Percent
Valid Terganggu 9 50,0 50,0 50,0
tidak
9 50,0 50,0 100,0
terganggu
Total 18 100,0 100,0
 menurun
10

8
Frequency

0
terganggu
tidak terganggu
menurun

Adapun penyajian data dan interpretasinya pada laporan

penelitian.

Tabel: Distribusi frekuensi responden menurut sensasi kaki di

.... Tahun....

Variabel Jumlah Prosentase

Sensasi kaki
Terganggu 9 50
Tidak 9 50
terganggu
Jumlah 18 100

Dari tabel di atas didapatkan hasil bahwa distribusi

terganggunya sensasi kaki sebanyak 9 orang (50%),
berimbang dengan yang tidak mengalami ganguan sensasi
kaki yaitu sebanyak 9 orang (50%).
Adapun tahapan-tahapan pengolah data pada data numerik
adalah sebagai berikut:

1. Klik Analyze, klik Descriptive, klik Frequency

2. Pindahkan variabel numerik pada kotak bagian kiri ke

kotak bagian kanan.

3. Klik Statistic, klik Mean, klik Median, klik std.

Deviation, klik Minimum, klik Maximum, Continue.
4. Klik OK
Umur responden
N Valid 18
Missing 0
Mean 54,83
Median 54,50
Std. Deviation 11,147
Minimum 38
Maximum 78

Penyajian data dan intepretasi laporan penelitian dat

numerik.

Tabel: Distribusi frekuensi umur responden di ....

Tahun....
Variabel Mean±SD Median Minimum-
Maksimum
Umur 54,83±11,14 54,50 38-78
responden
 Tabel 5.2. menunjukkan bahwa rata -rata umur
responden adalah 54,8 tahun (standard deviasi ±11,14).
Adapun rentang umur yang paling muda adalah 38 tahun
dan umur yang paling tua adalah 78 tahun.

Latihan soal :

Pendidikan
Berat Tinggi Golongan Jumalah
Seks Orang Tua
Badan Badan Darah sodara
(Ayah)
1 50 160 1 3 2
2 50 164 4 4 2
1 55 165 1 2 5
2 57 172 2 9 1
2 60 178 2 5 3
2 73 172 1 1 3
1 47 158 2 2 3
2 60 164 1 5 4
1 45 158 2 2 4
1 46 165 3 4 4
1 43 153 1 3 3
1 65 166 3 5 3
1 50 169 1 1 3
1 59 157 3 2 3
2 48 158 4 5 1
2 56 162 1 3 3
1 43 152 1 2 4
1 53 158 2 1 3
1 43 155 3 5 3
1 43 150 3 4 3
 2 48 162 3 3 3
2 49 159 3 1 3
1 53 161 2 9 5
2 73 167 4 4 1
2 55 168 2 7 3
1 43 152 2 4 3
1 56 153 1 2 3
1 45 157 4 7 4
1 53 158 2 2 5
2 58 165 3 4 2
1 43 160 1 4 5
1 51 159 1 2 2
1 59 167 2 2 5
1 64 158 1 1 3
1 60 159 2 3 5
2 68 160 3 3 3
1 45 158 4 2 5
1 56 156 2 4 5
2 65 170 2 2 3
2 62 167 1 3 2

Koding:
Sex:
Golongan darah: Pendidikan Oran
1. Laki-laki
1. A Tua:
2. Perempuan
2. B 1. Tidak
3. AB Sekolah
4. O 2. SD
3. SMP
4. SMA
5. PT
Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro, S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.
BAB VI || UJI KORELATIF DATA KATEGORIK

Moh. Arifin Noor

Pada Sub Bab ini akan dibahas mengenai uji korelatif data
kategorik (uji asosiasi) dan uji bivariat korelatif data numerik
(Product Moment dan Spearman ). Sebelum kita belajar
mengenai bentuk uji bivariat korelatif data kategorik dan uji
bivariat data numerik alangkah lebih baiknya Anda mengetahui
dan dapat memili h uji hipotesis korelatif yang tepat dengan
melihat tabel di bawah ini .

Pemilihan hipotesis korelatif

Variabel 1 Variabel 2 Uji korelasi
Nominal Nominal Koefisien kontingensi,
Lamda
Nominal Ordinal Koefisien kontingensi,
Lamda
Ordinal Ordinal Spearman, Gamma,
Somers’d
Ordinal Numerik Spearman
Numerik Numerik Pearson
Keterangan: untuk variabel numerik, Anda memakai uji Pearson
dengan alternatifnya adalah uji spearman.

Kadang akan muncul beberapa pertanyaan sebagai berikut :

1. Apa persamaan dan perbedaan uji korelasi koefisien
kontingensi dengan lamda?
Kedua uji tersebut digunakan untuk m enguji korelasi dua
variabel di mana salah satu variabelnya adalah variabel
nominal
 Perbedaan:
Uji korelasi koefisien kontingensi digunakan untuk
menguji korelasi antara dua variabel setara sedangkan uji
korelasi Lambda untuk variabel yang idak setara.

2. Apa persamaan dan perbedaan uji korelasi spearman

dengan uji korelasi Gamma dan Somers’d
Keduanya digunakan untuk uji korelasi antara variabel
ordinal dengan ordinal
Perbedaan :
Uji spearman digunakan juga untuk uji korelasi antara
variabel numerik dengan ordinal.
Uji spearman digunakan juga sebagai alternatif uji
pearson, jika syarat uji pearson tidak terpenuhi
Uji korelasi Gamma dan Somers’d digunakan untuk
uji korelasi variabel ordinal dengan ordinal dimana
kategori variabel ordinal tersebut “sedikit” sehingga
dapat dibuat suatu tabel silang B x K.

3. Apa perbedaan uji korelasi Gamma dan Somers’d

Uji korelasi Gamma digunakan untuk menguji korealsi
antara dua variabel yang setara sedangkan uji korelasi
Somers’d untuk dua variabel yang tidak setara.

4. Bagaimana intepretasi hasil uji korelasi

Intepretasi hasil uji korelasi didasarkan pada nilai p,
kekuatan korelasi, serta arah korelasinya.
Untuk lebih jelasnya Intepretasi uji korelasi dapat dilihat
pada tabel di bawah ini.
 Panduan interpretasi hasil uji hipotesis berdasarkan
kekuatan korelasi, nilai p dan arah korelasi

No Parameter Nilai Interpretasi

1 Kekuatan 0,0 s.d. <0,2 Sangat lemah

korelasi (r) 0,2 s.d. <0,4 Lemah
0,4 s.d. <0,6 Sedang
0,6 s.d. <0,8 Kuat
0,8 s.d. 1 Sangat kuat
2 Nilai p p < 0,05 Terdapat korelasi
yang bermakna
antara dua variabel
yang diuji

p > 0,05 Tidak terdapat

korelasi bermakna
antara dua variabel
yang diuji
3 Arah + (positif) Searah, semakin
korelasi besar nilai satu
variabel semakin
besar pula nilai
variabel lainnya

- (negatif) Berlawanan arah,

semakin besar nilai
satu variabel,
semakin kecil nilai
variabel lainnya

Uji bivariat korelatif data kategorik (uji asosiasi)

Uji korelasi Gamma dan Sommers’d (hipotersis korelatif
ordinal tabel B x K)

Jika Anda ingin mengetahui korelasi antara tingkat penilian

mutu responden terhadap mutu pelayanan keperawatan (buruk,
sedang, baik) dengan mutu pelayanan rumah sakit (buruk,
sedang, baik). Adapun rumusan pertanyaan penelitiannya
adalah sebagai berikut:
“Adakah korelasi antara tingkat penilaian pasien terhadap mutu
pelayanan keperawatan dengan mutu pelayanan rumah sakit?”

Langkah untuk menjawab pertanyaan tersebut di atas dap at

dilihat pada tabel di bawah ini:

Tabel: Langkah-langkah menentukan uji hipotesis yang

disesuaikan dengan panduan tabel uji hipotesis
No. Langkah Jawaban
1. Tentukan variabel yang Variabel yang
dihubungkan dihubungkan adalah mutu
layanan keperawatan
(kategorik ordinal) dengan
mutu pelayanan rumah
sakit (kategorik ordinal)
2. Tentukan jenis hipotesis Korelatif
3. Tentukan masalah skala Kategorik ordinal
variabel
Kesimpulan :
Terdapat tiga pilihan uji korelasi antara lain korelasi
spearman, Gamma, dan Sommers’d. Anda akan memilih
untuk melakukan uji korealsi Gamma dan Sommers’d karena
yang akan diuji disini adalah korelasi antara variabel ordinal
yang penyajiannya dalam bentuk silang 3 x 3
Langkah berikutnya yang bisa Anda lakukan adalah membuka
file Gamma, sebelum membuka file tersebut terlebih dahulu
pelajari Variabel View yang sudah Anda buat.

Langkah selanjutnya adalah sebagai berikut :

Analyze Descriptive Statistics Crosstab
Masukkan Variabel P3 (Mutu pelayanan Rumah sakit) ke
dalam rows
Masukkan variabel P4 (Pelayanan Keperawatan) ke dalam
coloums

Aktifkan kotak Statistic

Pilih Gamma dan Sommers’d

Proses telah selesai. Klik OK

Intepretasi:

1. Output pertama (Crosstab) akan menyajikan tabel silang

antara mutu pelayanan keperawatan dengan mutu layanan
rumah sakit.
2. Output kedua (Directional Measures) menyajikan hasil uji
Somers’d. Hasil uji Somers’d Anda pakai jika salah satu
variabel Anda anggap sebagai variabel bebas sedangkan
variabel yang lain sebagai variabel tergantung.
Jika Anda menganggap bahwa mutu pelayanan rumah sakit
sebagai variabel bebas, maka nilai yang Anda pergunakan
adalah hasil uji Somers’d baris ke dua. Anda membaca -
 bahwa besar korelasinya adalah 0,028 yang menunjukka
bahwa korelasinya sangat lemah.
3. Output ketiga (Symmetric Measures) menyajikan hasil uj
Gamma, dimana Anda akan menggunakan uji Gamma bila
kedudukan dua variabel setara ( tidak ada variabel bebas da
tergantung). Pada uji Gamma diperoleh nilai korelasi sebesa
0,052 yang menunjukkan bahwa korelasi sangat lemah.

Melaporkan hasil:
Tabel menyajikan hasil analisis korealsi Gamma. Tabel terdiri
dari koefisien korelasi (r), nilai (p), dan jumlah subjek

Pelayanan keperawatan p
Total r
Buruk Sedang Baik
Mutu Buruk
pelayanan
rumah Sedang
sakit
Baik

Total

Uji Korelasi Gamma

Uji Korelasi Koefisien Kontingensi dan Lamda (Hipotesi

Korelatif Kategorik)

Anda ingin tahu korelasi antara perilaku merokok (meroko

dan tidak merokok) dengan status fertilitas seorang pria (tida
subur dan subur). Pertanyaan penelitian yang Anda rumuska
adalah sebagai berikut:
“Apakah terdapat korelasi antara perilaku merokok degnan
status fertilitas seorang pria?”

Langkah untuk menjawab pertanyaan tersebut di atas dapat

dilihat pada tabel di bawah ini.

Tabel: Langkah-langkah menentukan uji hipotesis yang

disesuaikan dengan panduan tabel uji hipotesis
No. Langkah Jawaban
1. Tentukan variabel yang Variabel yang dihubungkan
dihubungkan status fertilitas pria
(kategorik nominal) dengan
perilaku merokok
(kategorik nominal)
2. Tentukan jenis Korelatif
hipotesis
3. Tentukan masalah skala Kategorik nominal
variable
Kesimpulan :
Terdapat dua pilihan uji, yaitu uji korelasi koefisien
kontingensi dan lambda. Anda memilih uji lamda karena
kedudukan dua variabel tidak setara, dimana perilaku
merokok sebagai variabel bebas dan infertilitas sebagai
variabel tergantung.

Prosedur uji korelasi Lamda

Silahkan Anda buka file Lamda
Tetapi sebelumnya pelajari dahulu bagian variabel view
untuk melihat variabel yang ada pada file tersebut.

Selanjutnya lakukanlah prosedur sebagai berikut

Analyze Descriptives Statistics Crosstabs
 Masukkan perilaku merokok ke da lam rows (karena
bertindak sebagai variabel bebas).
Masukkan variabel status fertilitas ke dalam couloms
(karena bertindak sebagai variabel terikat)
Klik kotak Statistics
Pilih Lambda pada kotak Nominal
Continue untuk melanjutkan proses selanjutnya
Proses telah selesai. Klik Continue, klik OK.

Intepretasi hasil
1. Output pertama menggambarkan tabel silang antara
perilaku merokok dengan status fertilitas.
2. Output kedua menyajikan hasil uji Lambda. Hasil uji
Lambda Anda pakai jika salah satu variabel Anda anggap
sebagai variabel bebas sedangkan variabel variabel yang
lain sebagai variabel terikat.
3. Jika menganggap bahwa status fertilitas sebagai variabel
terikat, maka nilai yang anda pergunakan adalah hasil uji
Lambda baris kedua. Anda membaca bahwa besar
korelasinya adalah 0,222 yang menunjukkan bahwa
korelasinya lemah.
Melaporkan hasil

Tabel menyajikan haisl analisis korealsi Gamma. Tabel terdiri

dari koefisien korelasi (r), nilai (p), dan jumlah subjek

Status fertilitas p
Total r
Subur Tidak subur
Perilaku Tidak
merokok merokok
Merokok

Total
 BAB VII || UJI BIVARIAT KORELATIF DATA
NUMERIK

Moh. Arifin Noor

A. Uji Korelasi Product Moment

Saat Anda akan mengtahui korelasi antara skor depresi

dengan skor ansietas dan dirumuskan dengan pernyataan
sebagai berikut:
“Adakah korelasi antara skor depresi dengan skor ansietas?”

Langkah yang diperlukan untuk menjawab pertanyaan isa

dilihat pada tabel di bawah ini:

No. Langkah Jawaban

1. Tentukan variabel yang Variabel yang
dihubungkan dihubungkan adalah skor
depresi (numerik) dengan
skor
ansietas (numerik)
2. Tentukan jenis hipotesis Korelatif
3. Tentukan masalah skala Numerik
variable
Kesimpulan:
Uji yang digunakan adalah uji korelasi Pearson Product
moment (uji parametrik), jika memenuhi syarat. Jika tidak
memenuhi syarat, untuk uji yang digunakan adalah uji
alternatif yaitu uji korelasi Spearman (uji nonparametrik)
Langkah melakukannya adalah sebagai berikut:
1. Memeriksa syarat uji parametrik: distribusi data harus
normal (wajib).
2. Bila memenuhi syarat (distribusi data normal), maka dipilih
uji korelasi Pearson.
3. Bila mempunyai distribusi data tidak nornal (tidak
memenuhi syarat), maka upayakan untuk melakukan
transormasi data terlebih dahulu agar distribusi menjadi
normal.
4. Apabila setelah ditransformasi data data menjadi normal,
maka dipilih uji korelasi Pearson.
5. Apabila distribusi data hasil transformasi tidak normal,
maka uji alternatifnya (uji korelasi Spearman).

Sebelum Anda masuk ke uji bivariat langkah yang harus

dilakukan pertama kali adalah melakukan uji normalitas,
bagaimana melakukan uji normalitas dapat Anda lihat pada BAB
sebelumnya.

Hasil uji normalitas apabila anda melakukan dengan benar akan

mendapatkan hasil seperti ini.
Intepretasi:
a. Bagian pertama merupakan satistik diskriptif untuk
vaiabel skor ansietas dan depresi. Perlu diingat bahwa
Anda harus selalu mempelajari deskripsi variabel sebelum
melangkah pada proses selanjutnya.
b. Seseuai dengan kesepakatan sebelumnya, Anda bisa
menggunakan hasil uji Kolmogorov-Smirnov ataupun
Shapiro-Wilk, perlu diingat bahwa untuk Anda bisa
menggunakan hasil uji Kolmogorov-Smirnov bila jumlah
sampel (besar) > 50, sedangkan Anda bisa menggunakan
hasil uji Shapiro-Wilk bila jumlah sampel (kecil) <50.
Jadi dalam hal ini Anda bisa menggunakan uji
Kolmogorov- Smirnov dengan jumlah sampel > 50.
Untuk skor depresi memiliki nilai p = 0,07 dan untuk skor
ansietas memiliki nilai p = 0,83. Dengan demikian skor
depresi maupun ansietas mempunyai nilai p > 0,05, yang
berarti bahwa kedua kelompok data mempunyai distribusi
normal.

Melakukan uji Person

Uji person akan dilakukan dengan menggunakan langakah-

langkah sebagai berikut :
Analyze Correlate Bivariate
Masukkan depresi dan ansietas ke dalam kotak variables
Pilih uji Pearson pada kotak Correlation
Coefficients. Pilih two tailed pada test of
significance
 Proses telah selesai. Klik OK

Hasil yang diperoleh adalah sebagai berikut :

Intepretasi:
Dari hasil di atas, diperoleh nilai sig 0,000 yang menunjukkan
bahwa korelasi antara skor depresi dan skor ansietas dalalh
bermakna. Nilai korelasi Pearson sebesar 0,774 menunjukkan
korelasi positif dengan kekuatan korelasi kuat

Melaporkan hasil :
Tabel menyajikan hasil analisis korelasi Pearson. Tabel terdiri
dari atas variabel, nilai CI 95% (lower and upper), mean,
standart deviasi, koefisien korelasi (r), nilai p dan jumlah
subjek /sampel (n)
Variabel 95% Upper
CI p
Mean±SD lower n r
Skor 15,80±2,64 15,09 16,51 55
depresi
Skor 15,58±2,63 14,87 16,29 0,774 0,000
55
ansietas
B. Uji Korelasi Spearman

(Hipotesis Korelatif numerik distribusi tidak normal)

Anda akan mempelajari dan mengetahui korelasi antara
ganguan somatik dan gangguan sosial, yang dapat
dirumuskan dengan pernyataan sebagai berikut:
“Adakah korelasi antara skor gangguan somatik
dengan skor gangguan sosial?”

Langkah yang digunakan untuk menjawab pertanyaan

tersebut adalah sebagai berikut perhatikan tabel di bawah
ini

Tabel langkah-langkah untuk menentukan uji hipotesis

yang sesuai dengan panduan tabel uji hipotesis dan
diagram alur.
No. Langkah Jawaban
1. Tentukan variabel yang Variabel yang dihubungkan
dihubungkan adalah skor gangguan
somatik (numerik) dengan
skor gangguan sosial
(numerik)
2. Tentukan jenis hipotesis Korelatif
3. Tentukan masalah skala Numerik
variabel
Kesimpulan :
Uji yang digunakan adalah uji korelasi Pearson Product
moment (uji parametrik), jika memenuhi syarat. Jika tidak
memenuhi syarat, untuk uji yang digunakan adalah uji
alternatif yaitu uji korelasi Spearman (uji nonparametrik)

1. Memeriksa syarat ui parametrik: distribusi data

harus normal (wajib).
2. Bila memenuhi syarat (distribusi data normal), maka
dipilih uji korelasi pearson.
3. Bila tidak memenuhi syarat (distribusi data tidak
normal), maka diupayakan untuk melakukan
trasnformasi data agar berdistribusi normal.
4. Bila data hasil trasnformasi berdistribusi normal,
dilakukan uji Pearson.
5. Bila data hasil trasnformasi berdistribusi tidak normal,
maka alternatifnya menggunakan uji kore lasi
Spearman.

a) Melakukan uji normalitas

Intepretasi
MB ĘMŊÒMŌ ŐÑǾPMÖ M MŇMÕMO ŒPMPÒŒPÒÔ
ŇÑŒÔǾÒŐPÒŅ ÞŌPÞÔ QMǾÒMNÑÕ
Somatic Complaint dan skor Social Problem. -
 Perlu diingat bahwa Anda harus selalu mempelajari
deskripsi variabel sebelum melangkah pada proses
selanjutnya.
b. Sebagaimana kesepakatan, Anda menggunakan
hasil uji kolmogorov smirnov untuk menguji
apakah distribusi data normal atau tidak. Pada uji
Test of Normality Kolmogorov Smirnov, baik skor
somatic complaint maupun skor social problem
mempunyai nilai p = 0,000, oleh karena niai p <
0,05, maka dapat diambil kesimpulan kedua
kelompok data mempunyai data distribusi tidak
normal.

b) Melakukan transformasi
c) Menguji hasil transformasi
d) Melakukan uji Spearman
Untuk melakukan uji Spearman, lakukanlah langkah -
langkah berikut:
Analyze Correlate Bivariate
Masukkan Somatic dan Social ke dalam kotak Variables
Pilih uji Spearman pada kotak Correlation Coefficients
Pilih Two Tailed pada Test of Significance
Proses telah selesai. Klik OK.

Hasil yang diperoleh adalah sebagai berikut :

Intepretasi:
Dari hasil di atas, diperoleh nilai significancy 0,000 yang
menunjukkan bahwa korelasi antara gangguan somatik
dengan gangguan sosial adalah bermakna. Nilai korelasi
spearman sebesar 0,351 menunjukkan bahwa arah korealsi
positif dengan kekuatan korelasi yang lemah.
 BAB VIII || UJI KOMPARATIF DATA
NUMERIK
Moh. Arifin Noor

Sasaran Belajar:

Setelah dilaksanakan praktikum selama, mahasiswa mampu:

a. Menjelaskan uji yang tepat pada data numerik dengan
desain observasional.
b. Menentukan uji analisis yang tepat pada data numerik
dengan desain observasional.
c. Mengolah data pada uji komparatif data numerik
desain observasional.
d. Menginterpretasikan hasil uji komparatif data
numerik desain observasinal.
e. Menampilkan hasil uji komparatif dat a numerik
desain observasinal.

Tinjauan Teori:

Desain penelitian khususnya observasional cukup

banyak digunakan dalam melakukan penelitian. Pada desain
observasional, uji yang digunakan akan sangat bergantung dari
tujuan penelitian, apakah seorang pene liti mencari keeratan
hubungan atau hanya mencari perbedaan antara variabel
independent dengan variabel dependent. Pada penelitian
observasional dengan hipotesis komparatif data numerik
(Kategorik x Numerik) maka uji yang digunakan dapat berupa
uji parametrik dan non parametrik.
 Uji parametrik yang digunakan dapat berupa uji
indepent t test, atau uji man whitney test untuk uji non
parametrik. Untuk memudahkan pemahaman, maka akan
diberikan ilustrasi sebagai berikut:

Seorang peneliti ingin mengetahui perbe daan kadar kolesterol

antara pekerja kuli panggul dan olahragawan angkat besi. Maka
uji yang digunakan adalah uji beda 2 mean tidak berpasangan,
hal ini disebabkan peneliti mengambil data pada dua kelompok
yang berbeda (ada data kategorik dan numerik). Unt uk prosedur
uji parametrik dan non parametrik data numerik komparatif akan
dijelaskan pada sub bab uji beda 2 mean dengan kelompok ya ng
tidak berpasangan di halaman. Adapun data penelitian tersebut
seperti di bawah ini:

Kadar kolesterol pekerja Kadar kolesterol olahragawan

kuli panggul angkat besi
190 110
200 130
140 170
220 130
210 150
130 140
140 120

Cara menganalisisnya dengan menggunakan uji beda 2 mean

tidak berpasangan.
Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.
BAB IX || UJI BIVARIAT KOMPARATIF DATA
KATEGORI

Indra Tri Astuti

Sasaran Belajar:

Setelah dilaksanakan praktikum , mahasiswa mampu :

a. Menjelaskan uji Chi Square, Odd ratio, dan Risk ratio.
b. Mengolah data uji Chi Square.
c. Menginterpretasikan hasil uji Chi Square .
d. Menampilkan penyajian hasil uji chi square pada
laporan penelitian.

Tinjauan Teori:

Uji Chi Square merupakan uji yang digunakan pada hipotesis

komparatif dengan data kategorik. Ada beberapa hal yang perlu
diperhatikan dalam mengintepretasikan uji chi square, antara
lain:
1. Bila pada 2 x 2 dijumpai nilai Expected (harapan)
kurang dari 5, maka yang digunakan adalah "Fisher's
Exact Test"
2. Bila tabel 2 x 2, dan tidak ada nilai E < 5, maka uji
yang dipakai sebaiknya "Continuity Correction (a)"
3. Bila tabelnya lebih dari 2 x 2, misalnya 3 x 2, 3 x 3
dsb, maka digunakan uji "Pearson Chi Square"
ÇB Į ji "[ ikelihood Ratio" dan "Linear-by-
Linear ASSCiation", biasanya digunakan untuk
keperluan lebih spesifik, misalnya analisis stratifikasi pada
-
 bidang epidemiologi dan juga untuk mengetahui
hubungan linier dua variabel katagorik, sehingga
kedua jenis ini jarang digunakan.
5. Nilai OR digunakan untuk jenis penelitian Cross
Sectional dan Case Control, sedangkan nilai RR
digunakan bila jenis penelitiannya Kohort.
6. Pada perintah Crosstab nilai OR akan keluar bila tabel
silang 2 x 2, bila tabel silang lebih dari 2 x 2, misalnya
3 x 2, 4 x 2 dsb, maka nilai OR dapat diperoleh
dengan analisis regresi logistik sederhana dengan
cara membuat "Dummy v ariable".

Adapun langkah -langkah ujinya sebagai berikut :

1. Klik Analyze
2. Klik deskriprive statistic, kemudian klik Crosstabs .

3. Masukkan variabel independent pada kotak Row .

4. Masukkan variabel dependent pada kotak Colom .
 ..

a. Klik Statistic, klik Chi Square , klik Risk, klik

Continue
 b. Klik Cells, klik Observed, klik Ekpected, klik Row,
klik Continue.

c. Klik OK

Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
jenis kelamin * menurun 18 100,0% 0 ,0% 18 100,0%
 Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square b
,277 1 ,599
Continuity Correctiona ,000 1 1,000
Likelihood Ratio ,278 1 ,598
Fisher's Exact Test 1,000 ,500
Linear-by-Linear
,262 1 ,609
Association
N of Valid Cases 18
a. Computed only for a 2x2 table
b. 2 cells (50,0%) have expected count less than 5. The minimum expected count
is 2,50.

Risk Estimate

95% Confidence
Interval
Value Lower Upper
Odds Ratio for jenis
kelamin (laki-laki / 1,750 ,215 14,224
perempuan)
For cohort menurun
= terganggu 1,300 ,515 3,281
For cohort menurun
= tidak terganggu ,743 ,227 2,431
N of Valid Cases 18
Adapun penyajian dan interpretasi hasil penelitian sebagai
berikut:

Tabel: Distribusi Responden Menurut Jenis Kelamin dan

Sensasi Kaki
Jenis Sensasi Kaki Total OR p
kelami Tergangg Tidak (95 valu
n u tergangg % e
u CI)
n % n %
n % 1,75 1,0
Laki-laki 3 60 2 40 5 10
0
perempua 6 46,2 7 53,8 1 10 (0,2–
n 3 0 14,2)
Jumlah 9 50 9 50 1 10
8 0

Tabel di atas menunjukkan bahwa laki-laki yang mengalami

ganguan sensasi kaki sebanyak 3 orang (60%), sedangkan
sebanyak 6 (46,2%) orang terganggu sensasinya. Hasil uji chi
square menunjukkan bahwa p value=1,0. Artinya tidak ada
perbedaan proporsi kejadian penurunan sensasi kaki pada laki -
laki dan perempuan.

Latihan Soal:

Lakukan pengujian dan interpretasikan hasilnya.

kejadian
jenis kelamin hipertensi
2 1
1 2
 1 2
1 1
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 2
1 2
1 2
1 2
1 2
1 2
1 2
1 2
2 1
2 2
1 1
2 1
1 2

K oding:
Jenis kelamin: 1.
Kejadianhipertensi:
Laki-laki
1. Hipertensi
2. Perempuan
2. Tidak hiperten
Daftar Rujukan :
1. Dahlan, M.S . 2011. Statistik Untuk Kedokteran dan
Kesehatan . Edisi 5. Jakarta : Salemba Medika.
2. Dharma, Kelana Kusuma . Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro,S & Ismael, S . (2011). Dasar -dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto .
 BAB X || UJI PARAMETRIK (UJI BEDA 2
MEAN BERPASANGAN) DATA NUMERIK

Ahmad Ikhlasul Amal

Sasaran Belajar:

Setelah dilaksanakan praktikum selama 150 menit,

mahasiswa mampu:
a. Mengetahui Langkah-langkah Uji Beda Berpasangan
(Uji t-paired) Data Numerik.
b. Menginterpretasikan Hasil Uji Beda Berpasangan
(Uji t-paired) Data Numerik.
c. Melaporkan Hasil Uji Beda Berpasangan (Uji t-
paired) Data Numerik.

Definisi:

Uji t berpasangan tentu saja digunakan apabila dua kelompok

tersebut saling berhubungan. Dua sampel berpasangan artinya
sampel dengan subjek yang sama namun mengalami dua
perlakuan atau pengukuran yang berbeda.
Penentuan kapan menggunakan Uji t sampel/kelompok
dependent (berpasangan)?
Uji komparasi antar dua nilai pengamatan berpasangan,
misalnya: sebelum dan sesudah digunakan pada uji parametrik
dimana syaratnya sebagai berikut:
a. Satu sampel (setiap elemen mempunyai 2
nilai pengamatan)
 b. Merupakan data kuantitatif numerik (rasio -interval)
c. Berasal dari populasi dengan distribusi normal.

Prosedur Uji Beda 2 Mean Berpasangan ( t-paired) Data

Numerik:

1. Cek syarat
Syarat Uji T Paired adalah perbedaan dua kelompok data
berdistribusi normal. Maka harus dilakukan terlebih dahulu
dengan uji normalitas pada perbedaan kedua kelompok
tersebut.
Anda dapat meng gunakan uji normalitas antara lain: Shapiro
Wilk atau Kolmogorov Smirnov .
Jika memenuhi syarat (data b erdistribusi normal), maka
dipilih uji t berpasangan. Jika distribusi tidak normal maka
dilakukan transformasi data terlebih dahulu kemudian
diulang kembali uji normalitasnya. Jika tidak normal maka
dipilih Uji Wilcoxon sebagai uji alternatifnya.

2. Langkah-langkah
Kasus: Peneliti ingin mengetahui penggunaan terapi
Antiretroviral terhadap berat badan pasien HIV/AIDS.
Rumusan pertanyaannya yaitu “apakah terdapat perbedaan
rerata berat badan sebelum dan sesudah diberikan terapi
Antiretroviral pada pasien HIV/AI DS.
 Data Hasil Penelitian

Berat Badan Berat Badan

Reponden Sebelum Sesudah
Terapi ARV Terapi ARV
1 48 50
2 48 50
3 53 55
4 56 57
5 58 60
6 51 53
7 45 47
8 58 60
9 44 45
10 45 46
11 41 43
12 60 63
13 47 50
14 56 59
15 46 48

Ikuti langkah berikut

a. Isikan data tersebut ke dalam SPSS
b. Pada Menu SPSS klik Analyze
 c. Klik Compare Means
d. Klik Paired Sample t
e. Masukkan data berat badan sebelum dan sesudah ke
dalam kotak Paired Variables .
f. Klik Continue, diikuti klik OK.

3. Interpretasi Hasil
a. Kolom Paired Sample Statistics menjelaskan tentang
deskripsi masing -masing variable.

Paired Samples Statistics

Std.
Deviat Std. Error
Mean N ion Mean
Pair Sebelum 50.40 15 6.021 1.555
Sesudah 52.40 15 6.266 1.618

b. Tabel Paired Samples Test menggambarkan hasil uji t

berpasangan. Lihat kolom sig. (2 tailed). Diperoleh nilai
signifikansi 0,000 (p<0,050). Hal tersebut berarti
terdapat perbedaan yang bermakna antara berat badan
sebelum dan sesudah menjalani terapi ARV. Nilai IK
95% adala antara -2,363 sampai dengan -1,637.
 df: degree of freedom (derajat kebebasan) : Untuk analisis T
Paired selalu N- 1. Di mana N adalah jumlah sampel.

T = nilai t hitung: hasil -11,832: Harus dibandingkan dengan

t tabel pada df 14. Apabila t hitung > t tabel: signifikan.
Sig. (2-tailed): Nilai probabilitas/p value uji T Paired: Hasil
= 0,000. Artinya: Tidak ada perbedaan antara sebelum
dan sesudah perlakuan. Sebab: Nilai p value > 0,05 (95
% kepercayaan).
Mean: -2,000. Bernilai Negatif, artinya tidak terjadi
kecenderungan kenaikan sesudah terapi ARV. Apabila
didapatkan hasil Positif: Artinya terjadi kecenderungan
perubahan sesudah perlakuan.

4. Melaporkan Hasil
Hasil penyajian terbaik dari uji ini adalah dengan
mendeskripsikan informasi yang lengkap dengan
menampilkan IK serta nilai p. Hal ini dikarenakan informasi
nilai IK lebih bermanfaat secara klinis daripada informasi p
value.

Pada dasarnya pertimbangan tabel manakah yang akan

disampaikan dalam laporan penelitian atau jurnal ilmiah -
 bergantung pada pedoman yang dianut oleh institusi atau
jurnal tersebut.

Contoh:
Tabel: Hasil uji t berpasangan secara lengkap

Uji t berpasangan

Berdasarkan tabel di atas hasil uji paired t -test didapatkan

bahwa rata-rata berat badan pada pasien HIV/AIDS sebelum
menjalani terapi ARVsebesar 50,4 kg sedangkan setelah
diberikan terapi ARV sebesar 52,4 kg. Hasil uji paired t -test
juga didapatkan p value 0,001 (<0,05) dengan demikian dapat
disimpulkan bahwa terdapat perbe daan antara berat badan
sebelum dan sesudah mendapatkan terapi ARV bagi pasien
HIV/AIDS.

Kasus Latihan :

Peneliti ingin mengetahui a pakah terdapat perbedaan berat

badan (kg) antara sebelum dan sesudah puasa ramadhan
(selama satu bulan)? Lakukanlah analisi s untuk data penelitian
berikut ini:
 Data Hasil Penelitian
Berat Badan Berat Badan
Reponden
Sebelum Puasa Sesudah Puasa
1 50 48
2 53 52
3 55 53
4 57 55
5 60 57
6 53 51
7 47 44
8 60 56
9 45 43
10 46 45
11 43 42
12 63 61
13 50 50
14 59 58
15 48 48

Daftar Pustaka :
1. Dahlan, M.S . 2011. Statistik Untuk Kedokteran dan
Kesehatan . Edisi 5. Jakarta : Salemba Medika.
2. Dharma, Kelana Kusuma . Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro,S & Ismael, S . (2011). Dasar
-dasar Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung
Seto .
 BAB XI || UJI PARAMETRIK (UJI BEDA 2
MEAN TIDAK BERPASANGAN) DATA
NUMERIK

Ahmad Ikhlasul Amal

Sasaran Belajar:
Setelah dilaksanakan praktikum selama 150 menit, mahasiswa mampu :
Mengetahui Langkah-langkah Uji Beda 2 Mean Tidak Berpasangan Data Nu
Menginterpretasikan Hasil Uji Beda 2 Mean Tidak Berpasangan Data Nume

c. MelaporkanHasilUjiBeda Berpasangan Data Numerik.

2 MeanTidak

Definisi:

Uji t tidak berpasangan tentu saja digunakan apabila dua

kelompok tersebut saling berhubungan, dalam penggunaanya
juga dikenal dengan sebutan (Unpaired t-test). Dua sampel
berpasangan artinya sampel dengan subjek yang sama namun
mengalami dua perlakuan atau pengukuran yang berbed a.
Penentuan kapan menggunakan Uji t sampel/kelompok
independent (tidak berpasangan), adalah sebagai berikut:
a. Uji komparasi antar dua sampel pengamatan
b. Digunakan pada uji parametrik dimana syaratnya
sebagai berikut:
1) Merupakan data kuantitatif numerik (rasio-interval)
2) Berasal dari populasi dengan distribusi normal.
Prosedur Uji Beda 2 Mean Tidak Berpasangan ( Unpaired t-
test) Data Numerik:

1. Cek syarat
Syarat Uji T Paired adalah perbedaan dua kelompok data
berdistribusi normal. Maka harus dilakukan terlebih
dahulu dengan uji normalitas pada perbedaan kedua
kelompok tersebut. Anda dapat menggunakan uji
normalitas antara lain: Shapiro Wilk atau Kolmogorov
Smirnov.
Jika memenuhi syarat (data berdistribusi normal), maka
dipilih uji Unpaired t-test. Jika distribusi tidak normal
maka dilakukan transformasi data terlebih dahulu
kemudian diulang kembali uji normalitasnya. Jika tidak
normal maka dipilih Uji Mann Whitney sebagai uji
alternatifnya.

2. Langkah-langkah
Kasus: Peneliti ingin mengetahui apakah terdapat
perbedaan rerata kepuasan ibu melahirkan secara normal
dengan yang melahirkan secara caesar.

Data Hasil Penelitian

Reponden Kelompok Kepuasan
1 1 48
2 1 48
3 1 53
4 1 51
 5 1 52
6 1 51
7 1 45
8 1 55
9 1 44
10 1 45
11 1 49
12 1 48
13 2 47
14 2 47
15 2 46
16 2 42
17 2 44
18 2 42
19 2 45
20 2 51
21 2 44
22 2 34

Keterangan Koding:
1) Kelompok Normal (Spontan)-Kontrol
2) Kelompok Sectio Caesaria-Intervensi
Ikuti langkah berikut:
a. Isikan data tersebut ke dalam SPSS

b. Pada Menu SPSS klik Analyze

c. Klik Compare means
d. Klik Independent-Sample t
e. Masukkan variabel Skor Kepuasan dalam kotak Test
Variable.
f. Masukkan variabel Kelompok kedalam Grouping
Variable.

g. Aktifkan kotak Define Group

 h. Masukkan angka 1 untuk kotak group 1 (sebagai kode
persalinan normal).
I. Masukkan angka 2 unt uk kotak group 2 (sebagai kode
persalinan sectio caesaria)
j. Tahapan selesai, Klik Continue, diikuti klik OK.

5. Interpretasi Hasil

Tampilan Output SPSS

 a. Menguji varians
Pada kotak Levene’s test (nama uji hipotesis untuk
menguji varians), nilai sig = 0,914. Karena nilai p> 0,05
maka varians data kedua kelompok sama.
b. Karena varians sama, maka untuk melihat hasil uji t
memakai hasil pada baris ke dua ( equal varians
not assumed).
c. Angka signifikansi pada baris pertama adalah 0,013,
dengan perbedaan rerata (mean difference) sebesar 4,63.
d. Nilai IK 95% adalah antara 1,07 -8,19.
e. Karena nilai p<0,05 maka diambil kesimpulan “terdapat
perbedaan rerata skor kepuasan yang bermakna antara
kelompok ibu yang melakukan persalinan normal dengan
menjalani persalinan secara sectio caesaria”.

ĎB Ì ÑÕMŐŎǾÔMŌ ĢMŒÒÕ

Hasil penyajian terbaik dari uji ini adalah dengan

mendeskripsikan informasi yang lengkap dengan
menampilkan IK serta nilai p. Hal ini dikarenakan informasi
nilai IK lebih bermanfaat secara klinis daripada informasi
p value.
Pada dasarnya pertimbangan tabel manakah yang akan
disampaikan dalam lapor an penelitian atau jurnal ilmiah
bergantung pada pedoman yang dianut oleh institusi atau
jurnal tersebut.
 Contoh:
Tabel 4.1 Hasil uji t berpasangan secara lengkap

Uji t tidak berpasangan

Berdasarkan tabel 4.1 hasil uji unpaired t-test didapatkan

bahwa rata-rata kepuasan pada kelompok ibu dengan persalinan
normal sebesar 49,18, sedangkan pada ibu dengan persalinan
sectio caesaria didapatkan reata sebesar 44,54. Hasil uji
unpaired t-test juga didapatkan p value 0,001 (<0,05) dengan
demikian dapat disimpulkan bahwa terdapat perbedaan
kepuasan antara persalinan normal dengan persalinan secto
caesaria.

7. Latihan Kasus

Peneliti ingin mengetahui apakah terdapat perbedaan rerata

Critical Thinking mahasiswa program studi ners yang diberi
metode simulasi dengan yang biasa pada umumnya dengan
demonstrasi.
 Data Hasil Penelitian

Reponden Kelompok Critical Thinking

1 1 48
2 1 48
3 1 53
4 1 51
5 1 52
6 1 51
7 1 45
8 1 55
9 1 44
10 1 45
11 1 49
12 1 48
13 2 47
14 2 47
15 2 46
16 2 42
17 2 44
18 2 42
19 2 45
20 2 51
KeteranganCoding:
1. Kelompok Kontrol
2. Kelompok Intervensi (Simulasi)
Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto .
 BAB XII || TOPIK : UJI NON PARAMETRIK
(UJI BEDA 2 MEAN BERPASANGAN) DATA
KATEGORIK

Ahmad Ikhlasul Amal

Sasaran Belajar:

Setelah dilaksanakan praktikum selama 150 menit,

mahasiswa mampu:
a. Mengetahui Langkah-langkah Uji Beda 2 Mean
Berpasangan Data Kategorik.
NB Menginterpretasikan Hasil Uji Beda 2 Mean
Berpasangan Data Kategorik.
c. Melaporkan Hasil Uji Beda 2 Mean Berpasangan
Data Kategorik.

Definisi:

Uji McNemar diperkenalkan oleh seorang ahli psikologi

bernama Quinn McNemar pada tahun 1947. Uji ini digunakan
untuk penelitian yang membandingkan sebelum dan sesudah
peristiwa/treatment dimana tiap objek digunakan sebagai
pengontrol dirinya sendiri (i.e. evaluating repeated
measurements of the same objects using them as their own
control). Uji dilakukan pada 2 kelompok sampel yang
berhubungan, skala pengukurannya berjenis nominal dan untuk
crosstabulasi 2x2.
Prosedur Uji Beda 2 Mean Berpasangan ( Uji Mc Nemar)
Data Kategorik:
1. Cek syarat
a. Skala variabel dalam uji ini menggunakan skala
kategorik.
b. Menggunakan sampel yang berpasangan.
c. Jenis hipotesis yang ditentukan adalah hipotesis
komparatif.
2. Kasus
Peneliti ingin mengetahui apakah ada perbedaan
pengetahuan tentang Imunisasi sebelum dan sesudah
pemberian pendidikan kesehatan. Untuk membuktikan
hal tersebut diambil sampel-sampel secara random
sebanyak 20 orang. Sebelum pendidikan kesehatan
dilakukan pretest terlebih dahulu untuk melihat
pengetahuan awal. Setelah diberi pendidikan kesehatan
langsung dilakukan posttest pengetahuan mereka
dikategorikan menjadi dua, yaitu baik dan buruk. Data
dapat dilihat pada tabel berikut:
Pengetahuan Pengetahuan
Responden Sebelum Sesudah Responden Sebelum Sesudah
1 2 1 11 1 1
2 2 1 12 2 1
3 2 1 13 2 2
4 1 1 14 2 1
5 1 2 15 1 1
6 2 1 16 2 1
7 1 1 17 2 1
8 2 1 18 2 1
9 1 1 19 2 1
10 2 1 20 1 1
 Keterangan:
Kategori Pengetahuan:
1 = Baik
2 = Buruk

Langkah-langkah Kegiatan Praktikum:

Pada praktikum ini, mahasiswa memasukkan data, mengolah

data dengan menggunakan uji Mc nemar serta membuat
interpretasi dari luaran yang diperoleh.
a. Klik Analyze Descriptives statistics Crosstabs
b. Masukkan variabel sebelum atau pre ke dalam Rows
c. Masukkan variabel sesudah atau post ke dalam Columns
d. Klik kotak Statistics, lalu pilih McNemar pada kanan
bawah kotak, lalu klik Continue.
e. Proses telah selesai. Klik Continue. Klik

OK. Akan muncul tampilan sebagai

berikut:
Interpretasi Hasil :

Pengetahuan_Sebelum * Pengetahuan_Sesudah
Crosstabulation

Count
Pengetahuan_Sesudah
Baik Buruk Total
Pengetahuan_Seb elum Baik 7 1 8
Buruk 11 1 12
Total 18 2 20

Chi-Square Tests
Exact Sig. (2
Value - sided)
McNemar Test .006a
N of Valid
20
Cases
a. Binomial distribution used.

1. Output bagian pertama menunjukkan hasil tabel Crosstab

atau tabel silang. Subyek pen elitian dengan pengetahuan
sebelum dan sesudah pendidikan kesehatanyang
memiliki kategori baik berjumlah 7 orang. Subyek
penelitian dengan pengetahuan sebelum dan sesudah
diberikan pendidikan kesehatan dari baik menjadi buruk
terdapat 1 orang, dan seterus nya.
 2. Tabel kedua Chi-Square Tests menunjukkan hasil Uji
McNemar. Angka signifikansi menunjukkanangk
0,006. Karena nilai p<0,05, maka dapat diambil
kesimpulan bahwa pengetahuan antara sebelum dan
sesudah pemberian pendidikan kesehatan berbeda
secara bermakna.

Melaporkan Hasil:

Berikut ini contoh penyajian tabel dalam pelaporan hasil uji

statistik Mc Nemar.

Pengetahuan
sesudah
pendidikan Total p
kesehatan
Baik Buruk
Pengetahuan Baik 7 1 8
sebelum Buruk
pendidikan 0,006
11 1 12
kesehatan
Total 18 2 20

Latihan Kasus:

Peneliti ingin mengetahui dampak perubahan penyuluha

kesehatan terhadap perilaku hidup bersih dan sehat bagi warga
di kecamatan Watu Nganten Demak.
 Hasil data penelitian

Pola Hidup Pola Hidup

Responde Bersih & Sehat Responde Bersih & Sehat
n Sebelu Sesuda n Sebelu Sesuda
m h m h
1 2 1 11 1 1
2 2 1 12 2 1
3 2 1 13 2 2
4 1 1 14 2 1
5 1 2 15 1 1
6 2 1 16 2 1
7 1 1 17 2 1
8 2 1 18 2 1
9 1 1 19 2 1
10 2 1 20 1 1

Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI
4. Sastroasmoro, S & Ismael, S. (2011). Dasar-dasar
Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.
 BAB XIII || UJI NON PARAMETRIK (UJI BEDA
2 MEAN TIDAK BERPASANGAN) DATA
KATEGORIK

Ahmad Ikhlasul Amal

Sasaran Belajar:

Setelah dilaksanakan praktikum selama 150 menit, mahasiswa mampu :

Mengetahui langkah-langkah Uji Beda 2 Mean Tidak Berpasangan Data Kategorik
Menginterpretasikan Hasil Uji Beda 2 Mean Tidak Berpasangan Data Kategorik

ŃB MelaporkanHasilUjiBeda Berpasangan Data Kategorik

2 MeanTidak

Definisi:

Salah satu uji statistik non-parametrik yang paling banyak

digunakan dalam penelitian bidang kesehatan adalah uji chi
square, karena uji ini memiliki kemampuan membandingkan dua
kelompok atau lebih pada data -data yang telah
dikategorisasikan. Meski demikian, uji chi -square dapat pula
dipakai pada pengujian satu kelomp ok dan berskala
interval/rasio. Secara ringkas kegunaaan uji chi -square disajikan
pada gambar berikut.
Prosedur (Uji Beda 2 Mean Tidak Berpasangan) Data
Kategorik:

1. Cek syarat
a. Skala variabel dalam uji ini menggunakan skala
kategorik.
b. Menggunakan sampel yang tidak berpasangan
c. Jenis hipotesis yang ditentukan adalah hipotesis
komparatif

2. Kasus
Peneliti ingin mengetahui apakah ada perbedaan skala
nyeri pada pasien post op appendictomy dengan
menggunakan teknik guided imagery. Untuk
membuktikan hal tersebut diambil sampel-sampel
secara random sebanyak 20 orang. Sebelum pemberian
teknik guided imagery dilakukan pretest terlebih dahulu
untuk melihat skala nyeri awal. Setelah diberi
 penyuluhan langsung dilakukan posttest pengetahuan
mereka dikategorikan menjadi dua yaitu ringan dan
berat. Data dapat dilihat pada tabel berikut:
Kelompok Skala Nyeri Kelompok Skala Nyeri
Kontrol Sebelum Sesudah Intervensi Sebelum Sesudah
1 2 1 15 1 1
2 2 1 16 2 1
3 2 2 17 2 2
4 1 1 18 2 1
5 1 2 19 1 1
6 2 1 20 2 1
7 1 1 21 2 2
8 2 1 22 2 1
9 1 2 23 2 1
10 2 1 24 1 1
11 2 1 25 2 1
12 1 2 26 2 1
13 2 1 27 2 1
14 1 2 28 2 1

Keterangan:
Skala Nyeri:
1 = Ringan
2= Berat

3. Langkah
Untuk memulai pengujian, berikut ini adalah langkah
yang harus Anda kerjakan :
a. Klik Analyze Descriptives Statistics
Crosstabs.
b. Masukkan variabel terapi guided imagery ke
dalam rows (sebagai variabel bebas) .
 c. Masukkan variabel skala nyeri ke dalam
Columns (sebagai variabel terikat)
d. Klink kotak Statistics, lalu pilih Chi-Square
pada kiri atas kotak, lalu klik Continue,
e. Aktifkan kotak Cell, lalu pilih observed (untuk
menampilkan nilai Observed) dan Expected
(untuk menampilkan nilai Expected) pada kotak
Counts, lalu Continue.
f. Proses telah selesai. Klik Continue. Klik OK.

4. Interpretasi Hasil

Skala_Nyeri_Sebelum * Skala_Nyeri_Sesudah Crosstabulation

Skala_Nyeri_Sesudah

ringan berat Total

Skala_Nyer ingan Count 5 4 9

i_Sebelum
Expected Count 6.8 2.2 9.0

% within
Skala_Nyeri_Seb 55.6% 44.4% 100.0%
elum

% within
Skala_Nyeri_Ses 23.8% 57.1% 32.1%
udah

% of Total 17.9% 14.3% 32.1%

Berat Count 16 3 19

Expected Count 14.2 4.8 19.0

 % within
Skala_Nyeri_Seb 84.2% 15.8% 100.0%
elum

% within
Skala_Nyeri_Ses 76.2% 42.9% 67.9%
udah

% of Total 57.1% 10.7% 67.9%

Total Count 21 7 28

Expected Count 21.0 7.0 28.0

% within
Skala_Nyeri_Seb 75.0% 25.0% 100.0%
elum

% within
Skala_Nyeri_Ses 100.0% 100.0% 100.0%
udah

% of Total 75.0% 25.0% 100.0%

Chi-Square Tests

Asymp. Sig. Exact Exact Sig.

Value df (2-sided) Sig. (2- (1-sided)
sided)

Pearson Chi-
2.674a 1 .102
Square
Continuity
1.365 1 .243
Correctionb
Likelihood Ratio 2.551 1 .110

Fisher's Exact
.165 .123
Test
Linear-by-Linear
2.579 1 .108
Association

N of Valid Cases b 28

a. 2 cells (50,0%) have expected count less than 5. The minimum

expected count is 2,25.

b. Computed only for a

2x2 table

5. Tabel pertama menggambarkan deskripsi masing -

masing sel untuk nilai observed dan expected. Nilai
observed untuk sel a,b,c,d masing -masing 5,4,16,3
sedangkan nilai expectednya masing -masing 6,8; 2,2;
14,2; dan 4,8.
6. Tabel 2x2 ini tidak layak untuk diuji dengan chi square
karena ada nilai expected yang kurang dari lima.
Sehigga menggunakan uji alt ernatif Fisher.
7. Tabel kedua menunjukkan hasil uji Chi Square. Nilai
yang dipakai adalah pada nilai fisher exact test dengan
nilai sginifikansinya adalah 0,123 untuk 1 -sided (one
tail).
8. Karena nilai p>0,05 maka dapat disimpulka bahwa
“tidak ada hubungan ant ara skala nyeri sebelum dengan
sesudah mendapatkan teknik relaksasi guided imagery.
9. Laporan Hasil
 Hasil analisis disajikan dalam bentuk tabel silang baris
dan kolom. Tabel chi square yang lengkap biasanya
terdiri atas jumlah dan persentase untuk setiap sel, serta
nilai p. Apabila desain penelitian kasus kontrol,
persentase total disajikan ke kolom. Apa bila
menggunakan desain cross sectional , persentase total
dapat disajikan ke baris maupun ke kolom.

10. Laporan Hasil

Hasil analisis disajikan dalam bentuk tabel silang baris
dan kolom. Tabel chi square yang lengkap biasanya
terdiri atas jumlah dan persen tase untuk setiap sel, serta
nilai p. Apabila desain penelitian kasus kontrol,
persentase total disajikan ke kolom. Apabila
menggunakan desain cross sectional , persentase total
dapat disajikan ke baris maupun ke kolom.
Tabel. Hasil analisis chi square pada desain kohort
Skala Nyeri Sesudah
p
Ringan Berat
n % n %
Skala Rin 5 17,9 4 14,3
Nyeri gan 0,123
Sebelum Ber 16 57,1 3 10,7
at
Total 21 75 7 25
 Tabel Hasil analisis Chi-square pada desain kasus
kontrol

Skala Nyeri Sesudah

p
Ringan Berat
n % n %
Skala Ringan 5 17,9 4 32,1 0,123
Nyeri Berat 16 57,1 3 19,7
Sebelum
Total 21 75 7 25

11. Latihan Kasus

Sebuah penelitian yang ingin menguji adakah perbedaa
kejadian kanker berdasarkan status riwayat merokok
Dimana variabel independen dalam hal ini adala
riwayat merokok, dengan kategori ada 2 yaitu: meroko
dan tidak merokok. Sedangkan sebaga
variabel dependen adalah kejadian kanker, diman
kejadian kanker juga terdiri dari 2 kategori, yaitu
menderita kanker dan tidak menderita kanker.
Data Hasil Penelitian
Responden Riwayat Kejadian
Merokok Kanker
1 1 1
2 2 1
3 1 1
4 1 1
5 2 1
6 2 2
 7 2 1
8 1 1
9 2 2
10 1 1
11 1 1
12 2 2
13 2 1
14 2 1
15 1 1
Keterangan:
Kejadian Kanker:
1= Tidak menderita kanker
2= Menderita Kanker

Riwayat Merokok:
1 = Tidak Merokok
2= Merokok

Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.
2. Dharma, Kelana Kusuma. Metodologi Penelitian
Keperawatan. Jakarta: TIM.
3. Hastono, 2016. Analisis data. FKM UI

4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar

Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung
Seto.