Program Studi Ners

PANDUAN

NSA 2528

BIOSTATISTIK
(1 sks praktikum)

Tim Penyusun
Dr. Endang Triyanto, S.Kep.,Ns.M.Kep
Dr. Ridlwan Kamaluddin, M.Kep
Dr.Desiyani Nani, M.Si
Yunita Sari, Ph.D

Jurusan Keperawatan
2020 Fakultas Ilmu-Ilmu Kesehatan (FIKes)
Universitas Jenderal Soedirman
1
 KATA PENGANTAR

Puji syukur penulis panjatkan kepada Allah SWT, atas segala Rahmat dan
Karunia-Nya, sehingga modul praktikum Biostatistik selesai tersusun. Buku ini berisi
panduan mahasiswa dalam melaksanakan praktikum mata kuliah Biostatistik. Ruang
lingkup modul ini meliputi : penyajian data, uji hipotesis, pemusatan dan penyebaran
data, probability, rancangan percobaan, analisis uji univariat, bivariat dan multivariate.
Mahasiswa diharapkan mampu menganalisis data penelitian menggunakan berbagai uji
statistic yang tepat dan bertanggung jawab atas data yang disajikan.
Kritik dan saran dapat dikirimkan melalui email sasa.yunita@gmail.com. Akhir
kata semoga modul ini dapat mempermudah dalam pengerjaan bidang statistik.

Purwokerto, 19 Agustus 2020

TIM Penyusun

2
 DAFTAR ISI

Praktikum Modul I 1
Praktikum Modul II
Praktikum Modul III
Praktikum Modul IV
Praktikum Modul V
Praktikum Modul VI
Praktikum Modul VII
Latihan
Referensi

3
Persiapan Praktikum
Mahasiswa menginstal program SPSS di laptop. Selama kegiatan praktikum harus tersedia
laptop mahasiswa untuk setiap kelompok untuk mempermudah pelaksanaan kegiatan dan
pelaporan praktikum.

Tempat : Laboratorium Komputer

Alokasi Waktu Tiap Praktikum : 150 menit

Learning Objectives Modul I-III: Mahasiswa mampu :

a. Menentukan variable penelitian dalam jurnal
b. Menentukan skala data dari variable penelitian tersebut
c. Menentukan jenis-jenis data (primer/ sekunder, kuantitatif/ kualitatif, subyektif/
obyektif)
d. Menentukan teknik sampling yang tepat dari berbagai populasi
e. Menghitung jumlah sampel dengan menggunakan rumus yang tepat
f. Melakukan koding dan input data penelitian ke computer
g. Melakukan analisis sederhana : distribusi frekuensi, proporsi, mean, median, modus,
standar deviasi, varians, nilai minimum, nilai maksimum dan range dari contoh kasus
dalam praktikum ini.
h. Menampilkan berbagai cara penyajian data
i. Menyusun tabel secara tepat
j. Membuat histogram, poligon, diagram batang, diagram lingkaran, pie chart sesuai
data
k. Melakukan interpretasi data secara tepat
l. Menginterpretasi data secara tepat

4
MODUL I Statistik Deskriptif
Statistik deskriptif merupakan bidang ilmu statistika yang mempelajari cara-cara
pengumpulan, penyusunan, dan penyajian data suatu penelitian. Kegiatan yang termasuk
dalam kategori tersebut adalah kegiatan collecting atau pengumpulan data, grouping atau
pengelompokan data, penentuan nilai dan fungsi statistik, serta pembutan grafik dan
diagram. Berbagai jenis Statistik Deskriptif pada SPSS dapat dilihat pada menu Analyze-
>DescriptiveStatistics. Pemilihan menu tersebut akan memunculkan sub-sub menu yang
terlihat seperti gambar. Sub-sub menu tersebut antara lain analisis frekuensi, analisis
deskripsi, analisis eksplorasi data, dan analisis crosstabs. Prosedur FREQUENCIES
memiliki kegunaan pokok untuk melakukan pengecekan terhadap input data. Apakah data
sudah diinputkan dengan benar. Hal ini mengingat bahwa dengan statistic frekuensi kita
bisa mengetahui resume data secara umum.

Gambar1.Menu Statistik Deskriptif

Seperti berapa jumlah responden laki-laki, jumlah responden perempuan,

dansebagainya. Selainitu, prosedur ini juga memiliki kegunaan untuk menyediakan
informasi deskripsi data yang menggambarkan demographic characteristics dari sampel
yang diambil. Misalnya berapa persen responden yang setuju terhadap tindakan yang
dilakukan, berapa persen responden yang menolak, dan sebagainya. Berikut akan dibahas
contoh kasus melakukan analisa deskriptif dengan SPSS.

5
Contoh Kasus
Tabel dibawah ini menunjukkan data yang akan dianalisa dengan statistic deskriptif. Dari
tabel di bawah, field yang akan dianalisa antara lain umur, pendidikan, jenis kelamin

Nama Umur Pendidikan Jenis Kelamin

Andi 16 SD L
Atun 20 SMP P
Ani 32 SD P
Asa 35 SMA L
Api 18 SD L
Abu 21 SD L
Ari 25 SMP P
.
Untuk membuat statistic deskripsi dari tabel diatas, lakukan langkah-langkah dengan
program SPSS sebagai berikut :
Klik menu Analyze, pilih Descriptive Statistics dan lanjutkan dengan pilihan
Frequencies. Tampilan yang muncul sebagai berikut.

Masukkan variabel Umur, Word, dan Excel ke dalam kotak Variables untuk dianalisa.
Pilih tombol Statistics untuk mengatur item-item yang akan ditampilkan dalam output
seperti berikut.

6
Berilah tanda chek point untuk memunculkan item-item analisa yang diinginkan. Dari
gambar diatas bias dilihat bahwa terjadi pembagian kelompok Statistik. Pembagian
kelompok tersebuta dalah:
a. Central tendency
Pengukuran tendensi pusat yang meliputi mean, median, modus. Mean menunjukkan
rata-rata dari masing-masing variable semua responden. Median menunjukkan titik
tengah data yaitu jika data diurutkan dan dibagi dua sama besar. Modus menunjukkan
nilai yang paling sering muncul dalam suatu range statistik. Sum menunjukkan total
data.
b. Dispersion
Pengukuran disperse yang meliputi standar deviation, variance, range, minimum,
maximum, dan standard error of the mean. Standard deviasi menunjukkan despersi
rata-rata dari sampel. Minimum menunjukkan nilai terendah dari suatu deretan data.
Maximum menunjukkan nilai tertinggi dari suatu deretan data. Standard error of mean,
diukur sebagai standard deviasi dibagi dengan akar dari jumlah data valid (n).

c. Distribution
Pengukuran distribusi yang meliputi skewness and kurtosis. Bagian ini digunakan untuk
melakukan pengecekan apakah distribusi data adalah distribusi normal. Ukuran
skewness adalah nilai skewness dibagi dengan standard error skewness. Jika rasio
skewness berada di antara nilai -2.00 sampai dengan 2.00, maka distribusi data adalah
normal sehingga data diatas masih berdistribusi normal. Nilai kurtosis adalah nilai
kurtosis dibagi dengan standard error-nya. Bahwa 95% confidence interval (C.I.) di
7
 sekitar nilai skewness and 95% confidence interval yang lain di sekitar nilai kurtosis.
The 95% confidence intervals atau tingkat kepercayaan di definisikan sebagai berikut :
95%C.I. = skewness statistic ± 1.96*(standard error of skewness); dan 95% C.I. =
kurtosis statistic ± 1.96*(standard error of kurtosis).
d. Percentile values
Percentile values akan menampilkan data-data secara berkelompok menjadi sebuah
prosentase. Sebagai contoh data yang terkelompok sebagai berikut. Rata-rata umur
25% dibawah 19 tahun; Rata-rata umur 50% dibawah 20 tahun; Rata-rata umur 75%
dibawah 23 tahun. Dari opsi-opsi statistic yang telah dibahas berikan tanda check point
untuk item-item analisa yang akan ditampilkan pada output window.
e. Setelah dipilih point-point statistic yang diinginkan dan sesuai dengan kebutuhan, klik
tombol Continue.
f. Pilih tombol Charts untuk memilih model grafik yang ingin ditampilkan dalam output.

Gambar. Dialog Charts

Adapun bentuk-bentuk dari sebuah grafik sebenarnya dikelompokkan menjadi beberapa

jenis, seperti :
1) Grafik Batang
Grafik batang menunjukkan variasi nilai dari suatu data yang ditampilkan dalam
bentuk batang atau kotak. Model ini paling cocok jika digunakan untuk
memvisualisasikan suatu perbandingan serta dapat menunjukkan nilai dengan
tepat.
2) Grafik Garis
Grafik ini menunjukkan variasi nilai suatu data dengan tampilan yang berupa garis
yang mempunyai beberapa kelebihan, seperti dapat menunjukkan hubungan antar
nilai dengan baik dan mudah dimengerti. Kelemahannya adalah jika terlalu
banyak garis akan terkesan rumit dan tampilan yang terkesan sangat sederhana.
3) Giagram Pie
Seperti namanya, model pie merupakan bagan yang berbentuk lingkaran yang
menyerupai sebuah kue. Tiap-tiap potong dari kue tersebut menunjukkan nilai
prosentase dari data.
8
g. Selanjutnya setelah mengatur semua pilihan, klik Continue jika ingin dilanjutkan ke
langkah berikutnya.
h. Klik OK dari kotak dialog Frequencies.
i. Membaca Output
Setelah dilakukan pemilihan option-option yang diinginkan dan sesuai kebutuhan,
selanjutnya tekan tombol OK pada kotak dialog Frequencies untuk melanjutkan
perintah. Penekanan tombol OK akan memunculkan output lengkap seperti gambar
dibawah ini.

Gambar. Output Lengkap

Output Tabel Statistik

Terlihat beberapa hal hasil pengolahan yang dapat dijelaskan sebagaiberikut.

9
 Gambar. Tabel Statistik

Output Tabel Frekuensi

Output berikutnya dari hasil pengolahan data

Gambar Tabel Frequency Umur

Gambar. Frekuensi Pendidikan

10
Gambar Frekuensi Jenis Kelamin

11
Output Grafik

Gambar.Output Grafik

12
 MODUL II. Prosedur Descriptives

Statistik dengan analisis deskriptif, sebenarnya hampir sama dengan statistik

frekuensi, yaitu menghasilkan analisa dispersi (standard deviasi, minimum,
maksimum), distribusi (kurtosis, skewness) dan mean, sum, dan lain sebagainya.
Analisis ini juga memiliki kegunaan pokok untuk melakukan pengecekan terhadap input
data, mengingat bahwa analisis ini akan menghasilkan resume data secara umum.
Seperti berapa jumlah responden laki-laki, berapa jumlah responden perempuan, dan
sebagainya. Disamping itu, analisis ini juga memiliki kegu- naan untuk menyediakan
informasi deskripsi data dan demografi sampel yang diambil.
Sebagian besar analisis statistik memang dikalkulasi mengguna- kan prosedur
frekuensi, tetapi prosedur analisis deskritif memiliki keunggulan, yaitu lebih efisien
dalam beberapa hal karena tidak melakukan sorting atau pengurutan data nilai ke tabel
frekuensi.

Contoh Kasus

Untuk menjalankan prosedur descriptive, lakukan langkah sebagai berikut.

1. Untuk menjalankan prosedur deskriptif ini, kita dapat meng- gunakan menu pada SPSS,
yaitu Analyze -> Descriptive Statistics -> Descriptives.
2. Dengan pemilihan menu Descriptives tersebut, akan muncul tampilan kotak dialog
sebagai berikut.

3. Terlihat bahwa meskipun file ini sebenarnya memiliki 3 variabel, tetapi yang terlihat
hanya variabel yang bertipe numerik saja. Hal ini berbeda dengan ketika menggunakan
analisis frekuensi yang memunculkan semua variabel dan semua tipe data.
4. Masukkan variabel yang akan dianalisa dari kolom kiri ke kolom Variabel yang ada di
sebelah kanan. Perhatikan tam- pilannya seperti pada gambar di bawah ini.

13
 Memindahkan Variabel

5. Dengan tampilan seperti di atas, berarti bahwa ada empat data yang akan dianalisa,
yaitu umur, pendidikan, jeniskelamin, dan juga keterangan.
6. Selanjutnya klik tombol Option untuk mengatur opsi-opsi analisis dekripsi.
Penekanan tombol tersebut akan memun- culkan tampilan seperti di bawah ini.
7. Tombol Options digunakan untuk menampilkan daftar opsi- opsi statistik yang akan
ditampilkan pada lembar output sesuai dengan kebutuhan analisis. Tekan tombol
tersebut untuk mengatur opsi statistik yang diinginkan. Penekanan tombol tersebut
akan menampilkan jendela seperti di bawah ini.

Gambar Kotak Dialog Options

8. Perhatikan bahwa pada kotak Options Dialog, isinya hampir sama dengan statistik
frekuensi. Namun, memang lebih simpel dan hanya memuat beberapa item statistik
saja.
9. Tentukan jenis opsi yang diinginkan dan berikan tanda chek point untuk opsi yang
dipilih. Sebagai latihan, pilih opsi-opsi sebagai berikut:
 Mean, menunjukkan rata-rata dari masing-masing variabel semua responden.
 Standard Deviasi, menunjukkan dispersi rata-rata dari sampel.
 Maximum, menunjukkan nilai tertinggi dari suatu deretan data.
 Minimum, menunjukkan nilai terendah dari suatu deretan data.
 Kurtosis dan Skewness, yang digunakan untuk melakukan pengecekan apakah
distribusi data yang diolah masuk dalam kategori distribusi normal.

14
 Pilih Order berdasarkan Variable List, untuk menentukan kriteria dalam melakukan
pengurutan data.
 Kotak Display Order menunjukkan kriteria pengurutan data. Pengurutan bisa dilakukan
berdasarkan variabel, rata-rata nilai, atau alphabetic.

Hasil Analisis
Setelah ditentukan variable yang dipilih, langkah selanjutnya adalah menjalankan
prosedur. Tekan tombol OK pada kotak dialog analisis deskriptif sehingga akan
muncul window output seperti pada gambar di bawah ini.

Output Maximum dan Minimum

Gambar di atas menunjukkan nilai maksimum dan minimum data. Seperti contoh data
umur responden yang tertinggi adalah 45 tahun dan data umur terendah adalah 22
tahun.

Gambar Output Mean dan STD

Gambar menunjukkan nilai rata-rata dan nilai standard deviasi. Rata-rata keterangan
adalah 1,75 yang berarti bahwa sebagian besar responden menyatakan setuju dengan
kenaikan SPP.

15
 Gambar Output Skewness
Gambar menunjukkan nilai skewness yang menunjukkan distribusi data normal.
Diikuti dengan standard error dari nilai skewness tersebut

Gambar Output Kurtosis

Gambar diatas memperlihatkan nilai kurtosis yang menunjukkan distribusi data normal.
Diikuti dengan standard error dari nilai kurtosis tersebut.

16
 MODUL III. Prosedur Explore
Analisis eksplorasi data merupakan teknik analisa yang sekaligus dapat membantu
memberi arahan bagi peneliti untuk memilih teknik statistik yang akan
diimplementasikan pada data yang akan dikehendaki. Prosedur eksplorasi data
memungkinkan untuk mengetahui tampilan data, identifikasi data, deskripsi data,
pengujian asumsi, perbedaan karakteristik antara subpopulasi, yaitu group dalam suatu
kasus.
Pada hasil eksplorasi data ini, tampilan data mungkin menunjukkan bahwa data yang
akan dianalisis memiliki nilai yang tidak biasa. Misalkan dalam suatu data
pengamatan ada suatu data yang nilainya jauh dari jangkauan nilai-nilai yang ada,
nilai yang ekstrim, jarak antara data atau karakteristik yang lain.
Selanjutnya dengan melakukan eksplorasi data mungkin mengindikasikan kebutuhan
transformasi data (akan dibahas lebih rinci pada bab selanjutnya) jika teknik yang akan
digunakan mensya- ratkan berdistribusi normal atau mungkin membutuhkan suatu
analisis statistik non-parametrik.

Contoh Kasus

Gambar Tabel yang Akan Dianalisa dengan Explore

1. Pilih menu Analyze pada menubar, kemudian klik Descriptive Statistics.
2. Pilih bagian Explore sehingga akan keluar tampilan seperti gambar di bawah ini, dan
pilih variabel yang dikehendaki.

Gambar Dialog Explore

3. Klik anak panah kanan pada kolom yang sesuai untuk variabel tersebut, misalkan kolom
Dependent List.
4. Pada eksplorasi data dapat digunakan variabel kuantitatif (pengukuran interval atau
rasio). Variabel yang terdapat pada Faktor List digunakan untuk mem-break data
17
 dalam suatu group menunjukkan kategori, nilai ini dapat berupa numerik atau string
pendek.
5. Label Case digunakan untuk memberi label pada tampilan luar
Boxplot yang dapat berupa string atau numerik.
6. Pada bagian tombol analisis terdapat tiga pilihan, yaitu:
 Statistics; untuk melakukan perhitungan statistik-statistik dasar.
 Plots; tombol untuk membuat visualisasi grafik dari analisis.
 Options; digunakan untuk mengelola missing case atau data yang tidak tercatat.
7. Jika dipilih tombol statistik, akan muncul tampilan berikut.

Gambar Dialog Explore Statistik

8. Tekan Continue dan selanjutnya pilih tombol Plots. Akan muncul dialog sebagai
berikut.

Gambar Dialog Plot

9. Jika selesai diatur, klik continue dan tekan tombol OK.

Pembahasan Output
Beberapa hasil analisa yang dapat dilihat dari tabel output antara lain adalah tabel
descriptives, tabel m-estimator, percentile, outlier, dan tampilan grafik steam and leaf
plots power estimation. Output- output tersebut akan dibahas sebagai berikut.

Tabel Descriptive
Pengukuran ini menunjukkan ukuran terpusat dari data yang diwakili oleh mean
(rata-rata) dan dispersi data yang berupa standard deviasi, standard error, varian, nilai
minimum, nilai maksimum, range, jangkaun interkuartil, median, dan 5% trimmed
mean.

18
Gambar Output Descriptives
Trimmed mean sendiri dihitung dengan cara data diurutkan secara ascending, kemudian
setelah urut dihitung 5% dari jumlah data dengan dimutlakkan perhitungannya. Setelah
ketemu nilainya, nilai tersebut digunakan untuk mengurangi data sebanyak nilai yang
diperoleh dari urutan terkecil dan juga dari urutan terbesar, kemudian sisa data dicari
mean-nya.
Dalam Descriptive dapat ditentukan interval konfidensi rata-rata dengan default 95%,
tetapi nilai dapat diubah sesuai dengan ke- mauan dari penganalisis data.

Tabel M-Estimators
Pengukuran ini berkaitan dalam statistik Robust yang diimplementasikan pada
perhitungan rata-rata dan median untuk mengestimasi lokasi data terpusat.

Gambar Output M-Estimator

Perhitungan yang diperoleh antara lain M-estimator Huber, Estimator Andrew’s wave,
M-estimator Hampel, dan Estimator Tukey.

19
Tabel Percentiles
Pengukuran ini digunakan untuk menampilkan nilai persentil se- perti yang terlihat
pada tampilan seperti gambar di bawah.

Gambar. Percentiles
Tabel Outliers
Pengukuran ini digunakan untuk menampilkan nilai data terbesar dan data terkecil
beserta dengan labelnya. Dengan adanya tampilan seperti ini, peneliti akan mengetahui
range data dengan baik.

Gambar Outliers
Steam and Leaf Plots berkaitan dengan visualisasi grafik dari data yang merupakan
alternatif kontrol visualisasi jika dimiliki lebih dari satu variabel dependent.

Gambar Stem and Leaf Plots

Factor Level melakukan ”generalisasi” sebagian visualisasi untuk setiap variabel
dependent, sedangkan Dependents Together mela- kukan ”generalisasi” sebagian
visualisasi untuk setiap group yang didefinisikan dengan faktor variabel.

20
Data Latihan

Tabel. Karakteristik responden remaja di Banyumas Tahun 2018

No Karakteristik Responden Jumlah %
A Usia (tahun)
1 14 156 34
2 15 235 51
3 16 72 16
B Jenis Kelamin
1 Laki-laki 203 44
2 Perempuan 260 56
C Kawasan Tinggal
1 Desa 267 58
2 Kota 196 42
D Pendidikan Orangtua
1 SD 198 43
2 SMP 135 29
3 SLTA 97 21
4 Sarjana 33 7
E Pekerjaan Orangtua
1 Buruh 234 51
2 Pegawai 121 26
3 Wiraswasta 108 23
Total responden : 463 100
Sumber data : primer

21
MODUL IV. UJI STATISTIK SEDERHANA

Learning Objectives :
a. Mahasiswa mampu membedakan uji korelasi dan komparasi dari data parametric dan
non parametric
b. Mahasiswa mampu melakukan analisis uji chi square
c. Mahasiswa mampu melakukan interpretasi hasil uji
d. Mahasiswa mampu menyimpulkan hasil uji
e. Mahasiswa mampu menyusun laporan hasil uji

Analisa crosstabs merupakan analisa sederhana yang masuk dalam kategori statistik
deskripsi di mana menampilkan tabulasi silang atau tabel kontingensi yang menunjukkan
suatu distribusi bersama dan peng- ujian hubungan antara dua variabel atau lebih.
Terdapat banyak kategori statistik yang tersedia di dalam uji statistic. Beberapa statistik
digunakan untuk data skala nominal. Kita harus bisa mengenali skala data dan tingkatan
pengukuran. Uji statistik skala nominal, antara lain Pearson Chi-Square, Likelihood Ratio,
Phi, Cramer's V, Contingency Coefficient, Lambda, Kruskal Tau, Kappa. Skala ordinal,
seperti : Mantel-Haenszel, Kendak Tau, Somers' D, Spearman Korelasi. Skala interval,
yaitu : Pearson's R, Eta.

Contoh Kasus
Di bawah ini data hasil penelitian 15 orang mengenai jenis kelamin, jumlah jam
belajar dalam satu hari, dan rata-rata nilai ujian. Dari data tersebut di atas, lakukan
uji statistik untuk mengetahui ada dan tidaknya hubungan antara jenis kelamin dengan
rata-rata nilai atau jam belajar dengan rata-rata nilai.

Gambar Contoh Data

Untuk membuat statistik deskripsi dengan crosstabs, lakukan langkah-langkah dengan
program SPSS sebagai berikut:
1. Lakukan analisis Crosstabs dengan memilih menu analyze, lalu pilih Descriptive
Statistics dan klik Crosstabs.
2. Jika kita akan melihat hubungan jenis kelamin dengan nilai rata-rata, pilih
variabelnya seperti berikut.

22
 Gambar Dialog Crosstabs
3. Klik bagian Statistics dan perhatikan pilihan yang ada seperti berikut.

Gambar Crosstabs Statistics

4. Beri tanda di kotak check point Chi Square saja. Untuk jenis analisis yang lain akan
kita bahas pada bagian analisa statistik berikutnya dari buku ini.
5. Tekan Continue dan pilih tombol OK.

Pembahasan Output
Beberapa tampilan output yang muncul antara lain sebagai berikut.

Gambar Case Processing Summary

Pengukuran ini digunakan untuk mengetahui rangkuman data yang dianalisa. Berapa
data yang ada, berapa data yang hilang, baik dalam prosentase maupun dalam nilai
angkanya.

Tabel Crosstabulation
Tabel ini memuat deskripsi jumlah data dan hubungannya. Perhatikan gambar di bawah
ini.

23
 Gambar Case Processing Summary
Dari tabel di atas terlihat bahwa:
Terdapat 2 orang laki-laki yang mendapat rata-rata nilai 5.
Terdapat 3 orang perempuan yang mendapat rata-rata nilai 5.
Terdapat 1 orang laki-laki yang mendapat rata-rata nilai 6.
Terdapat 3 orang perempuan yang mendapat rata-rata nilai 6.
Terdapat 1 orang laki-laki yang mendapat rata-rata nilai 7, dan seterusnya.

Tabel Chi-Square Test

Uji Chi Square ini akan mengamati secara lebih detail tentang ada dan tidaknya
hubungan antara variabel jenis kelamin dan nilai test.

Gambar Tabel Chi Square Test

Untuk mengetahui ada dan tidaknya hubungan antara variabel jenis kelamin dan nilai
test, perhatikan dasar pengambilan keputusan berdasarkan ilmu statistika sebagai
berikut:
Ho: Tidak ada hubungan antara baris dan kolom.
H1: Ada hubungan antara baris dan kolom.
Selanjutnya jika probabilitas > 0.05 maka Ho diterima, sebaliknya, jika probabilitas <
0.05 maka Ho ditolak.
Nilai probablilitas pada tabel ini bisa dilihat dari kolom Asymp Sig (2 Sided). Karena
Asymp. Sig-nya adalah 0.891 yang berarti lebih besar dari 0.05, maka Ho diterima.
Jika Ho diterima, berarti bahwa tidak ada hubungan antara baris dan kolom variabel
atau lebih jelasnya “tidak ada hubungan antara jenis kelamin dengan rata- rata nilai”.

Mencari Hubungan Jam Belajar dengan Rata-Rata Nilai

Dengan cara yang sama, yaitu menggunakan cross tabulation, dapat dicari hubungan
antara jam belajar dengan rata-rata nilai. Lakukan langkah-langkah seperti di atas, dan
akan muncul hasil analisa sebagai berikut.

Case Processing Summary

Berapa data yang ada, berapa data yang hilang, baik dalam prosentase maupun dalam
nilai angkanya bisa dilihat sebagai berikut.

24
Gambar Case Processing Summary

Tabel Crosstabulation
Tabel deskripsi jumlah data dan hubungannya dapat dilihat seperti di bawah ini.

Gambar Case Processing Summary

Dari tabel di atas terlihat hasil analisa sebagai berikut.
Terdapat 2 orang yang belajar 1 jam sehari dan mendapat rata-rata nilai 5.
Terdapat 3 orang yang belajar 2 jam sehari dan mendapat rata-rata nilai 5.
Terdapat 1 orang yang belajar 1 jam sehari dan mendapat rata-rata nilai 6.
Terdapat 3 orang yang belajar 2 jam sehari dan mendapat rata-rata nilai 5.
Terdapat 2 orang yang belajar 4 jam sehari dan mendapat rata-rata nilai 7.

Tabel Chi-Square Test

Uji Chi Square ini akan mengamati secara lebih detail tentang ada dan tidaknya
hubungan antara variabel jenis rata-rata jam belajar dan nilai test. Untuk mengetahui
ada dan tidaknya hubungan antara variabel jenis rata-rata jam belajar dan nilai test,
dapat langsung dilihat probabilitasnya. Dari tabel tersebut terlihat bahwa Asymp
Sig-nya adalah 0.086 yang berarti lebih besar dari 0.05, maka Ho diterima. Jika Ho
diterima, berarti bahwa tidak ada hubungan antara baris dan kolom variabel. Akan
tetapi, setidaknya kita bisa melihat bahwa ternyata nilai probabilitas mendekati 0.05
yang dapat dikatakan bahwa hampir ada hubungan antara rata-rata jam belajar dengan
nilai test.

Gambar Tabel Chi Square Test

25
Terkadang memang sebuah penelitian tidak mendapatkan hasil sesuai dengan keinginan
atau teori yang ada. Namun, itulah penelitian. Hasilnya bisa 1001 kemungkinan.
Ketidaktepatan hasil penelitian mungkin dapat disebabkan banyak hal, seperti salah
metode pengambilan sampel, karena kurangnya data penelitian, dan lain-lain sehingga
hasil sebuah penelitian terkadang dipan- dang rancu dan tidak sesuai harapan atau
tidak sesuai dengan teori yang ada.

26
MODUL V. KORELASI SEDERHANA

Korelasi merupakan istilah yang digunakan untuk mengukur kekuatan hubungan antar
variabel. Analisis Korelasi adalah cara untuk mengetahui ada atau tidak adanya
hubungan antar variabel. Dari analisis korelasi, dapat diketahui hubungan antar variabel,
yaitu merupakan suatu hubungan kebetulan atau memang hubungan yang sebenarnya
dan saling mempengaruhi. Koefisien Korelasi (r) adalah suatu nilai untuk mengukur
kuat dan tidaknya hubungan antara X dan Y apabila dapat dinyatakan dengan fungsi
linear. Kisaran nilai r adalah:
-1 r 1
– Jika r = 1, hubungan sempurna & positif
– Jika r = -1, hubungan sempurna & negatif
– Jika r = 0, hubungan lemah / tidak ada.

MENENTUKAN KOEFISIEN KORELASI (r)

– Metode Product Moment

r xy
x 2. y
2

Keterangan:
r koefisien korelasi
xX X

yY Y

– Metode Least Square

r n X X Y
Y .
(n X2 (X )2 )(n Y2 (Y )2

MENENTUKAN KOEFISIEN PENENTU/DETERMINASI

27
Soal: Berikut data hasil pengamatan dari proses pemupukan dengan dosis tertentu dan hasil panen yang
diperoleh untuk 5 percobaan.

X 3 6 9 10 13
Y 12 23 24 26 28
Jika Y=hasil panen (dalam kuintal) dan X=dosis pemupukan (dalam 10 kg).
a. Tentukan koefisien korelasinya (r) dengan metode product moment dan lest square!
b. Sebutkan jenis korelasinya dan apa artinya!

Jawab:

 Metode Product Moment

r xy
x 2. y
2

1) Tentukan dan

X Y
3 12
6 23
9 24
10 26
11 28
39 113

2) Tentukan

28
 X Y x y xy x2 y2
3 12 -4,8 -10,6 50,88 23,04 112,36
6 23 -1,8 0,4 -0,72 3,24 0,16
9 24 1,2 1,4 1,68 1,44 1,96
10 26 2,2 3,4 7,48 4,84 11,56
11 28 3,2 5,4 17,28 10,24 29,16
39 113 76,6 42,8 155,2

 Metode Least Square

r n X X Y
Y .
(n X2 (X )2 )(n Y2 (Y )2

X Y XY X2 Y2
3 12 36 9 144
6 23 138 36 529
9 24 216 81 576
10 26 260 100 676
11 28 308 121 784
39 113 958 347 2709

29
Kesimpulan: Dengan metode product moment dan juga lest square diperoleh koefisien korelasi r =
0,94. Artinya korelasi (hubungan) antara dosis pemberian pupuk (X) dan hasil panen adalah korelasi
positif yang sangat tinggi atau kuat sekali.
Arti dari nilai koefisien korelasi:
0 < r ≤ 0,2  korelasi sangat rendah/lemah sekali
0,2 < r ≤ 0,4  korelasi rendah/lemah
0,4 < r ≤ 0,7  korelasi cukup berarti
0,7 < r ≤ 0,9  korelasi tinggi/kuat
0,9 < r ≤ 1  korelasi sangat tinggi/kuat sekali

Berlaku untuk korelasi positif dan juga negatif.

30
MODUL VI. REGRESI

REGRESI SEDERHANA
Garis regresi sederhana adalah adalah garis lurus yang memperlihatkan hubungan antara 2
variabel, yaitu X dan Y. Persamaan regresi adalah persamaan yang digunakan untuk mendapatkan
garis regresi pada data diagram pencar (scatter diagram). Persamaan garis regresi sederhana adalah:

Keterangan:

X = nilai dari variabel bebas

Y’ = ramalan Y untuk nilai X tertentu

Soal:
Jika X = pendapatan (Ribuan Rp) dan Y = konsumsi (Ribuan Rp). Tentukan persamaan garis regresi
sederhananya dan jelaskan arti dari persamaan tersebut Berapakah ramalan Y kalau X = 100!

X 50 60 70 80 90
Y 40 45 55 65 70
Jawab:

Menentukan persamaan garis regresi sederhana Y’ = a + bX

Jadi persamaan garis regresi sederhananya adalah ,

artinya setiap ada kenaikan pendapatan 1 % maka akan ada kenaikan konsumsi sebesar 0,8%.
Untuk nilai X = 100, maka nilai ramalan Y adalah

31
Regresi linier berganda dimaksudkan untuk menguji pengaruh dua atau lebih variable independen
(explanatory) terhadap satu variable dependen. Model ini mengasumsikan adanya hubungan satu garis
lurus/linier antara variabel dependen dengan masing-masing prediktornya. Untuk tujuan pengujian
hipotesis nilai parameter model, model regresi linier juga mengasumsikan hal-hal sebagai berikut
yang dikenal dengan nama Uji Asumsi Klasik:
1. Normalitas
2. Heteroskedastisitas
3. Multikolinieritas
4. Autokorelasi (jika menggunakan data time series)

Apabila terdapat lebih dari dua variable yaitu 1 variabel tidak bebas (Y) dan k variable bebas (X1,
X2, X3,…, Xk), maka hubungan linear dapat dinyatakan dalam persamaan regresi linear berganda
sebagai berikut :

Y’= b0 + b1X1 + b2X2 + . . . + bkXk

Langkah Analisis
a. Buka file data yang sudah dientrikan
b. Dari menu utama SPSS, pilih menu Analyze 
Regression  Linear hingga tampak sebagai berikut:

c. Setelah muncul kotak dialog Linear Regression, pada kotak Dependent isikan variabel ROA dan
pada kotak Independent(s) isikan dengan variabel CAR, NPL, ROE, OCOR & LDR. Pada kota
Method pilih Enter abaikan yang lain dan tekan OK.

32
d. Maka akan muncul di SPSS Output Viewer tampilan seperti ini:

Untuk sementara, kita abaikan terlebih dahulu uji asumsi klasik. Misalkan hasil regresi ini sudah lolos
uji asumsi klasik, maka cara interpretasi model regresi dengan langkah sebagai berikut: pertama
interpretasikan koefisien determinasi, kedua uji F statistik dan ketiga uji regresi parsial dengan uji t.
Koefisien Determinasi

33
Tampilan luaran SPSS model summary menunjukkan besarnya adjusted R2 sebesar 0,803, hal ini
berarti 80,3% variasi kinerja keuangan (ROA) dapat dijelaskan oleh variasi dari lima variabel
independen CAR, NPL, ROE, OCOR & LDR. Sedangkan sisanya (100% -80,3%=19,7%) dijelaskan
oleh sebab-sebab yang lain di luar odel. Standard error of estimate (SEE) sebesar 0,57897, makin
kecil nilai SEE akan membuat model regresi semakin tepat dalam memprediksi variabel dependen.
Uji Signifikansi Simultan (Uji Statistik F)

Berdasarkan tabel ANOVA atau F test, diperoleh nilai F hitung sebesar 29,475 dengan probabilitas
0,000. Oleh karena probabilitas jauh lebih kecil dari 0,05, maka dapat disimpulkan bahwa koefisien
regresi CAR, NPL, ROE, OCOR & LDR tidak sama dengan nol, atau kelima variabel independen
secara simultan berpengaruh terhadap kinerja keuangan. Hal ini juga berarti nilai koefisien determinasi

R2 tidak sama dengan nol, atau signifikan.

Uji Signifikansi Parameter Individual (Uji Statistik t)
Untuk menginterpretasikan koefisien parameter variabel independen dapat menggunakan
unstandardized coefficients maupun standardized coefficients.

Unstandardized Beta Coefficients

Dari kelima variabel independen yang dimasukkan dalam model ternyata hanya tiga variabel (NPL,
ROE, LDR) yang signifikan pada α=5%, hal ini terlihat dari probabilitas signifikansi ketiganya
jauh dibawah 0,05. Satu variabel independen (OCOR) berpengaruh signifikan pada α=10% yang

34
terlihat dari probabilitas signifikansi di bawah 0,10, yaitu sebesar 0,068. Jadi dapat disimpulkan bahwa
variabel kinerja keuangan (ROA) dipengaruhi oleh CAR, NPL, ROE, OCOR & LDR, dengan
persamaan matematis sebagai berikut:

- Koefisien konstanta bernilai negatif menyatakan bahwa dengan mengasumsikan ketiadaan

variabel CAR, NPL, ROE, OCOR & LDR, maka kinerja keuangan cenderung mengalami
penurunan.
- Koefisien regresi CAR bernilai positif menyatakan bahwa dengan mengasumsikan ketiadaan
variabel independen lainnya, maka apabila CAR mengalami peningkatan, maka ROA
cenderung mengalami peningkatan,
- Koefisien regresi NPL bernilai negatif menyatakan bahwa dengan mengasumsikan ketiadaan
variabel independen lainnya, maka apabila NPL mengalami peningkatan, maka ROA cenderung
mengalami penurunan.
- Koefisien regresi ROE bernilai positif menyatakan bahwa dengan mengasumsikan ketiadaan
variabel independen lainnya, maka apabila ROE mengalami peningkatan, maka ROA
cenderung mengalami peningkatan,
- Koefisien regresi OCOR bernilai negatif menyatakan bahwa dengan mengasumsikan ketiadaan
variabel independen lainnya, maka apabila OCOR mengalami peningkatan, maka ROA
cenderung mengalami penurunan,
- Koefisien regresi LDR bernilai positif menyatakan bahwa dengan mengasumsikan ketiadaan
variabel independen lainnya, maka apabila LDR mengalami peningkatan, maka ROA cenderung
mengalami peningkatan.
Apabila digunakan dalam ilmu pasti, maka semua angka yang tertera dalam persamaan matematis dapat
diinterpretasikan lebih mendalam. Akan tetapi karena dalam kasus ini termasuk dalam ilmu sosial /
ekonomi, maka yang perlu dititikberatkan adalah tanda positif atau negatif yang terdapat di depan angka
koefisien beta.

Standardized Beta Coefficients.

35
Apabila masing-masing koefisien variabel independen kita standarisasi terlebih dahulu, maka kita
akan mempunyai garis regresi yang melewati origin (titik pusat), sehingga persamaan regresi tidak
memiliki konstanta (lihat tampilan standardized coefficient) atau secara matematis dapat dituliskan
sebagai berikut:

Keuntungan dengan menggunakan standardized beta adalah mampu mengeliminasi perbedaan unit
ukuran pada variabel independen. Jika ukuran variabel independen tidak sama (misalkan: Rupiah,
Dollar, Jam, Hari, Rasio, dlsb) dan kita ingin membandingkan kontribusi antar variabel independen,
maka sebaiknya interpretasi persamaan regresi menggunakan standardized beta, Namun demikian ada
dua hal yang perlu mendapat perhatian jika menggunakan standardized beta: pertama, koefisien beta
digunakan untuk melihat pentingnya masing-masing variabel independen secara relatif dan tidak ada
multikolinieritas antar variabel independen. Kedua, nilai koefisien beta hanya dapat diinterpretasikan
dalam konteks variabel lain dalam persamaan regresi.

36
MODUL VII. MULTIKOLINIERITAS
Uji multikolinieritas bertujuan untuk menguji apakah dalam model regresi ditemukan adanya korelasi
yang tinggi atau sempurna antar variabel independen. Jika antar variabel independen terjadi
multikolinieritas sempurna, maka koefisien regresi variabel independen tidak dapat ditentukan dan
nilai standard error menjadi tak terhingga. Jika multikolinieritas antar variabel independen tinggi,
maka koefisien regresi variabel independen dapat ditentukan, tetapi memliki nilai standard error
tinggi berarti nilai koefisien regresi tidak dapat diestimasi dengan tepat.
Langkah Analisis
1. Buka file
2. Dari menu utama SPSS, pilih menu Analyze Regression  Linear hingga tampak sebagai
berikut:

3. Setelah muncul kotak dialog Linear Regression, pada kotak Dependent isikan variabel ROA dan
pada kotak Independent(s) isikan dengan variabel CAR, NPL, ROE, OCOR & LDR. Pada kota
Method pilih Enter, kemudian pilih Statistics.

37
4. Setelah muncul kotak dialog Linear Regression: Statistics, pilih Estimates (untuk meminta
koefisien regresi), Covariance matrix (untuk meminta matriks korelasi antar variabel independen),

Model fit (untuk meminta koefisien determinasi R2), Part and partial correlations (untuk meminta
korelasi parsial dan zero order correlation), dan Collinearity diagnostics (untuk meminta nilai
Tolerance & VIF). Klik Continue, kemudian OK.

5. Muncul tampilan output SPSS di SPSS Output Viewer.

38
Deteksi Multikolinieritas

Terlihat dari luaran SPSS nilai R2 cukup tinggi sebesar 83,1%, sedangkan kebanyakan variabel

independen memiliki nilai t statistik yang signifikan pada α=5%. Oleh karena R2 tinggi dan kebanyakan
variabel independennya signifikan, maka tidak ada indikasi terjadi multikolinieritas antar variabel
independen.

1. Berdasarkan pada tampilan matriks korelasi, pair-wise correlation antar variabel independen
semuanya di bawah 0,80, kecuali antara variabel ROE dengan Cost efficiency yang korelasinya
sedikit di atas 0,80. Jadi dapat disimpulkan bahwa terdapat multikolinieritas ringan antara variabel
ROE dengan cost efficiency/OCOR.

2. Nilai R2 keseluruhan model cukup tinggi, sebesar 83,1%, sedangkan nilai parsial korelasi berkisar
masing-masing 0,173; -0,652; 0,492; -0,327; dan 0,538. Oleh karena nilai parsial korelasi juga
tinggi, maka tidak ada indikasi terjadinya multikolinieritas.

39
3. Nilai CI antara 10-30 menunjukkan adanya multikolinieritas moderat sampai kuat dan CI di atas
30 terdapat multikolinieritas sangat kuat. Berdasarkan parameter tersebut, dari enam dimensi, tiga
di antaranya memiliki nilai CI di bawah 10, yang berarti tidak terdapat multikolinieritas. Kemudian
satu dimensi memiliki nilai antara 10-30 yang menunjukkan multikolinieritas moderat. Lalu dua
dimensi memiliki nilai di atas 30, yang menunjukkan multikolinieritas kuat.

4. Akan tetapi, berdasarkan pada nilai Tolerance dan VIF terlihat bahwa tidak ada nilai Tolerance di
bawah 0,10 begitupula dengan nilai VIF tidak ada yang di atas 10. Dengan menggunakan parameter
ini, tidak terbukti adanya multikolinieritas yang serius.
Jika tujuan analisis regresi adalah prediksi atau peramalan, maka multikolinieritas bukanlah masalah

serius, karena semakin tinggi nilai R2 maka semakin baik kemampuan model tersebut dalam
melakukan prediksi. Akan tetapi jika tujuan analisis regresi tidak hanya sekedar prediksi tetapi juga
estimasi terhadap parameter, maka multikolinieritas menjadi masalah serius karena akan menghasilkan
standard error yang besar sehingga estimasi parameter menjadi tidak akurat lagi.

Uji Kolmogorov Smirnov (KS)

Langkah Analisis
1. Dari menu utama SPSS pilih menu Analyze  Nonparametric Tests 1-Sample K-S.

40
2. Setelah muncul kotak dialog One-Sample Kolmogorov- Smirnov Test. Kemudian pada kotak Test
Variable List isikan variabel Unstandardized Residual (RES_1). Selanjutnya, pada kotak Test
Distribution aktifkan Normal. Abaikan yang lainnya, lalu klik OK.

3. Padabagian SPSS Output Viewer akan muncul tampilan sebagai berikut:

Besarnya nilai Kolmogorov-Smirnov adalah 0,724 dengan tingkat signifikansi jauh di atas 0,05, yaitu
0,670. Dengan kata lain bahwa nilai KS tidak signifikan, berarti residual terdistribusi secara normal.

41
 Sistem penilaian mengacu kepada penilaian Universitas Jenderal Soedirman
No. Nilai Mentah Lambang Bobot
1 ≥ 80 A 4
2 76,00-79,99 AB 3,5
3 70,00-75,99 B 3
4 65,00-69,99 BC 2,5
5 60,00-64,99 C 2
6 55,00-59,99 CD 1,5
7 50,00-54,99 D 1
8 >50,00 E 0

REFERENSI
1. Budiarto, E. 2011. Biostatistika untuk kedokteran dan kesehatan masyarakat. Jakarta: EGC
2. Murti, B. 2010. Desain dan Ukuran Sampel untuk Penelitian Kuantitatif dan Kualitatif di Bidang
Kesehatan. Yogyakarta: Gadjah Mada University Press
3. Saputra, R.,2016. Buku Ajar Biosatistik dalam Ilmu Kesehatan Masyarakat. Batam : Stikes Ibnu Sina
4. Saryono. 2010. Metode penelitian kesehatan. Yogyakarta: PT. Nuhamedika.
5. Sugiyono. 2010. Metode Penelitian Kuantitatif, Kualitatif. Bandung: CV Alfabeta
6. Dahlan,S.,2014. Statistik Untuk Kedokteran Dan Kesehatan. Jakarta: Salemba Medika.

Panduan Laporan Praktikum

Format laporan meliputi cover, isi, kesimpulan, dan lampiran (pemograman dengan SPSS). Laporan
diketik dengan font arial 12, margin normal (semua sisi 1 inchi), kertas A4, spasi 1.5, tinta hitam, kurang
lebih 300 kata.

DAFTAR DOSEN PENGAMPU PRAKTIKUM

1. Endang triyanto
2. Ridlwan K
3. Desiyani N
4. Eni Rahmawati
5. Lita H

42
 FORMAT EVALUASI DISKUSI KELOMPOK

1. Keterangan kriteria evaluasi

No Aspek Kriteria Skor

Evaluasi 1 2 3 4
1 Kognitif Mencari Tidak mencari Mencari sangat Mencari beberapa Mencari cukup banyak
informasi sedikitpun sedikit informasi informasi dasar informasi tentang
informasi tentang topik tentang topik diskusi topik diskusi
tentang topik diskusi
diskusi
2 Penguasaan Tidak sedikitpun Sedikit menguasai Menunjukkan Sangat menguasai dan
pengetahuan menguasai dan dan sedikit penguasaan dan menunjukkan
dan tidak mampu mampu berpikir mampu berpikir kritis kemampuan berpikir
kemampuan berpikir kritis kritis tentang tentang topik diskusi kritis yang sangat baik
berpikir kritis tentang topik topik diskusi tentang topik diskusi
diskusi
3 Psikomoto Partisipasi Tidak Kadang-kadang Menunjukkan Menunjukkan
r dalam diskusi mengambil berpartisipasi di kemauan untuk antusiasme di dalam
bagian di dalam dalam diskusi berpartispasi di diskusi
diskusi dalam diskusi
4 Kerjasama Selalu Menerima tugas Mau untuk menerima Menerima setiap tugas
dalam anggota menentang yang diberikan tugas yang diberikan yang diberikan dengan
tim anggota tim dan ketika didesak antusias
menolak untuk
melakukan tugas
5 Afektif Peka terhadap Tidak Kadang-kadang Menunjukkan Sangat mau untuk
perasaan menunjukkan perlu diingatkan kepekaan dan mendengarkan dan
orang lain respek terhadap untuk peka kemauan untuk peka terhadap
orang lain terhadap orang mendengarkan perasaan orang lain
lain pendapat orang lain

43
2. Format evaluasi

Aspek Kriteria Nama anggota kelp/NIM

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

K Mencari informasi
Pengetahuan dan kemampuan berpikir
kritis
P Partisipasi dalam diskusi
Kerjasama dalam anggota tim
A Peka terhadap perasaan orang lain

44
 FORMAT PENILAIAN LAPORAN DISKUSI

No Nama Mahasiswa
1 2 3 4 5 6
Aspek
1 Isi (35%) meliputi:
(jelas, benar, akurat)
2 Kerangka (30%)
- Pendahuluan
jelas
- Ide sistematis
- Kesimpulan
3 Penulisan (20%)
- Bahasa
menganut EYD
- Spelling
- Jumlah kata
- Referensi
(mutakhir,
jurnal)
4 Tepat waktu
mengumpulkan (5%)
5 Kesimpulan (10%):
Jelas dan sistematis

45