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.
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.
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.
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
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.
9
Gambar. Tabel Statistik
10
Gambar Frekuensi Jenis Kelamin
11
Output Grafik
Gambar.Output Grafik
12
MODUL II. Prosedur Descriptives
Contoh Kasus
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.
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.
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.
15
Gambar Output Skewness
Gambar menunjukkan nilai skewness yang menunjukkan distribusi data normal.
Diikuti dengan standard error dari nilai skewness 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
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.
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.
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.
20
Data Latihan
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.
22
Gambar Dialog Crosstabs
3. Klik bagian Statistics dan perhatikan pilihan yang ada seperti berikut.
Pembahasan Output
Beberapa tampilan output yang muncul antara lain sebagai berikut.
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.
24
Gambar Case Processing Summary
Tabel Crosstabulation
Tabel deskripsi jumlah data dan hubungannya dapat dilihat seperti di bawah ini.
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.
r xy
x 2. y
2
Keterangan:
r koefisien korelasi
xX X
yY Y
r n X X Y
Y .
(n X2 (X )2 )(n Y2 (Y )2
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:
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
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
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:
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:
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 :
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
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:
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.
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.
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.
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.
42
FORMAT EVALUASI DISKUSI KELOMPOK
43
2. Format evaluasi
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