Modul Spss 2018 Baru
Modul Spss 2018 Baru
APLIKASI KOMPUTER
2017
1
OLEH PODOJOYO,SKM,M.KES
KATA PENGANTAR
Penulis
i
DAFTAR ISI
ii
Tampilan Grafik untuk Data Katagori : ............................................................. 90
Tampilan Grafik untuk Data Numerik ............................................................... 96
DAFTAR PUSTAKA .............................................................................................. 101
iii
1| PEDAHULUAN
APLIKASI KOMPUTER 1
PROSES
INPUT INFORMASI
KOMPUTER
DATA
PROSES
INPUT INFORMASI
DATA STATISTIK
APLIKASI KOMPUTER 2
2|P ENGOLAHAN DATA
2.1 Pendahuluan
Pengolahan data merupakan proses yang sangat penting dalam
penelitian. Pengolahan data merupakan salah satu bagian dari
serangkaian kegiatan penelitian setelah melakukan pengumpulan data.
Data yang dikumpulkan merupakan data mentah yang harus
diorganisasi sedemikian rupa agar dapat disajikan dalam bentuk tabel
atau diagram hingga siap untuk dianalisis dan ditarik kesimpulan.
Kegiatan dalam proses pengolahan data adalah
1. memeriksa data (editing),
2. memberi kode (coding),
3. memproses data (proccessing),
4. membersihkan data (cleaning)
APLIKASI KOMPUTER 3
d. Konsisten : Isi jawaban dengan beberapa pertanyaan sudah
konsisten?
APLIKASI KOMPUTER 4
2.4 Pemrosesan Data (proccessing)
Pemrosesan data dilakukan dengan cara meng-entry data dari
kuesioner ke paket program komputer. Proses ini dilakukan bila semua
isian kuesioner sudah terisi penuh dan benar. Ada berbagai macam paket
program komputeryang dapat digunakan, dan salah satunya adalah
SPSS for windows.
Jenis Kelamin
Cumulative
Frequency Percent Valid Percent Percent
Valid Laki-laki 31 43.1 43.1 43.1
Perempuan 41 56.9 56.9 100.0
Total 72 100.0 100.0
APLIKASI KOMPUTER 5
sebenarnya adalah 48 orang dengan rincian pendidikan SD ada 6 (12,5
%), SLTP ada 11 (22,9 %). SLTA ada 29 (60,4 %) dan PT ada 2 (4,2 %).
Cumulative
Frequency Percent Valid Percent Percent
Valid SD 6 8.3 12.5 12.5
SLTP 11 15.3 22.9 35.4
SLTA 29 40.3 60.4 95.8
PT 2 2.8 4.2 100.0
Total 48 66.7 100.0
Missing System 24 33.3
Total 72 100.0
Status Anemia
Cumulative
Frequency Percent Valid Percent Percent
Valid Anemia 25 34.7 34.7 34.7
Normal 45 62.5 62.5 97.2
3.00 2 2.8 2.8 100.0
Total 72 100.0 100.0
Dari tampilan tabel 2.5.3 di atas ternyata ada data yang salah,
yaitu munculnya kode status anemia angka 3.00 yang berjumlah 2
orang. Seharusnya variabel status anemia hanya ada dua kategorik
yaitu anemia dan normal.
c. Mengetahui konsistensi data
Cara mendeteksi adanya ketidak konsistensi data dilakukan dengan
cara menghubungkan dua variabel.
APLIKASI KOMPUTER 6
Tabel 2.5.4 Keikutsertaan KB
Keikutsertaan KB
Cumulative
Frequency Percent Valid Percent Percent
Valid Ya 17 34.0 34.0 34.0
Tidak 33 66.0 66.0 100.0
Total 50 100.0 100.0
Cumulative
Frequency Percent Valid Percent Percent
Valid Tidak pakai 31 62.0 62.0 62.0
Suntik 4 8.0 8.0 70.0
Pil 4 8.0 8.0 78.0
Kondom 5 10.0 10.0 88.0
IUD 6 12.0 12.0 100.0
Total 50 100.0 100.0
APLIKASI KOMPUTER 7
3|M ENU PADA SPSS
APLIKASI KOMPUTER 8
Pada saat SPSS pertama kali dibuka selalu tampak tampilan pertama
seperti berikut.
APLIKASI KOMPUTER 9
Heading
variabel
Untitled pada gambar 3.1.4 di atas menunjukkan bahwa belum ada data
untuk ditampilkan, selanjutnya kita akan membuka file data yang sudah
ada atau mau membuat data baru.
APLIKASI KOMPUTER 10
Kelamin
No Nama Berat (kg) 1=pria,
2=wanita
1 Iwan 60.5 1
2 Tina 50.0 2
3 Rosa 55.5 2
4 Budi 75.0 1
5 Anto 65.5 1
6 Lina 56.0 2
7 Dewi 58.0 2
8 Sugeng 70.0 1
9 Diana 45.5 2
10 Herman 68.5 1
APLIKASI KOMPUTER 11
1. Setelah program SPSS diaktifkan dan data editor terbuka, maka
akan terlihat lajur kolom bertuliskan ‘var’ tempat untuk
menuliskan nama variabel dan lajur baris bertuliskan angka 1, 2,
3 dst tempat untuk responden / kasus.
Heading
variabel
Nomor
cases
APLIKASI KOMPUTER 12
Gambar 3.2.3 Tampilan Type Variabel
Keterangan :
Numeric. merupakan tipe angka dengan tanda plus dan tanda
minus di depan angka serta indicator decimal. Maksimal 40
karakter.
Comma. Harga yang valid termasuk angka, tanda plus dan tanda
minus didepan angka. Indicator decimal, dan tanda-tanda koma
pemisah ribuan.
Dot. Tipe ini sama dengan tipe comma, yang membedakan
hanyalah pemisah ribuan yang digunakan adalah tanda titik.
Scientific Notation. Harga valid sama dengan tipe numeric.
Merupakan tipe data yang menggunakan lambing atau notasi
ilmiah seperti log, alfa dll.
Date. Tipe ini menampilkan data dalam format tanggal atau
waktu.
Dollar. Harga yang valid adalah tanda dollar ($), sebuah titik
sebagai indicator decimal, dan beberapa tanda koma pemisah
ribuan.
Custom Currency. Tipe ini digunakan untuk menampilkan format
mata uang seperti Rp. 1000,-
String. Harga yang valid adalah huruf,angka dan karakter-
karakter lain.
APLIKASI KOMPUTER 13
Berdasarkan keterangan di atas, maka untuk variabel
nama, type variabel yang digunakan adalah string. Caranya bawa
kursor ketempat lingkaran kata ‘string’ kemudian klik pada
lingkaran tersebut
APLIKASI KOMPUTER 14
3=SMU 4=PT. pada contoh kasus di atas hanya variabel kelamin
yang harus diberi value label.
Caranya : Klik kotak sebelah kanan pada kolom Values dan baris
pada variabel kelamin sehingga muncul kotak dialog berikut.
APLIKASI KOMPUTER 15
Gambar 3.2.7 Tampilan Value Labels
Setelah itu lakukan dengan cara yang sama pada kotak value
ketik 2, isikan pada kotak value label ketik wanita kemudian klik
tombol Add. Dan akhirnya tampilan seperti di bawah ini.
APLIKASI KOMPUTER 16
Hasilnya dapat dilihat di bawah ini.
APLIKASI KOMPUTER 17
Caranya : klik file, lalu klik save as, setelah perintah
penyimpanan ditampilkan selanjutnya diberi nama file:
“LATIHAN” dan diletakkan pada direktori tertentu.
APLIKASI KOMPUTER 18
Pada gambar di atas data akan dicetak dengan printer merk
Canon PIXMA iP1000. Jika jenis printer akan diubah, klik
Setup… kemudian sesuaikan spesifikasi printer.
Jika semua data ingin dicetak, maka pilih All kemudian OK maka
semua data pada file akan dicetak.
APLIKASI KOMPUTER 19
3.3 Menu Edit
Menu Edit digunakan untuk melakukan perbaikan atau perubahan pada
data yang telah dibuat.
3.3.1 Menghapus isi sel
Pilih sel yang akan dihapus isinya dengan cara mengarahkan
kursor pada sel yang akan dihapus lalu klik
Setelah itu tekan tombol delete pada keyboard
Bila ingin menghapus sejumlah sel sekaligus, caranya bawa kursor
(blok) pada sejumlah sel yang akan dihapus dengan menggunakan
mouse.
Pada tampilan diatas ada dua sel yang akan dihapus yaitu
pada variable berat dan nomor responden 5 dan 6.
Setelah yakin isi sel tersebut ingin dihapus, tekan tombol
Delete pada keyboard.
APLIKASI KOMPUTER 20
Klik heading kolom pada variabel kelamin seperti pada tampilan
berikut:
APLIKASI KOMPUTER 21
Pilih menu Edit….. lalu klik copy
Pindahkan kursor ketempat sel yang akan dituju
Pilih menu Edit…. Lalu klik Paste.
APLIKASI KOMPUTER 22
Untuk pengisian variabel ini (Name, Type dan lainnya) bisa
dengan cara mengaktifkan variable view pada sudut kiri
bawah. Cara pengisiannya bisa dilihat pada pembahasan
sebelumnya.
APLIKASI KOMPUTER 23
3.4.3 Menseleksi Kasus
Pada kondisi tertentu kita hanya ingin mengolah dan menganalisis data
pada kasus tertentu, maka perlu dilakukan penseleksian data perintah
yang digunakan Select cases…..
Kasus:
Pada file akan digunakan data untuk pengerjaan statistic hanya pada
jenis kelamin laki-laki saja. Untuk itu tidak semua kasus ditampilkan,
namun hanya kasus dengan jenis kelamin laki-laki saja yang akan
tampil.
Letakkan kursor pada sembarang tempat.
Pada Menu Data. Kemudian Klik Select Cases….. tampil pada
layar:
APLIKASI KOMPUTER 24
Pada kolom Select ada beberapa pilihan:
ALL CASES jika menseleksi untuk seluruh kasus
IF jika seleksi berdasarkan kriteria tertentu
RANDOM jika seleksi berdasarkan bilangan acak
TIME/CASES RANGE jika seleksi berdasarkan range tertentu
FILTER VARIABLE jika seleksi berdasarkan variable tertentu.
Pada kasus ini ingin menseleksi bagi mereka yang jenis kelamin laki-laki
saja, maka pilihan yang tepat adalah If Condition is Satisfied.
Selanjutnya klik pada tombol IF. Tampak dilayar seperti di bawah ini:
APLIKASI KOMPUTER 25
Pada kotak terlihat ada 5 data yang tidak terseleksi karena
mempunyai jenis kelamin perempuan.
APLIKASI KOMPUTER 26
Dari gambar di atas terlihat data sudah diurutkan berdasarkan
variabel Nama, secara otomatis data pada variabel berat dan kelamin
mengikuti variable nama yang bersangkutan.
APLIKASI KOMPUTER 27
Pada Target Variable diisi dengan nama variabel baru yaitu B.Ideal.
maka ketik B.IDEAL selanjutnya klik tombol Type and Label, hingga
tampak pada gambar berikut:
APLIKASI KOMPUTER 28
Kemudian klik tombol OK maka hasil output tampak pada gambar
di bawah ini.
3.5.2 Count
Fungsi menu Count adalah untuk menghitung data dengan kriteria
tertentu.
KASUS :
Ingin menghitung jumlah pria yang mempunyai berat badan lebih dari
70 kg.
Pilih menu Transform, lalu pilih Count…… tampak pada layar:
APLIKASI KOMPUTER 29
Pada kotak Target Variable diisi dengan nama variable baru yaitu
: ketik pria
Pada kotak Target Label berisi tentang keterangan variabel Pria,
ketik dengan label Jumlah Pria.
Pada kotak Variables diisi dengan nama variabel Jenis Kelamin
(variabel yang sudah ada pada file), setelah itu tekan tombol
Define Values maka tampak pada layer :
APLIKASI KOMPUTER 30
Klik pilihan Include if cases satisfies condition (masukkan
kasus yang memenuhi persyaratan), lalu ketik berat>70.
Klik tombol Continue untuk melanjutkan, kemudian OK.
Analisis:
Dari hasil output di atas terlihat ada variable baru yaitu dengan nama
“PRIA” dan memuat jumlah pria yang mempunyai berat badan lebih dari
70 kg. Ternyata hanya ada 1 pria yang berat badannya lebih dari 70 kg
yaitu Budi.
3.5.3 Recode
Perintah Recode berfungsi untuk memberi kode ulang pada variable
dengan criteria tertentu.
KASUS :
APLIKASI KOMPUTER 31
Berat badan akan diklasifikasikan menjadi 3 kelompok yaitu: < 55 kg,
55-60 kg, dan >60 kg.
Langkah-langkahnya :
Pilih menu Transform kemudian pilih Recode
Pilih Into Different Variables, kemudian pindahkan variable
Berat ke kotak Numerik Variable Output Variable, maka
akan tampil kotak dialog seperti berikut:
Klik Option Old and New Value, nampak seperti pada gambar
dibawah. Pada kotak dialog tersebut ada beberapa isian yang
harus diisi. Secara garis besar ada 2 isian yaitu Old Value (nilai
APLIKASI KOMPUTER 32
lama yang akan direcode) dan New Value (nilai baru sebagai hasil
recode dari nilai lama).
APLIKASI KOMPUTER 33
through highest ketiklah 60,1. Lalu pindahkan kursor ke kotak
New Value, ketiklah 3. Klik Add.
Selanutnya klik Continue, lalu klik OK.
APLIKASI KOMPUTER 34
4| PENGANTAR ANALISIS DATA
APLIKASI KOMPUTER 35
Statistik inferensial berusaha membuat keputusan, perkiraan atau
generalisasi tentang suatu populasi berdasarkan informasi yang
terkandung dari suatu sampel.
APLIKASI KOMPUTER 36
Misalnya: suhu atau temperatur. Air membeku pada suhu 00
(derajat), pernyataan 0 derajat bersifat relatif, karena 0 0C hanya
sebagai tanda saja. Dalam pengukuran 0F, air membeku pada suhu
320 F.
b. Rasio
Data rasio adalah data yang tingkat pengukuran paling tinggi.
Data rasio adalah data bersifat angka dalam arti sesungguhnya
dan bias dioperasikan secara matematika. Data rasio mempunyai
titik nol absolut.
Misalnya: berat badan 0 berarti memang tanpa berat. Tinggi
badan, dan lain-lain.
APLIKASI KOMPUTER 37
4.3.3 Analisis multivariat
Merupakan analisis yang menghubungkan antara beberapa
variabel independent dengan satu variabel dependen.
Latihan
Dalam latihan ini sudah dipersiapkan data sebagai berikut :
Satu penelitian tentang keadaan ibu hamil yang mendapat suplemen
tablet Fe, kemudian diukur kadar Hb nya pada sebelum dan setelah
mendapat suplemen Fe dan diikuti bagaimana output kehamilannya di
daerah “x”
NO. BBIBU UMUR SOSEK MEROKOK HIPERTEN HB1 HB2 BBBAYI
01 50 23 1 1 0 11.1 11.5 2425
02 55 17 2 1 0 9.5 10.2 2430
03 70 26 3 1 1 10.5 11.0 2442
04 48 20 3 0 1 10.0 10.0 2450
05 57 26 1 1 1 10.6 10.3 2466
06 46 14 3 1 1 10.9 10.5 2470
07 43 28 1 1 0 11.0 11.0 2460
08 46 14 1 1 1 10.8 11.0 2465
09 43 23 1 1 1 11.5 11.3 2495
10 65 27 2 0 1 12.0 11.8 2495
11 59 21 1 1 1 11.0 12.0 2490
12 83 19 2 0 0 10.9 11.0 2480
13 71 33 1 0 1 11.3 12.3 2525
14 48 20 1 1 0 12.0 12.5 2550
15 79 21 1 1 0 12.5 13.0 2558
16 78 18 1 1 0 12.3 12.6 2594
17 67 21 2 0 0 11.9 11.9 2600
18 77 17 3 0 0 12.9 12.9 3000
19 76 29 2 1 1 13.0 13.5 2900
20 84 22 3 0 0 12.7 12.9 2950
21 65 30 1 1 0 12.5 12.6 2600
22 70 33 2 0 0 12.6 12.7 2700
APLIKASI KOMPUTER 38
NO. BBIBU UMUR SOSEK MEROKOK HIPERTEN HB1 HB2 BBBAYI
23 60 40 3 0 1 10.6 11.0 2450
24 59 35 3 1 1 10.9 11.0 2400
25 67 35 2 1 0 11.0 11.0 2500
26 72 25 1 0 0 11.3 11.3 2700
27 75 28 1 0 1 10.8 10.9 2300
28 80 30 2 1 1 9.8 10.0 2450
29 82 32 3 1 0 13.0 12.9 2800
30 50 20 3 0 1 11.0 10.9 2500
Entri Data
Entri data dapat dilakukan langsung pada data editor, untuk memulai
entri data baru, layar kerja (windows data editor) pada SPSS
dikosongkan dahulu kemudian lakukan entri atau pengisian data.
Hal yang perlu diperhatikan adalah :
Baris menunjukkan kasus atau responden
Kolom menunjukkan variabel
Sel merupakan perpotongan antara kolom dan baris menunjukkan
nilai/data.
Pertama kali yang dilakukan pada entri data adalah memberi nama
variabel. Satu variabel mewakili satu pertanyaan artinya tidak boleh
mempunyai nama variabel yang sama. Agar tidak menemui kesulitan
dalam membuat nama variabel, berikut akan diuraikan persyaratan
nama variable:
Nama variabel maksimum 8 karakter
Nama variabel tidak boleh ada spasi
Nama variabel tidak ada yang sama (tidak boleh 2 variabel yang
memiliki nama sama).
Langkah-langkah entri data adalah sebagai berikut :
Klik file
Klik New
APLIKASI KOMPUTER 39
Klik data
Selanjutnya dapat mengisi data baru
Caranya adalah dobel klik pada Heading variable maka kita diminta
mengisi Name (nama variable) , tipe variabel (Type), berapa digit angka
yang akan dimasukkan (width), berapa desimal dibelakang angka
(decimal), keterangan dari variabel (label), nilai bila diperlukan pada
variabel yang dikategorikan, dan seterusnya. Untuk pindah ke kolom
berikunya tekan TAB pada keyboard. Kalau tidak diisi lewatkan saja.
Contohnya pada gambar berikut :
APLIKASI KOMPUTER 40
Kategori 3 artinya status soseknya tinggi
Caranya :
Ketik 1 pada Value Kemudian Tab, ketik rendah pada Value label
kemudian klik Add
Ketik 2 pada Value Kemudian Tab, ketik sedang pada Value label
kemudian klik Add
Ketik 3 pada Value Kemudian Tab, ketik tinggi pada Value label
kemudian klik Add
(Remove untuk menghapus)
Klik OK
Lakukan juga pada varibel :
Status merokok
Riwayat hipertensi
Hasil pengisian data di atas sampai selesai (30 data) hasilnya dapat
anda lihat pada window data editor seperti gambar di bawah ini :
APLIKASI KOMPUTER 41
APLIKASI KOMPUTER 42
Bagaimana tampilan bila label Aktif ?
Cek kembali (editing) apakah data yang anda masukkan sudah benar-
benar sesuai dengan data sebenarnya ? Artinya tidak ada kesalahan
dalam entry data.
Apabila data sudah benar semua (cleaning) dapat selanjutnya data
tersebut dianalisis.
Ingat ! Data yang salah dapat mengakibatkan kesimpulan dan
interpretasi yang salah
APLIKASI KOMPUTER 43
tersebut dengan format SPSS, bentuk format dicirikan dengan ekstensi
.SAV (nama file.SAV).
APLIKASI KOMPUTER 44
Mengedit Data
Menghapus isi sel
Pilih sel yang akan dihapus isinya, dengan klik pada mouse atau anak
panah pada keyboard (misalnya 9,5)
Tekan tombol delete pada keyboard
Untuk menghapus seluruh case/responden tekan nomor case/responden
(misalnya case nomor 9) yang akan dihapus, kemudian tekan delete.
Lihat gambar di bawah ini :
APLIKASI KOMPUTER 45
5| ANALISIS UNIVARIAT
APLIKASI KOMPUTER 46
pengukuran. Secara sederhana perhitungan mean dapat ditulis
dengan rumus :
X
x i
n
Keuntungan nilai rata-rata adalah mudah menghitungnya dan
sudah melibatkan seluruh data dalam perhitungannya. Namun
kelemahan dari nilai mean adalah, nilai mean sangat dipengaruhi
oleh nilai data yang ekstrim, baik ekstrim tinggi maupun ektrim
rendah. Oleh karena itu pada kelompok data yang nilai
ekstrimnya (sering dikenal dengan distribusi data yang
menceng/miring), mean tidak dapat mewakili rata-rata kumpulan
nilai pengamatan. Sebagai contoh klasik data yang ada nilai
ekstrimnya adalah data penghasilan. Apabila mean pendapatan
per bulan 10 juta, sebenarnya sebagian orang pendapatannya
dibawah 10 juta. Mean 10 juta diperoleh karena tarikan
sekelompok kecil orang (misalnya konglomerat) yang
pendapatannya sangat tinggi. Dengan demikian penggunaan
mean untuk data yang tidak ada nilai ekstrimnya kurang tepat.
b) Median
Median adalah nilai dimana setengah banyaknya pengamatan
mempunyai nilai dibawahnya dan setengah lagi mempunyai nilai
diatasnya. Berbeda dengan nilai mean, perhitungan median hanya
mempertimbangkan urutan nilai hasil pengukuran, besar beda
antar nilai diabaikan. Karena mengabaikan besar beda , maka
median tidak dipengaruhi oleh nilai data yang ekstrim. Prosedur
perhitungan median adalah :
- Data diurutkan dari nilai terkecil ke yang besar atau
sebaliknya
- Hitung posisi median dengan rumus = (n+1)/2
APLIKASI KOMPUTER 47
- Hitung nilai mediannya.
c) Mode/modus
Mode adalah nilai pengamatan yang sering mempunyai
frekuensi/jumlah terbanyak.
Hubungan mean, median dan mode
Hubungan nilai mean, median dan mode akan menentukan
bentuk distribusi data :
Bila nilai mean, median dan mode sama, maka bentuk
distribusi datanya normal
Bila nilai mean > median > mode, maka bentuk distribusi
datanya menceng/miring kanan.
Bila nilai mean < median < mode, maka bentuk distribusi
datanya menceng/miring kiri.
2. Ukuran variasi/penyebaran
Nilai-nilai hasil pengamatan akan cenderung saling berbeda satu
sama lain atau dengan kata lain hasil pengamatan akan bervariasi.
Untuk mengetahui seberapa jauh data bervariasi digunakan ukuran
variasi/penyebaran. Terdapat beberapa jenis ukuran variasi antara
lain range, jarak inter kuartil dan standar deviasi.
a) Range
Range merupakan ukuran variasi yang paling besar, dihitung dari
selisih nilai terbesar dengan nilai terkecil. Kelemahan range
adalah dipengaruhi oleh nilai ekstrim. Keuntungan perhitungan
dapat dilakukan dengan cepat.
b) Jarak Inter Kuartil
Nilai observasi disusun berurutan dari nilai kecil ke besar,
kemudian ditentukan kuartil bawah dan atas. Kuartil merupakan
pembagian data menjadi 4 bagian yang dibatasi oleh tiga ukuran
kuartil yaitu kuartil I, kuartil II dan kuartil III. Kuartil I
mencakup 25 % data berada dibawahnya dan 75 % data berada
APLIKASI KOMPUTER 48
diatasnya. Kuartil II (median) mencakup 50 % data berada
dibawahnya dan 50 % data berada diatasnya. Kuartil III
mencakup 75 % data berada dibawahnya dan 25 % data berada di
atasnya.
c) Standar deviasi
Variasi data yang diukur melalui penyimpangan/deviasi dari nilai-
nilai pengamatan terhadap nilai meannya. Rat-rata hitung dari
kuadrat terhadap mean disebut varian.
Rumusnya :
xi x
2
Varian
n
Semakin besar nilai varian akan semakin bervariasi. Karena
satuan varian (kuadrat) yang tidak sama dengan satuan nilai
pengamatan, maka dikembangkan suatu ukuran variasi yang
mempunyai satuan yang sama dengan pengamatan yaitu standar
deviasi (S). Standar deviasi merupakan akar dari varian.
APLIKASI KOMPUTER 49
kemudian klik tanda panah kanan; klik sosek kemudian klik tanda
panah kanan. Kemudian OK
Seperti gambar berikut
Statistics
MEROKOK SOSEK
N Valid 30 30
Missing 0 0
Frequency Table
MEROKOK
Cumulative
Frequency Percent Valid Percent Percent
Valid 0 12 40.0 40.0 40.0
1 18 60.0 60.0 100.0
Total 30 100.0 100.0
APLIKASI KOMPUTER 50
SOSEK
Cumulative
Frequency Percent Valid Percent Percent
Valid 1 13 43.3 43.3 43.3
2 8 26.7 26.7 70.0
3 9 30.0 30.0 100.0
Total 30 100.0 100.0
APLIKASI KOMPUTER 51
2. Maka akan muncul kotak dialog :
Klik disini
untuk mengisi Klik disini
variabel untuk
memilih
jenis charts
Frequencies
Statistics
SOSEK
N Valid 30
Missing 0
SOSEK
Cumulative
Frequency Percent Valid Percent Percent
Valid 1 13 43.3 43.3 43.3
2 8 26.7 26.7 70.0
3 9 30.0 30.0 100.0
Total 30 100.0 100.0
APLIKASI KOMPUTER 52
Grafik pie
SOSEK
Analisa data :
Dari data tersebut diperoleh informasi bahwa sebagian besar status
sosial pada ibu-ibu yang menjadi responden adalah 1 (rendah) sebesar
43,3 % sisanya mempunyai status sedang (26,7 %) dan sosial tinggi (30
%)
Contoh lain dari analisa univariat adalah Status sosial dan Status
merokok, hasil pada window output adalah :
Frequencies
Statistics
SOSEK MEROKOK
N Valid 30 30
Missing 0 0
APLIKASI KOMPUTER 53
Frequency Table
SOSEK
Cumulative
Frequency Percent Valid Percent Percent
Valid 1 13 43.3 43.3 43.3
2 8 26.7 26.7 70.0
3 9 30.0 30.0 100.0
Total 30 100.0 100.0
MEROKOK
Cumulative
Frequency Percent Valid Percent Percent
Valid 0 12 40.0 40.0 40.0
1 18 60.0 60.0 100.0
Total 30 100.0 100.0
Bar Chart
SOSEK
50
40
30
20
10
Percent
0
1 2 3
SOSEK
MEROKOK
70
60
50
40
30
20
Percent
10
0
0 1
MEROKOK
APLIKASI KOMPUTER 54
Untuk menampilkan frekuensi dan grafik pada variabel Sosek adalah
sebagai berikut:
1) Pada data Editor pilih Analyze, pilih Descriptive Statistics, pilih
Frequencies seperti pada gambar di bawah ini
Klik disini
untuk mengisi
variabel
APLIKASI KOMPUTER 55
4) Pilih Statistics, maka akan muncul kota dialog yang perlu diisi
sebagai berikut :
APLIKASI KOMPUTER 56
8) Pilih OK
Maka tampilan pada window out put adalah :
Frequencies
Statistics
HB1
N Valid 30
Missing 0
Mean 11.397
Median 11.050
Std. Deviation .968
Variance .936
Skewness .129
Std. Error of Skewness .427
Minimum 9.5
Maximum 13.0
HB1
Cumulative
Frequency Percent Valid Percent Percent
Valid 9.5 1 3.3 3.3 3.3
9.8 1 3.3 3.3 6.7
10.0 1 3.3 3.3 10.0
10.5 1 3.3 3.3 13.3
10.6 2 6.7 6.7 20.0
10.8 2 6.7 6.7 26.7
10.9 3 10.0 10.0 36.7
11.0 4 13.3 13.3 50.0
11.1 1 3.3 3.3 53.3
11.3 2 6.7 6.7 60.0
11.5 1 3.3 3.3 63.3
11.9 1 3.3 3.3 66.7
12.0 2 6.7 6.7 73.3
12.3 1 3.3 3.3 76.7
12.5 2 6.7 6.7 83.3
12.6 1 3.3 3.3 86.7
12.7 1 3.3 3.3 90.0
12.9 1 3.3 3.3 93.3
13.0 2 6.7 6.7 100.0
Total 30 100.0 100.0
APLIKASI KOMPUTER 57
HB1
12
10
Frequency
2 Std. Dev = .97
Mean = 11.40
0 N = 30.00
9.50 10.00 10.50 11.00 11.50 12.00 12.50 13.00
HB1
Interpretasi Hasil :
Dari 30 responden yang diukur kadar Hb pertama maka diperoleh data
tentang kadar Hb terendah 9,50 g/dl dan tertinggi 13,00 g/dl dengan
rata-rata 11,397 g/dl. Simpangan baku dari pengukuran adalah 0,968
dan data pengukuran mendekati kurva normal.
APLIKASI KOMPUTER 58
6| ANALISIS BIVARIAT
APLIKASI KOMPUTER 59
6.1. Uji Chi Square
Latihan
Suatu penelitian ingin mengetahui apakah ada perbedaan ibu yang
merokok dan tidak merokok terhadap kejadian hipertensi pada ibu
hamil. Variabel merokok berisikan status merokok (1) dan tidak merokok
(0), sedangkan variabel hipertensi berisikan kejadian hipertensi (1) dan
tidak hipertensi (0). Lakukan uji Hipotesis dengan tingkat kemaknaan 5
% ( 0,05). Untuk mengerjakan soal ini gunakan file ibu hamil.sav
Langkah penggunaan program SPSS adalah sebagai berikut :
1) Pastikan anda pada data editor ibu hamil.sav
2) Dari menu SPSS pilih Analyse, pilih Descriptive statistics, pilih
Crosstab seperti pada gambar berikut ini :
3) Kemudian akan muncul kotak dialog, pilih hiperten pada kotak kiri,
klik tanda panah kanan untuk memasukkan pada kotak kanan (Row),
kemudian pilih merokok pada kotak kiri, klik tanda panah kanan
untuk memasukkan pada kotak kanan (Column) seperti ini
APLIKASI KOMPUTER 60
Variabel
independen
Dependen
Variabel
dependen
Crosstabs
Cases
Valid Missing Total
N Percent N Percent N Percent
HIPERTEN * MEROKOK 30 100.0% 0 .0% 30 100.0%
Count
MEROKOK
0 1 Total
HIPERTEN 0 6 9 15
1 6 9 15
Total 12 18 30
APLIKASI KOMPUTER 61
Chi-Square Tests
Hasil uji chi square dapat dilihat pada kotak Chi Square Test.
Dari print out muncul dengan beberapa bentuk angka sehingga
menimbulkan pertanyaan angka yang mana yang kita pakai? Apakah
Pearson, Continuity corection, Likelihood, Fisher’s Exact Test atau Linier
by Linier Association.
Aturan yang berlaku pada uji Chi square adalah sebagai berikut :
Bila tabel 2 X 2 dijumpai nilai E (harapan) < 5 lebih dari 20 %, maka
uji yang digunakan adalah Fhiser Exact test
Bila pada tabel 2 X 2 dan tidak ada nilai E < 5, maka uji yang dipakai
sebaiknya Continuity corection.
Bila tabel lebih dari 2 X 2, mialnya 3 X 2, 3 X 3 dll maka
menggunakan uji Pearson Chi Square.
Uji Likelihood Ratio dan Linier by Linier Association biasanya
digunakan untuk keperluan lebih spesifik misalnya untuk analisis
stratifikasi pada bidang epidemiologi dan juga untuk mengetahui
hubungan linier antara dua variabel kategori, sehingga kedua jenis
ini jarang digunakan.
APLIKASI KOMPUTER 62
Interpretasi dari data di atas adalah :
Uji chi square yang sudah dikoreksi, kita gunakan Contituity corection
dengan p value dapat dilihat pada kolom (Asymp.Sig 2 side). Dengan
demikian p value lebih besar dari (0,05) sehingga keputusan statistic
kita menerima Ho. Kesimpulan yang dapat diambil adalah tidak ada
perbedaan kejadian hipertensi pada kelompok ibu hamil yang merokok
dengan yang tidak merokok.
Latihan
Suatu penelitian ingin mengetahui apakah ada perbedaan usia ibu
terhadap kejadian hipertensi pada ibu hamil. Variabel usia berisikan
usia muda (1), usia dewasa (2) dan usia tua (3), sedangkan variabel
hipertensi berisi berisikan kejadian hipertensi (1) dan tidak hipertensi
(0). Lakukan uji Hipotesis dengan tingkat kemaknaan 5 % ( 0,05).
Untuk mengerjakan soal ini gunakan file ibu hamil.sav
Dari soal di atas :
Buatlah Hipotesa
Buat keputusan statistik
Buat kesimpulan
Cases
Valid Missing Total
N Percent N Percent N Percent
HIPERTEN * UMURKEL 30 100.0% 0 .0% 30 100.0%
APLIKASI KOMPUTER 63
HIPERTEN * UMURKEL Crosstabulation
Count
UMURKEL
Muda dewasa Tua Total
HIPERTEN tdk hipertensi 4 8 3 15
hipertensi 2 10 3 15
Total 6 18 6 30
Chi-Square Tests
Asymp. Sig.
Value df (2-sided)
Pearson Chi-Square .889a 2 .641
Likelihood Ratio .902 2 .637
Linear-by-Linear
Association .322 1 .570
N of Valid Cases 30
a. 4 cells (66.7%) have expected count less than 5. The
minimum expected count is 3.00.
Risk Estimate
Value
Odds Ratio for
a
HIPERTEN (tdk
hipertensi / hipertensi)
a. Risk Estimate statistics cannot be computed. They
are only computed for a 2*2 table without empty cells.
APLIKASI KOMPUTER 64
Sebelum kita melakukan uji statistik dua kelompok data, kita
perlu memperhatikan apakah dua kelompok data tersebut berasal dari
dua kelompok yang independen atau berasal dari dua kelompok yang
dependen/pasangan. Dikatakan kedua kelompok data independen bila
data kelompok yang satu tidak tergantung dari kelompok data kedua,
misalnya membandingkan mean tekanan darah sistolik orang desa
dengan orang kota. Tekanan darah orang desa tidak dipengaruhi oleh
tekanan darah orang kota.
Kedua kelompok dikatakan dependen/pasangan bila kelompok
data yang dibandingkan datanya saling mempunyai ketergantungan,
misalnya data berat badan sebelum dan sesudah mengikuti program diet
berasal dari orang yang sama (data sesudah dependen/tergantung
dengan data sebelumnya.
Berdasarkan karakteristik data tersebut maka uji beda dua mean dibagi
menjadi dua kelompok yaitu : Uji beda mean independen (Uji t
independen) dan uji beda mean dependen (Uji t dependen/pasangan)
Latihan
Sebagai contoh penelitian ingin mengetahui apakah ada perbedaan
kadar Hb sebelum diberikan suplemen tablet Fe dan kadar Hb 1 bulan
setelah diberikan suplemen tablet Fe pada ibu hamil yang berkunjung
ke Puskesmas. Tingkat kemaknaan 5 % ( = 0,05 )
Lakukan uji t paired dependen pada file ibu hamil .sav
APLIKASI KOMPUTER 65
Langkah-langkah
1) Pastikan anda pada data editor ibu hamil.sav
2) Pilih analyze, pilih Compare Means, pilih Paired Samples T Test
seperti tampak pada gambar berikut :
APLIKASI KOMPUTER 66
12)Klik options untuk mengisi Confidence Interval, isikan 95 %
kemudian klik Continue seperti tampak pada gambar :
Std. Error
Mean N Std. Deviation Mean
Pair HB1 11.397 30 .968 .177
1 HB2 11.583 30 1.002 .183
N Correlation Sig.
Pair 1 HB1 & HB2 30 .941 .000
APLIKASI KOMPUTER 67
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 HB1 - HB2 -.187 .341 6.228E-02 -.314 -5.93E-02 -2.997 29 .006
APLIKASI KOMPUTER 68
Bentuk varian kedua kelompok data akan bepengaruh pada nilai standar
error yang akhirnya akan membedakan rumus pengujiannya.
Latihan
Contoh uji t independen adalah :
Suatu penelitian ingin mengetahui apakah ada perbedaan kejadian berat
badan bayi yang dilahirkan pada ibu yang mempunyai riwayat hipertensi
dan tidak mempunyai riwayat hipertensi.
Uji hipotesis tersebut dengan uji t independen dengan tingkat
kemaknaan 5% ( 0,05). Untuk mengerjakan soal ini gunakan file ibu
hamil.sav
3) Maka kemudian akan muncul kotak dialog yang perlu diisi seperti
pada gambar dibawah ini :
APLIKASI KOMPUTER 69
4) Pada kotak sebelah kiri terdapat beberapa variabel, pertama pilih
variabel bbbayi sebagai variabel tes, klik tanda panah kanan
kemudian bbbayi masuk dalam kotak sebelah kanan/test variabel.
Kedua pilih hiperten sebagai variabel group, klik pada tanda panah
kanan kemudian hiperten masuk dalam kotak Grouping Variables.
APLIKASI KOMPUTER 70
kemudian isikan angka 1, artinya ada riwayat hipertensi. Klik
continue
7) Klik OK, sejenak hasil analisis akan tampak pada window output
seperti di bawah ini :
T-Test
Group Statistics
Std. Error
HIPERTEN N Mean Std. Deviation Mean
BBBAYI tdk hipertensi 15 2623.13 177.74 45.89
hipertensi 15 2486.53 125.98 32.53
APLIKASI KOMPUTER 71
Untuk memilih uji mana yang akan dipakai, dapat dilihat uji kesamaan
varian melalui uji Levene. Lihat nilai p dari levene test, bila nilai p <
(0,05) maka varian berbeda, dan bila nilai p > (0,05) maka varian sama.
Pada uji Levene di atas menghasilkan nilai p = 0,461 berarti varian
kedua kelompok adalah sama.
T-Test
Group Statistics
Std. Error
MEROKOK N Mean Std. Deviation Mean
BBBAYI tdk merokok 12 2595.83 208.53 60.20
merokok 18 2527.50 131.17 30.92
Buatlah :
Interprtasi pada group statistik
APLIKASI KOMPUTER 72
Uji t yang benar
Keputusan statistik
Kesimpulan
Analisis varian mempunyai dua jenis yaitu analisi varian satu faktor
(one way) dan analisis varian dua faktor (two way). Pada bahasan buku
APLIKASI KOMPUTER 73
ini pembahasannya dibatasi hanya pada analisis varian satu faktor (one
way).
Latihan
Contoh kasus yang dapat menggunakan uji Anova adalah :
Apakah ada perbedaan bayi yang dilahirkan oleh ibu yang mempunyai
status ekonomi berbeda. Variabel katagorik status ekonomi dibagi
menjadi 3, yaitu 1 adalah status ekonomi rendah, 2 adalah status
ekonomi sedang dan 3 adalah status ekonomi tinggi. Gunakan tingkat
kemaknaan 5 % ( 0,05).
Untuk mengerjakan soal ini gunakan file ibu hamil.sav
APLIKASI KOMPUTER 74
3) Selanjutnya akan muncul kotak dialog yang perlu diisikan seperti
pada gambar berikut :
APLIKASI KOMPUTER 75
6) Klik Option, kemudian tandai pada kotak Descriptive seperti pada
gambar di bawah ini :
7) Klik Continue
8) Klik Posh Hoc, kemudian akan muncul kotak dialog, lalu tandai
pada Bonferroni seperti pada gambar di bawah ini,:
APLIKASI KOMPUTER 76
9) Klik Continue
10)Klik OK.
Maka pada window output akan muncul hasil analisis data tersebut
seperti di bawah ini :
Oneway
Descriptives
BBBAYI
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
rendah 13 2509.85 97.38 27.01 2451.00 2568.69 2300 2700
sedang 8 2569.38 160.05 56.59 2435.57 2703.18 2430 2900
tingg 9 2840.00 258.17 86.06 2641.56 3038.44 2495 3205
Total 30 2624.77 222.79 40.68 2541.57 2707.96 2300 3205
ANOVA
BBBAYI
Sum of
Squares df Mean Square F Sig.
Between Groups 613161.8 2 306580.900 10.018 .001
Within Groups 826317.6 27 30604.354
Total 1439479 29
APLIKASI KOMPUTER 77
Post Hoc Tests
Multiple Comparisons
Mean
Difference 95% Confidence Interval
(I) SOSEK (J) SOSEK (I-J) Std. Error Sig. Lower Bound Upper Bound
rendah sedang -59.53 78.61 1.000 -260.18 141.12
tingg -330.15* 75.86 .001 -523.78 -136.53
sedang rendah 59.53 78.61 1.000 -141.12 260.18
tingg -270.63* 85.01 .011 -487.60 -53.65
tingg rendah 330.15* 75.86 .001 136.53 523.78
sedang 270.63* 85.01 .011 53.65 487.60
*. The mean difference is significant at the .05 level.
APLIKASI KOMPUTER 78
6.4. Analisis Hubungan Data Numerik dengan Katagori (Uji
Korelasi dan Regresi Linier Sederhana)
Seringkali dalam penelitian kita ingin mengetahui hubungan antara dua
variabel yang sejenis numerik, misalnya hubungan berat badan dengan
tekanan darah, hubungan umur dengan kadar Hb dan lain-lain.
Hubungan antara dua variabel numerik dapat dihasilkan dua jenis yaitu
derajat/keeratan hubungan dan bentuk hubungan. Bila ingin diketahui
derajat/keeratan hubungan, digunakan analisis korelasi. Sedangkan bila
ingin diketahui bentuk hubungan antara dua variabel, digunakan
analisis regresi
Korelasi
Korelasi disamping dapat untuk mengetahui derajat/keeratan
hubungan, korelasi dapat juga untuk mengetahui arah hubungan dua
variabel numerik. Misalnya, apakah hubungan berat badan dan tekanan
darah mempunyai derajat yang kuat atau lemah, dan juga apakah
kedua variabel tersebut berpola positif atau negatif.
Secara sederhana atau secara visual hubungan dua variabel dapat
dilihat dari diagram tebar/pencar (scater plot). Diagram tebar adalah
grafik yang menunjukkan titik-titik perpotongan nilai data dari dua
variabel (X dan Y). pada umumnya dalam grafik, variabel independen
(X) diletakkan pada garis horizontal sedangkan variabel dependen (Y)
pada garis vertikal.
Dari diagram tebar dapat diperoleh informasi tentang pola
hubungan antar dua variabel X dan Y. Selain memberi informasi pola
hubungan dari kedua variabel, diagram tebar juga dapat
menggambarkan keeratan hubungan dari kedua variabel tersebut.
APLIKASI KOMPUTER 79
Untuk mengetahui lebih tepat besar/derajat hubungan dua variabel
digunakan Koefisien Korelasi Product Momment. Koefisien korelasi
disimbolkan dengan r. Nilai korelasi ( r ) berkisar antar 0 s/d 1 atau bila
dengan disertai arahnya nilainya antara –1 s/d +1.
Uji Hipotesis
Koefisien korelasi yang telah dihasilkan merupakan langkah pertama
untuk menjelaskan derajat hubungan linier antara dua variabel.
Selanjutnya perlu dilakukan uji hipoteis untuk mengetahui apakah
antara dua variabel terjadi secara signifikan atau hanya karena faktor
kebetulan dari random sampel (by chance).
APLIKASI KOMPUTER 80
Uji hipotesis dapat dilakukan dengan dua cara, yaitu :
1) Membandingkan nilai r hitung dengan r tabel.
2) Menggunakan pengujian dengan pendekatan distribusi t.
APLIKASI KOMPUTER 81
ideal adalah fungsi matematik sempurna (bebas dari kesalahan) dari
variabel independen, berat beda dan gaya gravitasi.
Contoh lain misalnya hubungan antara suhu Fahrenheit dengan suhu
Celcius dapat dibuat persamaan : Y = 32 +9/X. Variabel suhu Fahrenheit
(Y) dapat dihitung/diprediksi secara sempurna/tepat (bebas kesalahan)
bila suhu celcius (X) diketahui.
Ketika berhadapan dengan kondisi pada ilmu sosial , hubungan
antar variabel ada kemungkinan ada kesalahan/penyimpangan (tidak
eksak), artinya untuk beberapa nilai X yang sama kemungkinan
diperoleh nilai Y yang berbeda. Misalnya hubungan berat badan dengan
tekanan darah, tidak setiap orang yang berat badannya sama akan
memiliki tekanan darah yang sama. Oleh karena itu hubungan antara X
dan Y pada ilmu sosial/kesehatan masyarakat tidaklah eksak, maka
persamaan garis yang dibentuk menjadi :
Y = a + bX + e
Keterangan :
Y = Variabel dependen
X = Variabel independen
a = Intercep, perkiraan besarnya rata-rata variabel Y ketika nilai
variabel X=0
b = Slope, perkiraan esarnya perubahan nilai variabel Y bila nilai
variabel
X berubah satu unit pengukuran.
E = Error, nilai kesalahan yaitu selisih antara nilai Y individual
yang
teramati dengan nilai Y yang sesungguhnya pada titik X tertentu.
xy (xy ) / n
b
x 2 ( x ) 2 / n
a = y - bx
APLIKASI KOMPUTER 82
Y = a + bX + e
x 2 ay bxy
Se
n 1
Koefisien determinan (R2)
Ukuran yang penting dan sering digunakan dalam analisis regresi
adalah Koefisien determinan atau disimbolkan R2 (R ssquare). Koefisien
determinan dapat dihitung dengan mengkuadratkan nilai r, atau dengan
formula R2 = r2 . Koefisien determinan berguna untuk mengetahui
beberapa variasi variabel dependen (Y) dapat dijelaskan oleh variabel
independen (X). atau dengan kata lain R square menunjukkan seberapa
jauh variabel independen dapat memprediksi variabel dependen.
Semakin besar nilai R square semakin baik/semakin tepat variabel
independen memprediksi variabel dependen. Besarnya nilai R square
antar 0 s/d 1 atau antara 0 % s/d 100 %.
APLIKASI KOMPUTER 83
Latihan
Sebagai contoh kita ingin melakukan analisis korelasi dengan mengambil
variabel yang bersifat numerik yaitu umur ibu dengan berat badan bayi
yang dilahirkan, dalam latihan ini menggunakan dari file ibu hamil
sav.
Langkah-langkah melakukan analisis korelasi dan regresi menggunakan
SPSS adalah :
1) Pastikan pada data editor adalah ibu hamil.sav
2) Pilih Analyze, pilih Correlate, pilih Bivariat seperti berikut ini :
3) Kemudian akan muncul kotak dialog, klik variabel bbbayi dan klik
Hb1 pada kotak sebelah kiri, klik tanda panah kanan untuk mengisi
kotak di sebelah kanan yang hasilnya tampak seperti di bawah ini :
APLIKASI KOMPUTER 84
4) Tandai pada Pearsons dan Flag significant correlations
menggunakan mouse
5) Tandai pada two tailed menggunakan mouse
6) Klik OK
Maka hasilnya akan tampak pada window output seperti di bawah ini :
Correlations
Correlations
HB1 BBBAYI
HB1 Pearson Correlation 1.000 .370*
Sig. (2-tailed) . .044
N 30 30
BBBAYI Pearson Correlation .370* 1.000
Sig. (2-tailed) .044 .
N 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
Regresi sederhana
Berikut akan dilakukan analisis regresi linier dengan menggunakan
variabel berat badan bayi dengan kadar Hb, file yang digunakan adalah
ibu hamil.sav.
APLIKASI KOMPUTER 85
Dalam analisis regresi kita harus menentukan variabel dependen dan
variabel independen. Dalam kasus ini berat badan bayi adalah variabel
dependen dan kadar Hb ibu adalah variabel independen.
Langkah-langkah analisis regresi dengan SPSS adalah sebagai berikut :
1) Pastikan pada data editor adalah ibu hamil.sav
2) Pilih Analyze, pilih Regression, pilih Linier seperti tampak pada
gambar di bawah ini :
3) Maka akan tampil kotak dialog dari menu linier regression seperti di
bawah ini :
APLIKASI KOMPUTER 86
4) Pada kotak dialog di atas pilih variabel bbbayi dengan menggunakan
mouse, klik tanda panah kanan untuk memasukkan dalam kotak
Dependent sebelah kanan.
5) Pilih variabel Hb1 sebagai variabel independen dengan menggunakan
mouse, klik tanda panah kanan untuk memasukkan dalam kotak
Independent(s)
6) Maka hasilnya akan seperti pada gambar dibawah ini :
APLIKASI KOMPUTER 87
7) Klik OK dan hasilnya adalah
Regression
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 HB1a . Enter
a. All requested variables entered.
b. Dependent Variable: BBBAYI
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 197579.3 1 197579.263 4.455 .044a
Residual 1241900 28 44353.575
Total 1439479 29
a. Predictors: (Constant), HB1
b. Dependent Variable: BBBAYI
APLIKASI KOMPUTER 88
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts
Model B Std. Error Beta t Sig.
1 (Constant) 1652.543 462.240 3.575 .001
HB1 85.308 40.419 .370 2.111 .044
a. Dependent Variable: BBBAYI
APLIKASI KOMPUTER 89
Dengan persamaan tersebut, berat bayi dapat diperkirakan jika kita
tahu nilai Hb. Uji statistik untuk koefisien regresi dapat dilihat pada
kolom Sig.t dan menghasilkan nilai p = 0,044. Jadi 5 % kita menolak
Ho, berarti ada hubungan linier antar kadar Hb ibu dengan berat bayi
yang dilahirkan. Dari nilai b = 85,303 berarti bahwa variabel berat bayi
akan bertambar sebesar 85,303 bila kadar Hb naik satu gram/dl
APLIKASI KOMPUTER 90
Langkah-langkah untuk dapat menampilkan gambar/grafik bar
adalah :
Pastikan pada data editor adalah ibu hamil.sav
Pilih Graphs , pih Bar, maka akan muncul tampilan seperti berikut :
Pilih variabel sosek pada kotak sebelah kiri, kemudian klik tanda
panah kanan untuk masukkan pada kotak Category axis dengan
menggunakan mouse.
Tandai () pada % of cases, Klik Titles untuk memberikan judul pada
tampilan grafik
Kili OK
APLIKASI KOMPUTER 91
Hasilnya pada window output adalah :
Graph
50
40
30
20
10
Percent
0
rendah sedang tingg
SOSEK
APLIKASI KOMPUTER 92
Pilih variabel merokok pada kotak sebelah kiri, kemudian klik tanda
panah kanan untuk masukkan pada kotak Define Slices by dengan
menggunakan mouse.
Tandai () pada % of cases, Klik Titles untuk memberikan judul
pada tampilan grafik
Klik OK
Hasilnya pada window output adalah
Pilih variabel sosek pada kotak sebelah kiri, kemudian klik tanda
panah kanan untuk masukkan pada kotak Category axis dengan
menggunakan mouse.
Tandai () pada % of cases, Klik Titles untuk memberikan judul pada
tampilan grafik
Kili OK
APLIKASI KOMPUTER 93
tdk merokok
merokok
Dari grafik di atas dapat tarik kesimpulan bahwa sebagian besar ibu-ibu
hamil tidak merokok.
Langkah-langkah untuk dapat menampilkan Pareto adalah :
Pastikan pada data editor adalah ibu hamil.sav
Pilih Graphs , pilih Pareto, maka akan muncul tampilan seperti di
bawah ini :
Tandai pada Counts or sums for groups of cases , klik define maka
akan muncul kotak dialog :
APLIKASI KOMPUTER 94
Pilih hipertensi, klik pada tanda panah kanan untuk mengisi
kotak Category Axis, tandai pada Counts, kemudian OK
Hasil grafik pareto adalah
Graph
40
Percent
30 100
20
50
13
10
9
8
Count
0 0
rendah tingg sedang
SOSEK
Pareto adalah grafik yang datanya diurutkan dari yang terbesar ke yang
terkecil, pada gambar di atas menunjukkan bahwa tingkat sosial
APLIKASI KOMPUTER 95
ekonomi rendah yang terbesar kemudian disusul tingkat ekonomi
tinggi dan sedang.
Pilih Hb2 pada kotak sebelah kiri, klik tanda panah kanan maka
Hb2 akan masuk pada kotak Variable, tandai pada Display
nomal curve, kemudian OK
Hasil histogram beserta kurva normal adalah sebagai berikut :
APLIKASI KOMPUTER 96
Graph
8
HB2
APLIKASI KOMPUTER 97
Pilih bbbayi pada kotak sebelah kiri, klik tanda panah kanan, tandai
pada Case number, kemudian OK
Hasilnya adalah sebagai berikut :
Graph
3400
3200
3000
2800
2600
Value BBBAYI
2400
2200
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Case Number
APLIKASI KOMPUTER 98
Langkah-langkah untuk dapat menampilkan Scatterplot adalah :
Pastikan pada data editor adalah ibu hamil.sav
Pilih Grafik, pilih Scatterpolt maka akan muncul kotak dialog seperti
di bawah ini
Pilih simple, klik Define, maka akan muncul kotak dialog sperti di
bawah ini :
Pilih dua variabel pada kotak sebelah kiri, pilih bbbayi sebagai
variabel dependen, klik tanda panah kanan untuk masukkan pada Y
Axis
Pilih variabel Hb1 sebagai variabel independen, klik tanda panah
kanan untuk memasukkan pada X Axis. OK
Hasilnya adalah sebagai berikut
APLIKASI KOMPUTER 99
Graph
3400
3200
3000
2800
2600
2400
BBBAYI
2200
9 10 11 12 13 14
HB1