LAPORAN PRAKTIK

MATAKULIAH APLIKASI PENGOLAHAN DATA

KESEHATAN

Dosen Pengampu : VILDA ANA VERIA SETYAWATI S.Gz, M.Gizi

DI SUSUN OLEH :

Nama : Novenia Andarini

NIM : D11.2019.02937
Kelas : D11.41

FAKULTAS KESEHATAN
PROGRAM STUDI KESEHATAN MASYARAKAT
SEMESTER GANJIL 2020-2021
LATIHAN UJI PPM

SOAL

1. Hubungan antara umur dengan kadar glukosa darah

2. Hubungan antara umur dengan indeks massa tubuh
3. Hubungan antar tekanan darah sistolik dengan indeks massa tubuh

JAWABAN

LANGKAH – LANGKAH

1. Hubungan antara umur dengan kadar glukosa darah

Pertama - tama buat data atau menggunakan data yang sudah ada seperti tampilan diatas
Kemudian klik Analyze → kemudian Descriptive Statistics → kemudian klik Explore seperti tampilan
pada diatas

Kemudian akan muncul tampilan seperti diatas, kemudian masukan Umur dan Glukosa darah dengan
cara klik kemudian klik tanda panah biru mengarah ke kanan → kemudian klik Plots → akan muncul
tabel Explore:Plots → kemudian centang pada Normality plots with tests → kemudian klik Continue →
lalu Klik OK

Akan muncul data pada output seperti tampilan diatas kemudian klik kanan tabel Copy dan Paste pada
word dll untuk memindahkan data

LANGKAH - LANGKAH UJI PPM

Klik Analyze → kemudian klik Corelate → lalu klik Bivariate → maka akan muncul data dibawah ini

Masukan data umur dan glukosa darah dengan cara klik data umur dan glukosa darah kemudian klik
tanda panah biru ke kanan → lalu klik OK seperti gambar dibawah ini

Kemudian akan muncul data seperti dibawah ini

Akan muncul data pada output seperti tampilan diatas kemudian klik kanan tabel Copy dan Paste pada
word dll untuk memindahkan data

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Umur .155 30 .062 .911 30 .016
Glukosa Darah .241 30 .000 .775 30 .000
a. Lilliefors Significance Correction

Hubungan antara umur dengan kadar glukosa darah

UJI KORELASI

Data menggunakan Shapiro – wilk karena df ≤ 30

Ha : Ada hubungan antara umur dengan kadar glukosa darah

Ho: Tidak ada hubungan antara umur dengan kadar glukosa darah

1. Skala data kedua variable > interval atau rasio

2. Uji normalitas kedua variabel

p value umur = 0,02 → data berdistribusi tidak normal karena sig kurang dari 0,05
 p value glukosa darah = 0,0 → data berdistribusi tidak normal karena sig kurang dari 0,05

Sehingga uji korelasi yang digunakan adalah Rank Spearman

3. Uji PPM

Correlations
Umur Glukosa Darah
Umur Pearson Correlation 1 .496**
Sig. (2-tailed) .005
N 30 30
Glukosa Darah Pearson Correlation .496** 1
Sig. (2-tailed) .005
N 30 30
**. Correlation is significant at the 0.01 level (2-tailed).
P value antara umur dengan glukosa darah = 0,005
4. Penarikan kesimpulan/menjawab hipotesis
Jika p < 0,05 = Ha diterima, Ho ditolak
Jika p ≥ 0,05 = Ha ditolak, Ho diterima
Kesimpulan = Jadi Ha diterima, Ho ditolak sehingga ada hubungan antara umur dengan glukosa
darah

2. Hubungan antara umur dengan indeks massa tubuh

Klik Analyze → kemudian Descriptive Statistics → kemudian klik Explore seperti tampilan pada diatas

Kemudian klik Reset terlebih dahulu agar bisa memasukan data yang baru

Kemudian akan muncul tampilan seperti diatas, kemudian masukan Umur dan Status Gizi/ IMT ( Indeks
massa tubuh) dengan cara klik kemudian klik tanda panah biru mengarah ke kanan → kemudian klik
Plots → akan muncul tabel Explore:Plots → kemudian centang pada Normality plots with tests →
kemudian klik Continue → lalu Klik OK
Akan muncul data pada output seperti tampilan diatas kemudian klik kanan tabel Copy dan Paste pada
word dll untuk memindahkan data

Langkah – langkah cara uji PPM sama dengan contoh dinomer 1, hanya beda memasukan data saja

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Umur .155 30 .062 .911 30 .016
Sttus_gizi .131 30 .199 .943 30 .111
a. Lilliefors Significance Correction

Hubungan antara umur dengan indeks massa tubuh

UJI KORELASI

Data menggunakan Shapiro – wilk karena df ≤ 30

Ha : Ada hubungan antara umur dengan status gizi / IMT (indeks massa tubuh)

Ho: Tidak ada hubungan antara umur dengan status gizi / IMT (indeks massa tubuh)

1. Skala data kedua variable > interval atau rasio

2. Uji normalitas kedua variabel

p value umur = 0,02 → data berdistribusi tidak normal karena sig kurang dari 0,05

p value status gizi/IMT = 0,11 → data berdistribusi normal karena sig lebih dari 0,05

Sehingga uji korelasi yang digunakan adalah Rank Spearman

3. Uji PPM
 Correlations
Umur Sttus_gizi
Umur Pearson Correlation 1 .357
Sig. (2-tailed) .053
N 30 30
Sttus_gizi Pearson Correlation .357 1
Sig. (2-tailed) .053
N 30 30

P value antara umur dengan status gizi / IMT = 0,053

4. Penarikan kesimpulan/menjawab hipotesis
Jika p < 0,05 = Ha diterima, Ho ditolak
Jika p ≥ 0,05 = Ha ditolak, Ho diterima
Kesimpulan = Jadi Ha ditolak, Ho diterima sehingga tidak ada hubungan antara umur dengan
status gizi atau IMT ( Indeks Massa Tubuh)

3. Hubungan antar tekanan darah sistolik dengan indeks massa tubuh

Klik Analyze → kemudian Descriptive Statistics → kemudian klik Explore seperti tampilan pada diatas
Kemudian klik Reset terlebih dahulu agar bisa memasukan data yang baru

Kemudian akan muncul tampilan seperti diatas, kemudian masukan Tensi / Tekanan Darah dan Status
Gizi/ IMT ( Indeks massa tubuh) dengan cara klik kemudian klik tanda panah biru mengarah ke kanan →
kemudian klik Plots → akan muncul tabel Explore:Plots → kemudian centang pada Normality plots with
tests → kemudian klik Continue → lalu Klik OK
Akan muncul data pada output seperti tampilan diatas kemudian klik kanan tabel Copy dan Paste pada
word dll untuk memindahkan data

Langkah – langkah cara uji PPM sama dengan contoh dinomer 1, hanya beda memasukan data saja

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Tensi .201 30 .003 .815 30 .000
Sttus_gizi .131 30 .199 .943 30 .111
a. Lilliefors Significance Correction

Hubungan antara Tensi / Tekanan Darah dengan Status Gizi / IMT (Indeks Massa Tubuh)

UJI KORELASI

Data menggunakan Shapiro – wilk karena df ≤ 30

Ha : Ada hubungan antara tekanan darah / tensi dengan status gizi / IMT (indeks massa tubuh)

Ho: Tidak ada hubungan antara tekanan darah / tensi dengan status gizi / IMT (indeks massa tubuh)

1. Skala data kedua variable > interval atau rasio

 2. Uji normalitas kedua variabel

p value tensi/tekanan darah = 0,0 → data berdistribusi tidak normal karena sig kurang dari 0,05

p value status gizi/IMT = 0,11 → data berdistribusi normal karena sig lebih dari 0,05

Sehingga uji korelasi yang digunakan adalah Rank Spearman

3. Uji PPM

Correlations
Tensi Sttus_gizi
Tensi Pearson Correlation 1 .374*
Sig. (2-tailed) .042
N 30 30
Sttus_gizi Pearson Correlation .374* 1
Sig. (2-tailed) .042
N 30 30
*. Correlation is significant at the 0.05 level (2-tailed).
value antara Tensi / tekanan darah dengan status gizi atau IMT ( Indeks Massa Tubuh) = 0,042
4. Penarikan kesimpulan/menjawab hipotesis
Jika p < 0,05 = Ha diterima, Ho ditolak
Jika p ≥ 0,05 = Ha ditolak, Ho diterima
Kesimpulan = Jadi Ha diterima, Ho ditolak sehingga ada hubungan antara tensi / tekanan darah
dengan status gizi atau IMT ( Indeks Massa Tubuh)