P.6.

Step by step: Panduan daftar tilik

pengenalan SPSS
❖ Panduan ini dibuat berdasarkan file daftar tilik menggunakan SPSS
❖ Agar lebih mudah memahami, silakan membuka program SPSS dan mempraktekkan
dengan mengikuti petunjuk pada file soal SPSS

I. Inputing data
1. Membuka program SPSS 21
a. Bukalah program SPSS sesuai dengan langkah yang tertulis pada buku petunjuk
praktikum TPPDI
halaman 64.
b. Klik Start >> SPSS
statistics 21
c. Silakan klik (.) Type
in data kemudian
tekan Enter atau klik
OK (perhatikan kotak
merah)

d. Layar akan terbuka “Untitled

- SPSS Data Editor” seperti pada
gambar: Selanjutnya disebut
sebagai Jendela Data Editor. Pada
jendela ini, data dari soal
dimasukkan.

Halaman 1 dari 25
2. Membuat variable (number, huruf) dan menetapkan jenis data
a. Name atau nama variabel: Aturan pemberian nama variabel adalah 1) Wajib diawali
dengan Huruf, dan 2) tidak boleh lebih dari 8 karakter, serta 3) tidak boleh ada spasi
(spacebar).
b. Type atau jenis data: Jenis data 1) Angka atau Numerik (angka: misalnya “18” tahun ) dan
2) Huruf atau String (huruf: misalnya Amin, Laki-laki, Jalan Petasan). Perhatikan cara
mengganti tipe variable di dalam kotak merah

3. Membuat label
a. Karena nama variable tidak boleh lebih dari 8 karakter, maka label diisi untuk memberikan
keterangan lebih jelas mengenai data.
b. Label = keterangan variabel. Desimal= jumlah angka setelah koma (disesuaikan dengan
data yang akan dimasukkan)

Halaman 2 dari 25
c. Values atau kode variabel: Jenis kelamin dapat anda masukkan dengan mengetik “Laki”
atau “Perempuan”, tetapi hal ini tidak efisien (waktu dan tenaga hilang percuma).
Sebaiknya anda beri kode 1=”Laki” dan 2=“Perempuan”, sehingga anda cukup
memasukkan angka 1 atau 2.
Contoh di soal:
- Pada kolom 6, 7, dan 9 di file soal, berisi keterangan: 0 jika “tidak”, 1 jika “ya”
- Masukkan value untuk Kebiasaan merokok, riwayat hipertensi, dan apakah BB Bayi
lahir rendah.
d. Perhatikan petunjuk dalam kotak merah! Value yang dimasukkan sesuai dengan
keterangan tabel. “0” jika tidak dan “1” jika iya. Klik “Add” untuk menambahkan kode
variabel. Klik “OK” untu memasukkan value ke dalam system. Lanjutkan dengan data
selanjutnya!

e. Tampilan akhir tab “Variable View”

Halaman 3 dari 25
 f. Kemudian, klik tab “Data View” (di samping variable view). Copy-kan semua data dalam
tabel pada soal ke dalam tab ini sesuai judul kolomnya.
g. Tampilan akhir tab “Data View”

II. Analisis deskriptif data numerik

1. Memasukkan data
a. Pada file SPSS yang sama, masukkan data pada file soal “Kasus 2” dengan memperhatikan
kaidah-kaidah seperti pada poin I.2
b. Tampilan akhir tab “Variable View” sampai dengan langkah ini.

Halaman 4 dari 25
c. Copy data kasus 2 dari soal ke tab “Data View”. Data maksimal 8 karakter, jika lebih dari
itu maka akan terpotong sendiri (Contoh: DAMAYANTI → DAMAYANT). Tampilan akhir
tab Data View setelah langkah ini dilakukan, perhatikan dalam kotak merah.

2. Menetapkan deskripsi data

a. Soal pada kasus 2 di file Soal SPSS dapat dijawab dengan melakukan analisis deskriptif
data.
b. Pada tab “Data view” klik Analyze >> Descriptive Statistic >> Descriptive…
c. Pada kotak dialog tersebut, pilih variable yang akan diuji terdapat pada kotak sebelah kiri.
Kemudian klik tanda >, untuk memindahkan data ke kotak sebelah kanan.

Halaman 5 dari 25
d. Klik Options, aktifkan/centang pilihan untuk menampilkan standar error, maximum,
minimum, dll. Kemudian, klik continue-OK. Perhatikan dalam kotak merah!

e. Setelah di-klik OK, akan muncul pop up output seperti pada gambar berikut, scroll ke
bawah untuk mendapatkan data Mean, median, SD, nilai Min, nilai Max. Simpan (save)
output tersebut.

Halaman 6 dari 25
3. Probabilitas perbedaan nilai
a. Cara yang lain untuk mengeluarkan nilai statistik deskriptif dari data numeric
b. Klik Analyze >> Descriptive Statistic >> Explore…
c. Pada kotak dialog tersebut, pilih variable yang akan diuji terdapat pada kotak sebelah kiri.
Kemudian klik tanda >, pindahkan variabel yang di pilih ke kotak sebelah kiri (Dependent
list)

d. Klik tab Statistics, pastikan opsi descriptive aktif (dicentang)>>>continue

e. Probabilitas perbedaan nilai (kasus 2.b) dapat diketahui dengan menentukan distribusi
data. Klik tab Plots >>> aktifkan/centang ‘Normality plots with tests’>>> continue>>>
OK. Lihat gambar

Halaman 7 dari 25
f. Kemudian pada file output akan muncul hasil baru seperti pada gambar, scroll ke bawah
untuk mendapatkan data yang diinginkan.

Interpretasi data Analysis Deskriptif Data Numerik

g. Nilai Mean. Median, Standar Deviasi, nilai maksimum dan nilai minimal masing-masing
mata pelajaran dapat dilihat pada kotak Descriptive.
h. Probabilitas perbedaan nilai antara siswa. Perbedaan dapat dilihat dari hasil
Kolmogorov Smirnov atau Shapiro-Wilk. Jika p<0,05 maka nilai antar siswa tersebut
tidak berdistribusi normal→ Ada perbedaan nilai antara siswa. Jika sig. p>0,05
menunjukkan nilai
siswa tersebut
berdistribusi
normal → tidak
ada perbedaan
nilai antara siswa
i. Jawaban : Nilai
Matematika dan
IPA berdistribusi
normal (p>0,05),
sedangkan nilai
Bahasa Indonesia
tidak berdistribusi
normal = ada
perbedaan
(p<0,05).

Halaman 8 dari 25
III. Uji validitas dan reliabilitas
1. Memasukkan data untuk uji validitas dan reliabilitas
a. Pada file SPSS yang sama, masukkan data pada file soal “Kasus 3” dengan memperhatikan
kaidah-kaidah seperti pada poin I.2.
b. Pada tahap ini, value dari data per item harus diisi sesuai skala Likert yang digunakan.
1= ‘sangat tidak setuju”, 2 = “tidak setuju”, 3 = ‘setuju”, 4 = ‘sangat setuju”. Lihat kembali
caranya di poin I.3.c. Perhatikan gambar.
c. Tampilan pada tab “Variable view” dapat dilihat pada gambar. Values tidak harus
dimasukkan satu per satu. Rumus (syarat value) bisa di copy-paste (Ctrl-C + Ctrl-V)

d. Copy data di tabel soal ke file SPSS. Tampilan akhir tab “Data View” dapat dilihat pada
gambar.

Halaman 9 dari 25
2. Melakukan Uji Validitas dan interpretasi hasil uji validitas
a. Soal pada kasus 3: Tentukan reliabilitas dan validitas data tersebut!
b. Uji validitas digunakan untuk mengukur ketepatan suatu item dalam kuesioner. Metode
yang digunakan adalah metode korelasi Pearson.
c. Pada Data view, klik Analyze>>Corelate>>Bivariate. Masukkan semua item dan skor
total ke kotak variables. Pada Correlation Ceficients pastikan terpilih Pearson. Klik OK.
Perhatikan kotak merah pada gambar!

d. Pada file output akan muncul hasil uji korelasi Pearson seperti pada gambar.

Halaman 10 dari 25
e. Interpretasi hasi uji validasi→ Membandingkan nilai Pearson Correlation pada skor total
dengan r table. Nilai r table dengan N=20, pada signifikansi 5% adalah 0,444. Jika nilai
Pearson Correlation > 0,444 maka item tersebut valid. Atau Jika p (Sig.2. tail) <0,05 maka
item valid, jika p>0,05 maka item tidak valid. Jika item tidak valid, maka pertanyaan
tersebut tidak dapat mengukur apa yang seharusnya diukur. Sehingga item tersebut
harus dibuang.
f. Perhatikan gambar! Kotak merah menunjukkan item yang tidak valid karena tidak
memenuhi persyaratan pada poin e (di atas).
g. Item yang tidak valid → Item 7, 8, 9, dan 10. Item/ pernyataan ke 7-10 pada kuesioner
tidak dapat merepresentasikan variabel yang akan diukur pada penelitian.
h. Kemudian item yang gugur dibuang, data yang valid dilanjutkan dengan diuji
reliabilitasnya.

Halaman 11 dari 25
3. Uji reliabilitas dan interpretasi hasil uji reliabilitas
a. Menggunakan input yang sama dengan uji validitas (lihat poin uji validitas) , klik Analyze
>> Scale >> Reliability Analysis.
b. Masukkan item yang tidak gugur ke kotak items. Atau jika semua sudah masuk dalam
kotak items, maka keluarkan item yang gugur. Klik tombol Statistics
c. Pada kotak dialog Descriptive for, pilih Scale if item deleted. Klik OK. Perhatikan gambar.

d. Pada file output, akan muncul hasil

uji reliabilitas seperti pada gambar.
e. Interpretasi data uji reliabilitas→
Batasan penentuan reliabilitas adalah 0,6.
Jika kurang dari 0,6 reliabilitasnya kurang.
f. Perhatikan kotak merah
g. Nilai Cronbach’s Alpha → 0.717 > 0,6
h. Reliabel

Halaman 12 dari 25
IV. Uji anova dan uji t
1. Memasukkan data untuk uji t dan
uji anova
a. Pada file SPSS yang sama, masukkan
data pada file soal “Kasus 3” dengan
memperhatikan kaidah-kaidah
seperti pada poin I.2.
b. Pada soal ini, kelompok uji diberi
value sebagai berikut: Kelompok
kontrol= “1”; kelompok dosis
meniran 50mg/kgBB= “2”;
kelompok dosis meniran
100mg/kgBB= “3”; dan kelompok
HP Pro= “4”.
c. Hitung selisih antara kadar SGPT
sebelum dan sesudah (bisa dihitung
di excel terlebih dahulu). Perhatikan
tabel di samping.
d. Pada tahap ini tampilan tab “Variable
View” dapat dilihat pada gambar.

Halaman 13 dari 25
e. Copy data ke dalam
tab “Data View”.
Untuk kolom
kelompok, masukkan
secara manual value 1-
4.
f. Pada tahap ini,
tampilan tab “data
view” dapat dilihat
pada gambar.

2. Melakukan uji normalitas dan homogenitas

a. Soal pada kasus 3: Tentukan normalitas dan homogenitas data sebagai prasyarat uji
parametris!
b. Pada tab “Data View”, klik Analyze >> Descriptive Statistics >> Explore
c. Masukkan data selisih sebagai variable tergantung ke kotak Dependent List dan
Variabel bebas di Factor List (boleh tidak dimasukkan, untuk uji beda tidak berpasangan
sebaiknya diisi), pada bagian display pilih Both

Halaman 14 dari 25
d. Klik Plots. maka akan muncul kotak dialog Explore:Plots dari serangkaian pilihan yang
ada. Beri tanda centang pada pilihan Normality Plots With test, lalu klik Continue.
e. Klik OK. Maka akan muncul Output SPSS (Perhatikan pada Output Test Of Normality)
Interpretasi uji normalitas data .
f. Dasar pengambilan keputusan dalam uji Normalitas Shapiro-Wilk dan Kolmogorov
Smirnov : Jika nilai Sig. > 0.05, maka data berdistribusi normal dan Jika nilai Sig. < 0.05,
maka data tidak berdistribusi normal.
g. Berdasarkan hasil uji normalitas (perhatikan gambar dalam kotak merah), maka data
berdistribusi normal; sehingga dapat diuji dengan statistic parametric.

h. Selanjutnya adalah uji homogenitas.

i. Klik Analyze >> Compare Means >> One Way Anova
j. Masukkan data selisih ke kotak Dependent List dan kelompok ke kotak Variabel bebas
di Factor List. Klik tombol Options, beri tanda centang pada Homogeneity of variance
test. Klik tombol Continue. Klik Ok

Halaman 15 dari 25
k. Maka akan muncul Output SPSS seperti pada gambar. Perhatikan hasil uji Levene
statistic.
Interpretasi data uji homogenitas .
l. Jika nilai Sig. > 0.05, maka variasi data sama/homogen
m. Hasil uji Sig=0,216> 0,05 → Data homogen

Halaman 16 dari 25
3. Melakukan uji Anova
a. Berdasarkan kasus 4: maka tentukan!
- Membandingkan efektivitas ekstrak meniran, sediaan HP Pro dan control negatif
(dengan uji anova)
- Membandingkan kadar SGPT sebelum dan sesudah perlakuan dengan uji t
berpasangan (Uji paired t test)
b. Pada Data view, klik Analyze >> Compare Means >> One Way Anova
c. Pilih variabel "tergantung" lalu masukkan ke kotak "Dependent List:" Kemudian pilih
variabel Bebas (kelompok) lalu masukkan ke kotak "Factor:"
d. Klik tombol Options, akan muncul jendela ini: Centang "Descriptive" dan "Homogenity of
variance test"
e. Klik Continue (Langkah b-e mirip saat melakukan uji homogenitas, lihat kembali pada
poin IV.2.i-k)
f. Masih di jendela One Way ANOVA, klik tombol Post Hoc, sampai muncul jendela ini:
Centang post Hoc yang sesuai serta biarkan significance level = 0,05. Klik Continue. Lalu
Klik OK
Catatan :
Post Hoc… digunakan untuk melakukan uji banding ganda. Memilih Post Hoc setelah
ANOVA :
g. Bila ukuran sampel yang sama dan memiliki varians populasi sama kemudian
menggunakan R--E - G - W - Q atau Tukey karena keduanya memiliki kekuatan yang baik
dan kontrol ketat atas tingkat kesalahan. Dapat pula menggunakan uji Bonferroni
h. JIka hasil tes menunjukkan varian tidak sama, maka uji lanjut yang digunakan adalah uji
Games-Howell.

Halaman 17 dari 25
i. Pada file output maka akan muncul hasil uji Anova dan Post-Hoc
Interpretasi data uji Anova.
j. Jika nilai Signifikansi < 0,05 bahwa ada perbedaan antar kelompok karena perlakuan,
bukan kebetulan.
k. Berdasarkan hasil pada gambar di bawah, maka signifikansi/ p=0,001 < 0,05 → signifikan.
Ada perbedaan antar kelompok, untuk mengetahui kelompok mana saja yang signifikan
dapat dilanjutkan dengan Post-Hoc.
l. Uji post test/multiple comparisons menguji perbedaan tiap kelompok terhadap kelompok
lain.
m. Contoh hasil Post-Hoc →Tukey- test. Data di dalam kotak merah menunjukkan signifikansi
p<0,05.
n. Contoh Interpretasi: kelompok meniran dosis 50mg/kgBB berbeda signifikan dengan
kelompok kontrol HP Pro.

Halaman 18 dari 25
4. Uji t berpasangan (Paired t-test)
a. Soal kasus 4: Membandingkan kadar SGPT sebelum dan sesudah perlakuan dengan uji
t berpasangan (Uji paired t test)
b. Klik Analyze >> Compare Means >> paired sample t test
c. Pada kotak paired variable Klik variabel sebelum pada kolom variabel 1, dan variabel
sesudah pada kolom variabel 2. Klik OK
d. Perhatikan gambar dalam kotak merah

e. Pada file output akan muncul hasil Uji T-test. Perhatikan hasil pada kotak merah.
Interpretasi data uji paired t-test:
f. Jika nilai Signifikansi p < 0,05 bahwa ada perbedaan antar kelompok karena perlakuan,
bukan kebetulan.
g. Ada penurunan kadar SGPT karena perlakuan p=0,000…

Halaman 19 dari 25
V. Uji Chi Square dan Cross tab
a. uji “chi-square” digunakan untuk melihat hubungan antara dua variabel yang
dikategorikan. Dasar dari uji ki kuadrat adalah membandingkan frekuensi yang diamati
dengan frekuensi yang diharapkan
b. Soal: Pada kasus 1, apakah ada hubungan antara merokok dengan BBLR?
c. Pada tab Data View, klik Analyze >> Descriptif statistic >>> Crosstabs
d. Pilih variabel ROKOK, kemudian klik tanda panah untuk memasukkannya ke kotak Row(s)
e. Pilih variabel BBLR, kemudian klik tanda panah untuk memasukkannya ke kotak Colom(s).
f. Pada menu “Statistics” pilih Chi-Square dan Risk dengan mengklik kotak disampingnya
hingga muncul tanda centang. Jika anda klik sekali lagi, maka tanda centang akan hilang.
Klik Continue.

g. Klik menu “Cells”, kemudian aktifkan Observed pada menu Count dan aktifkan Rows pada
menu Percentages hingga muncul tanda “centang”. Kemudian Klik Continue.

Halaman 20 dari 25
h. Pada file output maka akan muncul hasil seperti pada gambar.

Interpretasi data uji chi-square (dibaca pelan-pelan, agar paham)

- Output SPSS menampilkan semua nilai chi-square dari berbagai macam uji, seperti
Pearson Chisquare, Continuity Correction, atau Fisher’s Exact Test. Masing-masing
uji tersebut dilengkapi dengan p-value untuk test 2-sisi.
- Untuk memilih nilai p-value yang paling sesuai, kita harus berpedoman pada asumsi
asumsi :
1) Pada tabel lebih dari 2x2 (misalnya 3x2 atau 3x3), apabila nilai frekuensi harapan
(expected) yang kurang dari 5 tidak lebih dari 20%, maka nilai p-value dari
Pearson Chi-square atau Likelihood Ratio dapat kita laporkan.
Catatan: Jika nilai expected yang kurang dari 5 lebih dari 20% atau ada nilai
expected yang kurang dari 1.0 (karena ada sell yang kosong), maka hasil uji chi-
square tidak valid, harus dilakukan pengelompokan ulang terlebih dahulu
2) Untuk tabel 2 x 2, nilai p-value dari Continuity Correction dapat kita laporkan.
Tetapi jika nilai frekuensi harapan kurang dari 5, maka nilai p-value dari Fisher’s
Exact Test yang harus kita laporkan
i. Pada gambar (perhatikan dalam kotak merah) untuk hasil Chi-square.
j. Berdasarkan hasil uji, maka yang kita laporkan adalah hasil p-value dua sisi dari Fisher’s
exact test (perhatikan catatan di atas) → p=0,000…

Halaman 21 dari 25
 k. Maka → Ada hubungan antara kebiasaan merokok pada ibu dan berat badan bayi lahir
rendah.
l. Dari tabel Risk Esimate terlihat bahwa OR=147 Hal ini berarti bahwa ibu yang perokok
mempunyai kecenderungan (risiko) sebesar 147 kali lebih besar untuk melahirkan bayi
dengan BBLR dibandingkan dengan ibu yang bukan perokok.

Catatan :
Untuk estimasi resiko (OR atau RR), nilai perhitungannya dari tabel silang hanya akan
keluar jika tabel silang yang dibuat adalah tabel 2 x 2. Jika tabel silang yang dibuat lebih
dari tabel 2 x 2 (misalnya 2x3, 3x3), maka nilai estimasi resiko tidak akan keluar, karena
SPSS tidak bisa menghitungnya. Untuk menghitung nilai OR pada tabel 2x3 atau 3x3 kita
dapat memilih salah satu dari 3 alternatif berikut yaitu 1) menghitung secara manual dari
tabel silang tersebut, 2) membuat dummy variabel kemudian dilakukan crosstab, atau 3)
melalui regresi logistik sederhana.

VI. Uji korelasi dan Regresi Linear

1. Uji Korelasi
a. Soal: lakukan analisis terhadap berat badan ibu sebelum hamil dengan berat badan bayi
yang akan dilahirkannya!
Langkah uji korelasi:
b. Uji korelasi : untuk
melihat hubungan
antara dua variabel
numerik
c. Uji normalitas terlebih
dahulu (pelajari kasus
no 2 dan 3). Lihat
gambar!

d. Pada file output maka akan muncul hasil uji normalitas seperti pada gambar.

Halaman 22 dari 25
e. Selanjutnya untuk uji korelasi : klik Analyze >> Correlate >> Bivariate…
f. Pilih variabel Berat Badan Ibu dan Berat Badan Bayi Lahir, kemudian masukkan ke kotak
Variables
g. Pada Correlation Coeficient, aktifkan Pearson, kemudian OK

h. Pada file output akan muncul hasil uji korelasi seperti pada gambar.
a. Interpretasi data uji korelasi :
i. Korelasi itu bermakna secara statistik dengan nilai p< 0,05. Dengan nilai koefisien
korelasinya ditunjukkan dari nilai Pearson correlations.
j. Maka, berdasarkan hasil uji korelasi Pearson, BB ibu sewaktu hamil berhubungan
dengan BB bayi saat lahir karena nilai p=0,005.

Halaman 23 dari 25
2. Uji regresi
a. Soal : lakukan analisis terhadap berat badan ibu sebelum hamil dengan berat badan bayi
yang akan dilahirkannya!
b. Jika korelasi yang ada bermakna secara statistik, kita bisa menganalisis lebih lanjut untuk
memprediksi atau memperkirakan berapa nilai (y) jika nilai (x) diketahui. Prediksi tersebut
dapat dilakukan jika kita mempunyai persamaan garis lurus yang biasanya disebut dengan
istilah “regresi linier” dengan persamaan matematis “y = a + bx”. Besaran nilai “b”
menggambarkan besarnya perubahan (peningkatan/penurunan) pada nilai y untuk setiap
kenaikan nilai x sebesar satu satuan.
c. Pada data view, klik Analyze >> Regressions >> Linier…
d. Klik variabel BB Ibu saat hamil, kemudian masukkan ke kotak Independent
e. Klik variabel BB bayi saat lahir, kemudian masukkan ke kotak Dependent. Klik OK.
Perhatikan gambar

f. Pada file output maka akan muncul hasil regresi, scroll ke bawah. Lihat gambar.
Interpretasi data uji regresi
g. Nilai R yang ditampilkan merupakan nilai koefisien korelasi Pearson yang hasilnya sama
dengan analisa Korelasi – Bivariat yang dikerjakan sebelumnya yaitu 0.497. R-square
merupakan nilai r yang dikuadratkan, yang artinya besarnya variasi pada variabel BB bayi
lahir yang dapat dijelaskan oleh variabel BB Ibu hamil (atau oleh persamaan garis regresi
yang kita peroleh). Nilai signifikansi dari ANOVA yang ditampilkan merupakan gambaran
apakah model persamaan garis yang kita peroleh sudah bermakna secara statistik.
Dengan nilai-p 0.005 bila dibandingkan dengan alpha 0.05 kita simpulkan bahwa
persamaan garis yang kita peroleh secara statistik bermakna.

Halaman 24 dari 25
h. Nilai koefisien B yang ditampilkan merupakan gambaran untuk membuat model
persamaan garis y = a + bx. Nilai B untuk variabel Constant (atau a) adalah
348,332 dengan nilai p= 0.475, sedangkan nilai B untuk variabel berat BB ibu
sebelum hamil (atau b) adalah 39,727 dengan nilai-p 0.000.
i. Ada korelasi antara berat badan ibu sebelum hamil dengan bayi yang
dilahirkannya
j. Persamaan garis: Y= 39,727x+348,322

------this is the end of the tutorial------

Halaman 25 dari 25