STATISTIK SPSS
NAMA : KURNIA APRILIA
NIM : 25195821A
Teori: 3
1. UJI VALIDITAS DAN REABILITAS
UJI VALIDITAS
1. Buka aplikasi SPSS
2. Klik variable view, tuliskan butir 1 sampai 17
3. Kemudian ubah bagian table decimal menjadi 0
4. Selanjutnya klik data view dan masukan angka kedalam kolom data
5. Masukkan semua data yang telah dicopy dengan 30 responden dan 17 variabel
6. Pilih analyze kemudian klik correlate dan klik bivariate, pilih pearson dimana pearson
correlation menggambarkan rhitung, sig menggambarkan nilai signifikansi.
7. Masukan semua item dalam kotak variables. Klik OK
8. Setelah itu muncul output penelitian
9. Lihat apakah hasil valid atau tidak
UJI REABILITAS
1. Pada data view klik menu analyze kemudian pilih scale dan klik reliability analysis
2. Pindahkan semua variabel kecuali total ke kanan
3. Klik statistic, beri checklist pada correlation, covariance, dan scale if item deleted
4. Kemudian klik continue, lalu OK
5. Analisis interpretasi hasil
Interpretasi hasil
Diketahui pada butir 1, 5, 11, dan 15 tidak valid atau invalid karena rhitung < rtabel
dan nilai signifikansi > 0,05
Diketahui Butir 2, 3, 6, 7, 8, 9, 10, 12, 13, 14, 16, 17 valid karena rhitung > rtabel dan
nilai signifikansi < 0,05
Dari tabel realibility statistic didapatkan cronbach alpha 0,795, N of items (jumlah
dari pernyataan kita) sebanyak 17. Dari sini kita bisa tahu nilai cronbach alpha kita
0,795 > 0,6. Otomatis item kita ini dikatan reliable.
Apabila nilai Sig. (2-tailed) <0,05 maka HO ditolak, sedangkan nilai Sig. (2-tailed)
>0,05 maka HO diterima. Dengan demikian daoat disimpulkan bahwa Nilai Sig. (2-
tailed) dengan uji dua sisi sebesar 1000 > 0,05 yang berarti HO diterima.
Output pertama menunjukkan nilai statistic deskriptif, yaitu N=12 artinya jumlah
sampel yang dipakai adalah 12 bulan. Mean = 1560.000 artinya nilai rata-rata
hitungnya adalah 1560.000. Std. Deviation atau simpangan baku sebesar 222.996 dan
Std. error mean sebesar 64.373.
Nilai Sig untuk Shapiro-Wilk yaitu 0,463 yang berarti jumlah kunjungan pasien di IF
rawat jalan RS X berdistribusi normal karena nilai Sig > 0,05. Karena pada test of
normality. Apabila nilai Sig. > 0,05 maka data berdistribusi normal, sedangakan nilai
sig. < 0,05 maka data tidak berdistribusi normal.
Interpretasi hasil :
Uji normalitas yang di dapatkan hasil yang normal karena nilai yang di dapat >0,05,
untuk uji homogenitas nya juga dapat dikatakan homogen dengn hasil nilai data yang
>0,05 maka dapat di lanjutkan untuk uji anova karena uji normalitas dan uji homogenitas
sudah memenuhi syarat. Data dari uji anova yang di dapat juga sudah signifikan karena
mendapatkan nilai yang < 0,05.
Interpretasi hasil :
Pada variable tepung didapatkan hasil sign. 0,71 yang bearti nilai inilai ini > 0,05 yang
dapat diartikan ada perbedaan penambahan gizi pada balita
Untuk ekstrak sayuran didapatkan hasil sign. 0,01 yang bearti < 0,05 yang dapat diartikan
tidak ada perbedaan penambahan gizi pada balita
Untuk variabel ekstrak sayuran dan tepung didapatkan hasil sign. 0,26 yang bearti > 0,05
yang dapat diartikan ada perbedaan penambahan gizi pada balita
5. UJI KORELASI
1. Membuka aplikasi SPSS yang telah diinstal
2. Pada Variabel view, pada kolom name diisikan kode X dan kolom selanjutnya diisikan
dengan kode Y
3. Pada variabel view, pada kolom kode X dilabeli gizi bumil dan pada kode Y dilabeli
dengan berat bayi lahir.
4. Pada variabel view, ubah kolom decimals sesuai dengan data
5. Klik data view kemudian copy paste data yang telah diperoleh.
6. Klik analyze kemudian diilih corelete dan klik bivariete
7. Pindahkan data status gizi bumil dan berat bayi baru lahir kedalam kolom variabel.
8. Klik ceklis pada Corelate coficient pearson kemudian pilih Test of significant two tailed,
kemudian klik “OK”
9. Kemudian akan muncul output uji korelasi dimana jika nilai signifikansi <0,05 maka
berkorelasi. Jika nilai signifikan >0,05 tidak berkorelasi.
Interpretasi :
Diketahui nilai signifikasi 2 tailed sebesar 0,000. Karena nilai tersebut kurang dari 0,05
maka terdapat hubungan yang signifikan antara variable berat bayi lahir dengan variable
status gizi bumil.
Derajat hubungan : Angka pearson correlation diperoleh sebesar 0,673 sehingga
menunjukkan kekuatan hubungan korelasi tersebut adalah korelasi kuat karena berada
pada rentang 0,61 sampai 0,80. Dapat disimpulkan bahwa status gizi bumil berpengaruh
positif terhadap berat bayi lahir dengan derajat hubungan korelasi kuat.
Pedoman derajat hubungan dilihat dari pearson correlation 0,00 sampai dengan 0,20
maka tidak berkorelasi. Nilai pearson correlation 0,21 sampai dengan 0,40 maka
berkorelasi lemah . Nilai pearson correlation 0,41 sampai dengan 0,60 maka berkorelasi
sedang. Nilai pearson correlation 0,61 sampai dengan 0,80 maka berkorelasi kuat. Nilai
pearson correlation 0,81 sampai dengan 1,00 maka berkorelasi sempurna.
6. UJI REGRESI
1. Buka applikasi SPSS, Klik variable view
2. Pada kolom “Name” tuliskan ‘Y1’ pada baris 1, ‘Y2’ pada baris 2 dan ‘X’ pada baris 3
3. Pada kolom “label” tulis nama dari masing-masing variable, kemudian klik data view,
yaitu Y1 dilabeli Gizi ibu hamil, Y2 dilabeli Kadar Hb, dan X dilabeli berat badan bayi
lahir
4. Memasukkan data ke dalam masing-masing variable, dapat dilakukan dengan copy-paste
dari data kasus
5. Klik analyze kemudian pilih regression dan kemudian pilih Linear
6. Pindahkan Variable Y1 dan Y2 ke Independent, untuk variable X pindah ke Dependent
7. Klik OK kemudian akan muncul data output dan lakukan interpretasi
Interpretasi hasil :
a. Gizi ibu hamil mempunyai pengaruh terhadap berat badan bayi yang baru lahir
sedangkan untuk Kadar hemoglobin tidak mempunyai pengaruh terhadap berat badan
bayi lahir
b. Dari data yang diperoleh dari table ANOVA dapat dilihat nilai signifikasi dari kedua
variable mepunyai nilai signifikansi < 0,05 menyatakan bahwa minimal ada satu ada satu
variable bebas yang berpengaruh signifikan terhadap variable X (berat bayi lahir rendah).
c. Dari tabel koefisien yang diperoleh didapatkan Gizi ibu hamil mepunyai nilai signifikansi
< 0,05 sedangkan kadar Hb mempunyai nilai signifikansi > 0,05. Dimana jika nilai
probabilitas yang diperoleh kurang dari 0,05 maka variable diterima yang artinya variable
tersebut (gizi bumil) berpengaruh terhadap berat badan bayi lahir dan sebaliknya jika
nilai probabilitas yang diperoleh lebih dari 0,05 maka variable (kadar Hb) ditolak dan
artinya variable tidak berpengaruh terhadap berat badan bayi lahir.
7. UJI Man-Whitney
1. Buka program SPSS kemudian klik variable view
2. Pada bagian “name” ketik Kalori, kemudian di bagian label bisa diketik kalori (Kkal).
pada bagian “values. Pada “name” nomer 2 bisa ditulis kode dan di bagian label bisa
ditulis (1=perdesaan) (2=perkotaan).
3. kemudian masuk ke tahap penginputan data, klik “data view” kemudian masukkan
data dari word
4. kemudian klik “analyze” di menu atas lalu klik “nonparametric tests” kemudian pilih
"legacy dialogs 2 independent samples
5. muncul kotak dialog, Pada bagian “test variable list” masukkan data kalori dan pada
“grouping variable” masukkan data kode. Lalu klik define groups, group 1 isikan 1
dan group 2 isikan 2 kemudian Klik continue OK
6. Kemudian akan muncul data output kemudian melakukan cara yang sama terhadap
data protein
Interpretasi :
Perkotaan dan perdesaan diperoleh Nilai Mann-Whitney U = 74,000 dengan Nilai
Asymp Sig (2 tailed) = 0,590 sehingga diperoleh nilai Asymp Sig > 0,05 maka
diterima
Dari hasil output SPSS 23 konsumsi protein pada perkotaan dan perdesaan
diperoleh Nilai Mann-Whitney U = 81,000 dan Nilai Asymp Sig (2 tailed) = 0,858
sehingga nilai Asymp Sig > 0,05 maka diterima
8. UJI WILCOXON
1. Buka aplikasi SPSS, kemudian klik Variabel View kemudian tulis nama dan dan label
untuk variabel penelitian.
2. Selanjutnya klik Data View, lalu isikan data kasus yang sudah diberikan
3. Langkah berikutnya klik menu Analyze lalu pilih Nonparametric Tests kemudian pilih
Legacy Dialogs lalu pilih 2 Related Samples
4. Maka dilayar akan muncul kotak dialog “Two Related Samples Tests”, selanjutnya
masukkan variabel X dan variabel Y ke kotak Test Pairs secara bersamaan, kemudian
pada bagian “Test Type” berikan tanda centang pada pilihan Wilcoxon, lalu klik Ok.
Interpretasi Hasil
Dasar Pengambilan Keputusan dalam Uji Wilcoxon
1. Jika nilai Asymp.Sig. (2-tailed) lebih kecil dari < 0,05, maka Ha ditolak.
2. Sebaliknya, jika nilai Asymp.Sig. (2-tailed) lebih besar dari > 0,05, maka Ha diterima.
9. Uji T Berpasangan
1. Membuka aplikasi SPSS
2. Setelah itu klik Variable View. Klik pada bagian“Name” kolom pertama ketik sebelum
terapi dan pada kolom kedua ketik sesudah terapi
3. Dan pada kolom desimal diubah menjadi 0
4. Klik “data view”.
5. Selanjutnya Dari data yang ingin dianalisis kemudian di copy dan dimasukan kedapalm
aplikasi spss.
6. Dan untuk menganalisinya klik control means dan selanjutnya klik paired sample t test.
7. Setelah kita melakukan langkah di atas, Masukkan variabel dari sampel berpasangan pada
kotak Paired Variable. Pada kolom Variable 1 masukkan variabel pada kondisi pertama
(Sebelum terapi) dan Variable 2 masukkan variable pada kondisi kedua (Sesudah terapi).
Interpretasi hasil :
Dalam didaatkan hasil terdapat adanya perbedaan pada data sebelum dan sesudah terapi,
karena dalam hasil data SPPS nilai sig. (2-tailed) mendapatkan hasil 0,00 dengan demikian nilai
0,00 < 0,05, maka dapat disimpulkan bahwa terdapat perbedaan yang nyata antara hasil data
Sebelum terapi dan sesudah Terapi karena Nilai signifikansi (2-tailed) < 0.05 menunjukkan
adanya perbedaan yang signifikan antara variabel awal dengan variabel akhir. Ini menunjukkan
terdapat pengaruh yang bermakna terhadap perbedaan perlakuan yang diberikan pada masing-
masing variabel.
Interpretasi Hasil ;