Praktikum Blok 5-Dikonversi

sia
BUKU PANDUAN
Keterampilan Komputer
BLOK METODE ILMIAH
Editor :
R. Putri Noer Fadilah, drg., MKM
Desy Linasari, dr.,MKM
Rahmadaniah K., drg., M.Kes
2019
PROGRAMSTUDIKEDOKTERANGIGI
BUKU KETERAMPILAN KOMPUTER
KOMPUTER
BLOK 5
METODE ILMIAH
Hak cipta dipegang oleh Program Kedokteran Gigi

Fakultas Kedokteran Universitas Jenderal Achmad Yani Cimahi.
Dilarang mengutip, menyalin, mencetak,
dan memperbanyak isi buku dengan cara apapun
tanpa izin tertulis dari pemegang hak.
ISBN: ........................................
Cetakan ke: V
PRODI KEDOKTERAN GIGI

FAKULTAS KEDOKTERAN
UNIVERSITAS JENDRAL ACHMAD YANI
CIMAHI
2019
ii
BUKU KETERAMPILAN KOMPUTER
BLOK 5
METODE ILMIAH
Pas Foto
NAMA :
NPM :
ALAMAT :
JADWAL KETERAMPILAN KOMPUTER
HARI :
JAM :
PENGANTAR
Blok 5 adalah Blok Metode Ilmiah. Blok ini merupakan blok dasar pengantar
ilmu kedokteran gigi. Blok ini terlaksana pada semester dua dan berlangsung selama
4 minggu. Setelah mengikuti blok ini mahasiswa diharapkan mampu memahami,
menjelaskan, dan menganalisis data statistik dalam penelitian maupun karya ilmiah
terkait ilmu kedokteran gigi.
Blok metode ilmiah ini terdiri dari dua modul utama, yaitu modul biostatistik dan
metodologi penelitian kesehatan serta modul epidemiologi dasar dan demografi.
Metode pembelajaran pada blok ini dilaksanakan dalam bentuk kuliah, diskusi
kelompok, ketrampilan komputer (Keterampilan Komputer komputer), serta
pemberian tugas yang diselesaikan dengan kegiatan belajar mandiri yang terstruktur.
Keterampilan komputer dalam metode ilmiah bertujuan agar mahasiswa dapat
melakukan pengumpulan, pengolahan, analisis, hingga penyajian data dengan
menggunakan program komputer. Evaluasi hasil pembelajaran keterampilan
komputer pada blok ini dilaksanakan dalam bentuk OSPE.
Puji syukur dipanjatkan atas selesainya buku panduan keteramplian komputer
ini, sekalipun masih terdapat banyak kekurangan, oleh sebab itu sumbang saran dari
berbagai pihak sangat diharapkan dalam rangka menyempurnakan buku satuan
pengajaran ini, dan semoga balasan yang setimpal diperoleh dari Allah SWT.
Cimahi, April 2019

Ketua Blok 5
Rina Putri Noer Fadilah, drg.,MKM
iv
PERATURAN DAN TATA
TERTIB KETERAMPILAN
KOMPUTER
1. Mahasiswa yang dapat mengikuti Keterampilan Komputer blok metode ilmiah

adalah mereka yang telah mendaftar di SBA, menyerahkan pasfoto berwarna 4 x
6 (2 buah), dan mendaftar dalam salah satu grup Keterampilan Komputer.
2. Mahasiswa harus hadir 15 menit sebelum Keterampilan Komputer dimulai dan
tidak dapat meninggalkan ruangan sebelum waktu yang ditetapkan, kecuali atas
izin dosen yang bertugas.
3. Bagi mahasiswa yang terlambat diberikan kelonggaran waktu maksimum 15
menit dengan memberikan alasan yang kuat, setelah lewat 15 menit pintu masuk
ke ruangan akan ditutup. Kelonggaran hanya diberikan dalam satu kali
kesempatan, keterlambatan selanjutnya tidak diperbolehkan mengikuti
Keterampilan Komputer.
4. Pada waktu masuk ruangan Keterampilan Komputer langsung absensi dan
menyerahkan tugas sesuai dengan pokok bahasan Keterampilan Komputer hari
itu, dengan ketentuan sebagai berikut:
 Tugas harus dikerjakan di rumah (dengan tulisan tangan pada buku folio
bergaris, disampul Orange dan diberi plastik) dan diserahkan sebelum
Keterampilan Komputer dimulai.
 Bagi mahasiswa yang tidak menyerahkan tugas, tidak diizinkan mengikuti

Keterampilan Komputer.
5. Apabila mahasiswa berhalangan hadir, harus ada pemberitahuan tertulis dari yang
berwenang memberikannya.
6. Mahasiswa diperbolehkan tidak mengikuti Keterampilan Komputer karena alasan
sakit dan dilengkapi surat sakit yang ditandatangani dokter ber-SIP, serta paling
lambat dikumpulkan satu minggu setelah ketidakhadiran.
7. Alasan di luar sakit dan melebihi 20% jumlah ketidakhadiran pada keseluruhan
Keterampilan Komputer tidak diperbolehkan mengikuti susulan dan ujian OSPE.
8. Selama Keterampilan Komputer berlangsung:
 Mahasiswa diharuskan memakai pakaian sesuai dengan ketentuan yang

berlaku di Fakultas Kedokteran Unjani dan jas almamater.
 Mahasiswa masuk dengan tertib diruang Keterampilan Komputer (ruang

komputer) dan menempati meja dengan Komputer yang sudah dipersiapkan
 Mahasiswa harus menggunakan name tag.
 Mahasiswa tidak boleh membawa tas ke ruang komputer, tas dan buku-buku
lain selain buku petunjuk Keterampilan Komputer blok 5, tas harus
dimasukkan ke dalam laci atau rak yang telah disediakan.
 Mahasiswa dilarang makan/minum, ribut-ribut, dan merokok.
 Mahasiswa dilarang mencorat-coret meja, komputer, dan ruangan

Keterampilan Komputer
9. Mahasiswa yang melanggar tata tertib dan berbuat curang akan dikenakan sanksi
yang berlaku di Fakultas Kedokteran UNJANI
Cimahi, April 2019
Tim Blok 5
KONTRIBUTOR
Rina Putri Noer Fadilah, drg., MKM

Ketua Blok 5
Penanggung jawab Keterampilan Komputer Blok 5
Staf Pengajar Prodi Kedokteran Gigi
Fakultas Kedokteran UNJANI
Desy linasari, dr., MKM

Staf pengajar Prodi Kedokteran Umum
Sylvia Mustika Sari, dr.,MMed.Ed

Atia Nurul Sidiqa, drg.,M.Kes
Medical Education Unit
EDITOR
Rina Putri Noer Fadilah, drg., MKM

Ketua Blok 5
Rahmadaniah Khaerunnisa, drg., M.Kes

Sekretaris Blok 5
DAFTAR ISI
PENGANTAR iv
PERATURAN DAN TATA TERTIB KETERAMPILAN KOMPUTER v
KONTRIBUTOR vii
EDITOR viii
DAFTAR ISI ix
KETERAMPILAN KOMPUTER I 1
Capaian Pembelajaran 1
Tugas 2
Sararan Belajar 3
Pendahuluan 3
Pelaksanaan 3
KETERAMPILAN KOMPUTER II 18
Tugas 19
Sararan Belajar 19
Pendahuluan 19
Pelaksanaan 22
KETERAMPILAN KOMPUTER III 50

Tugas 50
Sararan Belajar 51
Pendahuluan 51
Pelaksanaan 52
KETERAMPILAN KOMPUTER IV 73
Tugas 74
Sararan Belajar 74
Pendahuluan 74
Pelaksanaan 77
KETERAMPILAN KOMPUTER V 109

Tugas 110
Sararan Belajar 110
Pendahuluan 110
Pelaksanaan 111
DAFTAR PUSTAKA 133

KETERAMPILAN KOMPUTER I
POKOK BAHASAN : Entry Data

SUB POKOK BAHASAN : 1. Pengantar Epidata
2. Pembuatan template epidata
3. Entry data menggunakan epidata
4. Export data ke SPSS
TANGGAL : Mei 2019
PENANGGUNG JAWAB : Desy Linasari,dr., MKM
CAPAIAN PEMBELAJARAN
Mahasiswa mampu mengaplikasikan dasar-dasar metode penelitian dan

biostatistik serta melakukan penelitian kesehatan pada umumnya dan
kesehatan gigi pada khususnya dalam pengumpulan data,
mendokumentasikan hasil penelitian, mengolah data, menyajikan data,
menganalisis data, pengujian data dan pelaporan data sesuai dengan
keahlian, tanggung jawab, kesejawatan, etika dan hukum yang berlaku
dalam menjunjung tinggi nilai kemanuasian dalam menjalankan tugas
M1 berdasarkan agama dan moral, serta berkontribusi, berperan, dan
bekerja sama dalam kepekaan sosial serta kepedulian terhadap
masyarakat dan lingkungan yang bermutu, terukur dalam implementasi
ilmu pengetahuan dan teknologi berdasarkan evdidence based dentistry
dan sahih dalam pencapaian hasil kerja mandiri dan kelompok dalam
menyelesaikan pekerjaannya.
(S:1,2,5,6,7,8,9,11,12,13); (P:1,4,6,7); (KU:1,2,3,7,9); (KK:7,9,11);
(Domain:I,II,V)
1
KUESIONER
No ID :
Nama :
Kelas :
SD :
Tanggal pengambilan data :
Apakah kemarin malam sebelum tidur kamu menggosok gigi
1.
a. ya b. tidak
Apakah kemarin malam sebelum tidur kamu menggosok gigi
2.
a. ya b. tidak
Apakah kamu setiap bangun tidur langsung menggosok gigi
3.
a. ya b. tidak
Apakah setiap selesai makan malam kamu langsung menggosok gigi
4.
a. ya b. tidak
Apakah setelah menyikat gigi sebelum tidur malam, kamu mengkonsumsi
5. makanan atau minuman manis lagi
a. ya b. tidak
Apakah kamu menggunakan sikat gigi dengan ujung sikat yang besar
6.
a. ya b. tidak
Apakah kamu menggunakan sikat gigi yang berbulu lembut
7.
a. ya b. tidak
Apakah kamu menggunakan sikat gigi yang berbulu sudah melengkung
8.
a. ya b. tidak
Apakah kamu mengganti sikat gigi setiap 3 bulan sekali
9.
a. ya b. tidak
Apakah kamu menggosok gigi dengan cara ditekan
10.
a. ya b. tidak
TUGAS
1. Buatlah kuesioner elektronik dengan menggunakan epidata, setelah selesai buatlah
file epidata dengan NPM.rec
2. Isilah kuesioner tersebut diisi sebanyak 30 responden
3. Transfer ke SPSS, simpanlah file SPSS dengan nama NPM. Sav
SASARAN BELAJAR
Setelah mengikuti keterampilan komputer ini, mahasiswa mampu :
1. Menggunakan Epidata
2. Membuat template epidata
3. Memasukkan data dengan menggunakan software epidata
4. Membuat file SPSS dari file epidata
PENDAHULUAN
EPIDATA
Epidata adalah software yang membantu dalam pengolahan data terutama dalam
proses entry data penelitian dan meng-eksport data ke program yang diinginkan.
Epidata bertujuan untuk membuat kuesioner yang telah dikumpulkan menjadi
kuesioner elektronik. Alasan epidata banyak digunakan sebagai software untuk entry
data adalah :
a. Mudah didapatkan
b. Mudah dilakukan
c. Program tidak perlu diinstall dan data relatif kecil
d. Memperkecil kesalahan pada saat entry data
e. Data yang dimasukkan tidak terbatas
f. Penamaan variabel
g. Koding data
h. Mengeksport data ke format yang diinginkan contoh SPSS, STATA,
EXCEL dll
Sebelum menggunakan epidata, silahkan download epidata secara gratis di
internet http://www.epidata.dk. Epidata dirancang dan dikembangkan oleh Jens M.
lauritsen dan Michael Bruus dari Denmark pada awal tahun 2000.
PEMBUATAN TEMPLATE
Persyaratan Pembuatan Variabel
Dalam pembuatan variabel di epidata terdapat persyaratan yang harus dipenuhi
yaitu
1. Variabel harus dibatasi oleh tanda kurung kurawal {}
2. Variabel harus diawali dengan huruf (bukan angka), misalnya {ibu1}
3. Maksimum 8 karakter, misalnya {ibuanak1}
Simbol Ruang Entry Data

Setiap variabel memerlukan ruang entry agar data dapat dimasukkan. Symbol
ruang entry data tergantung dari data yang akan di masukkan. Secara umum ada 3
jenis data yang akan di-entry yaitu : angka/numerik, huruf/karakter/string, dan
tanggal/date.
1. Angka Numerik, misalnya umur, kadar-Hb
Memakai tanda pagar/cross, jumlah pagar/cross mencerminkan berapa digit
data yang akan di-entry
# : satu digit
### : tiga digit
##.# : dua digit dan satu desimal
2. Huruf/String, misalnya nama
 memakai garis bawah, jumlah garis bawah mencerminkan jumlah digit data
yang akan dientry 12 digit
 <A > 12 digit, semua jadi huruf KAPITAL
3. Tanggal/date, misalnya 17-08-1945
<dd/mm/yyyy> untuk format: tgl/bulan/tahun
<mm/dd/yyyy> untuk format: bulan/tgl/tahun
Kaitan variabel dengan ruang entry
1. Setiap ruang entry harus memiliki variabel
2. Variabel harus berada pada satu baris yang sama dengan ruang entry
3. Variabel harus mendahului ruang entry
Contoh template No {ID} : ###
Kuesioner
{Nama} :
{Kelas} :#
{SD} :
Tanggal pengambilan data :<dd/mm/yyyy>
1. Apakah kemarin malam sebelum tidur kamu menggosok gigi {p1} #

a. ya b. tidak
2. Apakah setiap hari sebelum tidur malam kamu selalu menggosok gigi {p2} #
a. ya b. tidak
3. Apakah kamu setiap bangun tidur langsung menggosok gigi {p3} #
a. ya b. tidak
4. Apakah setiap selesai makan malam kamu langsung menggosok gigi {p4} #
a. ya b. tidak
5. Apakah setelah menyikat gigi sebelum tidur malam, kamu mengkonsumsi
makanan atau minuman manis lagi {p5} #
a. ya b. tidak
6. Apakah kamu menggunakan sikat gigi dengan ujung sikat yang besar {p6} #
a. ya b. tidak
7. Apakah kamu menggunakan sikat gigi yang berbulu lembut {p7} #
a. ya b. tidak
8. Apakah kamu menggunakan sikat gigi yang berbulu sudah melengkung {p8} #
a. ya b. tidak
9. Apakah kamu mengganti sikat gigi setiap 3 bulan sekali{p9} #
a. ya b. tidak
10. Apakah kamu menggosok gigi dengan cara ditekan{p10} #
a. ya b. tidak
11. Apakah kamu menggosok gigi bagian depan{p11} #
a. ya b. tidak
12. Apakah kamu menggosok gigi seluruh bagian dalam{p12} #
a. ya b. tidak
13. Apakah kamu menggosok permukaan gigi atas dan bawa{p13} #
a. ya b. tidak
14. Apakah kamu menggosok gigi dengan gerakan maju mundur{p14} #
a. ya b. tidak
15. Apakah kamu menggosok gigi depan dengan gerakan menggosok ke
atas bawah{p15} #
a. ya b. tidak
16. Apakah kamu menggosok gigi bagian dalam dengan gerakan menggosok
ke luar{p16} #
a. ya b. tidak
PELAKSANAAN
Langkah dalam menggunakan epidata yaitu
1. Setelah epidata di download bukalah folder program tersebut, maka akan terlihat
tampilan berikut
Gambar 1.1 Tampilan folder epidata
2. Membuka program epidata dengan mengklik tand a ini

sebanyak 2 kali
3. Setelah dibuka akan terlihat tampilan menu utama Epidata
Gambar 1.2 Tampilan menu epidata

 Define data : untuk membuat template yang berisi stuktur data kuesioner
yang akan dimasukkan ke computer dan file yang tersimpan berupa
namafile.QES
 Make data file : untuk menyiapkan data REC dari template yang sudah
ada. File REC ini berfungsi sebagai tempat menyimpan database yang di-
entry melalui epidata.
 Checks : untuk membuat alur lompatan dan batasan nilai minimal –
maksimal yang boleh masuk. Serta untuk mengecek apakah template yang
dibuat sudah benar dan sudah sesuai dengan kebutuhan.
 Enter data : untuk memasukkan data
 Document : untuk membuat codebook dan validate data file yang sudah
dientry
 Export : mentransfer data dari format REC menjadi format yang
diinginkan
4. Klik define data  New.QES file  keluar blank document
Gambar 1.3 Membuat QES file
5. Pada blank document ketikkan template kuesioner, bisa dengan cara diketik
ulang atau dicopy paste
Gambar 1.4 Template
6. Klik make data file  make data file
Gambar 1.5 Make data file
7. Selanjutnya tekan YES

Gambar 1.6 Penyimpanan data
8. Selanjutnya menentukan tempat penyimpanan data
Gambar 1.7 Tampilan penyimpanan data

9. Saat muncul dialog box, cek kembali apakah tempat penyimpanan data sudah
sesuai. Setelah dirasa benar maka tekan OK
Gambar 1.8 Tampilan create data file
10. Pelabelan file, label boleh diberikan label atau tidak. Kemudian tekan OK
Gambar 1.9 Pelabelan data

11. File .rec sudah dibuat selanjutnya tekan ok
Gambar 1.10 File epidata .rec
12. Langkah selanjutntya ke menu Checks. Klik check  file sudah bukan QES
tapi REC.
Gambar 1.11 Tampilan menu checks

Gambar 1.12 Pengecekan template
 Cek kembali daftar list variabel

 Range : untuk membuat batasan nilai yang boleh masuk. Contohnya jenis
kelamin 1. Laki-laki 2. Perempuan maka di kotak range diisi 1-2
 Jump : untuk memudahkan dalam proses entry jika ada data yang
pengisiannya dilompati.
Contohnya
a. apabila jawaban 1. Tidak 2. ya dilanjutkan ke pertanyaan no 7 maka
dibuat
Range, Legal 1-2
Jump 2>V07
b. apabila ada jawaban yang harus diisi. 1. Tidak 2. Ya, alasannya…….

Maka dibuat
Range, Legal 1-2
Jump 2>WRITE
 Must enter : untuk memberitahukan kepada pengentri bahwa variabel tidak

boleh kosong. Jangan semua variabel dibuat must enter karena akan
menyulitkan hanya untuk variabel yang penting saja.
 Repeat : untuk mengulangi data yang pernah dimasukkan pada record
sebelumnya
 Value label : untuk membuat label
 Edit : untuk menampilkan sebagian besar isi dari program check
 Save : untuk menyimpan program CHECK dalam file .CHK
 Close : untuk keluar dari program check
13. Klik enter data dan buka file .rec kembali lalu tekan open
Gambar 1.13 Pemilihan file
14. Setelah file dibuka, mulailah masukkan data sesuai kuesioner

Gambar 1.14 Tampilan kuesioner elektronik
15. Pada setiap akhir pertanyaan yang diisi akan muncul dialog untuk menyimpan
data dan jangan lupa tekan YES. Setelah menekan yes maka tampilan
kuesioner akan kosong kembali dan silahkan mengisi untuk responden yang
ke dua dan seterusnya
Gambar 1.15 Tampilan kuesioner yang telah diisi

16. Apabila ingin berpindah record lihat tanda panah pada ujung kiri bawah
 Pindah ke record sebelumnya dengan mengklik tanda panah ke kiri

 Pindah ke record selanjutnya dengan mengklik tanda panah ke kanan
17. Setelah data responden semua sudah di masukkan dan disimpan, tutup
terlebih dahulu menu enter data. Selanjutnya data siap untuk
ditransfer/dieksport sesuai dengan program yang diinginkan.
Export data  SPSS  lat_epidata.rec  open
Gambar 1.16 Pilihan file export data
18. Setelah keluar dialog box, cek kembali from record nya untuk melihat apakah
data responden yang akan ditransfer sudah cocok jumlahnya, apabila sudah
benar maka disarankan langsung klik ok tanpa merubah isi (meminimalkan
kesalahan)
Gambar1. 17 Tampilan menu export data
Cara membuka file yang sudah ditransfer

1. Pada folder kita menyimpan file hasil transferan dari epidata, carilah file
Epidata KG.sps  klik 2 kali
Gambar 1.18 Syntax SPSS

2. Setelah dibuka akan muncul tampilan seperti ini
Gambar 1.19 Menu syntax SPSS
3. Block semua dengan ctrl A dan tekan tombol RUN
Gambar 1.20 Cara memblok file syntax SPSS
4. Data SPSS siap dilakukan manajemen data dan analisis data

KETERAMPILAN KOMPUTER II
POKOK BAHASAN : Data dan Aplikasi SPSS

SUB POKOK BAHASAN : 1. Jenis Data dan Variabel
2. Aplikasi SPSS
3. Entry Data
4. Pengolahan data
TANGGAL : Mei 2019
PENANGGUNG JAWAB : Rina Putri Noer Fadilah, drg., MKM

(S:1,2,5,6,7,8,9,11,12,13); (P:1,4,6,7); (KU:1,2,3,7,9); (KK:7,9,11);
(Domain:I,II,V)
TUGAS
Pelajari materi dibawah ini :
1. Dasar memilih analisis statistika :
 Tujuan dan desain penelitian
 Jenis data dan skala pengukuran
 Variabel penelitian
 Jumlah sampel / kelompok yang akan dibandingkan
 Ukuran serta besar sampel
2. SPSS (Statistikal Product and Service Solution)
SASARAN BELAJAR
Apabila telah menyelesaikan Keterampilan Komputer data dan aplikasi SPSS,
mahasiswa dapat:
1. Memahami jenis data dan variable
2. Memahami serta dapat melakukan analisis data menggunakan aplikasi SPSS
3. Melakukan entry data melalui SPSS
4. Melakukan pengolahan data dengan SPSS
PENDAHULUAN
Statistik merupakan ilmu pengetahuan yang terdiri dari teori dan metode sebagai
cabang dari matematika terapan yang berhubungan dengan data statistik dan fakta
dalam suatu kajian ilmu pengetahuan dengan teknik pengumpulan data, pengolahan
data, analisis data, peyajian data, penarikan kesimpulan dari hasil analisis, dan
penentuan keputusan dalam batasan risiko tertentu berdasarkan strategi data dan fakta
yang akurat. Biostatistik adalah penerapan ilmu pengetahuan dibidang kesehatan yang
dapat digunakan dalam mengukur fakta-fakta mengenai masalah kesehatan.
Dalam statistik, terdapat data yang digunakan sebagai dasar penelitian. Data
merupakan himpunan angka yang merupakan nilai dari unit sampel sebagai hasil
pengamatan dan atau pengukuran. Data berdasarkan sumbernya terdiri dari data
primer dan sekunder. Data primer yaitu data yang dikumpulkan langsung oleh
peneliti, sedangkan data sekunder adalah data yang diambil dari suatu sumber.
Berdasarkan jenis data, data dibagi menjadi dua kategori, yaitu metric dan nonmetric.
Data metric adalah data yang dianalisis menggunakan test parametrik seperti t,Z,F
dan koefisien korelasi, sedangkan nonparametrik test seperti sign test, median,
chisquare, Mann Whitney, dan Kruskal Wallis. Data metric diklasifikasikan ke dalam
data interval dan rasio. Sedangkan nonmetric/kategori data diklasifikasikan ke dalam
nominal dan ordinal.
Data yang telah diketahui, kemudian data-data tersebut diukur atau diamati
memiliki nilai bervariasi antara satu objek ke objek lainnya dan terukur disebut
variabel. Variabel menurut sifatnya terdiri dari variabel kategorik (kualitatif) dan
variabel numerik (kuntitatif). Variabel kategorik, yaitu variabel hasil
pengklasifikasian data, sedangkan variabel numerik, yaitu variabel hasil dari
perhitungan dan pengukuran. Varibel numerik terdiri dari diskrit dan kontinyu.
Diskrit merupakan variabel dimana data yang dihasilkan dari perhitungan, sedangkan
kontinyu merupakan variabel dimana data yang dihasilkan dari pengukuran.
Dalam analisis statistik, setelah mengetahui variabel, maka diperlukan skala
pengukuran dalam mengukur variabel tersebut. Skala pengukuran terdiri dari :
1. Skala Nominal, yaitu skala yang disusun berdasarkan jenis (kategorinya) atau
fungsi bilangan hanya sebagai simbol untuk membedakan sebuah karakteristik
dengan karakter lainnya. Skala pengukuran ini termasuk kategorik. Contoh :
Jenis kelamin, golongan darah, dll. Analisis statistik yang digunakan adalah
Non parametrik
2. Skala Ordinal, yaitu skala yang disusun berdasarkan pada rangking diurutkan
dari jenjang yang paling tinggi hingga rendah, atau sebaliknya. Skala
pengukuran ini termasuk kategorik. Contoh : Tingkat pendidikan, tingkat
penghasilan, dll. Analisis statistik yang digunakan adalah Non parametrik
3. Skala Interval, yaitu skala yang pengukurannya menunjukkan jarak satu data
dengan data yang lain mempunyai bobot yang sama. Skala pengukuran ini
termasuk numerik. Contoh : Temperatur, suhu tubuh, Nilai/skor. Analisis
statistik yang digunakan adalah parametrik
4. Skala Rasio, yaitu skala ukur yang mempunyai nilai nol mutlak dan mempunyai
jarak yang sama. Skala pengukuran ini termasuk numerik. Contoh : timbangan
berat badan . Analisis statistik yang digunakan adalah statistik parametrik.
Contoh skala pengukuran dapat dilihat pada tabel dibawah.
Tabel 1 Skala Pengukuran
Data dan variable yang tersaji dan terkumpul, kemudian dilakukan pengolahan
data untuk mendapatkan suatu informasi. Data asli dan mentah (raw data) harus
dilakukan pengolahan data agar menjadi informasi yang dapat digunakan dalam
menjawab tujuan penelitian. Tahapan dalam pengolahan data adalah sebagai berikut :
1. Editing (Preparing Data file), merupakan proses pengolahan data untuk
melakukan pemeriksaan data yang telah dikumpulkan didapat sebagai hasil
penelitian dengan menjumlah dan melakukan koreksi data.
2. Coding, merupakan proses dalam pengolahan data untuk memberi kode
dengan merubah data kategorik (huruf) menjadi numeric (angka/bilangan)
atau sebaliknya. Sebagai contoh : variable laki-laki dan perempuan.
Dilakukan koding menjadi : laki-laki= 1, perempuan = 2. Kegunaan dalam
proses koding adalah mempermudah saat analisis data dan entry data.
3. Processing, merupakan proses dalam pengolahan data setelah dilakukan
codingkemudian entry data dengan melakukan penyusunan data (tabulasi) ke
dalam program computer misalnya excel, maupun SPSS.
4. Cleaning, merupakan proses dalam pengolahan data dengan melakukan
pengecekan kembali data yang sudah di-entry. Tujuannya adalah untuk
mengetahui ada tidaknya missing data, mengetahui variasi data, mengetahui
konsistensi data.
Setelah melakukan pengolahan data, kemudian, data dimasukkan (entry data) ke
dalam program komputer. Dalam Keterampilan Komputer ini, menggunakan program
SPSS (Statistikal Program For Social Scince). Pada program SPSS, dapat dilakukan
pemrosesan berbagai bentuk file data, modifikasi data, membuat tabulasi dalam
bentuk distribusi frekuensi, statistik deskriptif maupun statistik analisis, pembuatan
tabel, grafik, dll.
Data yang telah dikumpulkan, diolah, dan disusun kemudian dilakukan analisis
data. Tujuan analisis data adalah untuk mempelajari, memperikirakan, dan
menjelaskan baik secara deskriptif maupun analitik mengenai karakteristik data
maupun variable hingga menjadi suatu infromasi.
PELAKSANAAN KETERAMPILAN KOMPUTER

A. Metode
1) Entry data
2) Penyajian data kategorik
3) Penyajian data numerik
B. Tujuan
1. Memasukan data ke dalam program SPSS
2. Melakukan pengolahan data dengan menggunakan program SPSS
3. Melakukan penyajian data deskriptif kategorik
4. Melakukan penyajian data deskriptif numerik
C. Tugas
Seorang dokter gigi Puskesmas X, akan melakukan survey karies gigi pada anak-
anak di Sekolah Dasar wilayah kerja Puskesmas X. Data yang diperlukan adalah
Nama anak, Nama orang tua, Jenis kelamin anak, Tanggal Pemeriksaan, Tanggal
lahir anak, Usia anak, Alamat rumah, Pekerjaan Orang Tua, Penghasilan Orang
Tua, Pendidikan Orang Tua, dan Indeks pengalam karies pada anak-anak (def-t).
1) Lakukan entry data survey 2018.xlsx hasil survey karies gigi pada anak-
anak di Sekolah Dasar wilayah kerja Puskesmas Desa X Tahun 2018 berikut
ke dalam SPSS.
2) Lakukan pengolahan data hasil survey sebagai berikut :
a. Melakukan perhitungan usia berdasarkan data survey menggunakan
program SPSS
b. Melakukan koding dan perubahan data dari satu skala menjadi skala yang
lain, yaitu :
i. Jenis kelamin anak : Laki-laki =1
Perempuan =2
ii. Pekerjaan Orang tua : Bekerja =1
Tidak bekerja =2
iii. Pendidikan Orang tua : Tidak tamat SD-SMP (Rendah) =1
SMA-Perguruan Tinggi (Tinggi) =2
iv. Penghasilan Orang tua: < UMR* (Rendah) =1
≥ UMR* (Tinggi) =2
v. Indeks def-t : 0,0-1,1 (Sangat rendah) =1
1,2-2,6 (Rendah) =2
2,7-4,4 (Moderat) =3
4,5-6,6 (Tinggi) =4
>6,6 (Sangat Tinggi) =5
D. Cara kerja
Entry data
1) Mengaktifkan program SPSS
Membuka program SPSS
Gambar 2.1 Mengaktifkan program SPSS
Gambar 2.2 Membuka Pilihan dalam Program SPSS

Gambar 2.3 Tampilan Data View
Gambar 2.4 Tampilan Variabel View

Gambar 2.5 Tampilan pemberian Name dalam Variable view.
Gambar 2.6 Tampilan dalam pemilihan Type atau jenis data yang diinginkan sesuai dengan variabel.
Pada tampilan Variabel View, terdapat kolom sebagai berikut :

Name : Merupakan kata yang mewakili variable, dalam pengisian Name,tidak
menggunakan spasi, dapat diganti dengan (_).
Type : Type yang dimasukkan dalam variable view merupakan jenis data
sesuai dengan variable, jika data tersebut berupa angka/numerik,
maka memilih variable type Numeric, sedangkan jika data berupa
kategorik maupun huruf, maka variable type yang dipilih adalah
String. Variable type dapat digunakan dalam penentuan tanggal
dengan memilih Date.
Width : Lebar kolom. Dalam kolom width dapat berupa jumlah digit data
yang akan dimasukkan.
Decimals : Digunakan untuk menentukan jumlah digit dibelakang titik (angka
decimal) yangdiinginkan.
Gambar 2.7 Tampilan Labels dalam variable view.

Labels : Digunakan untuk memberikan keterangan tambahan dari variable
yang tersedia. Labels juga merupakan penjelasan rinci dari kolom
Name.
Gambar 2.8 Tampilan Value Labels

Gambar 2.9 Tampilan pengisian Value Labels dalam variable view
Values : Value(nilai) diguanakan dalam variable dummy atau didasarkan pada

kelompok. Value (nilai) dapat digunakan dalam memberikan kode
pada variable. Misal kode 1 untuk laki-laki, kode 2 untuk perempuan.
Missing : Menunjukkan data yang missing atau hilang.
Colomns : Menunjukkan lebar kolom
Alignment : Merupakan pilihan tampilan variable untuk meletakkan data pada
posisi rapat kiri,kanan,atau tengah.
Measures : Merupakan skala pengukuran variable. Dapat berupa variable
nominal, Ordinal, scale. Data nominal yaitu data hasil hitung yang
merupakan data diskrit. Data Scale dan Ordinal merupakan data
kontinyu, yaitu data ukur.
2) Membuat file baru dalam SPSS

Setelah membuka program SPSS, kemudian membuka file baru untuk melakukan
pengolahan data. Dalam membuat file baru, dapat dilakukan langsung dalam program
SPSS, maupun data yang didapatkan dari program Excel. Pada Keterampilan
Komputer ini, sudah terdapat data survey 2018.xlsx. Tahapan dalam membuat file
yang didapatkan dari program excel adalah sebagai berikut :
a. Membuka Data File
Gambar 2.10 Tampilan Open data File dari Excel
b. Memilih data survey 2018.xlsx
Gamba 2.11 Tampilan dalam memilih data excel

c. Lakukan checklist pada Read variables names from the first row of data
Gambar 2.12 Tampilan dalam proses input data excel ke dalam Program SPSS
d. Hasil membuat file baru dalam SPSS pada tampilan Variabel View

e. Hasil membuat file baru dalam SPSS pada tampilan Data View
Pengolahan Data Hasil Survey

program SPSS
Perhitungan usia dapat dilakukan secara langsung pada pemeriksaan klinis,
maupun dapat dilakukan pengolahan dengan menggunakan program SPSS. Langkah-
langkah dalam mempuat variable usia dengan menggunakan program SPSS adalah
sebagai berikut:
1) Pada program SPSS, lakukan Transform pada tampilan Data view  Pilih
Date and Time Wizard  Calculate with dates and time
 Calculate the number of time units between two dates Klik Continue
Gambar 2.15 Pemilhan Transform untuk mengubah Tanggal lahir dan pemeriksaan menjadi usia
Gambar 2.16 Tampilan Date and Time Wizard

Gambar 2.17 Tampilan Calculation on Date
2) Pada kolom variables, pindahkan Tanggal_pemeriksaan ke dalam kolom Date,

dan pindahkan Tanggal lahir anak ke dalam kolom Duration
VariabelContinue.
Gambar 2.18 Tampilan Calculate the number of time units between two dates
3) Pada Result Variabel  Tuliskan Age/usia. Pada Variabel label  Tuliskan
Usia Continue.
Gambar 2.19 Tampilan Calculation
4) Pada Data View dan Variabel View akan muncul Usia.
Gambar 2.20 Tampilan akhir hasil calculating date and time wizard menjadi usia.
lain berdasarkan skenario.
Langkah-langkah yang dilakukan dalam program SPSS adalah sebaagi berikut :
1) Melakukan koding untuk variable Jenis Kelamin. Pada tampilan variable view,
arahkan pada variable jenis kelamin klik values masukkan pada kolom
value Laki-laki = 1, Perempuan = 2 OK.
Gambar 2.21 Melakukan koding jenis kelamin pada kolom values
Gambar 2.22 Pengisian koding untuk Jenis Kelamin

2) Melakukan perubahan data dan koding dari skala ke skala lain pada variable
Pekerjaan Orang tua. Lakukan langkah-langkah berikut :
 Pada tampilan Data view, arahkan pada Transform  Recode into Different
Variables

Gambar 2.23 Tampilan pada Data View untuk merubah data dari satu skala menjadi skala lain
 Masukkan variable Pekerjaan Orang tua ke dalam Input variable

 Ketik pekerjaan_orangtua Pada kolom Name (Output Variable) ketik :
Kat_kerja_orangtua pada label (Output Variabel)
 Klik ChangeOld and New Values
 Pengisian pada kolom Old and New Values
Gambar 2.24 Melakukan perubahan variable pekerjaan
 Semua data pekerjaan (Buruh, Guru/Dosen, PNS/BUMN, Profesional, Swasta,

TNI/POLRI, Wiraswasta) diklasifikasikan menjadi kode 1. Data “Tidak bekerja”
menjadi kode 2.
Old value : Buruh, Guru/Dosen, PNS/BUMN, Profesional, Swasta, TNI/POLRI,
Wiraswasta , New value : 1 Klik Add.
Old value : Tidak bekerja , New value : 2  Klik Add.Continue
Gambar 2.25 Tampilan Old and New Values pada variable pekerjaan
 Pada Data view akan terdapat kolom baru dengan variable baru yaitu
pekerjaan_orangtua hasil Transform recode into different variable.
Gambar 2.26 Tampilan variable pekerjaan_orangtua pada Data view
 Dalam melakukan koding pada variable pekerjaan_orangtua, maka pada

tampilan variable view, arahkan pada variable pekerjaan_orangtua klik
values masukkan pada kolom value 1 = Bekerja, 2 = Tidak bekerja
 OK.
Gambar 2.27 Tampilan Variable View dalam melakukan koding pada variable Kategori_pekerjaan
Gambar 2.28 Tampilan Kategori_pekerjaan pada Data View setelah dilakukan koding
Pendidikan Orang tua. Lakukan langkah-langkah berikut :
 Pada tampilan Data view, arahkan pada TransformRecode into Different
Variables
Gambar 2.29 Tampilan perubahan data skala
 Masukkan variable Pendidikan Orang tua ke dalam Input variable

 Ketik Tingkat_pendidikan pada kolom Name (Output Variable)  ketik :
Kat_pendidik pada label (Output Variabel)
 Klik Change  Old and New Values
 Pengisian padakolom Old and New Values
Gambar 2.30 Tampilan perubahan data pada variable pendidikan

 Semua data pendidikan (Tidak Lulus SD, Lulus SD, SMP) dirubah menjadi kode
1. Data SMA, Diploma, Perguruan Tinggi menjadi kode 2.
Old value : Tidak Lulus SD, Lulus SD, SMP, New value : 1 Klik Add.
Old value : SMA, Diploma, Perguruan Tinggi, New value : 2 Klik Add.
Continue
Gambar 2.31 Tampilan Recode Into Different Variables pada Tingkat_pendidikan
Tingkat_pendidikan hasil Transform recode into different variable.
Gambar 2.32 Tampilan Tingkat_pendidikan pada Data View

 Dalam melakukan koding pada variable Tingkat_pendidikan, maka pada
tampilan variable view, arahkan pada variable Tingkat_pendidikan  klik
values  masukkan pada kolom value  1 = Rendah , 2 = Tinggi  OK.
Gambar 2.33 Pengisian Values labels pada Tingkat_pendidikan
Gambar 2.34 Tampilan Tingkat _pendidikan pada Data Viewsetelah dilakukan koding
Penghasilan. Lakukan langkah-langkah berikut :
Variables
 Masukkan variable Penghasilan ke dalam Input variable

 Ketik Tingkat_penghasilan pada kolom Name (Output Variable)  ketik :
Kat_penghasilan pada label (Output Variabel)
 Klik Change  Old and New Values
Gambar 2.36 Tampilan perubahan data pada Variabel penghasilan

 Semua data penghasilan (< UMR) dirubah menjadi kode 1. Data (>=UMR)
menjadi kode 2.
Old value : < UMR, New value : 1  Klik Add.
Old value : >= UMR, New value : 2  Klik Add.Continue
Gambar 2.37 Tampilan Recode Into Different Variables pada Tingkat_penghasilan
Tingkat_penghasilan hasil Transform recode into different variable.
Gambar 2.38 Tampilan Tingkat_penghasilan pada Data View

 Dalam melakukan koding pada variable Tingkat_penghasilan maka pada
tampilan variable view, arahkan pada variable Tingkat_penghasilan klik
values masukkan pada kolom value 1 = Rendah , 2 = Tinggi  OK.
Gambar 2.39 Pengisian Values labels pada Tingkat_penghasilan
Gambar 2.40 Tampilan Tingkat_penghasilan pada Data View setelah dilakukan koding
5) Melakukan klasifikasi data numerik menjadi kategori pada variable Indeks

def-t. Serta melakukan koding pada variable kategorik Indeks def-t.
Lakukan langkah-langkah berikut :
Variables
 Masukkan variable Indeks_deft ke dalam Input variable

 Ketik Indeks_karies pada kolom Name (Output Variable) ketik : indeks_deft
pada label (Output Variabel)
 Klik ChangeOld and New Values
Gambar 2.42 Tampilan perubahan data pada Variabel penghasilan

 Semua data indeks DMF-T dilakukan klasifikasi dan koding sebagai berikut.
Klasifikasi : 0,0-1,1 (Sangat rendah) =1
1,2-2,6 (Rendah) =2
2,7-4,4 (Moderat) =3
4,5-6,6 (Tinggi) =4
Old value : Range : 0.0 through 1.1, New value : 1  Klik
Add. Old value : Range : 1.2 through 2.6, New value : 2  Klik
Add Old value : Range : 2.6 through 4.4, New value : 3  Klik
Add Old value : Range : 4.5 through 6.6, New value : 4  Klik
Add
Old value : Range, value through HIGHEST : 6.6, New value : 5  Klik Add
Continue
Gambar 2.43 Tampilan Recode Into Different Variables pada Indeks_karies
indeks_karieshasil Transform recode into different variable.
Gambar 2.44 Tampilan Indeks_karies pada Data View
 Dalam melakukan koding pada variable Indeks_karies maka pada tampilan

variable view, arahkan pada variable indeks_karies  klik values
 masukkan pada kolom value  1 = Sangat Rendah , 2 = Rendah, 3
=Moderat, 4 = Tinggi, 5 = Sangat Tinggi  OK.
Gambar 2.45 Pengisian Values labels pada Indeks_karies

Gambar 2.46 Tampilan Indeks_karies pada Data Viewsetelah dilakukan koding
Setelah dilakukan langkah-langkah tersebut, kemudian melakukan penyimpanan

data sesuai dengan nama file yang diinginkan. Sebagai contoh : data karies
2018.SAV. File yang akan tersimpan terdapat dua, pertama dalam format (.SAV)
sebagai tempat untuk melakukan pengumpulan, pengolahan, dan analisis data. Kedua
dalam format (.SPV) sebagai Output hasil pengolahan dan analisis data.
KETERAMPILAN KOMPUTER III
POKOK BAHASAN : Analisis Data Deskriptif (Univariabel)

SUB POKOK BAHASAN : 1. Analisis Data Deskriptif Kategorik
2. Analisis Data Deskriptif Numerik
TANGGAL : Mei 2019

(S:1,2,5,6,7,8,9,11,12,13); (P:1,4,6,7); (KU:1,2,3,7,9); (KK:7,9,11);
(Domain:I,II,V)
TUGAS
1. Analisis data deskriptif kategorik
2. Analisis data deskriptif numerik
SASARAN BELAJAR
Apabila telah menyelesaikan Keterampilan Komputer analisis data deskriptif,
mahasiswa dapat:
1. Melakukan pengolahan data dengan SPSS
2. Melakukan analisis data deskriptif kategorik dan numerik dengan SPSS
3. Menyajikan hasil analisis data deskriptif kategorik dan numerik
PENDAHULUAN
Statistik adalah ilmu pengetahuan yang terdiri dari teori dan metode sebagai
cabang dari matematika terapan yang berhubungan dengan data statistik dan fakta
dalam suatu kajian ilmu pengetahuan dengan teknik pengumpulan data, pengolahan
data, analisis data, peyajian data, penarikan kesimpulan dari hasil analisis, dan
penentuan keputusan dalam batasan risiko tertentu berdasarkan strategi data dan fakta
yang akurat. Biostatistik adalah penerapan ilmu pengetahuan dibidang kesehatan yang
dapat digunakan dalam mengukur fakta-fakta mengenai masalah kesehatan.
Statistik secara garis besar terdapat dua metoda, yaitu statistik deskriptif dan
statistik inferensial. Statistik deskriptif bertujuan untuk memperoleh gambaran
informasi data/penyakit/masalah kesehatan berdasarkan hasil pengamatan yang nyata.
Statistik inferensial (statistik analitik) bertujuan pengumpulan, pengolahan, penyajian
dan analisis data hingga menarik kesimpulan dari populasi yang dinyatakan dengan
parameter populasi melalui perhitungan statistik. Studi analisis (statistik analitik)
digunakan untuk mempelajari hubungan antara variable.
Analisis statistik deskriptif adalah analisis yang menggambarkan suatu data atau
variable secara sistematis mengenai fakta-fakta serta hubungan yang akan diteliti.
Pengukuran statistik deskriptif berupa frekuensi dan ukuran nilai tengah. Analisis
statistik deskriptif (univariabel) berupa variable kategorik maupun numerik.
Analisis deskriprif kategorik berupa distribusi frekuensi yang disajikan dalam
bentuk persentase maupun proporsi. Analisis deksriptif numerik yaitu pengukuran
nilai tengah pusat atau tendensi sentral (central tendency) (rata-rata hitung (mean),
rata-rata ukur, median, modus), pengukuran penyimpangan (range, kuartil, rentangan
antar kuartil, rentangan semi antar kuartil desil, persentil, simpangan rata-rata,
simpangan baku/ deviasi standard, varians, koefisiens varians, dan angka baku),
angka indeks serta mencari kuatnya hubungan dua variable, prediksi dengan analisis
regresi linier, komparatif. Analisis statistik deskriptif dapat disajikan dalam bentuk
tabel, diagram, maupun grafik.

A. Metode
1) Entry data
2) Analisis deskiptif kategorik
3) Analisis deskriptif numerik
4) Penyajian data kategorik
5) Penyajian data numerik
B. Tujuan
1) Memasukan data ke dalam program SPSS
2) Melakukan pengolahan data dengan menggunakan program SPSS
3) Melakukan analisis data deskriptif kategori
4) Melakukan penyajian data deskriptif kategorik
5) Melakukan analisis data deskriptif numerik
6) Melakukan penyajian data deskriptif numerik
C. Tugas
Seorang dokter gigi Puskesmas X, akan melakukan survey karies gigi pada
anak-anak di Sekolah Dasar wilayah kerja Puskesmas X. Data yang diperlukan
adalah Nama anak, Nama orang tua, Jenis kelamin anak, Tanggal Pemeriksaan,
Tanggal lahir anak, Usia anak, Alamat rumah, Pekerjaan Orang Tua,
Penghasilan Orang Tua, Pendidikan Orang Tua, dan Indeks pengalam karies
pada anak-anak (def-t).
1) Lakukan entry data survey 2018.xlsx hasil survey karies gigi pada anak-
anak di Sekolah Dasar wilayah kerja Puskesmas Desa X Tahun 2018 berikut
ke dalam SPSS.
2) Lakukan pengolahan data hasil survey sebagai berikut :
program SPSS
lain, yaitu :
i. Jenis kelamin : Laki-laki =1
Perempuan =2
ii. Pekerjaan : Bekerja =1
Tidak bekerja =2
iii. Penddidikan : Tidak tamat SD-SMP (Rendah) =1
SMA-Perguruan Tinggi (Tinggi) =2
iv. Penghasilan : < UMR* (Rendah) =1
≥ UMR* (Tinggi) =2
v. Indeks DMF-T: 0,0-1,1 (Sangat rendah) =1
1,2-2,6 (Rendah) =2
2,7-4,4 (Moderat) =3
4,5-6,6 (Tinggi) =4
3) Lakukanlah analisis data deskriptif kategorik serta penyajian hasil survey
karies gigi 2018 pada anak-anak di wilayah kerja Puskesmas X tersebut.
Dengan menggunakan file data karies 2018.SAV. Buatlah analisis
deskriptif kategorik untuk variable :
a. Jenis Kelamin
b. Pekerjaan
c. Pendidikan
d. Penghasilan
e. Indeks DMF-T
4) Lakukanlah analisis data deskriptif numerik serta penyajian hasil survey
karies gigi 2018 pada anak-anak di wilayah kerja Puskesmas X tersebut.
Dengan menggunakan file data karies 2018.SAV. Buatlah analisis
deskriptif numerik untuk variable :
a. Usia
b. DMF-T
D. Cara Kerja
Entry data
1) Lakukan entry data survey 2018.xlsx seperti langkah yang dilakukan pada
Keterampilan Komputer I
2) Membuat file baru dalam SPSS
Setelah membuka program SPSS, kemudian membuka file baru untuk melakukan
pengolahan data. Dalam membuat file baru, dapat dilakukan langsung dalam program
SPSS, maupun data yang didapatkan dari program Excel. Pada Keterampilan
Komputer ini, sudah terdapat data survey 2018.xlsx. Tahapan dalam membuat file
yang didapatkan dari program excel adalah sebagai berikut :
a. Membuka Data File
d.
Gambar 3.1 Tampilan Open data File dari Excel
e. Memilih data survey 2018.xlsx

Gamba 3.2 Tampilan dalam memilih data excel
f. Lakukan checklist pada Read variables names from the first row of data
Gambar 3.3 Tampilan dalam proses input data excel ke dalam Program SPSS
g. Hasil membuat file baru dalam SPSS pada tampilan Variabel View
h. Hasil membuat file baru dalam SPSS pada tampilan Data View

3.4.4.1 Pengolahan Data Hasil Survey
1. Melakukan perhitungan usia berdasarkan data survey menggunakan
program SPSS seperti pada Keterampilan Komputer I
 Pada program SPSS, lakukan Transform pada tampilan Data view  Pilih
Date and Time Wizard  Calculate with dates and time
Calculate the number of time units between two dates Klik Continue
 Pada kolom variables, pindahkan Tanggal_pemeriksaan ke dalam kolom
Date, dan pindahkan Tanggal lahir ke dalam kolom Duration
VariabelContinue.
 Pada Result Variabel  Tuliskan Age/usia. Pada Variabel label
 Tuliskan Usia Continue.
 Pada Data View dan Variabel View akan muncul Usia.
Gambar 3.6 Tampilan akhir hasil calculating date and time wizard menjadi usia.
2. Melakukan koding dan perubahan data dari satu skala menjadi skala
kategorik dan numerik seperti pada KETERAMPILAN KOMPUTER I
Melakukan koding untuk variable :
a. Jenis Kelamin
b. Pekerjaan
c. Pendidikan
d. Penghasilan
e. Indeks DMF-T
Gambar 3.7 Tampilan variable Jenis Kelamin, Usia, Kategori_pekerjaan, Tingkat_pendidikan,

Tingkat_penghasilan,Indeks_karies pada Data view
Setelah dilakukan langkah-langkah tersebut, kemudian melakukan penyimpanan

data sesuai dengan nama file yang diinginkan. Sebagai contoh : data karies
2018.SAV. File yang akan tersimpan terdapat dua, pertama dalam format (.SAV)
sebagai tempat untuk melakukan pengumpulan, pengolahan, dan analisis data. Kedua
dalam format (.SPV) sebagai Output hasil pengolahan dan analisis data.
3.4.4.2 Analisis Deskriptif Kategorik

Analisis deskriprif kategorik berupa distribusi frekuensi yang disajikan dalam
bentuk persentase maupun proporsi. Langkah dalam proses analisis data deskriptif
kategorik adalah sebagai berikut :
1. Pada program SPSS,  Menu pada tampilan Data View  klik Analyze 
Descriptive Statistik  Frequencies
Gambar 3.8 Tampilan memilih statistik deskriptif untuk mengetahui distribusi frekuensi dari
setiap variable
2. Masukkan variable yang ingin ditampilkan untuk mengetahui distribusi frekuensi

dengan langkah sebagai berikut: (Sebagai contoh: Variabel Jenis Kelamin)
 Sort variable yang diinginkan (jenis kelamin anak)  klik tanda panah 
masukkan variable tersebut ke dalam kotak variable(s). (Sebagai catatan, hal
ini dapat dilakukan pada beberapa variable sekaligus).
Gambar 3.9 Tampilan Frequencies pada menu Analyze

 Untuk menampilkan bar chart pada hasil (output), langkah yang dilakukan
yaitu: melakukan sortir variable ke dalam kotak variable(s)  klik kotak
chart  pilih bar pada chart type  pilih Percentages pada Chart Values
untuk mengetahui persentase variable  pilih Continue.
Gambar 3.10 Tampilan Frequencies Chart

 Hasil yang didapatkan berdasarkan analisis tersebut dapat dilihat pada
jendela output.
Gambar 3.11 Tampilan Hasil analisis statistik deskriptif pada layar Output
3. Penyajian Hasil Analisis Data Deskriptif Kategorik
Berdasarkan hasil analisis yang telah dilakukan kemudian diperoleh pada output ,
maka data tersebut agar menjadi sebuah informasi dan laporan hasil penelitian,
diperlukan untuk penyajian dan interpretasi data hasil analisis. Dalam penyajian hasil
analisis data menjadi sebuah informasi dilakukan dengan membuat judul tabel dan
tabel distribusi frekuensi. Setelah dilakukan penyajian data, kemudian melakukan
interpretasi hasil. Berikut adalah contoh penyajian distribusi frekuensi jenis kelamin
pada pasien di Puskesmas X .
Tabel 1.1 Distribusi frekuensi Jenis Kelamin Pasien di Puskesmas X Tahun 2015
Jenis Kelamin Jumlah Persentase
Laki-Laki 100 47,2
Perempuan 112 52,8
Total 212 100,0
Interpretasi hasil analisis dapat berbagai cara penyampaian. Salah satu contoh
hasil interpretasi tabel 1.1 adalah sebagai berikut, berdasarkan tabel 1.1 sebagian
besar pasien di Puskesmas X berjenis kelamin perempuan, yaitu sebanyak 52,8%,
sedangkan pasien berjenis kelamin laki-laki adalah 47,2%.
3.4.4.3 Analisis Deskriptif Numerik

Analisis deksriptif numerik sebagai variable dengan skala rasio dan interval
maupun variable diskrit dan kontinyu. Skala pengukuran rasio dan interval tergantung
dari nilai nol-nya, sedangkan variable diskrit yaitu hasil menghitung, dan variable
kontinyu yaitu hasil mengukur.
Pada data numerik, parameter yang digunakan adalah parameter nilai tengah
pusat atau tendensi sentral (central tendency) dan parameter penyebaran. Pengukuran
atau parameter data numerik dengan nilai tengah pusat yang digunakan adalah mean,
median, dan modus. Parameter ukuran penyebaran adalah simpangan baku (standar
deviasi), persentil, nilai minimum-maksimum, dan range. Data variable numerik
dapat disajikan dalam bentuk tabel dan grafik.
Sebelum melakukan pengolahan data numerik, harus mengetahui data tersebut

berditribusi normal atau tidak. Berdasarkan parameter yang digunakan dalam data
numerik, jika data berdistribusi normal, maka ukuran pemusatan yang digunakan
adalah mean dan ukuran penyebaran adalah standar deviasi (SD). Sedangkan jika data
tidak berdistribusi normal, maka median sebagai ukuran pemusatan, dan nilai
minimum-maksimum sebagai ukuran penyabaran.
Dalam analisis data numerik dengan menggunakan program SPSS dapat
dilakukan dengan Descriptives Statistiks maupun Explore untuk mengetahui data
berdistribusi normal atau tidak. Langkah analisis data numerik dengan menggunakan
SPSS adalah sebagai berikut :
1. Langkah analisis data numerik dengan Descriptives.
Proses dengan file Descriptives, sebagai berikut :
a. Analyze  pilih Descriptives Statistiks  pilih Frequencies
Gambar 3.12 Tampilan Analyze Descriptive Statistiks
b. Masukkan variable numerik (Contoh : variable age ) ke dalam kotak Variables

Gambar 3.13 Tampilan Descriptives Statistiks
* catatan : jika tidak ingin menampilkan tabel distribusi frekuensi, maka menonaktifkan
Display Frequency Tables
c. Klik kotak Statistiks dan beri checklist () sesuai dengan analisis yang
diinginkanContinue OK. Hasil analisis tersebut dapat dilihat pada
tampilan/layar Output .
Gambar 3.14 Tampilan analisis Statistiks

Gambar 3.15 Tampilan hasil analisis deskriptif numerik pada output.
2. Langkah analisis data numerik dengan Explorer, yaitu :

Proses dengan file Explore, dapat diketahui data numerik mempunyai distribusi
normal atau tidak. Proses yang dilakukan adalah sebagai berikut :
a. Analyze pilih Descriptive Statistikspilih Explore
Gambar 3.16 Tampilan analisis data numerik menggunakan Explore

b. Masukkan variable numerik (Contoh : variable age ) ke dalam kotak
Dependent listPilih Both pada display Pilih Polts
Gambar 3.17 Tampilan Explore dalam analisis data numerik

c. Klik kotak Plots , kemudian pilih pada kotak Boxplots Factor level
together, pada kotak Descriptive  Histogram beri checklist () sesuai
dengan analisis yang diinginkan  Continue  OK. Hasil analisis tersebut
dapat dilihat pada tampilan/layar Output .
Analisis dengan menggunakan Explore, dapat menampilkan uji/test data
numerik berdistribusi normal atau tidak.
Gambar 3.18 Tampilan analisis Explore : Plots
Gambar 3.19 Tampilan hasil analisis pada Output (1)

Gambar 3.20 Tampilan hasil analisis pada Output (2)
3. Uji Normalitas Data Numerik

Dalam melakukan analisis data numerik, syarat untuk melakukan analisis uji
statistik parametrik adalah data berdistribusi normal. Terdapat beberapa metode
dalam mengetahui data numerik mempunyai distribusi normal. Salah satu metode
yaitu metode analisis dengan parameter sebagai berikut :
 Jika jumlah sampel (>50), maka parameter yang digunakan adalah Kolmogorov-
Smirnov, dengan syarat distribusi normal yaitu mempunyai Nilai Kemaknaan (p)
> 0,05.
 Jika jumlah sampel (<50), maka parameter yang digunakan adalah Shapiro-Wilk,
dengan syarat distribusi normal yaitu mempunyai Nilai Kemaknaan (p) >0,05.
Proses dalam melakukan uji normalitas data numerik adalah sebagai berikut :
a. Proses dengan file Explore, dapat diketahui data numerik mempunyai distribusi
normal atau tidak. Proses yang dilakukan adalah sebagai berikut : Analyze 
pilih Descriptive Statistiks  pilih Explore
Gambar 3.21 Tampilan analisis data numerik menggunakan Explore
b. Masukkan variable age ke dalam kotak Dependent list Pilih Both pada display
Pilih Polts
Gambar 2.22 Tampilan Explore dalam analisis data numerik
c. Klik kotak Plots , kemudian pilihpada kotak BoxplotsFactor level together,

pada kotak DescriptiveHistogram beri checklist () sesuai dengan analisis
yang diinginkan Aktifkan Normality plots with tests  Continue  OK. Hasil
analisis tersebut dapat dilihat pada tampilan/layar Output .
Gambar 3.23 Tampilan analisis Explore : Plots
d. HasilOutput berdasarkan analisis data adalah sebagai berikut :

Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
USIA 212 100.0% 0 0.0% 212 100.0%
Descriptives
Statistik Std. Error
Mean 46.85 .319
Lower Bound 46.23
95% Confidence Interval for Mean
Upper Bound 47.48
5% Trimmed Mean 47.01
Median 47.00
Variance 21.566
Std. Deviation 4.644
Minimum 31
Maximum 57
Range 26
Interquartile Range 5
Skewness -.389 .167
Kurtosis 1.263 .333
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistik df Sig. Statistik Df Sig.
USIA .134 212 .000 .950 212 .000
a. Lilliefors Significance Correction
Berdasarkan test normalitas data, karena jumlah sampel lebih dari 50, maka
uji yang digunakan adalah Kolmogorov-Smirnov. Nilai kemaknaan diperoleh (p)
adalah 0,00. Hal tersebut berarti p<0,05. Maka simpulan analisis data numerik
tersebut adalah data numerik pada variable usia tidak berdistribusi normal.
Berdasarkan histogram tersebut, data numerik pada usia pasien adalah tidak
berdistribusi normal karena, syarat parameter histrogram berdistribusi normal adalah
simetris. Pada variable usia pasien tersebut, hasil histogram tidak simetris.
Berdasarkan Normal Q-Q plots tersebut, distribusi data tidak normal. Syarat
Normal Q-Q plots berdistribusi normal adalah menyebar disekitar garis. Hasil analisis
pada variable usia pasien tersebut tidak menyebar disekitar garis.
Berdasarkan hasil analisis Detrended Normal Q-Q Plots pada variable usia,
distribusi data tidak normal. Syarat Detrended Normal Q-Q Plots berdistribusi normal
adalah data menyebar di sekitar garis pada nilai 0. Hasil analisis pada variable usia
pasien tidak menyebar disekitar garis pada nilai 0.
Berdasarkan Box Plot pada variable usia, distribusi data tidak normal. Syarat Box
Plot berdistribusi normal adalah simetris dimana median tepat ditengah, tidak ada
outlier atau nilai ekstrem.
4. Penyajian hasil analisis data numerik
Penyajian hasil analisis data numerik dari layar output, tidak disajikan secara
keseluruhan. Penyajian analisis data numerik Mean, Median, Standard Deviasi, Nilai
Minimum-Maksimum, dan 95% Confidence Interval.
Variabel Mean Median SD Min-Max 95% CI

Usia Pasien 46,85 47,00 4,644 31-57 46,23-47,48
Interpretasi hasil analisis deskriptif data numerik pada variable usia yaitu
gambaran rata-rata usia pasien adalah 46,85 tahun (95%CI:46,23-47,48). Median usia
adalah 47 dengan standar deviasi 4,644. Usia terendah adalah 31 tahun dan usia
tertinggi 57 tahun.
KETERAMPILAN KOMPUTER IV
POKOK BAHASAN : Analisis Bivariabel Non Parametrik

SUB POKOK BAHASAN : Analisis Bivariabel Non Parametrik
a. Uji Chi-Square
b. Uji Mann Whitney
c. Uji Wilcoxon
d. Uji Krusskal wallis
e. Uji Korelasi
f. Regresi logistik
TANGGAL : Mei 2019
NARA SUMBER : Desy Linasari, dr., MKM
(S:1,2,5,6,7,8,9,11,12,13); (P:1,4,6,7); (KU:1,2,3,7,9); (KK:7,9,11);
(Domain:I,II,V)
TUGAS
1. Analisis Bivariabel :
 Uji Komparatif kategorik, numerik
 Uji Korelatif kategorik, numerik
2. Uji analisis bivariabel :
a. Uji Chi-Square
b. Uji Mann Whitney
c. Uji Wilcoxon
d. Uji Krusskal wallis
e. Uji Korelasi
SASARAN BELAJAR
Apabila telah menyelesaikan Keterampilan Komputer analisis bivariabel, dan
multivariable ini, mahasiswa dapat :
1. Memahami dan dapat membedakan analisis univariabel, bivariabel, dan
multivariable
2. Melakukan analisis bivariabel non parametrik dengan uji Chi Square, Mann
Whitney, Wilcoxon, Kruskal Wallis dan Uji Korelasi
3. Menyajikan hasil analisis bivariabel non parametrik dengan uji Chi Square,
Mann Whitney, Wilcoxon, Kruskal Wallis dan Uji Korelasi
PENDAHULUAN
Metoda dalam statistik terdiri dari statistik deskriptif, dan statistik inferensial.
Statistik deskriptif merupakan statistik untuk melihat gambaran suatu masalah atau
hasil penelitian, sedangkan statistik inferensial atau analitik yaitu suatu pengumpulan
data, pengolahan data, menarik kesimpulan, membuat tindakan berdasarkan analisis
data yang dikumpulkan atau statistik yang digunakan menganalisis data sampel dan
hasilnya dimanfaatkan (generalisasi) populasi. Statistik inferensial juga dapat
digunakan untuk mengolah data kuantitatif dengan tujuan untuk menguji kebenaran
suatu teori baru (hipotesis) yang mengacu pada pengujian hipotesis.
Studi analisis (statistik analitik) digunakan untuk mempelajari hubungan atau
perbedaan antara variable. Hubungan atau perbedaan antara variable dapat dua
variable maupun lebih dari dua variable. Hubungan atau perbedaan dua variable
disebut bivariabel, sedangkan lebih dari dua variable disebut multivariable. Dalam
melakukan analisis lebih dari satu variable perlu adanya hipotesis sebagai pernyataan
atau simpulan sementara yang akan diuji kebenarannya dengan melakukan pengujian
hipotesis.
Pengujian hipotesis merupakan suatu metode dalam analisis data yang digunakan
untuk mengetahui hubungan antara variable, dan dapat menentukan hasil keputusan
hipotesis diterima atau ditolak. Pengujian hipotesis bertujuan untuk mengambil
keputusan tentang perbedaan antara nilai statistik sampel dengan nilai parameter
populasi. Prosedur dalam melakukan pengujian hipotesis adalah sebagai berikut :
- Mengetahui data penelitian/masalah penelitian yang akan diuji
(deskriptif/inferensial)
- Menentukan Jenis variable (dependen, independen)
- Menentukan tingkat atau skala pengukuran variable yang akan digunakan
(nominal, ordinal, interval) atau kategorik, numerik
- Menentukan banyaknya variable yang digunakan (satu, dua, atau lebih),
berpasangan atau tidak berpasangan.
- Merumuskan hipotesis penelitian yang dapat dilakukan perhitungan statistik
- Menentukan derajat kemaknaan α
- Menentukan uji statistik atau maksud statistik yang digunakan, seperti
kecenderungan pemusatan, variabilitas, hubungan (korelasi, asosiasi),
pembandingan (komparasi), interaksi, kecocokan, dsb.
- Menentukan jumlah populasi atau kelompok penelitian (2 kelompok atau lebih
dari 2 kelompok)
- Membuat asumsi atau pernyataan sementara terhadap nilai parameter populasi
sebelum pengambilan sampel untuk melakukan uji hipotesis tersebut.
- Menentukan kriteria hipotesis nol diterima atau ditolak pada derajat kemaknaan
yang telah ditentukan.
Hipotesis juga merupakan pernyataan yang perlu diuji kebenarannya. Jenis
hipotesis yaitu :
- Hipotesis nol
Hipotesis nol yaitu hipotesis yang menyatakan tidak ada perbedaan diantara
variabel/kelompok. Sebagai contoh : tidak ada perbedaan nilai pengetahuan
sebelum dan setelah dilakukan penyuluhan kesehatan gigi dan mulut.
- Hipotesis alternative
Hipotesis alternative yaitu hipotesis yang menyatakan adanya perbedaan diantara
variabel/kelompok. Sebagai contoh : terdapat perbedaan tingkat pengetahuan
Dalam perhitungan pengujian hipotesis perlunya untuk menentukan distibusi data
dan metode statistik yang digunakan. Hal tersebut disebabkan jika data berdistribusi
normal, maka pengujian hipotesis yang digunakan adalah uji statistik parametrik.
Jika data berdistribusi tidak normal, pengujian hipotesis yang digunakan adalah uji
statistik non parametrik.
Metode dalam uji statistik terdapat analisis statistik non parametrik, dan
parametrik. Statistik non parametrik adalah analisis yang tidak menggunakan
paramater-parameter dan tidak mensyaratkan data harus berdistribusi normal.
Statistik non parametrik juga digunakan jika persyaratan uji normalitas dan syarat
statistik parametrik tidak terpenuhi. Macam dan jenis dari uji yang digunakan dalam
analisis statistik non parametrik yaitu uji Chi Square, Mann whitney, Wilcoxon,
Kruskall Wallis, dan Korelasi Spearmann.
Uji Chi Square merupakan uji yang digunakan untuk mengetahui hubungan dua
variable kategorik/nominal dengan menentukan apakah dua kejadian saling bebas
atau tidak dengan membandingkan antara nilai observasi dengan ekspektasi. Chi
Square adalah teknik analisis yang digunakan untuk menentukan perbedaan frekuensi
observasi dengan frekuensi ekspektasi atau frekuensi harapan suatu kategori tertentu
yang dihasilkan.
Uji Mann Whitney merupakan salah satu uji yang digunakan untuk
membandingkan dua kelompok dengan distribusi data satu atau dua kelompok yang
tidak normal. Uji Mann Whitney merupakan uji non parametrik untuk uji Independent
T test (two independent sample test). Uji Mann Whitney digunakan sebagai analisis
komparatif untuk mengetahui ada tidaknya perbedaan antara dua kelompok data yang
saling independen. Variabel data yang digunakan dalam uji Mann Whitney yaitu
variable independen berupa kategorik tidak berpasangan dan terdiri dari dua
kelompok, serta variable dependen berupa numeric. Uji Mann Whitney digunakan
untuk mengukur data berskala ordinal dan tidak berdistribusi normal.
Analitik komparatif numeric bivariabel yang digunakan untuk membandingan
rerata dua kelompok berpasangan (two related sample test) dengan data tidak
berdistirbusi normal yaitu Uji Wilcoxon. Two related sample test digunakan untuk
mengetahui perbedaan antara dua variable yang berpasangan atau berhubungan yaitu
dengan menggunakan uji Wilcoxon.
Uji statistik dalam analitik komparatif numeric yang digunakan untuk
membandingkan dua atau lebih kelompok Independen dengan data tidak berdistribusi
normal yaitu uji Kruskal Wallis. K Independent Sample test digunakan untuk
mengetahui ada tidaknya perbedaan antara dua atau lebih kelompok data yang
independen. Uji yang digunakan dalam K independent sample test adalah Uji Kruskal
Wallis.
Uji yang digunakan untuk mengetahui hubungan dan mengukur keeratan antara
peringkat-peringkat yaitu dengan menggunakan Korelasi Spearmann. Korelasi
Spearmann digunakan jika syarat distribusi normal tidak terpenuhi dan untuk data
ordinal.

1. Metode
1) Entry data
2) Analisis bivariabel : uji hipotesis komparatif kategorik dan numerik
3) Analisis bivariabel : uji hipotesis korelasi kategorik dan numerik
2. Tujuan
1) Memasukan data hasil penelitian ke dalam program SPSS
3) Melakukan analisis bivariabel uji hipotesis komparatif kategorik dan
numerik dengan menggunakan uji Chi Square, Mann Whitney, Wilcoxon,
dan Kruskal Wallis
4) Melakukan analisis bivariabel uji hipotesis korelatif kategorik dan
numerik dengan menggunakan uji Korelasi Spearmann.
3. Tugas
 Lakukan entry DATA SURVEY KEGIMUL.SAV hasil survey Puskesmas Desa
X Tahun 2018 berikut ke dalam SPSS.
 Berdasarkan hasil survey kesehatan gigi dan mulut pada pasien BPJS yang
dilakukan oleh dokter gigi PH di Puskesmas X, dokter gigi PH memperoleh data
mengenai Jenis Kelamin, Usia, Pekerjaan, Penghasilan, Pendidikan, Skor
Pengetahuan mengenai Kesehatan gigi dan mulut, Pasien yang memiliki gigi
lubang (Terjadinya Karies) dan Indeks pengalaman karies (DMF-T). Kemudian
dokter gigi PH akan melakukan penelitian mengenai faktor yang memengaruhi
karies gigi. Setelah mengetahui faktor-faktor yang memengaruhi karies gigi,
dokter gigi PH melakukan penyuluhan tentang kesehatan gigi dan mulut pada
pasien BPJS. Sebelum melakukan penyuluhan, drg PH melakukan Pre test
kemudian Post test untuk mengetahui Pengetahuan kesehatan gigi dan mulut
pada pasien BPJS.
Maka kerangka pemikiran dan penelitian dokter gigi PH adalah sebagai berikut :
Jenis Kelamin
Usia
Status Pekerjaan
Penghasilan KARIES GIGI
Pendidikan (Indeks DMF-T)
Pengetahuan Kesehatan gigi mulut
Variabel Independen
Variabel Dependen
Berdasarkan kerangka penelitian tersebut, dokter gigi PH ingin mengetahui :

1) Apakah terdapat hubungan antara Jenis kelamin, Tingkat Penghasilan, Status
pekerjaan, pendidikan dengan terjadinya Karies gigi ?
2) Apakah terdapat perbedaan Indeks karies gigi (indeks DMF-T) antara
kelompok tingkat penghasilan rendah dan tinggi?
3) Apakah terdapat pengaruh skor pengetahuan sebelum dan sesudah dilakukan
penyuluhan pada pasien BPJS?
4) Apakah terdapat perbedaan tingkat pengetahuan sebelum penyuluhan dengan
Indeks DMF-T ?
5) Apakah terdapat perbedaan pada Status Pekerjaan pasien BPJS dengan
Indeks DMF-T?
 Lakukanlah analisis bivariabel dengan menggunakan uji hipotesis yang sesuai
dengan skenario, kemudian buatlah hasil penyajian serta simpulan analisis data.
4. Cara kerja
Entry data
1. Membuka program SPSS Pilih Open an existing data source OK
2. Membuka file DATA SURVEY KEGIMUL.SAV pada folder

Gambar 4.2 Membuka Data dalam folder
UjiChi-Square
Uji Chi-Square adalah adalah metode analisis statistik yang digunakan untuk
pengujian proporsi perbedaan parameter 2 populasi atau lebih. Uji Chi-Square
terutama digunakan dalam uji homogenitas, indenpendesi, dan uji keselarasan.
Metode Chi-Square menggunakan data kategorik yang diperoleh dari hasil
menghitung. Uji Chi-Square merupakan pengujian hipotesis untuk melihat
hubungan/asosiasi atau komparatif antar variable kategorik yaitu nominal dan
nominal atau nominal dan ordinal.
Syarat uji Chi-Square yaitu tidak boleh terdapat nilai expexted (harapan) kurang
dari 5. Jika tabel 2x2 dan syarat uji chi-square terpenuhi, maka menggunakan uji
“Continuity Correction”. Jika syarat uji chi-square tidak terpenuhi, untuk tabel 2x2
maka menggunakan uji Fisher’s Exact. Namun, jika tabel lebih dari 2x2 atau selain
tabel 2 x 2, maka melakukan penggabungan sel.
Soal (contoh) :
Seorang peneliti akan melakukan penelitian untuk melihat hubungan hubungan antara
Jenis kelamin dengan Indeks Kebersihan gigi dan mulut pada anak Sekolah Dasar
kelas I. Penelitian dilakukan satu kali dan pada saat itu. Maka Uji hipotesis apa yang
digunakan dalam melakukan analisis pada penelitian tersebut ?
Jawab :
 Menentukan variable dependen dan independen
o Variabel dependen : Indeks kebersihan gigi dan mulut
o Variabel independen : Jenis kelamin
 Menentukan skala pengukuran : Kategorik (nominal-ordinal)
 Menentukan uji hipotesis yang digunakan (Uji Chi-Square)
Langkah melakukan uji Chi-Square dengan program SPSS adalah sebagai

berikut :
1. Klik Analyze Pilih Descriptive statistiks PilihCrosstabs.
Gambar 4.3 Tampilan menu Crosstabs

2. Pada menu Crosstabs, pindahkan variable dependen pada kotak Colomn(s), dan
pindahkan variable independen pada kotak Row(s).
Gambar 4.4 Tampilan crosstabs

3. Pilih Statistik  Check list “Chi-Square”  Continue
Gambar 4.5 Tampilan Menu Statistik crosstabs dalam mengaktifkan Uji Chi-Square
4. Pilih CellsAktifkan pada kotak Counts: “Observed dan Expected“  Aktifkan

pada kotak Percentages: “Row” Continue Klik OK (untuk melihat hasil pada
layar output)
Pada pemilihan kotak percentages harus diperhatikan desain penelitian.
Desain potong lintang dan kohort yang disajikan adalah persentase baris
maka yang di centang adalah row. Desain penelitian kasus kontrol yang
disajikan adalah persentase kolom. Maka yang dicentang adalah column.
Gambar 4.6 Tampilan Cell Displays pada menu Crostabs
5. Hasil pada OutputSPSS terdapat pada tabel berikut :

Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
jeniskelaminkategori * 212 100.0% 0 0.0% 212 100.0%
IndeksOHI
jeniskelaminkategori * IndeksOHI Crosstabulation

IndeksOHI Total
buruk baik
Count 86 14 100
Expected Count 75.0 25.0 100.0
1.00
% within 86.0% 14.0% 100.0%
jeniskelaminkategori
Count 73 39 112
2.00
% within 65.2% 34.8% 100.0%
Count 159 53 212
Total
% within 75.0% 25.0% 100.0%
Chi-Square Tests
Value df Asymp. Sig. Exact Sig. (2- Exact Sig. (1-
(2-sided) sided) sided)
Pearson Chi-Square 12.215a 1 .000
Continuity Correctionb 11.130 1 .001
Likelihood Ratio 12.659 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear 12.158 1 .000
Association
N of Valid Cases 212
a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 25.00.
b. Computed only for a 2x2 table
6. Menganalisis hasil Output

Penelitian yang dilakukan adalah cross sectional study, maka yang ditampilkan
adalah presentasi baris. Hasil uji Chi-Square Tests untuk tabel 2 x 2 dan tidak ada
nilai expected (harapan) kurang dari 5, maka analisis / uji yang digunakan adalah
“Continuity Correction”. Pada hasil pengolahan data tersebut, tidak ada nilai E<5,
maka nilai p = 0,001.
7. Penyajian data hasil analisis uji Chi-Square

Tabel 4.1 Hubungan jenis kelamin dengan indeks kebersihan gigi-mulut pada siswa SD
KelasI
Variabel Indeks Kebersihan gigi-mulut Nilai-P
Buruk Baik
Jenis Kelamin 0,001
Laki-laki 86(86%) 14(14%)
Perempuan 73(65,2%) 39(34,8%)
Berdasarkan tabel 4.1 menunjukkan bahwa terdapat hubungan yang signifikan

antara jenis kelamin dengan indeks kebersihan gigi dan mulut dengan nilai p<0,05.
Hasil penelitian menunjukkan bahwa jenis kelamin laki-laki memiliki indeks
kebersihan gigi dan mulut buruk lebih besar (86%) dibandingkan dengan perempuan
(65,2%).
Uji Mann Whitney

Uji Mann Whitney merupakan uji non parametric untuk uji Independent T test
(two independent sample test). Uji Mann Whitney digunakan sebagai analisis
komparatif untuk mengetahui ada tidaknya perbedaan antara dua kelompok data yang
saling independen. Uji Mann Whitney juga merupakan salah satu uji untuk
membandingkan dua kelompok dengan distribusi data satu atau dua kelompok yang
tidak normal. Variabel data yang digunakan dalam uji Mann Whitney yaitu variable
independen berupa kategorik tidak berpasangan dan terdiri dari dua kelompok, serta
variable dependen berupa numeric. Uji Mann Whitney digunakan untuk mengukur
data berskala ordinal dan tidak berdistribusi normal.
Langkah melakukan uji Mann Whitney dengan program SPSS adalah
sebagai berikut : (sebelum melakukan uji Mann Whitney, harus dilakukan uji data
distribusi normal seperti Keterampilan Komputer yang dilakukan sebelumnya)
Sebagai contoh : Peniliti ingin mengetahui perbedaan rerata Malondialdehyde
(MDA) pada kelompok perokok dan bukan perokok. 1
1. Klik Analyze  Pilih Nonparametric Tests  Pilih 2 Independent sampels.
Gambar 4.7 Tampilan menu Two Independent Samples
2. Pada menu 2 Independent Samples, pindahkan variable dependen kedalam kotak

Test variable list, dan pindahkan variable independen pada Grouping Variabel 
Aktifkan Uji Mann Whitney  Pada Grouping Variabel Klik Define Groups. 
Masukkan angka 1 pada Group 1 , dan angka 2 pada Group 2  Klik
Contiunue
 Klik Ok
Gambar 4.8 Tampilan Two Independent Samples Tests

Gambar 4.9 Tampilan Two Independent Samples Tests pada Kolom Define Groups untuk menentukan
dua kelompok variabel Independen.
3. Hasil pada Output SPSS terdapat pada tabel berikut :
Gambar 4.10 Tampilan pada layar Output hasil Uji Mann Whitney .

Dengan uji Mann Whitney yang digunakan, hasil dari uji mann whitney pada
layar output diperoleh nilai p = 0,116. Untuk hipotessis satu arah, nilai p adalah
0,058. Berdasarkan hasil uji Mann Whitney didapatkan nilai p>0,05, maka secara
statistic tidak ada perbedaan yang signifikan kadar MDA pada kelompok 1 yaitu
perokok dan kelompok 2 yaitu bukan perokok.1
5. Penyajian data hasil analisis uji Mann Whitney

Tabel 4.2 Perbedaan Rerata kadar MDA Perokok dan Bukan Perokok. 1
Variabel Median (min-maks) Nilai-P
MDA Perokok 2,54(1,60-8,80) 0,116-0,058

MDA Bukan Perokok 1,95(0,90-6,30)
Berdasarkan tabel 4.2 menunjukkan bahwa tidak terdapat perbedaan yang

bermakna pada kadar MDA antara kelompok perokok dan bukan perokok dengan
nilai p>0,05.
Uji Wilcoxon
Uji Wilcoxon yaitu merupakan salah satu uji statistic non parametric yang
digunakan untuk menganalisis komparatif numeric bivariabel untuk membandingan
rerata dua kelompok berpasangan (two related sample test) dengan data tidak
berdistirbusi normal. Two related sample test digunakan untuk mengetahui perbedaan
antara dua variable yang berpasangan atau berhubungan.
Langkah melakukan uji Wilcoxon dengan program SPSS adalah sebagai
berikut : (sebelum melakukan uji Wilcoxon, harus dilakukan uji data distribusi
normal seperti Keterampilan Komputer yang dilakukan sebelumnya)
Sebagai contoh : Peniliti ingin mengetahui pengaruh penyuluhan kesehatan gigi
mulut terhadap skor sikap dalam menjaga kebersihan gigi mulut pada ibu.
Uji Normalitas Data :
1. Klik Analyze  Pilih Descriptive Statistics  Pilih Explore
Gambar 4.11 Tampilan menu untuk uji normalitas data
2. Pindahkan variabel Skor sikap_1 (Skor sikap sebelum penyuluhan) dan
Skor_after (skor sikap setelah penyuluhan) pada kolom Dependent list  Pilih
Plots  Aktifkan Normality plots with test  Pilih Continue
Gambar 4.12 Tampilan menu Explore Plots pada uji normalitas data
3. Hasil uji normalitas terdapat pada layar Output
Gambar 3.13 Tampilan menu Output pada uji normalitas data
Hasil uji normalitas data, karena jumlah subjek penelitian lebih dari 50, maka
menggunakan parameter Kolmogorov Smirnov. Hasil output tersebut menunjukkan
nilai p <0.001, maka distribusi data tidak normal. Karena data tidak berdistribusi
normal, maka analisis statistik two related samples yang digunakan adalah Uji
Wilcoxon.
Langkah melakukan analisis Uji Wilcoxon

1. Klik Analyze  Pilih Nonparametric Tests  Pilih 2 Related sampels.
Gambar 4.14 Tampilan menu Two Related Samples

2. Pada menu Two related Samples Tests, pindahkan variable sikap_skor1 (sebelum
penyuluhan dan skor_after (skor setelah penyuluhan) ke dalam kotak Test Pairs,
dan pindahkan variable independen pada Grouping Variabel  Aktifkan Uji
Mann Whitney  Aktifkan Test Type Wilcoxon  Klik Ok
Gambar 4.15 Tampilan Two Related Samples Tests
3. Hasil pada Output SPSS:
Gambar 4.16 Tampilan pada layar Output hasil Uji Wilcoxon

Terdapat 11 orang dengan hasil sikap sesudah penyuluhan lebih rendah dari
sebelum penyuluhan, 41 orang sikap sesudah penyuluhan lebih tinggi dari pada
sebelum penyuluhan, dan 13 orang mempunyai sikap yang sama sebelum dan setelah
penyuluhan. Dengan uji Wilcoxon yang digunakan, hasil dari uji Wilcoxon diperoleh
nilai p = 0,000 (p<0,001), secara statitsik terdapat perbedaan sikap sebelum dan
setelah penyuluhan.
5. Penyajian data hasil analisis uji Mann Whitney

Tabel 4.3 Pengaruh Penyuluhan Kesehatan gigi mulut terhadap skor sikap sebelum dan
sesudah penyuluhan
Skor sikap sebelum penyuluhan 86,67(50-100) 0,000

Skor sikap setelah penyuluhan 86,67(33,33-100)
Berdasarkan tabel 4.3 menunjukkan bahwa terdapat pengaruh penyuluhan

kesehatan gigi mulut terhadap skor sikap sebelum dan setelah penyuluhan pada Ibu,
dengan nilai p<0,001.
Uji Kruskal Wallis

Uji Kruskal Wallis yaitu uji statistik dalam analitik komparatif numerik yang
digunakan untuk membandingkan dua atau lebih kelompok Independen (K
Independent Sample test) dengan data tidak berdistribusi normal. Variabel
Independen berupa kategorik tidak berpasangan dan terdiri atas lebih dari dua
kelompok. Variabel Dependen berupa numerik.
Langkah melakukan uji Kruskal Wallis dengan program SPSS adalah sebagai
berikut : (sebelum melakukan uji Kruskal Wallis, harus dilakukan uji data distribusi
normal seperti Keterampilan Komputer yang dilakukan sebelumnya)
Sebagai contoh : Peniliti ingin mengetahui Perbedaan tindakan dalam menjaga
kesehatan gigi mulut pada ibu terhadap indeks kebersihan gigi dan mulut (indeks
Patient Hygiene Performance (PHP)).
Langkah melakukan analisis Uji Kruskal Wallis
1. Klik Analyze  Pilih Nonparametric Tests  Pilih K Independent sampels.
Gambar 4.17 Tampilan menu K Independent Samples
2. Pada menu K Independent Samples Tests, pindahkan variable dependen

skor_php_1 ke dalam kotak Test Pairs, dan pindahkan variable independen
kategori tindakan pada Grouping Variabel  klik Define Groups  Input pada
kolom Several Independent Samples : Define Range, Range for Grouping
Variables Minimum = 1, Maximum = 3  Klik Continue  Aktifkan Uji
Kruskal-Wallis  Klik Ok
Gambar 4.18 Tampilan K Related Samples Tests
Gambar 4.19 Tampilan K Related Samples Tests pada kolom Several Independent Samples Define
Range
3. Hasil pada Output SPSS:
Gambar 4.20 Tampilan pada layar Output hasil Uji Kruskal Wallis Test

Berdasarkan hasil uji statistic Kruskal Wallis, nilai p (p-value) yaitu 0,025. Maka
terdapat perbedaan tingkatan tindakan kategori rendah, sedang, dan tinggi terhadap
indeks kebersihan gigi mulut dengan nilai p<0,05 .
5. Melakukan analisis Post hoc

Analisis Post hoc dilakukan untuk mengetahui antarkelompok mana yang
berbeda. Post hoc untuk Kruskal Wallis adalah Mann-Whitney, dengan melakukan
satu persatu uji Mann-Whitney.
a. Uji Mann-Whitney antara kelompok tindakan rendah dengan sedang.
Langkahnya adalah sebagai berikut :
- Klik Analize  Pilih Nonparametric Tests  Pilih Two Independent
sampels.
- Input variabel dependen (skor_php_1) ke dalam kotak Test Variable List,
dan masukkan kategori tindakan ke dalam kotak Grouping Variable  Klik
Define Groups  Masukkan Group 1 = 1, dan Group 2 = 2  Aktifkan
Test Type : Mann Whitney  Klik Ok
Gambar 4.21 Tampilan Two Independent Sample Test untuk uji Post hoc Mann Whitney
Gambar 4.22 Tampilan Output Hasil uji Post Hoc Mann Whitney antara kelompok rendah
dengan sedang
b. Uji Mann-Whitney antara kelompok tindakan rendah dengan tinggi. Langkahnya

Sama seperti 5.a, namun pada kelompok rendah dengan tinggi. Hasilnya adalah
sebagai berikut:
Gambar 4.23 Tampilan Output Hasil uji Post Hoc Mann Whitney antara kelompok rendah
dengan tinggi
c. Uji Mann-Whitney antara kelompok tindakan sedang dengan tinggi. Langkahnya

Sama seperti 5.a, namun pada kelompok sedang dengan tinggi. Hasilnya adalah
sebagai berikut:
Gambar 4.24 Tampilan Output Hasil uji Post Hoc Mann Whitney antara kelompok sedang
dengan tinggi
6. Interpretasi hasil. Dengan uji Mann Whitney diperoleh sebagai nerikut :

a. Secara statistik terdapat perbedaan bermakna indeks kebersihan gigi mulut
pada kelompok rendah dan sedang dengan nilai p = 0,017.
b. Secara statistik tidak terdapat perbedaan bermakna indeks kebersihan gigi
mulut pada kelompok rendah dan tinggi dengan nilai p = 0,052
c. Secara statistik tidak terdapat perbedaan bermakna indeks kebersihan gigi
mulut pada kelompok sedang dan tinggi dengan nilai p = 0,467.
7. Penyajian data hasil analisis uji Kruskal Wallis

Tabel 4.5 Perbedaan kelompok tindakan terhadap indeks kebersihan gigi mulut pada ibu.
Rendah 3,42(1,33-5) 0,025

Sedang 2,67(0,83-4,67)
Tinggi 2,5(2,17-2,83)
Uji Kruskal Wallis. Uji Post hoc Mann Whitney : Rendah dengan Sedang, nilai p
= 0, 017; Rendah dengan tinggi, nilai p = 0,052; Sedang dengan tinggi nilai p=0,467.
Berdasarkan tabel 4.4 menunjukkan bahwa terdapat perbedaan bermakna antara
tindakan dalam menjaga kebersihan gigi mulut pada kelompok rendah, sedang, dan
tinggi terhadap indeks kebersihan gigi mulut, dengan nilai p = 0,025 (p<0,05).
Uji Korelasi
Uji korelasi merupakan metode analisis yang digunakan dalam mengetahui
hubungan atau korelasi antara dua variable numeric. Uji korelasi digunakan untuk
mengetahui korelasi atau keeratan arah hubungan dua variable. Arah hubungan dapat
berupa positif dan negatif. Hubungan arah positif yaitu terjadi karena kenaikan satu
variable diikuti kenaikan variable lain. Sedangkan hubungan arah negatif atau arah
terbalik terjadi jika kenaikan satu variable diikuti penurunan variable yang lain.
Syarat uji korelasi pearson adalah data numerik dan berdistribusi normal. Jika
tidak memenuhi syarat maka meggunakan korelasi spearman. Korelasi spearman
digunakan untuk mengukur keeratan hubungan antara peringkat-peringkat.
Korelasi ini tidak ada syarat distribusi normal dan bisa untuk data ordinal.
Nilai korelasi (r) berkisar 0 s/d 1, interpretasi koefisien korelasi nilai r adalah
sebagai berikut :
Nilai Korelasi (r) Interpretasi nilai korelasi
0,00 – 0,25 Tidak ada hubunngan / hubungan lemah
0,26 – 0,50 Hubungan sedang
0,51 – 0,75 Hubungan kuat
0,76 – 1,00 Hubungan sangat kuat/sempurna
Gambar 4.25 Tampilan Correlate Bivariate
Pada Bivariate Correlations  pindahkan variable numerik ke dalam kotak

Variabels  Aktifkan Correlation Cofficient Pearson  OK
Langkah melakukan Analisis Statistik Parametrik dengan menggunakan uji
korelasi pearson program SPSS adalah sebagai berikut:
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau tidak, jika
data berdistribusi normal, lanjutkan untuk melakukan pengujian hipotesis uji
korelasi.
2. Klik AnalyzePilih CorrelatePilih Bivariate
Gambar 3.26 Tampilan Koefisien Korelasi Pearson
3. Hasil pada output SPSS adalah sebagai berikut

Correlations
Skor pengetahuan Skor indeks
Pearson Correlation 1 .836**
Skor pengetahuan Sig. (2-tailed) .000
N 80 80
Pearson Correlation .836** 1
Skor indeks Sig. (2-tailed) .000
N 80 80
**. Correlation is significant at the 0.01 level (2-tailed).
4. Menganalisi hasil Output

Dalam melakukan interpretasi hasil uji koefiesien korelasi pearson, hasil pada
tabel correlations tersebut yaitu Pearson Correlation berarti nilai korelasi (r), Sig
menunjukkan nilai signifikansi (nilai p), dan N merupakan jumlah sampel.
5. Penyajian data hasil analisi Pearson Correlation
Tabel 4.6 Korelasi pengetahuan dengan indeks kesgimul
Variabel Indeks kesgimul
Skor pengetahuan n 80
r 0,836
p 0,000
Berdasarkan tabel 4.6 nilai korelasi (r) = 0,836, dan nilai siginifikansi p<0,05.
Hal tersebut menunjukkan bahwa terdapat korelasi yang sangat kuat antara skor
pengetahuan dengan indeks kesebersihan gigi dan mulut.
Soal :
Bagaimana korelasi skor pengetahuan dan tingkat pendidikan terhadap indeks
DMF-T
Langkah melakukan Analisis Statistik Non Parametrik uji korelasi spearman

program SPSS adalah sebagai berikut:
korelasi.
Interpretasi output adalah variabel skor pengetahuan tidak berdistribusi
normal dan indeks DMTF berdistribusi normal. Karena salah satu tidak
berdistribusi normal maka analisis yang dilakukan adalah korelasi spearman.
2. Klik AnalyzePilih CorrelatePilih BivariateSpearman
Gambar 4.26 Tampilan Koefisien Korelasi Spearman

Dalam melakukan interpretasi hasil uji koefiesien korelasi Spearman, hasil pada
tabel correlations tersebut yaitu Spearman Correlation berarti nilai korelasi (r), Sig
5. Penyajian data hasil analisi Spearman Correlation

r -0,663
p 0,000
Tingkat pendidikan n 212

r -0,171
p 0,013
Berdasarkan tabel 4.7 nilai korelasi (r) antara skor pengetahuan dan indeks
kebersihan gigi mulut -0,8663, dan nilai siginifikansi p<0,05. Hal tersebut
menunjukkan bahwa terdapat korelasi yang kuat antara skor pengetahuan dengan
indeks kebersihan gigi dan mulut dengan arah negatif. Nilai korelasi (r) antara
tingkat pendidikan dengan indeks kebersihan gigi dan mulut -0,171 dan nilai
siginifikansi p<0,05. Hal tersebut menunjukkan bahwa terdapat korelasi yang lemah
antara skor pengetahuan dengan indeks kebersihan gigi dan mulut dengan arah
negatif. Arah negative menandakan kedua hubungan berbanding terbalik.
Uji regresi logistik

Regresi logistik merupakan jenis regresi yang mempunyai ciri khusus, yaitu
variabel dependennya berbentuk variabel kategorik yang terdiri dari dua kelompok.
Analisis regresi logistic adalah model matematis yang digunakan untyuk
menganalisis hubungan satu atau beberapa variabel independen dengan sebuah
variabel dependen kategorik, yang utamanya berbentuk dua outcome, misalnya
hidup-mati, sehat-sakit dan lain-lain.
Hasil uji chi square hanya dapat menyimpulkan ada tidaknya perbedaan proporsi
antar kelompok atau dengan kata lain hanya dapat menyimpulkan ada/tidaknya
hubungan antara dua variabel kategorik. Model regresi logistic dapat digunakan pada
data yang dikumpulkan melalui rancangan kohort, kasus kontrol dan potong lintang.
Pada rancangan kohort prospektif dapat digunakan untuk memperkirakan risiko
individual. Sedangkan pada rancangan kasus kontrol dan potong lintang tidak dapat
digunakan untuk menghitung risiko individual. Namun dengan memperlakukan
rancangan kasus kontrol dan potong lintang sebagai study follow up, maka dapat
dihitung OR (odds ratio) yang merupakan perhitungan RR indirek.
Perlu diketahui dalam pemberian kode harus konsisten antara variabel dependen
dan variabel independen. Pengkodean untuk variabel yang akan dilakukan analisis
regresi logistic harus memakai pengkodean 0 dan 1. Pada variabel independen kode 1
diberikan untuk kelompok yang berisiko/terexpose dan kode nol untuk kelompok
yang tidak berisiko atau non expose. Sama hal nya untuk variabel dependen juga, koe
0 untuk kelompok non kasus atau kelompok yang bukan menjadi fokus penelitian dan
kode 1 untuk kelompok kasus atau kelompok yang akan jadi fokus pembahasan.
Soal :
Apakah terdapat hubungan antara tingkat pendidikan dan tingkat pengetahuan dengan
karies gigi? Jelaskan hubungan tersebut!
1. Lakukan pengecekan kembali terhadap pengkodean variable
2. Lakukan analisis cross tab dan chi squared utuk menjawab apakah terdapat
hubungan
3. Analyze  regression  binary logistic
4. Masukkan variabel karies_logistik ke kotak dependent dan variabel
didik_logistik ke covariates.
5. Klik kotak options  centang kotak CI for exp(B) continue  ok
6. Hasil output cross tab dan chi square
7. Hasil output regresi logistic

Case processing summary untuk melihat jumlah sampel apakah sudah benar dan
tidak ada missing data
Dependent variable encoding untuk melihat pengecekan kode variabel

Dari tabel Block 0 beginning block didapatkan bahwa responden yang mengalami
karies gigi sebanyak 116 orang dan yang tidak karies 96 orang.
Nilai signifikan pada uji omnibus 0,001 yang berarti menolah H0 maka dapat
disimpulkan bahwa penambahan variabel independen dapat memberikan
pengaruh nyata terhadap model dan model dinyatakan FIT
R square adalah kemampuan variabel independen dalam menjelaskan variabel

independen. Dari hasil output didapatkan nilai R square adalah 0,054. Variabel
pendidikan hanya dapat menjelaskan kejiadia karies gigi sebesar 5,4%. Sebanyak
94,6% dijelaskan oleh variabel yang lain.
Nilai OR didapatkan dari nilai Exp (B), dari output didapatkan nilai OR 2,632
8. Interpretasi data
Tabel 4.8 hubungan tingkat pendidikan dengan karies gigi
Tidak karies karies
Variabel OR P-value
n % n %
Pendidikan 58,9 37 41,1

rendah 53
2,632 0,001
Pendidikan 45,3 79 64,8
tinggi 43
Responden yang berpendidikan rendah mempunyai odds 2,632 dibandingkan

dengan responden yang berpendidikan tinggi untuk terjadi karies gigi. Maka
dapat disimpulkan bahwa responden yang berpendidikan rendah mempunyai
kesempatan untuk terjadi karies gigi lebih tinggi dibandingkan dengan responden
ang berpendidikan tinggi.
KETERAMPILAN KOMPUTER V
POKOK BAHASAN : Analisis Bivariabel Parametrik

SUB POKOK BAHASAN : Analisis Bivariabel Parametrik
a. Uji T-Test Independent
b. Uji T Test Dependent
c. Uji Anova
d. Uji Korelasi Pearson
e. Regresi Linier
TANGGAL : Mei 2019
NARA SUMBER : Desy Linasari, dr., MKM
(S:1,2,5,6,7,8,9,11,12,13); (P:1,4,6,7); (KU:1,2,3,7,9); (KK:7,9,11);
(Domain:I,II,V)
TUGAS
Analisis Bivariabel Parametrik
 Uji komparatif numerik
 Uji korelatif numerik
SASARAN BELAJAR
Apabila telah menyelesaikan Keterampilan Komputer analisis bivariabel, dan
multivariable ini, mahasiswa dapat:
1. Memahami dan dapat membedakan analisis bivariabel parametrik dan
nonparametrik
2. Melakukan analisis bivariabel parametrik dengan uji uji T-test Independent, uji T-
Test Dependent, Uji Anova, dan Uji Korelasi Pearson
3. Menyajikan hasil analisis bivariabel parametrik dengan uji uji T-test Independent,
uji T-Test Dependent, Uji Anova, dan Uji Korelasi Pearson
PENDAHULUAN
Statistik merupakan ilmu yang mempelajari metode dan prosedur pengumpulan,
penyajian, analisa dan penyimpulan suatu data sehingga menghasilkan informasi
untuk pendekatan ilmiah, yang terdiri dari statistic deskriptif dan inferensial.
Statistik deskriptif bertujuan untuk memperoleh gambaran informasi data/
masalah kesehatan berdasarkan hasil pengamatan yang nyata sedangkan statistik
inferensial (statistik analitik) bertujuan pengumpulan, pengolahan, penyajian dan
analisis data hingga menarik kesimpulan dari populasi yang dinyatakan dengan
parameter populasi melalui perhitungan statistik. Studi analisis digunakan untuk
mempelajari hubungan antara variable.
Macam uji data secara statistik terdiri dari Parametrik dan Non parametrik. Uji
Non parametrik digunakan pada data tidak berdistribusi normal dengan menggunakan
skala ordinal dan nominal. Hasil penyebaran data uji non parametrik dengan
menggunakan median, nilai maksimum dan minimum. Uji Parametrik digunakan
pada data berdistribusi normal dengan menggunakan data berskala interval dan rasio.
Hasil penyebaran data dari uji parametrik dapat berupa mean dan standard deviasi.
Dasar pemikiran uji parametrik yaitu untuk membandingkan rerata kelompok
diman amembandingkan satu atau dua atau lebih kelompok variabel independen
dengan variabel dependen berupa satuan numerik. Jenis uji parametrik seperti One
sample T-Test, Independent-samples T-Test, One-way ANOVA, Paired samples T-
test, dan ANOVA Repeated Measure
Dalam melakukan keputusan setelah dilakukan uji statistic, diperlukan adanya
pengujian hipotesis yang bertujuan untuk mengambil keputusan tentang perbedaan
antara nilai statistik sampel dengan nilai parameter populasi. Pengujian hipotesis
yaitu suatu metode dalam analisis data yang digunakan untuk mengetahui hubungan
antara variable, dan dapat menentukan hasil keputusan hipotesis diterima atau ditolak.
Hipotesis juga merupakan pernyataan yang perlu diuji kebenarannya. Jenis hipotesis
yaitu :
- Hipotesis nol
Hipotesis nol yaitu hipotesis yang menyatakan tidak ada perbedaan diantara
variabel/kelompok. Sebagai contoh : tidak ada perbedaan nilai pengetahuan
- Hipotesis alternative
Hipotesis alternative yaitu hipotesis yang menyatakan adanya perbedaan diantara
variabel/kelompok. Sebagai contoh : terdapat perbedaan tingkat pengetahuan
Dalam perhitungan pengujian hipotesis perlunya untuk menentukan distibusi data
dan metode statistik yang digunakan. Hal tersebut disebabkan jika data berdistribusi
normal, maka pengujian hipotesis yang digunakan adalah uji statistik parametrik. Jika
data berdistribusi tidak normal, pengujian hipotesis yang digunakan adalah uji
statistik non parametrik.
Dalam Keterampilan Komputer ini, akan dibahas mengenai uji parametrik : uji
beda dua rata-rata,

Metode
1) Entry data
2) Analisis bivariabel parametrik uji hipotesis komparatif numerik
3) Analisis bivariabel parametrik uji hipotesis korelasi numerik
Tujuan
1) Memasukan data hasil penelitian ke dalam program SPSS
3) Melakukan analisis bivariabel uji hipotesis komparatif numerik dengan uji
uji T-test Independent, uji T-Test Dependent, Uji ANOVA.
4) Melakukan analisis bivariabel uji hipotesis korelatif numerik dengan Uji
Korelasi Pearson
Tugas
 Lakukan entry DATA PENYULUHAN KEGIMUL.SAV hasil survey
Puskesmas Desa X Tahun 2018 berikut ke dalam SPSS.
 Dokter gigi PH akan melakukan penyuluhan mengenai kesehatan gigi dan mulut
pada anak-anak kelas VI di Sekolah Dasar X. Dokter gigi tersebut melakukan
penyuluhan kesehatan gigi mulut dengan menggunakan metode massal, dan
chair side talk. Tujuan penyuluhan dokter gigi PH tersebut adalah untuk
meningkatkan pengetahuan, sikap, dan tindakan dalam menjaga kebersihan gigi
dan mulut berdasarkan indeks kebersihan gigi dan mulut pada anak-anak
tersebut. Alat peraga sebagai media melakukan penyuluhan dibagi menjadi 3
kelompok yaitu dengan mengggunakan flip chart, poster, dan video. Maka
kerangka pemikiran dan penelitian dokter gigi PH adalah sebagai berikut :
Jenis Kelamin Usia Pengetahuan Sikap Tindakan

Kebersihan Gigi Mulut
(Indeks OHI-S)
Variabel Dependen
Variabel Independen
Berdasarkan kerangka penelitian tersebut, dokter gigi PH ingin mengetahui :

1) Apakah terdapat perbedaan rerata indeks kebersihan gigi mulut sebelum dan
setelah dilakukan penyuluhan ?
2) Apakah terdapat perbedaan indeks kebersihan gigi mulut (Indeks OHI-s) pada
kelompok massal dan chair side talk?
3) Apakah terdapat perbedaan diantara tiga kelompok media alat peraga yang
mendapat perlakukan penyuluhan kesehatan gigi dan mulut terhadap indeks
kebersihan gigi dan mulut? (Kelompok 1 = flip chart,Kelompok 2 = Poster,
Kelompok 3= Video)
4) Apakah terdapat korelasi antara antara Skor Pengetahuan dengan Indeks OHI-
S?
 Lakukanlah analisis bivariabel dengan menggunakan uji hipotesis yang sesuai
dengan skenario, kemudian buatlah hasil penyajian serta simpulan analisis data.
Cara kerja
Entry data
2) Membuka program SPSS Pilih Open an existing data source OK
3) Membuka file DATA PENYULUHAN KEGIMUL.SAV pada folder

Gambar 5.2 Membuka Data dalam folder
Uji T-Test Independent
Uji t-test merupakan metode analisis statistik yang bertujuan untuk menguji beda
rata-rata (mean) berupa perbandingan atau perbedaan keadaan variable dari dua rata-
rata sampel atau kelompok. Uji beda dua mean (t-test) digunakan untuk melihat
perbedan variasi (varian) kedua kelompok data, sehingga pada prinsipnya harus
diketahui varians kedua kelompok data yang diuji sama atau beda. Uji beda mean
terdapat dua yaitu uji beda mean idenpenden dan uji beda dua mean dependen /
berpasangan.
Uji T-Test independen dan dependen merupakan Uji Parametrik, dimana Uji T-
Test merupakan analisa komparatif, dengan membandingkan dua kelompok dengan
syarat data masing-masing kelompok semua berdistribusi mormal. Uji t-test
independen bertujuan unntuk menguji perbedaan mean antara kelompok independen.
Pada Uji T-Test Independen, variabel Independen berupa kategorik yang tidak
berpasangan dan terdiri atas dua kelompok, sedangkan variabel Dependen berupa
data berskala numerik. Syarat uji beda dua mean (t-test) independen adalah distribusi
data harus normal, kedua kelompok berbeda atau tidak saling berkaitan antara satu
dengan yang lainnya, variable pada uji beda mean (t-test) adalah variable numerik.
Uji t-test dependen bertujuan untuk menguji perbedaan mean antara dua
kelompok data dependen, yaitu subyeknya sama diukur dua kali (berpasangan),
karena menganalisa sampel yang sama dua kali sebelum dan sesudah
intervensi.Syarat uji beda dua mean (t-test) dependen adalah distribusi data harus
normal, kedua kelompok sama (berpasangan), variable yang digunakan adalah
numerik.
Langkah melakukan uji beda dua mean (t-test) independen dengan program
SPSS adalah sebagai berikut :
Sebagai contoh : “Seorang penliti ingin mengetahui perbedaan densitas parasite pada
kelompok Obat A dan B”
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau tidak,
jika data berditribusi normal, lanjutkan untuk melakukan pengujian hipotesis t-
test.
2. Klik AnalyzePilih Compare MeansPilih Independent-Sample T-Test
Gambar 5.3 Tampilan menu Independent-Sample T-Test

3. Pada menu Independent-Sample T-Test,  pindahkan variable dependen
(numerik) pada kotak Test Variable(s),  pindahkan variable independen pada
kotak Grouping Variabel . (Variabel Independen berupa kategorik yang tidak
berpasangan dan terdiri dari dua kelompok saja).
Gambar 5.4 Tampilan Independent-Sample T-Test
4. Klik Define Groups  Masukkan angka 1 pada Group 1, angka 2 pada Group 2
 Continue.
Gambar 5.5 Tampilan Define Group pada Independent-Sample T Test

Group Statistiks
Kelompok obat N Mean Std. Deviation Std. Error
Mean
A 40 3.0147 .74338 .11754
Log densitas parasit B 40 2.9445 .49517 .07829
Independent Samples Test

Levene's t-test for Equality of Means
Test for
Equality of
Variances
F Sig. t df Sig Mean Std. 95%
. Differen Error Confidence
(2- ce Differenc Interval of
tailed e the
) Difference
Lower Upper
Equal 5.96 .01 .49 78 .621 .07021 .14123 - .3513
variance 6 7 7 .2109 7
Log s 6
densit assumed
as Equal .49 67.91 .621 .07021 .14123 - .3520
parasit variance 7 6 .2116 3
s not 1
assumed
6. Menganalisi hasil Output Uji T-Test Independen

Dalam melakukan interpretasi hasil uji beda dua mean (t-test) Independent, yang
perlu diperhatikan pertama adalah melihat Levene’s test dalam melihat varians data
sama atau berbeda. Jika hasil sig. pada Leven’s Test < 0,05, maka varians data kedua
kelompok tidak sama (beda)/Heterogen. Apabila data Homogen , maka ditandai
dengan “Sig.” pada kolom “Levene’s Test for Equality of Variances” p-values ≥ 0,05,
gunakan “Sig.(2 tailed)” pada baris “Equal variances assumed”.
Berdasarkan contoh, karena varians data tidak sama, maka uji t yang digunakan
pada tabel hasil adalah pada baris ke dua yaitu “Equal variances not assumed”.
7. Penyajian data hasil analisi uji t-test

Tabel 5.1 Perbedaan rata-rata densitas parasite pada kelompok obat A dan B
Variabel n Mean±SD T(t-test) Nilai-P
Kelompok 0,497 0,621

A 40 3,01±0,74
B 40 2,94±0,49
Berdasarkan tabel 5.1 menunjukkan bahwa terdapat angka signifikansi hasil uji t-
test pada penelitian tersebut adalah 0,621. Berdasarkan hasil tersebut tidak terdapat
perbedaan densitas parasit baik pada kelompok A maupun pada kelompok B.
Uji T-Test Dependen

Uji t-test dependen merupakan uji Parametrik dengan syarat data berdistribusi
normal. Uji T-Test Dependen bertujuan untuk menguji perbedaan mean antara dua
kelompok data dependen, yaitu subyeknya sama diukur dua kali (berpasangan),
karena menganalisa sampel yang sama dua kali sebelum dan sesudah
intervensi.Syarat uji beda dua mean (t-test) dependen adalah distribusi data harus
normal, kedua kelompok sama (berpasangan), variable yang digunakan adalah
numerik.
Langkah melakukan uji beda dua mean (t-test) dependen dengan program SPSS
adalah sebagai berikut :
Sebagai Contoh : Seorang peneliti ingin mengetahui efektifitas menyikat gigi sebelum
dan sesudah dilakukan edukasi kesehatan gigi dan mulut terhadap pembersihan plak. 6
Variabel Independen : Kelompok satu yaitu indeks plak sebelum dan kelompok dua
yaitu indeks plak setelah penyuluhan
Variabel Dependen : Indeks plak (numeric)
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau tidak,
jika data berditribusi normal, lanjutkan untuk melakukan pengujian hipotesis t-
test.
Gambar 5.6 Hasil normalitas data
2. Klik AnalyzePilih Compare MeansPilih Paired-Sample T-Test

Gambar 5.7 Tampilan menu Paired-Sample T-Test
3. Pada menu Paired-Sample T-Test,  pindahkan variable plak indeks before pada
Variabel 1, dan plak indeks after pada Variabel 2  Klik OK
Gambar 5.8 Tampilan Paired-Sample T-Test

Gambar 5.9 Tampilan Output hasil Paired-Sample T-Test
5. Menganalisi hasil Output Uji T-Test Dependen

Dalam melakukan interpretasi hasil uji beda dua mean (t-test) Dependent, yang
perlu diperhatikan pertama adalah “Sig (2 tailed)” yang menunjukkan nilai p (p-
value)
Berdasarkan contoh, nilai Significancy 0,114 (nilai p>0,05).Nilai IK 95% -,85
sampai 0,73). Maka secara statistik tidak ada perbedaan indeks plak sebelum dan
setelah penyuluhan kesehatan gigi mulut.
6. Penyajian data hasil analisi uji t-test dependent

Tabel 5.2 Perbedaan rata-rata plak indeks sebelum dan setelah penyuluhan kesehatan gigi.
Variabel n Mean±SD T(t-test) Nilai-P
Plakindeksbefore 20 3,16(1,05) 1,6 0,114

Plakindeksafter 20 2,83(1,0)
Berdasarkan tabel 5.2 menunjukkan bahwa terdapat angka signifikansi hasil uji t-
test dependen pada penelitian tersebut adalah 0,114. Berdasarkan hasil tersebut tidak
terdapat perbedaan indeks plak sebelum dan setelah penyuluhan kesehatan gigi
dengan nilai p>0,05.
Uji ANOVA
Pengujian statistik untuk lebih dari dua kelompok, yaitu 3 kelompok independen
atau lebih dengan menggunakan uji Anova (Analysis of Variance). Uji Anova
merupakan uji Parametrik analisis komparatif, dengan membandingkan tiga atau lebih
kelompok independen (tidak berpasangan), dengan syarat semua data berdisrtibusi
normal. Variabel Independen berupa kategorik yang tidak berpasangan, dan variabel
dependen berskala numerik. Analisis uji anova terdidi dari analisis varian satu faktor
(one way anova) dan analisis varian dua faktor (two ways anova). 6
Uji Anova diguankan untuk mengetahui perbedaan rerata lebih dari dua
kelompok independen (tidak berpasangan). Syarat uji anova adalah sebagai berikut :
1. Sampel kelompok independen
2. Varian antar kelompok sama (homogen)
3. Semua data berdistribusi normal
Langkah melakukan uji ANOVA dengan program SPSS adalah sebagai berikut
:
Sebagai Contoh : Apakah terdapat perbedaan indeks kebersihan gigi mulut dengan
tingkat penghasilan orng tua yang rendah, cukup, tinggi?
Variabel Independen : Tingkat penghasilan orang tua rendah(1), sedang (2), tinggi (3
Variabel Dependen : Indeks kebersihan gigi mulut (numeric)
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau
tidak, jika data berditribusi normal, lanjutkan untuk melakukan pengujian
hipotesis t-test.
Gambar 5.10 Hasil normalitas data
2. Klik AnalyzePilih Compare MeansPilih One Way ANOVA
Gambar 5.11 Tampilan menu One way ANOVA
3. Pada menu One way Anova,  pindahkan variable dependen (plakindeksbefore)

ke dalam kotak Dependent list  pindahkan variable independen (tingkat
penghasilan) pada kotak Factor
Gambar 5.12 Tampilan Paired-Sample T-Test
4. Pada kotak One way ANOVA, Pilih Options  Aktifkan Homogeneity of

variance test dan Descriptive Klik Continue  Kemudian klik OK
Gambar 5.13 Tampilan One Way Anova : Options

5. Pada kotak One way ANOVA, Pilih Post Hoc  Aktifkan Tukey pada “Equal
Variance Assumed”, dan Tamhane’s T2 pada “Equal Variances Not Assumed”
Klik Continue  Kemudian klik OK
Gambar 5.14 Tampilan One Way Anova : Post Hoc
Gambar 5.15 Tampilan One Way Anova : Post Hoc Multiple Comparisons
Gambar 5.16 Tampilan Output hasil One Way Anova
Gambar 5.17 Tampilan Output hasil One Way Anova hasil Post Hoc Tests.
7. Menganalisi hasil Output Uji Anova
Dari hasil Output diperoleh nilai anova F = 1,234, dengan nilai p (p-value) =
0,316. Simpulan dari hasil tersebut adalah dari alpha 5% tidak terdapat perbedaan
yang signifikan antara tingkat penghasilan orang tua yang rendah, cukup dan tinggi
terhadap Indeks kebersihan gigi mulut.
Dari hasil utuput juga menunjukkan bahwa nilai p ≥0,05, maka data Homogen
(Equal variances Assumed). Lihatlah hasil Post Hoc Output “Equal variances
Assumed”. Hasil output Post Hoc tests atau analisa lebih lanjut digunakan untuk
menguji dan mengetahui perbedaan masing-masing kelompok. Pada contoh penelitian
tersebut, karena nilai p≥0,05, maka hasil post hoc yang diambil adalah data Homogen
(Equal variuances Assumed) Tukey.
Gambar 5.18 Tampilan Output hasil One Way Anova hasil Post Hoc Tests Tukey HSD.
Berdasarkan gambar 5.18 hasil ouput dari Post Hoc Tukey untuk mengetahui
analisa terperinci mengenai perbedaan indeks kebersihan gigi mulut antar kelompok
adalah sebagai berikut :
- p-value antara tingkat penghasilan rendah dengan sedang = 0,983
- p-value antara tinkat penghasilan rendah dengan tinggi = 0,302
- p-value antara tingkat penghasilan sedang dengan tinggi = 0,485.
8. Penyajian data hasil analisi uji t-test dependent

Tabel 5.3 Perbedaan rata-rata Indeks kebersihan gigi mulut pada ingkat penghasilan orang tua
rendah, cukup dan tinggi.
Tingkat n Mean±SD F(Anova) Nilai-P
Penghasilan
Rendah 10 3,4(0,93) 1,234 0,316

Cukup 5 3,3(1,00)
Tinggi 5 2,53(1,26)
Berdasarkan tabel 5.3 menunjukkan bahwa tidak terdapat perbedaan indeks
kebersihan gigi mulut baik pada tingkat penghasilan rendah, sedang, dan tinggi. Hasil
ini diasumsikan karena jumlah subjek yang sedikit, sehingga dapat memengaruhi
hasil penelitian.
Tabel 5.4 Hasil uji banding ganda
Variabel p-value Simpulan
Rendah dengan Sedang 0,983 Tidak berbeda

Rendah dengan Tinggi 0,302 Tidak berbeda
Sedang dengan Tinggi 0,485 Tidak berbeda
Berdasarkan table 5.4 menunjukkan bahwa tidak terdapat pernedaan yang

bermakna diantara kelompok tingkat penghasilan rendah, sedang, dan tinggi.
Uji Korelasi
Uji korelasi merupakan metode analisis yang digunakan dalam mengetahui
hubungan atau korelasi antara dua variable numeric. Uji korelasi digunakan untuk
mengetahui korelasi atau keeratan arah hubungan dua variable. Arah hubungan dapat
berupa positif dan negatif. Hubungan arah positif yaitu terjadi karena kenaikan satu
variable diikuti kenaikan variable lain. Sedangkan hubungan arah negatif atau arah
terbalik terjadi jika kenaikan satu variable diikuti penurunan variable yang lain.
Syarat uji korelasi pearson adalah data numerik dan berdistribusi normal. Jika
tidak memenuhi syarat maka meggunakan korelasi speraman. Nilai korelasi (r)
berkisar 0 s/d 1, interpretasi koefisien korelasi nilai r adalah sebagai berikut :
Nilai Korelasi (r) Interpretasi nilai korelasi

0,00 – 0,25 Tidak ada hubunngan / hubungan lemah
0,26 – 0,50 Hubungan sedang
0,51 – 0,75 Hubungan kuat
0,76 – 1,00 Hubungan sangat kuat/sempurna
Langkah melakukan uji korelasi pearson program SPSS adalah sebagai berikut:
korelasi.
2. Klik AnalyzePilih CorrelatePilih Bivariate
Gambar 5.10 Tampilan Correlate Bivariate
3. Pada Bivariate Correlations  pindahkan variable numerik ke dalam kotak

Variabels  Aktifkan Correlation Cofficient Pearson  OK
Gambar 5.11 Tampilan Koefisien Korelasi Pearson

Correlations
Skor pengetahuan Skor indeks
Pearson Correlation 1 .836**
Skor pengetahuan Sig. (2-tailed) .000
N 80 80
Pearson Correlation .836** 1
Skor indeks Sig. (2-tailed) .000
N 80 80
**. Correlation is significant at the 0.01 level (2-tailed).

Dalam melakukan interpretasi hasil uji koefiesien korelasi pearson, hasil pada
tabel correlations tersebut yaitu Pearson Correlation berarti nilai korelasi (r), Sig
6. Penyajian data hasil analisi Pearson Correlation

r 0,836
p 0,000
Berdasarkan tabel 5.5 nilai korelasi (r) = 0,836, dan nilai siginifikansi p<0,05.
Hal tersebut menunjukkan bahwa terdapat korelasi yang sangat kuat antara skor
pengetahuan dengan indeks kesebersihan gigi dan mulut.
Uji regresi liner

Analisis regresi merupakan suatu model matematis yang dapat digunakan untuk
mengetahui bentuk hubungan antar dua atau lebih variabel. Tujuan analisis regresi
adalah untuk membuat perkiraan (prediksi) nilai suatu variabel (variabel
dependen) melalui variabel yang lain (variabel independen). Regresi linier untuk
memprediksi berapa nilai y jika nilai x diketahui (persamaan garis lurus y=a+bx).
Soal :
Bagaimana hubungan antara pengetahuan dengan skor OHI-S?
Langkah melakukan uji regresi linier program SPSS adalah sebagai berikut:
1. Lakukan uji normalitas pada kedua variabel tersebut
2. Analyze  regression linear
3. Masukkan variabel skor pengetahuan pada kotak independen dan variabel OHI-S
ke dalan kotak dependen  ok
4. Hasil output
Dari hasil dapat dilihat koefisien korelasi pearson 0,07 maka dapat
diinterpretasikan hubungannya lemah . R-squared adalah nilai r yang dikuadratkan
artinya besarnya variasi pada variabel OHI-S yang dapat dijelaskan oleh variabel
pengetahuan adalah 0,6%.
Nilai signifikansi dari Anova merupakan gambaran apakah model persamaan

garis yang kita peroleh bermakna secara statistik.
Nilai koefisien B yang ditampilkan adalah gambaran untuk membuat persamaan

garis y=a +bx. Persamaan garis lurus yang didapat adalah sebagai berikut
skor OHI-S= 2,930+0,005.skor pengetahuan
5. Penyajian data
variabel R R2 Persamaan garis P-value
Skor OHI-S 0,07 0,006 OHI-S=2,930+0,005.skor 0,447
pengetahuan
Hubungan antara skor OHIS dan skor pengetahuan menunjukkan korelasi positif
dengan kekuatan hubungan lemah. Setiap kenaikan satu nilai skor pengetahuan akan
meningkatkan 0,005 skor OHI-S. variabel pengetahuan kurang menjelaskan variabel
skor OHI-S dan hubungan ini memang tidak bermakna secara statistik
DAFTAR PUSTAKA
1. Dahlan, S. Statistik Untuk Kedokteran dan Kesehatan. Penerbit : Salemba

Medika. Jakarta. 2011.
2. Dahlan, S. Statistik Untuk Kedokteran dan Kesehatan. Penerbit : Salemba

Medika. Jakarta. 2014.
3. Pratisto, A. Masalah Statistik dan Rancangan Percobaan dengan SPSS 12. Elex
Media Komputindo. Jakarta. 2004
4. Riyanto, A. Pengolahan dan Analisis Data Kesehatan. Mulia Medika.

Yogyakarta. 2009
5. Verma, J.P. Data Analysis in Management With SPSS Software. Springer. 2013
6. Maharani,D.A, Rahardjo.A. Uji Statistik dan estimasi Besar Sampel. Fakultas

Kedokteran Universitas Indonesia. 2016
7. Besral. Manajemen dan analisa data dengan computer.Depok. Fakultas

Kesehatan Masyarakat Universitas Indonesia. 2005

Praktikum Blok 5-Dikonversi

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Praktikum Blok 5-Dikonversi

Diunggah oleh

Hak Cipta:

Format Tersedia

sia

Hak cipta dipegang oleh Program Kedokteran Gigi

PRODI KEDOKTERAN GIGI

JADWAL KETERAMPILAN KOMPUTER

Cimahi, April 2019

Rina Putri Noer Fadilah, drg.,MKM

1. Mahasiswa yang dapat mengikuti Keterampilan Komputer blok metode ilmiah

 Bagi mahasiswa yang tidak menyerahkan tugas, tidak diizinkan mengikuti

 Mahasiswa diharuskan memakai pakaian sesuai dengan ketentuan yang

 Mahasiswa masuk dengan tertib diruang Keterampilan Komputer (ruang

 Mahasiswa dilarang makan/minum, ribut-ribut, dan merokok.

 Mahasiswa dilarang mencorat-coret meja, komputer, dan ruangan

Cimahi, April 2019

Rina Putri Noer Fadilah, drg., MKM

Desy linasari, dr., MKM

Sylvia Mustika Sari, dr.,MMed.Ed

Rina Putri Noer Fadilah, drg., MKM

Rahmadaniah Khaerunnisa, drg., M.Kes

KETERAMPILAN KOMPUTER III 50

KETERAMPILAN KOMPUTER V 109

DAFTAR PUSTAKA 133

POKOK BAHASAN : Entry Data

Mahasiswa mampu mengaplikasikan dasar-dasar metode penelitian dan

Simbol Ruang Entry Data

1. Apakah kemarin malam sebelum tidur kamu menggosok gigi {p1} #

Gambar 1.1 Tampilan folder epidata

2. Membuka program epidata dengan mengklik tand a ini

3. Setelah dibuka akan terlihat tampilan menu utama Epidata

Gambar 1.2 Tampilan menu epidata

4. Klik define data  New.QES file  keluar blank document

Gambar 1.3 Membuat QES file

6. Klik make data file  make data file

Gambar 1.5 Make data file

7. Selanjutnya tekan YES

8. Selanjutnya menentukan tempat penyimpanan data

Gambar 1.7 Tampilan penyimpanan data

Gambar 1.8 Tampilan create data file

Gambar 1.9 Pelabelan data

Gambar 1.10 File epidata .rec

Gambar 1.11 Tampilan menu checks

 Cek kembali daftar list variabel

b. apabila ada jawaban yang harus diisi. 1. Tidak 2. Ya, alasannya…….

 Must enter : untuk memberitahukan kepada pengentri bahwa variabel tidak

Gambar 1.13 Pemilihan file

14. Setelah file dibuka, mulailah masukkan data sesuai kuesioner

Gambar 1.15 Tampilan kuesioner yang telah diisi

 Pindah ke record sebelumnya dengan mengklik tanda panah ke kiri

Gambar 1.16 Pilihan file export data

Cara membuka file yang sudah ditransfer

Gambar 1.18 Syntax SPSS

Gambar 1.19 Menu syntax SPSS

3. Block semua dengan ctrl A dan tekan tombol RUN

Gambar 1.20 Cara memblok file syntax SPSS

4. Data SPSS siap dilakukan manajemen data dan analisis data

POKOK BAHASAN : Data dan Aplikasi SPSS

Mahasiswa mampu mengaplikasikan dasar-dasar metode penelitian dan

Tabel 1 Skala Pengukuran

PELAKSANAAN KETERAMPILAN KOMPUTER

Gambar 2.2 Membuka Pilihan dalam Program SPSS

Gambar 2.4 Tampilan Variabel View

Pada tampilan Variabel View, terdapat kolom sebagai berikut :

Gambar 2.7 Tampilan Labels dalam variable view.