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
Cetakan ke: V
BLOK 5
METODE ILMIAH
Pas Foto
NAMA :
NPM :
ALAMAT :
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.
iv
PERATURAN DAN TATA
TERTIB KETERAMPILAN
KOMPUTER
Tugas harus dikerjakan di rumah (dengan tulisan tangan pada buku folio
bergaris, disampul Orange dan diberi plastik) dan diserahkan sebelum
Keterampilan Komputer dimulai.
Tim Blok 5
KONTRIBUTOR
KETERAMPILAN KOMPUTER I 1
Capaian Pembelajaran 1
Tugas 2
Sararan Belajar 3
Pendahuluan 3
Pelaksanaan 3
KETERAMPILAN KOMPUTER II 18
Capaian Pembelajaran 18
Tugas 19
Sararan Belajar 19
Pendahuluan 19
Pelaksanaan 22
KETERAMPILAN KOMPUTER IV 73
Capaian Pembelajaran 73
Tugas 74
Sararan Belajar 74
Pendahuluan 74
Pelaksanaan 77
CAPAIAN PEMBELAJARAN
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}
PELAKSANAAN
Langkah dalam menggunakan epidata yaitu
1. Setelah epidata di download bukalah folder program tersebut, maka akan terlihat
tampilan berikut
5. Pada blank document ketikkan template kuesioner, bisa dengan cara diketik
ulang atau dicopy paste
Gambar 1.4 Template
10. Pelabelan file, label boleh diberikan label atau tidak. Kemudian tekan OK
12. Langkah selanjutntya ke menu Checks. Klik check file sudah bukan QES
tapi REC.
13. Klik enter data dan buka file .rec kembali lalu tekan open
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
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
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
CAPAIAN PEMBELAJARAN
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.
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.
D. Cara kerja
Entry data
1) Mengaktifkan program SPSS
Membuka program SPSS
Gambar 2.1 Mengaktifkan program SPSS
Gambar 2.6 Tampilan dalam pemilihan Type atau jenis data yang diinginkan sesuai dengan variabel.
Gambar 2.12 Tampilan dalam proses input data excel ke dalam Program SPSS
d. Hasil membuat file baru dalam SPSS pada tampilan Variabel View
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 2.20 Tampilan akhir hasil calculating date and time wizard menjadi usia.
b. Melakukan koding dan perubahan data dari satu skala menjadi skala yang
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 2.23 Tampilan pada Data View untuk merubah data dari satu skala menjadi skala lain
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 2.28 Tampilan Kategori_pekerjaan pada Data View setelah dilakukan koding
3) Melakukan perubahan data dan koding dari skala ke skala lain pada variable
Pendidikan Orang tua. Lakukan langkah-langkah berikut :
Pada tampilan Data view, arahkan pada TransformRecode into Different
Variables
Old value : SMA, Diploma, Perguruan Tinggi, New value : 2 Klik Add.
Continue
Pada Data view akan terdapat kolom baru dengan variable baru yaitu
Tingkat_pendidikan hasil Transform recode into different variable.
Gambar 2.34 Tampilan Tingkat _pendidikan pada Data Viewsetelah dilakukan koding
4) Melakukan perubahan data dan koding dari skala ke skala lain pada variable
Penghasilan. Lakukan langkah-langkah berikut :
Pada tampilan Data view, arahkan pada TransformRecode into Different
Variables
Pada Data view akan terdapat kolom baru dengan variable baru yaitu
Tingkat_penghasilan hasil Transform recode into different variable.
Gambar 2.40 Tampilan Tingkat_penghasilan pada Data View setelah dilakukan koding
Pada Data view akan terdapat kolom baru dengan variable baru yaitu
indeks_karieshasil Transform recode into different variable.
Gambar 2.44 Tampilan Indeks_karies pada Data View
CAPAIAN PEMBELAJARAN
TUGAS
Pelajari materi dibawah ini :
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.
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 :
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 : 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
>6,6 (Sangat Tinggi) =5
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.
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
Gambar 3.4 Tampilan Variabel View
h. Hasil membuat file baru dalam SPSS pada tampilan Data View
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 3.11 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%.
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.
c. Klik kotak Statistiks dan beri checklist () sesuai dengan analisis yang
diinginkanContinue OK. Hasil analisis tersebut dapat dilihat pada
tampilan/layar Output .
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
b. Masukkan variable age ke dalam kotak Dependent list Pilih Both pada display
Pilih Polts
* catatan : jika tidak ingin menampilkan tabel distribusi frekuensi, maka menonaktifkan
Display Frequency Tables
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.
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
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)
TUGAS
Pelajari materi dibawah ini :
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
sebelum dan setelah dilakukan penyuluhan kesehatan gigi dan mulut.
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.
Jenis Kelamin
Usia
Status Pekerjaan
Penghasilan KARIES GIGI
Pendidikan (Indeks DMF-T)
Pengetahuan Kesehatan gigi mulut
Variabel Independen
Variabel Dependen
4. Cara kerja
Entry data
1) Mengaktifkan program SPSS
1. Membuka program SPSS Pilih Open an existing data source OK
2. Membuka file DATA SURVEY KEGIMUL.SAV pada 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)
Gambar 4.5 Tampilan Menu Statistik crosstabs dalam mengaktifkan Uji Chi-Square
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
Gambar 4.10 Tampilan pada layar Output hasil Uji Mann Whitney .
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 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 4.19 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
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
Gambar 4.24 Tampilan Output Hasil uji Post Hoc Mann Whitney antara kelompok sedang
dengan tinggi
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
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
1. Lakukan analisis data untuk mengetahui data berdistribusi normal atau tidak, jika
data berdistribusi normal, lanjutkan untuk melakukan pengujian hipotesis uji
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.
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.
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
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 %
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)
TUGAS
Pelajari materi dibawah ini :
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
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
sebelum dan setelah dilakukan penyuluhan kesehatan gigi dan mulut.
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,
Variabel Dependen
Variabel Independen
Cara kerja
Entry data
1) Mengaktifkan program SPSS
2) Membuka program SPSS Pilih Open an existing data source OK
3) Membuka file DATA PENYULUHAN KEGIMUL.SAV pada folder
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 AnalyzePilih Compare MeansPilih Independent-Sample T-Test
4. Klik Define Groups Masukkan angka 1 pada Group 1, angka 2 pada Group 2
Continue.
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.
3. Pada menu Paired-Sample T-Test, pindahkan variable plak indeks before pada
Variabel 1, dan plak indeks after pada Variabel 2 Klik OK
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
Gambar 5.15 Tampilan One Way Anova : Post Hoc Multiple Comparisons
6. Hasil pada output SPSS adalah sebagai berikut
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.
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 :
Langkah melakukan 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 AnalyzePilih CorrelatePilih Bivariate
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%.
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
3. Pratisto, A. Masalah Statistik dan Rancangan Percobaan dengan SPSS 12. Elex
Media Komputindo. Jakarta. 2004
5. Verma, J.P. Data Analysis in Management With SPSS Software. Springer. 2013