Kategorisasi variabel (recode)

1. Tentukan ketentuan kode tiap kategori

2. Pilih transform
3. Pilih recode into same variable atau different variable
4. Pilih variabel yang akan direcord, pindahkan ke kolom samping
5. Isi nama variabel baru pada name output variable
6. Pilih Old dan New
7. Isi old dan new value
8. Klik Continue
9. Isi Label bila perlu
10. Masuk Variable View
11. Pada variabel yang baru, isi value dengan label yang sesuai
12. Klik OK

Tampilan SPSS
1. Variabel View
Tempat untuk membuat masing-masing variabel

2. Data View
Pada SPSS, baris pertama adalah data pertama yang biasanya
berupa judul

Verifikasi Data
Proses untuk mengetahui:
- Data missing
- Untuk data numerik, periksa nilai ekstrim yang kemungkinan salah
pengukuran (terlalu besar atau terlalu kecil)

Verifikasi Data Kategorik

1. Cara manual:
Klik kanan pada variabel. Pilih sort ascending, maka sel yang kosong
akan muncul paling awal. 

2. Cara otomatis: 
- Analyze
- Descriptive statistic
- Frequencies
- Pindahkan variabel yang akan dinilai frekuensinya ke sebelah kanan
- Klik OK
- Lihat pada luaran, cek jumlah data yang missing pada tabel

Verifikasi Data Numerik

1. Cara manual:
Klik kanan pada variabel. Pilih sort ascending, maka sel yang kosong
akan muncul paling awal. 
2. Cara otomatis: 
- Analyze
- Dexcriptive statistic
- Explore
- Pindahkan variabel yang ingin dianalissi ke dependent list
- Klik OK
- Lihat pada luaran, cek jumlah data yang missing pada tabel

Cara Compute
1. Transform
2. Compute variable
3. Isi Target Variable (nama variabel baru hasil komputasi)
3. Pindahkan variabel dari kiri ke kanan dan tambahkan operasi
perhitungan yang sesuai
4. Klik OK

Hasil perhitungan pada SPSS menggunakan data yang ada saat

komputasi dilakukan. Bila ada perubahan data, angka perhitungan
pada variabel baru tidak otomatis berubah (perlu proses analisis
ulang). 
Deskriptif kategorik
Tabel Frekuensi dan Persentase

1. Analyze
2. Descriptive statistics
3. Frequencies
4. Masukkan variabel kategorik dari kiri ke kanan
5. Hasil dapat dilihat pada Frequency Table

Tampilan di manuskrip

Grafik Batang/Pie
1. Analyze
2. Descriptive statistics
3. Frequencies
4. Masukkan variabel kategorik dari kiri ke kanan
5. Klik Chart
6. Klik jenis chart yang ingin dibuat
7. Klik label yang ingin digunakan (frekuensi/persentase)
8. Continue
9. Klik OK

Untuk memodifikasi chart: Double click pada chart dan modifikasi

sesuai pilihan yang ada. 

Pie chart biasa digunakan untuk variabel yang terdiri dari >2 kategori.
Tampilan manuskrip

Deskriptif numerik
Analisis normalitas
1. Analyze
2. Descriptive statistic
3. Explore
4. Pindahkan variabel numerik dari kiri ke kanan pada kolom
Dependent List
5. Klik OK
6. Nilai mean, median, mode akan ada pada tabel Frequency. 
Cara test normalitas
1. Analyze
2. Descriptive statistic
3. Explore
4. Plots
5. Klik Normality plots with tests, Histogram, Stem-and-leaf

Kolmogorov-smirnov digunakan bila data >=30, Shapiro-wilk

digunakan bila <30. Bila nilai p > 0,05, maka sebaran data normal. 
Kolmogorov-smirnov pada sampel yang besar (>100) terkadang
menyebabkan hasil yang tidak normal, padahal sebaran masih
normal. Sehingga lebih baik menggunakan CoV atau skew of
kurtosis. 
Pada box-plot:
garis tengah adalah median. batas atas persegi adalah Q3, batas
bawah persegi adalah Q1. Sedangkan garis horizontal atas adalah
batas atas data distribusi normal, garis horizontal bawah adalah batas
bawah data distribusi normal. 
Data yang tidak berdistribusi normal akan muncul dengan tanda
bintang. 

Perhitungan Usia
1. Transform
2. Date and Time Wizard
3. Klik calculate with dates and times
4. Next
5. Pilih calculate the number of time between two dates
6. Next
7. Pindahkan STime ke Date1, dob ke minus Date2
8. Pilih satuan yang diinginkan pada kolom Unit
9. Next
10. Buat judul variabel baru pada Result Variable dan label pada
Variable Label 
11. Finish
Seleksi Data

Seleksi data tertentu

1. Data
2. Select cases
3. If condition is satisfied
4. Pindahkan week ke kanan
5. Masukkan kriteria sesuai label variabel
Setelah itu, maka data sudah terseleksi sesuai kondisi yang
diinginkan. 

Seleksi random
1. Data
2. Select cases
3. Random sample of cases
4. Pilih approximate (%) atau exact (jumlah tertentu)
Setelah itu, maka akan terpilih sejumlah data sesuai kondisi yang
diinginkan. 
Konsep Korelasi

 
Konsep uji validasi dan reliabilitas
Uji validasi
1. Analyze
2. Scale
3. Reliability analysis
4. Pindahkan item yang akan dinilai ke kanan
5. Statistic
6. Klik inter-item correlation dan scale if item deleted
7. Continue
8. OK

Kekuatan korelasi antara masing-masing item dengan skor total item

dilihat pada coreected item-total correlation.
Item yang baik memiliki nilai >0,3. Bila ada yang kurang dari 0,3,
maka lihat revisi alpha cronbach if item deleted --> pertanyaan perlu
direvisi sehingga nilai korelasi lebih
tinggi. 
Uji korelasi non parametrik

Proses analisisnya sama dengan uji korelasi parametrik, kecuali pada

analisis korelasi yang dipilih adalah Spearman bukan Pearson.
Uji korelasi parametrik pearson

Uji normalitas
1. Analyze
2. Descriptive statistic
3. Explore
4. Pindahkan variabel independen dan dependen ke kanan
5. Plot
6. Klik normality test

Cara buat grafik scatter plot

1. Graph
2. Legacy dialogs
3. Scatter plot
4. Pilih simple scatter
5. Define
6. Pindahkan independen variabel ke x axis dan independen ke y axis
7. OK

Untuk menambahkan garis, double click pada scatter plot kemudian

pilih add fit line at total.

Analisis korelasi
1. Analyze
2. Correlate
3. Bivariat
4. Masukkan kedua variabel ke kanan
5. Tentukan uji yang ingin dilakukan sesuai normalitas data
Konsep uji perbandingan rerata
Uji perbandingan rerata 2 kelompok berpasangan

Pada data berpasangan, buat box-plot:

1. graph
2. Legacy dialog
3. Box-plot
4. Simple
5. Summaries of separate variables
6. Pindahkan Barthel 1 dan Barthel 2 ke Boxes represent
7. Klik angkanya kemudian delete

Analisis parametrik
1. Analyze
2. Compare mean
3. Pair sample T test
4. Pindahkan kedua variabel ke kanan

Analisis non parametrik

1. Analyze
2. Non parametric test
3. Legacy dialogs
4. Pilih 2 related samples
5. Pindahkan 2 variabel ke kanan
6. Pastikan terpilih Wilcoxon
7. OK
Uji perbandingan rerata 2 kelompok tidak berpasangan: Non
parametrik

1. Analyze
2. Non parametric test
3. Legacy dialogs
4. Pilih 2 independent samples
5. Pindahkan IV ke group list, DV ke test variable list
6. Klik define group, isi sesuai value yang digunakan

Uji perbandingan rerata 2 kelompok tidak berpasangan:

Parametrik

Uji normalitas
1. Analyze
2. Descriptive statistic
3. Explore
4. Pindahkan variabel independen dan dependen ke kanan

Uji T tidak berpasangan

1. Analyze
2. Compare means
3. Independent-samples T test
4. Pindahkan variabel independen ke test variabel dan variabel
dependen ke grouping variable
5. Klik define group
6. Isi sesuai dengan kode yang digunakan

Lihat hasil tabel Independent Sampel Test. Bila Levene test tidak
signifikan, berarti varians equal --> lihat nilai p pada baris equal
variances
assumed. 
Uji perbandingan rerata >2 kelompok berpasangan

Uji normalitas
1. Analyze
2. Descriptive statistic
3. Explore
4. Pindahkan variabel ke dependent list
5. OK

Buat box plot

1. graph
2. Legacy dialogs
3. Box plot
4. Simple
5. Summaries of separate variabel
6. Pindahkan variabel ke box represents
7. OK

Uji parametrik

Uji non parametrik

1. Analyze
2. non parametric
3. Legacy dialog
4. K related samples
5. Pindahkan variabel ke kanan
6. OK
Lihat nilai p --> nilai p keseluruhan

Uji antar 2 kelompok dianalisis uji wilcoxon

Uji perbandingan rerata >2 kelompok tidak berpasangan

Uji parametrik
1. Analyze
2. Compare mean
3. One way Anova
4. Pindahkan DV ke dependent list dan IV ke factor list
5. OK

Bila nilai p signifikan, maka terdapat minimal 1 kelompok yang

berbeda signifikan --> masukkan ke nilai p keseluruhan

Lakukan uji post Hoc

1. Analyze
2. Compare mean
3. One way Anova
4. Klik Post Hoc
5. Klik Bonferroni
6. Continue
7. OK
8. Lihat tabel Post Hoc Test
9. Lihat nilai p pada masing-masing perbandingan
Uji non parametrik
1. Analyze
2. Non parametric
3. Legacy dialogs
4. K independent samples
5. IV ke grouping variable, DV ke test variabel list
6. Define, isi range
7. Continue
8. OK
Nilai p pada analisis tersebut ke dalam nilai p keseleruhan

Nilai p antar kelompok dianalisis dengan uji Mann Whitney

1. Analyze
2. Non parametric
3. Legacy dialogs
4. 2 independent samples
5. IV ke grouping variable, DV ke test variabel
6. Define, isi 0-1 (hanya 2 kelompok)
Lakukan analisis yang sama, namun define grupnya antara 1 dan
2. 
Konsep data kategorik

Konsep uji perbandingan proporsi

Konsep RR
Konsep uji perbandingan proporsi: Chi square
Uji perbandingan proporsi
1. Analyze
2. Descriptive statistic
3. Crosstab
4. IV pindahkan ke row, DV pindahkan ke column
5. Pilih cells
6. Checklist row/column
7. Continue
8. Pilih statistic
9. Checklist chi-square dan risk
10. Continue
11. OK
Konsep analisa multi regresi
Regresi linear
Metode Enter
1. Analyze
2. Regresi
3. Linear
4. Pindahkan IV ke independent, DV ke dependent
5. Klik statistics
6. Checklist confidence internal, colinearity
7. Continue
8. Method gunakan enter
9. OK

Lihat: 
- R2
- Pada tabel ANOVA, lihat nilai p. Bila signifikan, maka dapat dibuat
persamaan regresi yang baik
- Coefficient memuat signifikansi persamaan tanpa membuang
variabel yang tidak signifikan. Konstanta dilihat pada Unstandarized
coefficient baris pertama, sedangkan baris selanjutnya merupakan
koefisien masing-masing variabel
- Kolinearitas dilihat dari VIF. 
Bila <2 --> bebas dari kolinearitas
Bila >10 --> kolinearitas sudah jelas

Metode Stepwise
1. Analyze
2. Regresi
3. Linear
4. Pindahkan IV ke independent, DV ke dependent
5. Klik statistics
6. Checklist confidence internal, colinearity
7. Continue
8. Method gunakan Stepwise
9. OK

Pada metode stepwise, tabel Coefficient hanya akan memunculkan

variabel yang
signifikan. 
Regresi logistik
1. Analyze
2. Regression
3. Binary logistic
4. Pindahkan IV ke covariable, DV ke dependent
5. Klik Options
6. Checklist CI, Hosmer-Lomeshow
7. Continue
8. OK

- Pada tabel Model Summary, lihat Nagelkerke R square. 

- Pada tabel Hosmer and Lemeshow, lihat nilai p. Dikatakan signifikan
bila nilai p > 0,05 --> model prediksi dengan kenyataan tidak berbeda