Edisi 5

BUKU PRAKTIKUM
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIK

MATA KULIAH KEDOKTERAN GIGI

BIOSTATISTIK

BUKU PETUNJUK PRAKTIKUM

Fakultas Kedokteran Gigi Universitas Islam Sultan Agung

Alamat: JL. Raya Kaligawe Km. 4 Semarang 50112 PO Box 1054/SM
Telepon. (024) 6583584 ext. 592
Facsimile: (024) 6582455
 Copyright @ by Faculty of Dentistry, Islamic Sultan Agung University.
Printed in
Semarang
Edisi: 5
(Lima)
Designed by: team modul
Cover Designed by: team modul
Published by Faculty of Dentistry, Islamic Sultan Agung University
All right reserved

This publication is protected by Copyright law and permission should be obtained from
publisher prior to any prohibited reproduction, storage in a retrieval system, or transmission in
any form by any means, electronic, mechanical, photocopying, and recording or likewise
 TIM PENYUSUN
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIK

TIM MKKG BIOSTATISTIK : DR Sandy Christiono.,drg.,Sp.KGA

Drg Islamy Rahma Hutami PhD

Reviewer : drg. M. Dian Firdausy, M.Sc (DMS)

drg. Rizki Amalina, M.Si
drg. Recita Indraswary, M.Sc
drg. Musri Amurwaningsih M.Med

Tutor Praktikum :
1. drg. Rochman Mujayanto, Sp.PM
2. Anggun Feranisa A, S.Si, M.Biotech
3. drg. Moh. Yusuf, Sp.Rad
4. drg. Erdianto Setya W. MH.Kes
5. drg. Eko Hadianto, MDSc
6. drg. Muhammad Husnun Niam
7. drg. M. Dian Firdausy, M.Sc (DMS)
8. Drg Islamy Rahma Hutami PhD
9. drg. Rosa Pratiwi Sp.Perio
10. drg. Recita Indraswary, M.Sc
11. drg. Musri Amurwaningsih M.Med

KONTRIBUTOR DISIPLIN ILMU :

1. Metodologi Penelitian
2. Statistik
 KATA PENGANTAR

Alhamdulillaahirobbil’aalamiin,segala puji bagi Allah, Tuhan seluruh alam yang telah

memberikan karunia kepada kami hingga akhirnya kami dapat menyelesaikan Buku Praktikum
Mata Kuliah Kedokteran Gigi Biostatistika.

Terima kasih kami ucapkan kepada seluruh narasumber yang terlibat, dan pihak-pihak lain yang
turut membantu sehingga dapat tersusun buku praktikum ini.

Keberadaan mata kuliah ini bertujuan untuk memberikan pemahaman dasar teori maupun
keterampilan dasar yang dibutuhkan oleh mahasiswa dalam melakukan praktik meliputi
biostatistika penelitian kedokteran dan kesehatan.

Kami menyadari bahwa masih banyak kekurangan dalam penyusunan mata kuliah ini. Oleh karena
itu, saran-saran baik dari tutor maupun dari mahasiswa akan kami terima dengan terbuka. Semoga
mata kuliah ini dapat bermanfaat, dan membantu proses pembelajaran di FKG Unissula.
Jazakumullahi khoiro jaza’

Tim Penyusun Mata Kuliah

TATA TERTIB PRAKTIKUM

1. Mahasiswa harus hadir di ruang praktikum (ruang SGD) pada waktu yang telah ditentukan dengan
batas toleransi keterlambatan maksimal 20 menit.
2. Mahasiswa WAJIB berpakaian dan bersepatu rapi serta memakai sepatu.
3. Mahasiswa tidak diperkenankan meninggalkan ruangan tanpa seizin tutor.
4. Mahasiswa yang tidak hadir harus izin pada tutor.
5. Sebelum praktikum dilakukan, mahasiswa WAJIB membaca materi pada buku praktikum.
6. Setiap praktikum harus membawa laptop dengan program SPSS (minimal ver.20) yang akan
digunakan untuk praktikum.
7. Selama praktikum berlangsung, mahasiswa WAJIB menjaga kebersihan dan ketenangan ruangan.
8. Mahasiswa wajib menjaga peralatan yang disediakan
9. Kerusakan / kehilangan yang terjadi harus segera dilaporkan kepada petugas. Bila tidak dilaporkan,
kemudian diketahui oleh petugas/pembimbing, mahasiswa yang bersangkutan akan menerima
sanksi tambahan.

SANKSI
Mahasiswa yang tidak mematuhi tata tertib diatas akan diberikan sanksi akademik sesuai dengan
jenis pelanggarannya.

BOBOT NILAI PRAKTIKUM

Selama kegiatan ketrampilan praktik biostatistik menggunakan SPSS, mahasiswa akan
dinilai penguasaan tekhniknya (sistematis dan lege artis). Hasil penilaian harian akan dipakai
sebagai syarat untuk mengikuti ujian akhir semester.

Ketentuan bagi mahasiswa :

1. Bobot penilaian modul/blok pembelajaran tanpa kegiatan Skill Lab

NILAI AKHIR KNOWLEDGE

Praktikum Tugas Ujian Akhir Mata Kuliah

40% 10% 50%

2. Nilai akhir modul diperoleh berdasarkan hitungan:

(Nilai knowledge x SKS knowledge)

SKS Mata Kuliah
3. Kelulusan Mata Kuliah
1. Mahasiswa dinyatakan lulus modul apabila memenuhi kriteria sebagai berikut:
a. Nilai kumulatif knowledge minimal 60
b. Apabila nilai di bawah 60, maka mahasiswa bersangkutan dinyatakan Gugur
Mata Kuliah dan harus mengulang mata kuliah tersebut.
2. Syarat pelaksanaan ujian
a. Telah menyelesaikan seluruh administrasi maksimal 2 hari sebelum ujian
b. Prosentase kehadiran kuliah minimal 80% (syarat ujian mata kuliah)
3. Apabila mahasiswa berhalangan hadir pada kegiatan pembelajaran dikarenakan:
a. Menjadi delegasi atau utusan mewakili institusi dalam sebuah acara dengan menunjukkan
Surat Tugas dari Fakultas
b. Rawat inap di rumah sakit dengan menunjukkan Surat Keterangan Rawat Inap
c. Melaksanakan ibadah Umroh/Haji dengan menunjukkan surat keterangan peserta
Umroh/haji dari biro yang digunakan serta menunjukkan copy paspor setelah pelaksanaan
ibadah umroh/haji
d. Duka cita dengan menunjukkan copy surat keterangan Kematian dari RT/RW setempat
Maka mahasiswa diberikan penggantian kegiatan sesuai dengan prosedur yang berlaku.
4. Prosedur penggantian KBM
Pengajuan permohonan penggantian dilakukan maksimal 1 minggu setelah ketidakhadiran dengan
regulasi sbb:

Mengambil form Surat keterangan (Surat

penggantian di TU Tugas/SKRI/dll)

Kaprodi PSPDG

ACC form
penggantian KBM

Pengajuan penggantian KBM

oleh PJ modul/pengampu mata
kuliah

SUMBER BELAJAR
Dahlan, MS. 2014. Statistik untuk Kedokteran dan Kesehatan: Deskriptif, Bivariat, dan Multivariat
Dilengkapi Aplikasi Menggunakan SPSS. Ed 6. Jakarta: Epidemiologi Indonesia
 PETUNJUK PRAKTIKUM 1
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIKA

SPSS STATISTIK
DESKRIPTIF dan
UJI NORMALITAS

FAKULTAS KEDOKTERAN GIGI

UNIVERSITAS ISLAM SULTAN AGUNG
SEMARANG
2022
SASARAN BELAJAR
1. Mampu memasukkan data penelitian dengan benar
2. Mampu melakukan transformasi data
3. Mampu melakukan dan membaca hasil uji normalitas

ALAT DAN BAHAN YANG DIPERLUKAN MAHASISWA

(mahasiswa mohon membawa sendiri)
1. Laptop
2. Program SPSS (minimal ver.20) yang telah kompatibel dengan sistem di laptop yang
digunakan

KETERAMPILAN YANG HARUS DISELESAIKAN

1. Melakukan input data meliputi variabe view dan data view
2. Membuat deskripsi variabel kategorik maupun numerik
3. Mengubah data dari satu skala ke skala lain
4. Menyajikan statistik deskriptif meliputi koefisien varian, rasio skewness, kurtosis,
histogram
5. Melakukan dan membaca hasil uji normalitas (Komolgorov-Smirnov atau Saphiro-Wilk)

TAHAPAN KETERAMPILAN

STATISTIK DESKRIPTIF

A. MEMBUAT VARIABEL SPSS

Sebelum memasukkan data, peneliti perlu membuat variabel terlebih dahulu pada ‘variable view’.
Nama variabel yang dituliskan pada variable view tersebut adalah Variabel Bebas dan Variabel
Terikat dari suatu judul penelitian. Sesuaikan tipe variabel yang dibuat, jika berupa angka maka
menggunakan tipe Numeric dan tipe String jika berupa huruf. Akan tetapi data tipe string tidak dapat
dilakukan uji statistik.
Pencatatan data dengan skala nominal dan ordinal dilakukan dengan menggunakan kode berupa
angka, agar dapat diproses secara statistik. Kode tersebut kemudian dibuat value atau kategorinya.
Setelah penamaan variabel selesai, pengisian value juga selesai (bila dibutuhkan), kemudian baru data
dimasukkan pada ‘Data View’.
CONTOH:
Seorang peneliti ingin melakukan penelitian dengan judul “Gambaran Pasien RSIGM Sultan
Agung”. Penelitian ini mengamati jenis perawatan, tingkat pendidikan, dan variabel usia. Langkah-
langkah pemrosesan data dengan menggunakan SPSS adalah sebagai berikut:
1. Klik Variable view (pojok kiri bawah), dan lakukan pengisian nama variabel.

a. Variabel jenis perawatan  skala nominal

• mengisi Name (nama singkat variabel tanpa spasi), dan Label (penjabaran
singkat variabel)
• Klik kotak pada Value (nomor 1), kemudian pada Value labels mengisi kolom
value (nomor 2, kode angka yang diinginkan) dan Label (nomor 3, deskripsi
kode angka tersebut)
• Klik ‘Add’ (nomor 4) untuk memasukkan kode yang telah diisikan
• Setelah pengisian selesai, maka klik ‘OK’ (nomor 5)

b. Variabel tingkat Pendidikan  skala ordinal

Cara input variabel sama seperti pada variabel sebelumnya
 c. Variabel usia  skala rasio
• Mengisi Name (nama singkat variabel tanpa spasi), dan Label (penjabaran
singkat variabel)
• Kolom value dikosongkan, karena tidak memerlukan pengkodean

2. Setelah penamaan variabel selesai, maka klik ‘Data View’ untuk memasukkan data pada
tiap variabel
 a. Masukkan semua data pada ‘Data View’ sesuai kolom nama variabelnya.
b. Input data pada skala nominal dan ordinal menggunakan kode angka disesuaikan dengan
value labels pada Variable view.
c. Setelah selesai, cek pengisian data dengan klik ‘View’  Value Labels
d. Apabila keterangan value labels dapat ditampilkan seluruhnya dengan benar, maka
pengisian data sudah benar selama tidak terjadi kesalahan pengisian oleh peneliti.

B. STATISTIK DESKRIPTIF
Statistik deskriptif bertujuan untuk melihat gambaran data secara umum meliputi nilai rata-rata
(Mean), nilai tengah (Median), nilai yang sering muncul (Modus), nilai maksimum, nilai minimum,
varians, simpangan baku, dan lain-lain.

1. TABEL FREKUENSI DATA KATEGORIK (NOMINAL, ORDINAL)

Berikut adalah contoh statistik deskriptif menggunakan tabel frekuensi dengan melanjutkan
contoh kasus sebelumnya.
• Variabel yang akan diuji adalah Jenis Perawatan, yang merupakan variabel berskala
nominal.
• Variabel tersebut termasuk jenis data kategorik yang tidak dapat dilakukan operasi
matematik, sehingga tidak dapat dilakukan penghitungan nilai Mean, percentile, Skewness,
dll.
• Langkah-langkahnya adalah sebagai berikut:

a. Klik panel ‘Analyze’  klik ‘Descriptive statistics’  lalu klik ‘Frequencies’

b. Selanjutnya akan muncul tampilan sebagai berikut:

c. Klik variabel yang ingin dilakukan pengolahan data frekuensi (variabel skala
nominal: Jenis Perawatan)  klik pada ‘tanda panah biru’ yang berada di tengah,
sehingga hasilnya Variabel ‘jenis perawatan’ akan berpindah ke sisi kanan seperti
berikut:
d. Kemudian klik ‘Statistics’  klik ‘Mode’, dan kosongkan pilihan matematis lain 
klik ‘continue’

e. Klik ‘Chart’  kemudian pilih ‘pie chart’, Chart/diagram ini terdapat 2 pilihan
yang dapat dipilih sesuai kebutuhan, antara lain:
- Frequencies : besar area diagram mengikuti besarnya frekuensi/jumlah data.
- Percentages : besar area diagram mengikuti besar prosentase.
Kemudian klik ‘Continue’
f. Pada kotak dialog ‘Frequencies’  klik ‘Format’ (nomor 1) , pada bagian ‘Order
by’ terdapat 4 pilihan yaitu:
- Ascending values  data akan diurutkan dari nomor satu ke nomor terakhir
berdasarkan value yang kita buat (pada value labels di variable view)
- Descending values  data akan diurutkan dari nomor terakhir ke nomor
satuberdasarkan value yang kita buat (pada value labels di variable view)
- Ascending counts  data akan diurutkan dari frekuensi paling sedikit sampai
dengan frekuensi terbanyak
- Descending counts  data akan diurutkan dari frekuensi terbanyak sampai
dengan frekuensi paling sedikit
Pilihan ini dapat digunakan sesuai kebutuhan, pada contoh ini yang digunakan
adalah ‘Ascending values’ (nomor 2).

g. Pada bagian ‘Multiple variable’, terdapat 2 pilihan:

- Compare variables  SPSS akan memperlihatkan jumlah data valid
danmissing dalam 1 tabel
- Organize output by variables  SPSS akan memperlihatkan jumlah data
validdn missing dalam tabel terpisah
Yang digunakan adalah pilihan compare variables (nomor 3)  klik ‘continue’
(nomor 4)
h. Setelah selesai, maka klik ‘OK’ (nomor 5).
i. Hasil yang akan didapat adalah tabel sebagai berikut:

▪ Pada tabel atas:

Julah data valid sebanyak 20 buah, tanpa data missing. Modus/mode
mnunjukkan kode 1, yang bermakna Jenis perawatan yang anyak dipilih
adalah perawatan konservasi.
▪ Pada tabel bawah:
Data diurutkan mulai dari kode value terkecil hingga terbesar. Tabel
menunjukkan bahwa jenis perawatan konservasi adalah perawatan yang
memiliki frekuensi tertinggi. Sedangkan jenis perawatan periodonsia adalah
perawatan dengan frekuensi terendah.
 Diagram lingkaran (pie chart) di atas adalah penggambaran dari tabel sebelumnya.
Diagram ini dapat digunakan untuk keperluan presentasi. Keterangan prosentase
dapat ditambahkan dengan mengacu pada hasil prosentase pada tabel.

2. TABEL FREKUENSI DATA NUMERIK (INTERVAL, RASIO)

• Pengolahan data numerik menggunakan tabel frekuensi memiliki langkah yang hampir
sama dengan pada data kategorik. Perbedaannya adalah data numerik dapat dilakukan
operasi matematik, sehingga dapat dihitung Mean, Percentile, Skewness, dll.
• Olah data tabel frekuensi berikut adalah lanjutan dari contoh kasus sebelumnya.
• Variabel yang akan diolah adalah variabel berskala rasio yaitu ‘Usia Pasien’, langkah-
langkahnya adalah sebagai berikut:
a. Klik panel ‘Analyze’  klik ‘Descriptive statistics’  lalu klik ‘Frequencies’
b. Klik variabel yang ingin dilakukan pengolahan data frekuensi (variabel skala rasio:
Usia Pasien)  klik pada ‘tanda panah biru’ yang berada di tengah, sehingga
hasilnya Variabel ‘Usia Pasien’ akan berpindah ke sisi kanan.
c. Kemudian klik ‘Statistics’  Pada bagian Central tendency klik Mean, Median,
Sum. Pada bagian Distribution klik Skewness, Kurtosis  klik ‘continue’
d. Klik ‘Chart’ lalu pada chart type, klik ‘Histogram’ dan klik kotak ‘With normal
curve’  klik ‘Continue’  klik ‘OK’

e. Maka akan diperoleh tabel sebagai berikut:

Pada tabel atas:
• N menunjukkan jumlah data, yaitu data valid sebanyak 20 dan tidak terdapat
data missing.
• Mean adalah rerata usia pasien pada RSIGM Sultan Agung, yaitu 34,7 tahun.
• Std. Error of Mean menyatakan jumlah penyebaran nilai mean dari sampel
satu ke sampel lainnya jika diambil dari distribusi sampel yang sama, yaitu
sebesar 2,47631.
• Median merupakan nilai tengah dari seluruh dat yang telah diinput, yaitu 32,00.
• Std. deviation atau simpangan baku adalah akar (√) dari variance, yaitu sebesar
1,1074 x 10 = 11, 074.
• Variance merupakan angka yang menunjukkan seberapa besar penyebaran
data yang ada dalam sebuah kelompok. Semakin besar nilai varians berarti
semakin tinggi fluktuasi data antara data satu dan data lain. Varians pada
variabel ini sebesar 122,642.
• Kecondongan distribusi data pada kurva dapat dihitung dengan Z-Skewness.
Hasil perhitungan adalah sebagai berikut:
Bila Z Skewness < -1,96 maka data memiliki kecodongan ke kanan.
Bila Z Skewness > +1,96 maka data memiliki kecodongan ke kiri.
Bila Z Skewness antara -1,96 hingga +1,96 maka data mendekti simetris.
Z Skewness = Skewness / (6/N)
= 1,171 / (6/20)
= 3,903  data memiliki kecondongan ke kiri.
 • Kurtosis menunjukkan titik puncak distribusi data. Hasil perhitungan pada
penelitian dengan nilai signifikansi (α) 5% adalah sebagai berikut:
Bila Z Kurtosis < -1,96 maka data memiliki keruncingan Leptokurtik (puncak
kurva lebih runcing, nilai >3).
Bila Z Kurtosis > +1,96 maka data memiliki keruncingan Platikurtik (puncak
kurva lebih datar, nilai <3).
Bila Z Kurtosis antara -1,96 hingga +1,96 maka data memiliki keruncingan
Mesokurtik (nilai keruncingan 3).
Z Kurtosis = Kurtosis / (24/N)
= 0,017 / (24/20)
= 0,0142  data memiliki keruncingan Mesokurtik.
• Maximum yaitu nilai terbesar dari data yaitu 55. Minimum adalah nilai terkecil
dari data yaitu 24.
• Sum adalah penjumlahan dari seluruh data yaitu sebesar 694.

Pada tabel bawah:

Tabel tersebut menunjukkan frekuensi munculnya setiap usia pada data yang telah
diperoleh.

f. Selain itu akan tampil diagram sebagai berikut :

Diagram histogram merupakan penggambaran sebaran dari data yang telah diinput
serta Z Skewness dan Z Kurtosis di atas. Dapat dilihat bahwa keconcongan kurva
adalah ke kiri (lihat posisi puncak dan ekor kurva), serta meiliki keruncingan
Mesokurtik.
3. STATISTIK DESKRIPTIF

Pada umumya opsi olah data statistic ini sama dengan penggunaan tabel frekuensi sebelumnya.
Hasil yang diperoleh meliputi Mean, Sum, Maximum, Minimum, dan Standard deviation.
Simulasi contoh di bawah ini adalah ‘Survey Tinggi Badan, Berat Badan, dan Lingkar Kepala
Siswa Kelas VI SD Sukadana’. Langkah-langkahnya adalah sebagai berikut:

a. Setelah dilakukan input data, klik Analyze  Descriptive statistic  Descriptive

b. Kemudian memindahkan seluruh variabel yang telah diinput (berskala rasio) dengan klik
panah biru yang berada di tengah, sehingga berpindah ke kotak sebelah kanan 
Klik‘Option’
c. Kemudian klik Mean, Sum, Std.deviation, Maximum, Minimum  klik ‘Continue’ 
klik ‘OK’

d. Maka akan tampil tabel sebagai berikut:

Pada tabel di atas dapat dilihat nilai-nilai terkecil, terbesar, jumlah keseluruhan, serta rerata
dari data setiap variabel.
 UJI NORMALITAS

Uji normalitas adalah suatu uji statistik yang bertujuan untuk menentukan apakah data dari suatu
variabel yang kita miliki mendekati populasi distribusi normal atau tidak. Distribusi normal adalah
data yang memiliki kurva normal, yaitu terdapat keseimbangan simpangan antara sisi kiri dan kanan
kurva serta pucak kurva berada pada sumbu x = 0. Uji normalitas data dapat dilakukan dengan Uji
Saphiro-Wilk, One-Sample Komolgorov-Smirnov, serta posisi kurva juga dapat diamati melalui Z-
Skewness dan Z-Kurtosis.
Uji normalitas digunakan sebagai syarat atau asumsi dari berbagai uji parametrik, misalnya uji
regresi linear, ANOVA, ANCOVA, MANOVA, Independent T-test, Paired T-test, dan lain-lain
(univariat dan multivariat).

1. Pemilihan uji normalitas

Jenis data yang perlu dilakukan uji normalitas adalah jenis data NUMERIK, yaitu data interval dan
data rasio.
Uji normalitas yang sering digunakan adalah uji Komolgorov-Smirnov dan uji Saphiro-Wilk.
Pertimbangan dalam memilih jenis uji normalitas dilakukan berdasarkan besar sampel dari suatu
penelitian.
• Apabila besar sampel ≤50 sampel, maka digunakan uji Saphiro-Wilk
• Apabila besar sampel >50 sampel, maka digunakan uji Komolgorov-Smirnov

2. Langkah uji normalitas

• Setelah input data selesai dilakukan, maka pada Data View klik “Analyze”  Descriptive
Statistics  klik “Explore”

• Pindahkan variabel yang akan diuji normalitas ke kotak Dependent List  Klik pada kotak
Plots  pada Explore plots centang pada “Normality plots with test”  klik continue
 kemudian klik OK.
Tabel yang dibaca adalah tabel berikut:

- Apabila besar sampel yang digunakan lebih dari 50  maka pembacaan nilai
signifikansi padakolom Komolgorov-Smirnov  nilai signifikansi uji normalitas
Komolgorov-Smirnov adalah sebesar 0,200 (p>0,05), maka data dinyatakan
berdistribusi normal.
- Apabila besar sampel yang digunakan kurang dari 50  maka pembacaan nilai
signifikansi padakolom Saphiro-Wilk  nilai signifikansi uji normalitas Saphiro-
Wilk adalah sebesar 0,230(p>0,05), maka data dinyatakan berdistribusi normal.

TUGAS UNTUK MAHASISWA

• Kerjakanlah sesuai intruksi pada file latihan soal
 PETUNJUK PRAKTIKUM 2
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIKA

Penyusunan kuesioner, uji validitas dan

reliabilitas

FAKULTAS KEDOKTERAN GIGI

UNIVERSITAS ISLAM SULTAN
AGUNG SEMARANG
2022
Kuesioner adalah daftar pertanyaan yang tersusun dengan baik yang digunakan untuk alat pengumpulan
data melalui survei. Kuesioner harus sesuai dengan masalah yang diteliti. Oleh karena itu sebelum
menyusun kuesioner, masalah penelitian harus dirumuskan dengan jelas. Jenis data yang dapat
dikumpulkan menggunakan kuesioner bisa kualitatif maupun kuantitatif.

Gambar : Skema Tahapan Penyusunan Kuesioner

TAHAPAN PENYUSUNAN KUESIONER

1. Identifikasi tujuan
Tahapan ini adalah menetapkan konstruk teori meliputi pemilihan definisi, mengenali dan
memahami teori yang mendasari topik yang akan dibuat menjadi kuesioner.

2. Pembatasan domain ukur

Pada tahapan ini, peneliti menguraikan konstruk dari teori yang dipilih menjadi dimensi- dimensi
penyusunnya. Dimensi merupakan konsep yang jelas tetapi belum terukur sehingga perlu
dioperasionalkan.
3. Kisi-kisi
Tahapan ini merupakan rangkuman penjabaran dimensi ke dalam indikator perilaku dengan bobot
skala.

4. Penulisan item
Penjabaran detail dari kisi-kisi. Item kuisioner harus ditulis sesuai dengan kaidah penulisan.

5. Review
Item kuesioner dikaji apakah dapat berfungsi dengan baik. Review ini dapat dilakukan sendiri
maupun dengan panel. Hanya item yang diyakini dapat berfungsi dengan baik yangakan digunakan
untuk field test atau diujicoba ke masyarakat/populasi.

6. Seleksi item
Pada tahap ini, dilakukan evaluasi dan analisis item kuisioner. Item kuisioner yang baik adalah
item yang mampu membedakan subyek yang memiliki atribut yang diukur denganyang tidak.

KAIDAH PENULISAN ITEM KUESIONER

1. Kata/kalimat harus sederhana, jelas dan mudah dimengerti namun tetap menggunakan
bahasa baku.

2. Penulisan hati-hati, tidak boleh ambigu

Contoh: Saya akan menjadi pendengar yang baik, bila ada karyawan yang mengeluh.
*kalimat tersebut ambigu karena makna “pendengar yang baik” tidak dijelaskan secaradetail,
sehingga dapat menimbulkan beragam definisi tergantung pemahaman subyek.

3. Mengacu pada indikator keperilakuan

Contoh: Saya merasa cemas akan kesepian setelah pensiun. (X)
Saya sulit berkonsentrasi dengan pekerjaan bila mengingat masa pensiun yangsudah
dekat. (V)
 4. Tidak boleh mengandung social desirability yang tinggi item yang sesuai dengan
keinginan sosial pada umumnya. Item tersebut menyebabkan subyek menjawab secara
faking good.
Contoh: Seseorang menyalakan rokok dalam bis AC yang sedang anda tumpangi, apa yang akan
Anda lakukan ………..
*pertanyaan/pernyataan tersebut memiliki peluang faking good yang tinggi oleh subyek.

5. Untuk menghindari stereotype jawaban, perlu dibuat item dengan arah favourable dan
unfavourable (lihat pada materi Skala Likert)

MACAM
SKALA
KUESIONER

SKALA
LIKERT
Skala Likert digunakan untuk mengukur sikap, pendapat, dan persepsi seseorang atau kelompok orang
tentang fenomena sosial. Dalam penelitian, fenomena sosial ini telah ditetapkan secara spesifik oleh
peneliti, yang selanjutnya disebut sebagai variabel penelitian.
Dengan skala Likert, maka variabel yang akan diukur dijabarkan menjadi indikator variabel. Kemudian
indikator tersebut dijadikan sebagai titik tolak untuk menyusun item-item instrumen yang dapat berupa
pernyataan atau pertanyaan, baik bersifat favorable (positif) bersifat bersifat unfavorable (negatif).
Jawaban setiap item instrumen yang mengunakan skala Likert mempunyai gradasi dari sangat positif
sampai sangat negative. Sistem penilaian dalam skala Likert adalah sebagai berikut:

Item Favorable: sangat setuju/baik (5), setuju/baik (4), ragu-ragu (3), tidak setuju/baik (2), sangat
tidak setuju/baik (1)
Item Unfavorable: sangat setuju/ baik (1), setuju/ baik (2), ragu-ragu (3), tidak setuju/ baik (4),sangat
tidak setuju/ baik (5).
 SKALA THURSTONE
Skala Thurstone adalah skala yang disusun dengan memilih butir yang berbentuk skala interval. Setiap butir
memiliki kunci skor dan jika diurut, kunci skor menghasilkan nilai yang berjarak sama. Skala Thurstone dibuat
dalam bentuk sejumlah (40-50) pernyataan yang relevan dengan variable yang hendak diukur kemudian sejumlah
ahli (20-40) orang menilai relevansi pernyataan itu dengankonten atau konstruk yang hendak diukur.
Adapun contoh skala penilaian model Thurstone adalah seperti gambar di bawah ini:

Gambar 2. Contoh Skala Penilaian Thurstone

Nilai 1 pada skala di atas menyatakan sangat tidak relevan, sedangkan nilai 11 menyatakan sangatrelevan.
Contoh kuisioner dengan skala Thurstone:

Contoh lain Angket yang disajikan menggunakan skala Thurstone :

Pilihlah 5(lima) buah pernyataan yang paling sesuai dengan sikap anda terhadap pelajaran matematika, dengan
cara membubuhkan tanda cek (v) di depan nomor pernyataan di dalam tanda kurung.

INSTRUKSI UNTUK MAHASISWA:

1. Berdasarkan skenario yang telah diberikan, susunlah kuesioner yang sesuai!
2. Presentasikan kuesioner tersebut dan lakukan revisi sesuai evaluasi dari tutor dan teman SGD!
3. Bagikan kuesioner hasil akhir kepada minimal 30 responden! (dilakukan dalam 1 minggu, hasil akan diolah
untuk praktikum selanjutnya)

PRAKTIKUM 3
UJI VALIDITAS DAN RELIABILITAS KUESIONER
 Suatu alat ukur harus memenuhi beberapa persyaratan sebelum bisa dinyatakan layak untuk
digunakan sebagai alat ukur dalam penelitian. Syarat tersebut adalah sifat sebagai berikut ( Sugiharto dan
Sitinjak, 2006) :
a. Validitas dalam penelitian menyatakan derajat ketepatan alat ukur penelitian terhadap isi
sebenarnya yang diukur. Uji validitas adalah uji yang digunakan untuk menunjukkan sejauh mana
alat ukur yang digunakan dalam suatu mengukur apa yang diukur.
b. Reliabilitas menunjuk pada suatu pengertian bahwa instrumen yang digunakan dalam penelitian
untuk memperoleh informasi yang digunakan dapat dipercaya sebagai alat pengumpulan data dan
mampu mengungkap informasi yang sebenarnya dilapangan.
c. Sensitivitas adalah kepekaan suatu alat dalam mengukur perubahan data, semakin kecil perubahan
data yang dapat ditangkap maka akan semakin baik. Sensitivitas juga sering dikaitkan dengan
ketelitian suatu alat ukur.
Kuesioner yang akan digunakan sebagai alat ukur penelitian juga harus valid dan reliabel. Hal itu
dibuktikan terlebih dahulu melalui uji validitas dan reliabilitas secara statistik sebelum digunakan dalam
suatu penelitian. Akan tetapi kuesioner tidak memerlukan uji sensitifitas. Berikut adalah langkah yang
sebaiknya dilakukan agar kuesioner memiliki validitas dan reliabilitas yang baik, yaitu:
a. Menggunakan kuesioner yang sudah diakui sebagai gold standard, atau yang telah teruji
validitas dan reliabilitasnya. Hal ini sebaiknya dilakukan terutama bila penelitian yang akan Anda
lakukan sudah pernah dilakukan orang lain.
Contoh kuesioner gold standard ini misalnya untuk meneliti dampak kesehatan mulut terhadap
kualitas hidup menggunakan kuesioner COHIP, ECOHIS, dan sebagainya. Contoh kuesiner gold
standard lain dapat Anda ketahui dengan melakukan penelusuran/pencarian dengan prinsip evidence
based dentistry.
Penggunaan kuesioner yang telah teruji lebih dianjurkan karena umumnya saat kita uji kembali akan
jarang memberikan validitas dan reliabilitas yang rendah. Hasil uji validitas maupun reliabilitas
tersebut umumnya dapat dilihat di bagian metode atau hasil pada jurnal/artikel ilmiah.
b. Menggunakan kuesioner dengan penyesuaian item atau yang sepenuhnya baru dapat
dilakukan tetapi harus siap dengan konsekuensinya.
Penelitian menggunakan kuesioner teruji yang dilakukan penyesuaian/perubahan harus tetap
melakukan uji validitas dan reliabilitas kembali, apalagi bila menggunakan kuesioner baru.
Kuesioner tersebut sangat rentan menghasilkan nilai uji yang rendah, sehingga seluruh item harus
diperhatikan validitas dan reliabilitasnya secara ekstra. Bahkan bila ada hasil yang masih belum baik
dan harus dilakukan perbaikan/perubahan item kuesioner, maka harus diuji kembali seluruhnya
 hingga hasil validitas dan reliabilitas-nya baik sepenuhnya.
Perlu diingat bahwa validitas dan reliabilitas kuesioner sangat mempengaruhi kualitas suatu penelitian.
Kuesionernya buruk, atau tidak teruji, maka menghasilkan penelitian yang tidak berguna.

INPUT DATA PENGISIAN KUESIONER pada SPSS

Sebelum mengetahui bagaimana melakukan uji validitas dan reliabilitas, data yang diperoleh harus
dimasukkan dalam program olah data yang digunakan dengan benar lebih dahulu. Program yang
digunakan pada praktikum ini adalah SPSS. Langkah-langkah memasukkan data kuesioner adalah
sebagai berikut:
1. Klik bagian panel ‘Variable view’ di sebelah bawah
2. Buat nama-nama variabel di kolom ‘Name’. Pengisian kolom tersebut tidak dapat menggunakan tanda
spasi, titik (.), koma(,), dash (-), dan beberapa tanda baca lain. Nama variabel disesuaikan dengan
jumlah item kuesioner yang telah dibuat.
3. Isi kolom ‘Label’ dengan definisi yang lebih jelas bila diperlukan (lihat gambar). pada kolom ini kita
dapat menggunakan spasi.

4. Klik bagian panel ‘Data View’ di sebelah bawah.

5. Masukkan data skor sesuai dengan pengisian kuesioner skala Likert dan sejumlah responden
penelitian. Hal yang perlu diperhatikan untuk item kuesioner unfavorable adalah skor yang
dimasukkan dalam SPSS harus dikonversi dengan cara dibalik nilainya terlebih dahulu, karena item
kuesioner tersebut berlawanan dengan item yang favorable.
Contohnya bila pada item favorable data yang dimasukkan seperti ini:
◆ Sangat tidak setuju = 1
◆ Tidak setuju = 2
◆ Ragu-ragu = 3
 ◆ Setuju = 4
◆ Sangat setuju = 5
Maka pada item unfavorable skornya menjadi seperti ini:
⚫ Sangat tidak setuju = 5
⚫ Tidak setuju = 4
⚫ Ragu-ragu = 3
⚫ Setuju = 2
⚫ Sangat setuju = 1

NOTE:
Pemberian skor ini tidak berlaku untuk kuesioner yang mengukur pengetahuan karena kuesionernya
bersifat dikotom, yaitu benar dan salah saja. Nilai skor untuk pengetahuan umumnya 1 (satu) dan 0
(nol). Skor 1 (satu) adalah untuk jawaban yang benar, sedangkan 0 (nol) adalah untuk jawaban-
jawaban lainnya.
6. Data yang telah diisikan tersebut kemudian diolah menjadi data baru, yaitu total skor. Caranya klik
panel ‘Transform’ kemudian klik pada ‘compute variable’.

Kemudian lakukan penjumlahan, dan pilih variabel Total skor sebagai ‘target variable’, contoh
sebagai berikut:
7. Setelah itu SPSS akan otomatis memunculkan halaman ‘Output’ (dapat di-minimize saja agar tidak
mengganggu).
8. Kembali ke halaman data set, hasilnya akan muncul hasil total skor kuesioner untuk setiap
subyek/responden sebagai berikut:

9. Selanjutnya dapat dilakukan uji validitas dan reliabilitasnya.

UJI VALIDITAS dengan SPSS
Uji validitas digunakan untuk mengukur sah, atau valid tidaknya suatu kuesioner. Suatu
kuesioner dikatakan valid jika pertanyaan pada kuesioner mampu untuk mengungkapkan sesuatu yang
akan diukur oleh kuesioner tersebut (Ghozali, 2009). Uji validitas yng akan dilakukan pada praktikum ini
adalah dengan menggunakan korelasi Pearson Moment. Langkah-langkah yang dilakukan setelah
memasukkan data adalah sebagai berikut:
1. Pada Data View, klik di panel ‘Analyze’ pada sisi atas. Pilih ‘Correlate’ selanjutnya akan keluar panel
tambahan yang kemudian klik pada ‘Bivariate’.

2. Selanjutnya SPSS akan memunculkan Output sebagai berikut:

Hasil tabel di atas yang perlu diperhatikan adalah kolom yang ditandai dengan kotak merah, dan yang
dilakukan pembacaan adalah angka yang ditandai dengan kotak biru. Angka tersebut merupakan
 koefisien korelasi (r) yang akan dibandingkan dengan nilai r-table.
3. R-table yang dapat digunakan bisa ditemukan dengan pencarian pada internet (tabel tidak disertakan
karena sangat panjang). Salah satu contoh r-table ada pada tautan
https://rufiismada.files.wordpress.com/2012/10/tabel-r.pdf Berikut adalah contoh penggunaan tabel :

Keterangan:
N = jumlah responden/subyek yang mengisi kuesioner (pada contoh adalah
20 subyek)
df = N-2 = 20-2 = 18
Signifikansi = derajat signifikansi (α) yang digunakan, penilitian kesehatan umumnya 5% (0,05)

4. Dari tabel di atas diperoleh bahwa r-table yang digunakan untuk penelitian pada contoh adalah sebesar
0,4438. Suatu item kuesioner dinyatakan VALID bila r-hitung >r-table. Maka bila melihat kembali
pada hasil r-hitung (koefisien korelasi pada tabel pearson), hasilnya sebagai berikut:
 Tabel tersebut juga menunjukkan bahwa item 3, 4, 5, 6, dan 7 adalah item kuesioner yang VALID
(tanda panah hijau), sedangkan item nomor 1 dan 2 merupakan item yang TIDAK VALID (tanda
silang merah).
5. Apabila dalam pembuatan kuesioner ditemukan item yang memiliki nilai yang TIDAK VALID, maka
item tersebut harus diubah atau dihapus dan diganti dengan item baru lainnya.

UJI RELIABILITAS dengan SPSS

Ghozali (2009) menyatakan bahwa reliabilitas adalah alat untuk mengukur suatu kuesioner yang
merupakan indikator dari peubah atau konstruk. Suatu kuesioner dikatakan reliabel atau handal jika
jawaban seseorang terhadap pernyataan adalah konsisten atau stabil dari waktu ke waktu. Uji reliabilitas
yng akan dilakukan pada praktikum ini adalah dengan menggunakan Cronbach’s Alpha. Langkah-
langkah yang dilakukan setelah memasukkan data adalah sebagai berikut:
1. Pada halaman panel data view, klik panel ‘Analyze’ di bagian atas. Langkah selanjutnya klik ‘Scale’,
kemudian ‘Reliability Analysis’.
2. Setelah itu akan muncul panel-panel sebagai berikut:

Klik panel sesuai tanda panah di atas.

3. Setelah klik ‘continue’ maka akan muncul hasil tabel sebagai berikut:

Reliability Statistics
Cronbach's Cronbach's
Alpha Alpha Based on
Standardized
Items N of Items
.535 .596 7

Hasil pada kotak merah diocokkan dengan tabel Cronbach’s Alpha dan dilihat kategori ‘internal
consistency’ hasil tersebut.
4. Hasil uji Cronbach’s Alpha adalah 0,535 maka artinya reliabilitas kuesioner ini rendah (poor). Oleh
karena itu harus melihat tabel ‘Item Total Statistics’ di halaman Output dan perhatikan kolom yang
telah ditandai kotak merah. Kolom tersebut ‘Cronbach’s Alpha If Item Deleted’ yang artinya ‘Nilai
Cronbach’s Alpha Bila Item Tersebut Dihapus’.

Pada tabel di atas ini dapat dilihat bahwa peluang peningkatan nilai Cronbach’s Alpha tertinggi adalah
bila item kuesioner 2 dihapus. Peluang tertinggi yang dapat diperoleh hanya 0,637 , yang bila
dicocokkan dengan tabel nilai Cronbach’s Alpha maknanya adalah Dipertanyakan (questionable),
maka keseluruhan kuesioner ini tidak dapat dikatakan reliabel/terandal.
Batas suatu kuesioner dapat diterima adalah apabila nilainya minimal 0,8 > α ≥ 0,7 maka apabila
kurang dari nilai tersebut dapat disimpulkan bahwa kuesioner tersebut belum siap digunakan dalam
penelitian dan butuh perbaikan atau diganti.
SUMBER REFERENSI

Ghozali, Imam, (2009). Aplikasi analisis multivariate dengan program SPSS, Ed.4. Semarang:
Universitas Diponegoro.
Sugiarto, Sitinjak. (2006). Lisrel. Edisi Pertama. Cetakan Pertama Yogyakarta: Penerbit Graha
Ilmu

INSTRUKSI UNTUK MAHASISWA

1. Bagikan kuesioner hasil praktikum 2 yang telah dibuat tiap kelompok kepada minimal 30 responden!
(dilakukan dalam 1 minggu)
2. Lakukan uji validitas dan reliabilitas kuesioner tersebut berdasarkan hasil pengisian responden! Buatlah
kesimpulan hasil uji tersebut!
 PETUNJUK PRAKTIKUM 2
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIKA

SPSS UJI HIPOTESIS

KOMPARATIF NUMERIK
2 KELOMPOK
(Independen dan Berpasangan)

FAKULTAS KEDOKTERAN GIGI

UNIVERSITAS ISLAM SULTAN AGUNG
SEMARANG
2022
SASARAN BELAJAR
1. Mampu melakukan dan menginterpretasikan hasil uji independent t-test
2. Mampu melakukan dan menginterpretasikan hasil uji Mann-Whitney
3. Mampu melakukan dan menginterpretasikan hasil uji paired t-test
4. Mampu melakukan dan menginterpretasikan hasil uji Wilcoxon

ALAT DAN BAHAN YANG DIPERLUKAN MAHASISWA

(mahasiswa mohon membawa sendiri)
1. Laptop
2. Program SPSS (minimal ver.20) yang telah kompatibel dengan sistem di laptop yang
digunakan

KETERAMPILAN YANG HARUS DISELESAIKAN

1. Memahami syarat uji independent t-test, Mann-Whitney, paired t-test, Wilcoxon
2. Melakukan uji independent t-test, Mann-Whitney, paired t-test, Wilcoxon
3. Menginterpretasi hasil uji independent t-test, Mann-Whitney, paired t-test, Wilcoxon

TAHAPAN KETERAMPILAN

UJI HIPOTESIS KOMPARATIF 2 KELOMPOK

(INDEPENDEN DAN BERPASANGAN)

UJI 2 KELOMPOK INDEPENDEN

1. Independent sample T-test
Independent t-test adalah uji perbedaan parametrik di antara dua kelompok bebas yang berskala
interval/rasio. Dua kelompok bebas yang dimaksud adalah dua kelompok dengan sumber data berasal
dari subyek yang berbeda, atau sampel penelitian merupakan sampel bebas (independent samples).
Sebelum melakukan uji independent sample t-test, terdapat beberapa syarat uji parametrik yang harus
dipenuhi.
Syarat untuk uji parametrik antara lain:

- Data berskala numerik, yaitu memiliki skala data interval atau rasio
- Memiliki distribusi normal
Uji T independen dinyatakan memiliki perbedaan signifikan apabila nilai signifikansi kurang dari
0,05 (p<0,05).
Uji T independen dinyatakan tidak memiliki perbedaan signifikan apabila nilai signifikansi lebih
dari 0,05 (p>0,05).
Misalnya suatu penelitian dengan judul “Perbedaan tekanan sistol pada perokok dan non-perokok”
Langkah-langkahnya adalah sebagai berikut:
a. Uji normalitas

Hasil uji normalitas dengan uji Komolgorov-Smirnov menunjukkan nilai signifikansi 0,127 yaitu
lebih besar dari 0,05, sehingga data dinyatakan berdistribusi normal

b. Selanjutnya dilakukan Independent T-Test, dengan langkah-langkah di bawah ini:

 Tabel hasil uji t independen pada kolom Uji Levene menunjukkan nilai signifikansi sebesar 0,297
(p>0,05), maka dapat disimpulkan bahwa data memiliki varians yang homogen.
Selain itu, pada kolom t-test tabel tersebut menunjukkan nilai signifikansi (Equal variance assumed)
sebesar 0,909 (p>0,05), sehingga dapat disimpulkan bahwa tidak terdapat perbedaan tekanan sistol
yang signifikan antara kelompok perokok dan non-perokok.

2. Uji Mann-Whitney
Uji Mann-Whitney merupakan uji komparasi non-parametrik untuk dua data tak berpasangan. Uji statistic
ini merupakan alternative dari uji t sampel bebas (independent sampel t-test). Penggunaan uji Mann-
Whitney:
1. Data Variabel terikat adalah data numerik (interval/rasio) yang tidak terdistribusi normal,
sehingga merupakan uji alternatif dari uji T independen atau data variabel terikat merupakan data
ordinal (tidak boleh data nominal).
2. Data merupakan sampel acak dari 2 kelompok yang bersifat bebas (tidak berpasangan).
3. Varians kedua kelompok bersifat homogen. Apabila tidak homogen, maka uji alternatifnya adalah
Uji Komolgorov-Smirnov Z.
Pada studi dengan derajat kesalahan (α) sebesar 5%, maka perbedaan dinyatakan bermakna apabila nilai
signifikansi <0,05. Sebaliknya, hasil uji ini dinyatakan tidak terdapat perbedan bermakna apabila nilai
signifikansi >0,05.
Langkah-langkah uji Mann-Whitney adalah sebagai berikut:

• Berikut contoh data yang dapat digunakan untuk latihan kali ini.
“Perbedaan skor pengetahuan TB antara pasien yang dirawat di kelas A dan kelas B”, berikut data
yang telah terkumpul:
• Untuk membuktikan normalitas distribusi data dan homogenitas data, klik Analyze  pilih
Descriptive statistic  explore

• Pindahkan variabel terikat (dependent variable)  ke variable list. Kemudian variabel bebas
(independent variable)  ke factor list.
• Klik plot  centang histogram data dan normality plot with test untuk melihat normalitas
data.Klik power estimation, untuk uji homogenitas data (uji Levene)  klik continue 
kemudianklik OK.
• Hasilnya sebagai berikut:

• Karena besar smpel <50 sampel, maka pembacaan uji normalitas dilakukan pada hasil uji Saphiro-
Wilk. Hasil tabel menunjukkan kedua kelompok memiliki nilai p<0,05, sehingga dapat
disimpulkan bahwa data tidak terdistribusi normal.
• Hasil uji homogenitas varians pada ‘Based on Mean’ menunjukkan nilai p>0,05 maka dapat
disimpulkan bahwa varians data bersifat homogen.
• Oleh karena data merupakan skala ordinal, kemudian hasil uji normalitas dan homogenitas data
telah memenuhi syarat maka yang digunakan adalah uji Mann-Whitney. Langkah-langkahnya
adalah sebagai berikut:
1. Pindahkan skor pada test variable list, dan kelas pada grouping variables.
2. Klik Define Group untuk menentukan grup yang akan dianalisis, karena grup terdiri dari 2
kelas (coding kelas A = 1, coding kelas B = 2) maka isikan angka 1 dan 2.
3. Pada kotak Test type, centang Mann-Whitney U.
4. Klik OK untuk analisis

Akan muncul hasil tabel sebagai berikut:

 • Ranking rata-rata pasien kelas A adalah sebesar 21,82 dan ranking rata-rata pasien kelas B adalah
sebesar 15,53.
• Nilai signifikansi uji Mann-Whitney adalah sebesar 0,073 (p>0,05), sehingga dapat disimpulkan
bahwa :
“Tidak terdapat perbedaan skor pengetahuan TB yang signifikan antara pasien kelas A dan B”

UJI 2 KELOMPOK BERPASANGAN

Yang dimaksud dengan sampel berpasangan adalah sampel yang memenuhi salah satu kriteria sebagai
berikut:
1. Data yang berasal dari individu yang sama.
Contoh : tinggi badan mahasiswa FKG Unissula angkatan 2017 diukur pada Desember 2018 dan
diukur kembali pada Februari 2021.
2. Data dianggap berpasangan karena proses matching subyek penelitian
Matching yang dimaksud yaitu 2 kelompok penelitian dengan orang-rang yang berbeda tetai
memiliki karakteristik yang mirip satu sama lain untuk dibandingkan hasilnya.
3. Data penelitian dengan desain cross over
Cross over yang dimaksud adalah penelitian dengan 2 jenis perlakuan/intervensi yang diberikan
kepada subyek yang sama
4. Data diambil dari bagian tubuh berbeda dari subyek yang sama
Contoh : pengamatan penyatuan epitel bukal ulkus traumatikus dibandingkan dengan epitel bukal
sehat yang diambil dari subyek yang sama.
Perlakuan/intervensi yang dimaksud dapat berupa pemberian obat, terapi, pelatihan, edukasi, dan lain-lain
yang dapat mempengaruhi hasil pengukuran variabel terikat. Jenis uji 2 kelompok berpasangan ini antara
lain uji Paired T-test atau Wilcoxon.
1. PAIRED T-TEST (Uji T Berpasangan)
Uji T berpasangan atau paired t-test merupakan uji parametrik untuk sampel berpasangan. Sebelum
dilakukan uji ini, maka syarat uji parametrik harus terpenuhi lebih dahulu (telah dijelaskan di awal).
Langkah-langkah uji t berpasangan adalah sebagai berikut:

• Seorang dokter gigi melakukan penelitian tentang pengaruh media penyuluhan video
interaktif pada pengetahuan siswa SMP Jatiasih kelas 1. Dokter gigi tersebut mengukur
pengetahuan melalui kuesioner dengan cara pretest dan post test. Skala data merupakan
skala interval. Hasilnya diinput dalam SPSS sebagai berikut:

• Dilakukan uji normalitas yaitu dengan uji Saphiro-Wilk, hasilnya sebagai berikut

Hasil di atas menunjukkan nilai signifikansi pretest dan post test lebih besar dari 0,05
(p>0,05), maka dapat disimpulkan data terdistribusi normal.
• Kemudian, data tersebut dilakukan uji komparasi parametrik yaitu paired t-test karena
merupakan data berpasangan, skala data numerik, dan distribusi data normal.
• Setelah itu, masukkan variabel SPSS sebagai berikut:

• Kemudian masukkan variable pasangannya (post test) sebagai berikut:

Selanjutnya klik OK
 • Hasil uji tersebut akan diperoleh tabel seperti berikut ini:

Tabel “Paired Samples Statistics”

Menunjukkan hasil statistic deskriptif meliputi rerata nilai pada pretest dan posttest beserta
simpangan baku, standar error, dan jumlah data masing-masing kelompok.
Tabel “Paired Samples Test”
Menunjukkan hasil uji komparasi pada kolom ‘Sig (2-tailed)’. Nilai signifikansi adalah
sebesar 0,000 (p<0,05) sehingga dapat disimpulkan bahwa:
“Terdapat perbedaan yang signifikan antara nilai pretest dan posttest pengetahuan siswa
SMP Jatiasih kelas 1. Oleh karena itu, dapat disimpulkan bahwa terdapat pengaruh
pemberian media penyuluhan video interaktif pada pengetahuan siswa SMP Jatiasih kelas
1.”

2. UJI WILCOXON
Uji Wilcoxon merupakan uji alternative dari uji T berpasangan. Uji Wilcoxon merupakan bagian
uji non-parametrik. Uji tersebut dilakukan apabila data tidak terdistribusi normal, sehingga syarat
uji parametrik tidak dapat dipenuhi.
Uji Wilcoxon menganalisis perbedaan rerata dua sampel yang berpasangan, umumnya data tersebut
memiliki skala ordinal atau pun numerik (dengan distribusi tidak normal).
Pembacaan hasil Signed Rank Wilcoxon adalah sebagai berikut:
a. Uji Wilcoxon dinyatakan memiliki perbedaan signifikan apabila nilai signifikansi kurang
dari 0,05 (p<0,05).
b. Uji Wilcoxon dinyatakan tidak memiliki perbedaan signifikan apabila nilai signifikansi lebih
dari 0,05 (p>0,05).
Contoh Kasus:
Seorang peneliti ingin mengetahui pengaruh penggunaan metode belajar kelompok terhadap hasil
belajar matematika siswa SMP Sultan Agung 1 kelas 8 A tahun 2021. Peneliti melakukan pretest
dan post test terhadap siswa yang menjadi subyek penelitian, hasil sebagai berikut:
Hipotesis yang diajukan oleh peneliti (H 1) adalah ‘terdapat pengaruh metode belajar kelompok
terhadap hasil belajar matematika ATAU terdapat perbedaan hasil belajar matematika dengan
metode belajar kelompok pada siswa SMP Sultan Agung 1 kelas 8 A tahun 2021’.
Cara Uji Wilcoxon:
a. Melakukan input variabel pada variable view, yaitu menjadi ‘pretest’ dan ‘post-test’ (cara
input pada materi sebelumnya), hingga diperoleh tampilan sebagai berikut:

b. Selanjutnya data mentah diinput pada data view, sehingga diperoleh tampilan berikut:
c. Data dengan skala rasio atau interval (numerik), maka dilakukan uji normalitas lebih dahulu.
Apabila hasil uji normalitas menunjukkan distribusi tiak normal pada salah satu dari variabel
‘pre’ dan ‘post’, maka dilakukan uji non-parametrik Wilcoxon.
d. Pada layer akan muncul box “Two-Related Sample Test”, selanjutnya masukkan ‘pre’ dan
‘post’ ke dalam “Test Pairs” pada variable 1 dan variable 2. Test type yang dipilih adalah
Wilcoxon, lalu klik OK.

e. Maka akan didapat hasil tabel sebagai berikut:

• Negative rank (selisih negative)  yaitu selisish negative antara hasil belajar
matematika adalah 0, baik itu pada nilai N, mean rank maupun Sum Rank. Nilai ) ini
menunjukkan tidak adanya penurunan (pengurangan) dari nilai Pretest ke nilai psot
test.
• Positive rank (selisih positif)  antara hasil belajar matematika untuk pretest dan
post test. Di sini terdapat 22 data positif (N) yang artinya ke-22 siswa
mengalami peningkatan hasil belajar matematika dari nilai pretest dan post test.
Mean rank atau rata-rata peningkatan tersebut adalah sebesar 11,50 sedangkan
jumlah ranking positif atau Sum of Rank adalah sebesar 253,00.
• Ties  kesamaan nilai pretest dan post test, di sini nilai Ties adalah 0, sehingga dapat
dikatakan bahwa tidak ada nilai yang sama antara pretest dan post test.
• Asymp. Sig (2-tailed)  nilai 0,000 (p<0,05) maka dapat disimpulkan bahwa
H1 diterima dan H0 ditolak. Sehingga kesimpulan akhirnya adalah “terdapat
perbedaan hasil belajar matematika dengan metode belajar kelompok pada siswa
SMP Sultan Agung 1 kelas 8 A tahun 2021”.
 PETUNJUK PRAKTIKUM 3
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIKA

SPSS UJI HIPOTESIS

KOMPARATIF NUMERIK
LEBIH DARI 2 KELOMPOK

FAKULTAS KEDOKTERAN GIGI

UNIVERSITAS ISLAM SULTAN AGUNG
SEMARANG
2022
SASARAN BELAJAR
1. Mampu melakukan dan menginterpretasikan hasil uji ANOVA
2. Mampu melakukan dan menginterpretasikan hasil uji Kuskal-Wallis
3. Mampu melakukan dan menginterpretasikan hasil uji repeated ANOVA
4. Mampu melakukan dan menginterpretasikan hasil uji Friedman

ALAT DAN BAHAN YANG DIPERLUKAN MAHASISWA

(mahasiswa mohon membawa sendiri)
1. Laptop
2. Program SPSS (minimal ver.20) yang telah kompatibel dengan sistem di laptop yang
digunakan

KETERAMPILAN YANG HARUS DISELESAIKAN

1. Memahami syarat uji ANOVA, Kruskal-Wallis, repeated ANOVA, Friedman
2. Melakukan uji ANOVA, Kruskal-Wallis, repeated ANOVA, Friedman
3. Menginterpretasi hasil uji ANOVA, Kruskal-Wallis, repeated ANOVA, Friedman
4. Melakukan dan menginterpretasi uji post hoc dari ANOVA, Kruskal-Wallis, repeated
ANOVA, Friedman

TAHAPAN KETERAMPILAN

UJI HIPOTESIS NUMERIK KOMPARATIF INDEPENDEN

LEBIH DARI 2 KELOMPOK
(Uji ANOVA dan Kruskal-Wallis)

1. UJI One Way ANOVA (Analysis of Variance)

Syarat atau pertimbangan uji One-way ANOVA:

a. Uji ini bertujuan melihat perbedaan atau membandingkan antara kelompok-kelompok
subyek yang bersifat independen (tidak berpasangan)
b. Jumlah kelompok lebih dari 2 kelompok penelitian. Hal tersebut dapat dilihat dari jumlah
kategori variabel kategorik.
c. Skala data variabel terikat adalah skala rasio/interval (data numerik)
d. Distribusi data tiap kelompok HARUS normal
e. Pengukuran terhadap subyek dilakukan 1 kali
f. Relativitas varian data:
- Apabila varian homogen (hasil Levene’s test p>0,05) maka menggunakan uji One-
way ANOVA dengan post hoc Bonferroni.
- Apabila varian tidak homogen (hasil Levene’s test p<0,05) maka menngunakan uji
One-way ANOVA Welch dengan post hoc Games-Howell
 Apabila distribusi data tidak normal serta varian tidak homogen, maka uji Anova tidak
valid untuk dilakukan sehingga harus menggunakan uji non-parametrik alternatif misalnya
Kruskal Wallis.dengan post hoc Mann-Whitney.

- LANGKAH UJI ONE-WAY ANOVA SPSS

1. Buka SPSS.
2. Buka Tab Variable View, buat 2 variabel: Pekerjaan dan Pendapatan.
3. Ubah Type Pekerjaan ke “Numeric”, Decimals “0”, beri label “Pekerjaan”, ubah measure
menjadi “Nominal” dan isi value dengan kategori: 1 = Tani, 2 = Buruh dan 3 = Lainnya.
4. Ubah Type Pendapatan ke “Numeric”, Decimals “0”, beri label “Pendapatan”, ubah
measure menjadi “Scale”.

5. Buka Data View dan isikan data, contohnya :

6. Lakukan uji normalitas distribusi terlebih dahulu (langkah telah dijelaskan pada praktikum
sebelumnya). Apabila langkah yang dilakukan tepat maka akan diperoleh hasil sebagai
berikut:

Sampel yang digunakan adalah 22 subyek, maka pembacaan dilakukan pada kolom
signifikansi Saphiro-Wilk (keterangan pembacaan telah dijelaskan di praktikum
sebelumnya).
Hasil tabel di atas menunjukkan seluruh kelompok penelitian memiliki distribusi data yang
normal. Maka analisis dapat dilanjutkan menggunakan One-Way ANOVA.
7. Pada menu, pilih Analyze, Compare Means, One-Way ANOVA, sampai muncul jendela
One-Way ANOVA seperti di bawah ini:

8. Pilih variabel “Pendapatan” lalu masukkan ke kotak “Dependent List:” Kemudian pilih
variabel “Pekerjaan” lalu masukkan ke kotak “Factor:” Sehingga nampak seperti di bawah
ini:
9. Klik tombol Options, akan muncul jendela ini: Centang “Homogenity of variance test“
dan “Welch”

10. Klik Continue lalu “OK”

11. Maka akan muncul hasil sebagai berikut:
 • Dari tabel Test of Homegeneity of Variances terlihat bahwa hasil uji menunjukan bahwa
varian ketiga kelompok tersebut sama (P-value = 0,759), sehingga uji ANOVA valid
untuk menguji hubungan ini.
• Selanjutnya untuk melihat apakah ada perbedaan pendapatan dari ketiga kelompok
pekerja tersebut. Kita lihat tabel ANOVA , dari tabel itu pada kolom Sig. diperoleh nilai
P (P-value) = 0,044. (p<0,05) maka H0 ditolak, sehingga kesimpulan yang didapatkan
adalah ada perbedaan yang bermakna rata-rata pendapatan berdasarkan ketiga kelompok
pekerjaan tersebut. Selanjutnya data dilakukan uji post hoc.
• Apabila hasil ANOVA menunjukkan perbedaan yang tidak signifikan maka tidak
dilanjutkan dengan uji post hoc.
• Tabel Robust Test of Equality of Means diabaikan karena varian data homogen.

12. Uji post hoc yang dipilih yaitu Bonferroni, karena varian data yang homogen.
 13. Klik Continue.
14. Lalu Klik OK dan Lihatlah hasil pada tabel sebagai berikut:

Interprestasi Baca Post Hoc test adalah sebagai berikut:

▪ Signifikansi pendapatan antara pekerjaan tani dan buruh sebesar 0,433 > 0,05. Artinya
adalah tidak terdapat perbedaan pendapatan yang bermakna antara pekerjaan tani dan
buruh (begitu pula antara pekerjaan buruh dan lain-lain).
▪ Signifikansi pendapatan antara pekerjaan tani dan lain-lain sebesar 0,042 > 0,05. Artinya
adalah terdapat perbedaan nilai pendapatan yang bermakna antara pekerjaan tani dan
lain-lain.

2. UJI KRUSKAL-WALLIS

Uji Kruskal wallis merupakan uji non-parametrik untuk melihat perbedaan antara lebih dari 2
kelompok yang saling bebas (tidak berpasangan). Kelompok pada variabel bebas dapat terdiri atas
lebih dari dua kelompok. Skala data pada variabel terikat minimal berskala ordinal, sehingga
apabila data berskal rasio atau interval boleh diuji dengan uji Kruskal Wallis jika syarat uji
parametrik tidak terpenuhi. Uji Kruskal Wallis menjadi alternatif dari uji One Way ANOVA, ketika
data terdistribusi tidak normal.

- SYARAT UJI KRUSKAL WALLIS

a. Variabel bebas : skala kategorik lebih dari 2 kelompok/kategori yang tidak berpasangan.
b. Variabel terikat : minimal berskala ordinal

- TUTORIAL UJI KRUSKAL WALLIS

Sebagai contoh, peneliti ingin mengetahui apakah terdapat perbedaan kadar glukosa darah
sewaktu antara 4 kelompok perlakuan:
1. Kelompok mencit yang tidak diberi apa-apa
2. Kelompok mencit yang mendapat glibenklamid
3. Kelompok mencit yang mendapat ekstrak kemangi 5 mg
4. Kelompok mencit yang mendapat ekstrak kemangi 10 mg
Langkah-langkahnya adalah sebagai berikut:
a. Lakukan input data sebagai berikut

b. Lakukan koding pada Value kategori grup, seperti berikut:

c. Karena data variabel terikat berskala numerik, maka lakukan uji normalitas lebih dahulu
pada masing-masing kelompok/kategori. Langkahnya sebagai berikut:

Hasilnya adalah tabel berikut:

Tabel ini menunjukkan bahwa dari seluruh kelompok penelitian, hanya kelompok
glibenklamid yang memiliki varians data homogen karena nilai signifikansi 0,079
 (≥0,05). Kelompok kontrol, ekstrak kemangi 5 mg, dan ekstrak kemangi 10 mg tidak
memiliki varians data yang homogen karena nilai signifikansi kurang dari 0,05.
d. Oleh karena itu tidak dapat dilakukan uji ANOVA, dan uji hipotesis komparatif 2
kelompok tak berpasangan yang dapat dilakukan adalah alternatifnya yaitu uji
Kruskal Wallis

e. Kemudian dilajutkan dengan Post hoc test untuk melihat perbedaan antar 2 kelompok
penelitian. Langkahnya sebagai berikut:
f. Hasil tabel uji statistic tersebut adalah sebagai berikut:
 Hasil uji Kruskal Wallis adalah terdapat perbedaan kadar glukosa darah sewaktu yang
signifikan secara statistik antara kelompok kontrol, glibenklamid, ekstrak kemangi 5 mg,
dan ekstrak kemangi 10 mg. Hal tersebut diketahui dari nilai signifikansi (p) sebesar 0,000
(≤0,05).

Hasil uji Mann Whitney antara kelompok kontrol dan glibenklamid menunjukkan nilai p
sebesar 0,000, sehingga dapat disimpulkan bahwa terdapat perbedaan glukosa darah
sewaktu yang signifikan antara kelompok kontrol dan glibenklamid.

Uji Mann Whitney dilakukan juga antar 2 kelompok lainnya.

TUGAS UNTUK MAHASISWA

• Kerjakanlah sesuai intruksi pada file latihan soal
 PETUNJUK PRAKTIKUM 4
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIKA

SPSS UJI HIPOTESIS

KOMPARATIF KATEGORIK
(Independen dan Berpasangan)

FAKULTAS KEDOKTERAN GIGI

UNIVERSITAS ISLAM SULTAN AGUNG
SEMARANG
2022
SASARAN BELAJAR
1. Mampu melakukan dan menginterpretasikan hasil uji hipotesis komparatif kategorik
independen (uji chi-square)
2. Mampu melakukan dan menginterpretasikan hasil uji hipotesis komparatif kategorik
independen alternatif uji chi-square
3. Mampu melakukan dan menginterpretasikan hasil uji hipotesis komparatif kategorik
berpasangan

ALAT DAN BAHAN YANG DIPERLUKAN MAHASISWA

(mahasiswa mohon membawa sendiri)
1. Laptop
2. Program SPSS (minimal ver.20) yang telah kompatibel dengan sistem di laptop yang
digunakan

KETERAMPILAN YANG HARUS DISELESAIKAN

1. Memahami syarat uji chi-square dan alternatifnya (Uji Fisher dan Komolgorov-Smirnov)
2. Memahami syarat uji McNemar, Marginal homogeinity, Cochran
3. Melakukan uji Chi-Square, Fisher, Komolgorov-Smirnov
4. Melakukan uji McNemar, Marginal homogeinity, Cochran
5. Menginterpretasi hasil uji Chi-Square, Fisher, Komolgorov-Smirnov, McNemar,
Marginal homogeinity, Cochran

TAHAPAN KETERAMPILAN

UJI KOMPARATIF KATEGORIK (NOMINAL) INDEPENDEN

Uji Chi-Square, Uji Fisher, Uji Komolgorov-Smirnov

1. UJI CHI-SQUARE

Uji chi-square atau khi-kuadrat merupakan pengolahan crosstab yang digunakan untuk mengetahui
perbandingan antara variabel yang terdapat pada baris dan kolom.

Syarat yang harus dipenuhi dari uji chi-square:

a. Variabel terikat yang diuji dengan uji chi-square adalah variabel dengan skala nominal.
b. Sel yang mempunyai nilai expected kurang dari 5, maksimal 20% dari jumlah sel
Apabila syarat tersebut tidak terpenuhi, maka harus digunakan uji alternatif:
a. Uji Fisher, untuk alternatif Chi-Square 2x2
b. Uji Komolgorov-Smirnov, untuk alternatif Chi-Square 2xK
Langkah-langkah Uji Chi-Square:
• Pilih Anlyze, Descriptive Statistics, lalu klik Crosstabs

• Kotak dialog Crosstabs muncul, pindahkan VARIABEL BEBAS ke Row(s)

dan VARIABEL TERIKAT ke Colum(s)

Missal : pada penelitian “Perbedaan Status Fertilitas pada Kelompok Perokok Dan
Bukan Perokok”
Variabel bebas  perilaku merokok (perokok dan bukan perokok)
Variabel terikat  status fertilitas (steril dan fertil)

• Klik Statistics, Pada kotak dialog Crosstabs:Statistics yang muncul centang Chi-
Square  Klik Continue
• Kemudian klik ‘Cell…’  pada kotak ‘Counts’ klik ‘Observed’ dan ‘Expected’ 
kemudian klik Continue  lalu klik OK

• Hasil output yang didapat adalah sebagai berikut:

Dari tabel di atas:

Tidak terdapat cell dengan expected count kurang dari 5, sehingga olah data dapat
menggunakan uji chi-square.
 • Kesimpulan :
Nilai signifikansi (p) pada 0,004 atau kurang dari 0,05 sehingga dapat disimpulkan bahwa
terdapat perbedaan status fertilitas yang signifikan pada orang yang merokok dan tidak
merokok.
Atau
Terdapat hubungan yang signifikan antara merokok dengan status fertilitas.

2. UJI FISHER

Uji Fisher merupakan uji alternatif dari chi-square tabel 2x2, apabila tidak memenuhi syarat
expected cell.
Langkah-langkah Uji Fisher sama dengan Uji Chi-Square, hanya saja pembacaan pada tabel hasil
uji statistik yang berbeda.
• Output yang muncul adalah sebagai berikut:

Dari tabel di atas:

Terdapat 2 cells dari 4 cells (50%) yang memiliki nilai expected cell kurang dari 5 dan
tabel crosstab adalah tabel 2x2, maka olah data dilakukan dengan uji Fisher.

Kesimpulan :
Nilai signifikansi (p) pada 0,250 atau lebih dari 0,05 sehingga dapat disimpulkan bahwa
tidak terdapat perbedaan status fertilitas yang signifikan antara keompok yang perokok dan
yang tidak.
Atau
Tidak terdapat hubungan yang signifikan antara perilaku merokok dengan status fertilitas.
3. UJI KOMOLGOROV-SMIRNOV

Uji Komolgorov-Smirnov merupakan uji alternatif dari chi-square tabel 2xK, apabila tidak
memenuhi syarat sel expected. Jumlah K yang dimaksud adalah lebih dari 2.

Sebagai contoh adalah suatu penelitian yang ingin mengamati pengaruh jenis kelamin dalam
memilih pekerjaan.
Data ditabulasikan dalam crosstab seperti langkah pada uji chi-square.

Misal hasil crosstab dengan nilai sel expected sebagai berikut:

Dari tabel di atas:

Terdapat 9 cells dari 10 cells (90%) yang memiliki nilai expected cell kurang dari 5 dan tabel
crosstab adalah tabel 2xK, maka olah data dilakukan dengan uji Komolgorov-Smirnov.

Langkah-langkahnya adalah sebagai berikut:

• Klik Analyze  klik “Nonparametric test”  kemudian klik pada “2 independent
samples”
 • Setelah itu akan muncul boks. Pindahkan Variabel terikat (Pekerjaan) pada boks Test
variable list  pindahkan variabel bebas (jenis kelamin/gender) pada boks Grouping
variables  Klik “define groups” dan diisi sesuai kode angka Value yang dibuat pada
Variable view  klik “continue”
• Kemudian klik pada pilihan test type “Komolgorov Smirnov”  klik OK

Hasil dari uji Komolgorov-Smirnov akan diperoleh tabel sebagai berikut:

Kesimpulan :
Nilai signifikansi (p) pada 0,025 atau kurang dari 0,05 sehingga dapat disimpulkan bahwa
terdapat perbedaan pemilihan pekerjaan yang signifikan antara kelompok laki-laki dan
perempuan.
Atau
Terdapat hubungan yang signifikan antara jenis kelamin dengan pilihan pekerjaan.
 UJI KOMPARASI KATEGORIK
BERPASANGAN
(Uji McNemar, Marginal Homogeneity, Cochran)

A. UJI McNEMAR

Uji McNemar digunakan untuk penelitian yang membandingkan sebelum dan sesudah
peristiwa/treatment di mana tiap objek digunakan pengontrol dirinya sendiri. Uji ini
dilakukan pada 2 sampel yang berhubungan, skala pengukurannya berjenis nominal
(binary respons) dan untuk crostabulasi data 2 x 2.
Contoh kasus
Diambil sampel 50 orang, mereka diminta untuk menentukan pemilihan Kepala Desa yang
akan dipilih. Data di ambil sebelum dan sesudah debat dari 2 calon Kepala Desa. Calon A
diwakili angka 1 dan Calon B diwakili angka 2. Ingin diketahui apakah terdapat perbedaan
atau perubahan pilihan terhadap calon Kepala Desa setelah debat dilakukan?

Data sebagai berikut :

Langkah-langkah SPSS :
1) Klik Analyze > Nonparametric Test > 2 Related Samples
2) Masukkan kedua variabel ke dalam kolom Test Pairs List
3) Pilih McNemar
4) Klik OK

Hipotesis :
H0 = Tidak terdapat perubahan yang signifikan pemilihan kepala desa sebelum dan
sesudah debat.
H1 = Terdapat perubahan yang signifikan pemilihan kepala desa sebelum dan sesudah
debat.

Kriteria uji :
Tolak hipotesis nol (H0) jika nilai p-signifikan < 0,05

Output SPSS

Tabel pertama menunjukan hasil crosstabulasi data sebelum dan sesudah debat dilakukan.
Dari tabel Test Statistic diketahui nilai p-valu uji McNemar sebesar 0,000 (< 0,05) maka
tolak hipotesis nol (H0) yang artinya ada perubahan yang signifikan pemilihan kepala desa
sebelum dan sesudah debat dilakukan.
B. UJI MARGINAL HOMOGENEITY
Uji Marginal Homogeneity termasuk uji statistik nonparametrik. Uji ini dilakukan
untuk tes dua sampel yang saling berhubungan dan merupakan perluasan dari uji
McNemar. Penggunaan uji ini untuk melihat apakah terdapat perbedaan atau perubahan
antara dua peristiwa sebelum dan sesudahnya. Kategori data yaitu data kategori
multinominal lebih dari 2 x 2.

Contoh kasus
Seorang peneliti sosial mengambil sampel 30 responden/masyarakat dan diminta pendapat
terhadap pencabutan program JPS (Jaring Pengaman Sosial). Data dicatat sebelum dan
sesudah sosialisasi yang dilakukan melalui media TV, cetak dan sosialisasi langsung di
masyarakat. Ada tiga kategori jawaban yaitu :
0 = Tidak setuju, 1 = ragu-ragu, 2 = setuju.

Data yang diperoleh sebagai berikut :

Langkah-langkah analisis :
1) Klik Analyze > Nonparametric Test > 2 Related Samples
2) Masukkan kedua variabel ke kolom Test Pair List
3) Pilih Marginal Homogeneity
4) Klik Continue
5) Kemudian OK
Hasil output SPSS

Hipotesis :
H0 = Tidak terdapat perbedaan/perubahan pendapat masyarakat terhadap pencabutan
program JPS sebelum dan sesudah sosialisasi.
H1 = Terdapat perbedaan/perubahan pendapat masyarakat terhadap pencabutan
program JPS sebelum dan sesudah sosialisasi.

Kriteria uji :
Tolak Hipotesis nol (H0) jika nilai signifikansi p-value (< 0,05) Tabel Marginal
Homogeneity test di atas nilai p-value uji Marginal Homogeneity test sebesar 0,00 (<
0,05) maka tolak hipotesis nol (H0). Jadi kesimpulannya terdapat perbedaan/perubahan
pendapat masyarakat terhadap pencabutan program JPS sebelum dan sesudah
sosialisasi.

Untuk melihat prosentase perubahan pendapat masyarakat dapat digunakan analisis

crosstabulation.
D. UJI COCHRAN
Uji Cochran merupakan uji statistik untuk mengetahui apakah ada perbedaan antara
lebih dua sampel yang berhubungan. Salah satu syarat untuk melakukan uji Cochran
adalah data ganya mempunyai 2 nilai saja contoh : ya atau tidak, bagus atau jelek dan
seterusnya.
Contoh :
Suatu penelitian dilakukan untuk mengetahui apakah ada perbedaan kenyamanan
antara 3 merek mobil yang berbeda. Kemudian diambil 10 sukarelawan untuk mencoba
ketiga mobil tersebut. Masing – masing sukarelawan akan mencoba masing merek
mobil tersebut. Kemudian sukarelawan mengisi kuisioner, apakah masing-masing
merek mobil tersebut nyaman atau tidak.
Berikut adalah datanya :

1 = nyaman
0 = tidak nyaman
Berikut langkah – langkah untuk melakukan uji Cochran:

1. Masukkan data diatas pada SPSS. Pastikan melakukan pengkodean untuk kategori
data.
2. Klik menu Analyze > Nonparametric Tests > Legacy Dialogs > K Related Samples

3. Pada kotak dialog yang muncul, masukkan variabel mobil_a, mobil_b dan mobil_c pada kotak
Test Variabels. Pastikan pilihan Cochran’s aktif.
4. Klik OK untuk melakukan analisa. Maka pada jendela output akan muncul hasil sebagai
berikut:

Output pertama ini menunjukkan informasi mengenai banyaknya data yang diolah untuk
masing – masing variabel.

Output ke 2 ini memberikan informasi nilai sebagai dasar pengambil keputusan.

Untuk menentukan apakah ada perbedaan kenyamanan atau dari 3 merek mobil tersebut ,
pertama – tama kita membuat hipotesis sebagai berikut :
H0 = Ketiga merek mobil mepunyai kenyamanan yang sama.
H1 = Ketiga merek mobil mempunyai kenyamanan yang tidak sama.

Syarat H0 diterima atau tidak berdasarkan nilai probabilitas sebagai berikut :

Apabila probabilitas > 0.05 maka H0 diterima.
Apabila probabilitas < 0.05 maka H0 ditolak
 Dari hasil di atas pada baris Asymp Sig terlihat bahwa nilai probabilitas 0.008. Maka H0
ditolak (0.008 < 0.05) . Dengan demikian keputusan yang diambil adalah sebagai berikut :
“Ketiga merek mobil memiliki perbedaan kenyamanan secara signifikan karena nilai
signifikansi sebesar 0,008 (p<0,05).”

TUGAS UNTUK MAHASISWA

• Kerjakanlah sesuai intruksi pada file latihan soal
 PETUNJUK PRAKTIKUM 5
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIKA

SPSS UJI HIPOTESIS

KORELASI

FAKULTAS KEDOKTERAN GIGI

UNIVERSITAS ISLAM SULTAN AGUNG
SEMARANG
2022
SASARAN BELAJAR
1. Mampu memahami alur pemikiran korelasi
2. Mampu melakukan dan menginterpretasikan hasil uji Pearson
3. Mampu melakukan dan menginterpretasikan hasil uji Spearman
4. Mampu melakukan dan menginterpretasikan hasil uji Gamma
5. Mampu melakukan dan menginterpretasikan hasil uji Somer’s
6. Mampu melakukan dan menginterpretasikan hasil uji Koefisien kontingensi
7. Mampu melakukan dan menginterpretasikan hasil uji Lambda

ALAT DAN BAHAN YANG DIPERLUKAN MAHASISWA

(mahasiswa mohon membawa sendiri)
1. Laptop
2. Program SPSS (minimal ver.20) yang telah kompatibel dengan sistem di laptop yang
digunakan

KETERAMPILAN YANG HARUS DISELESAIKAN

1. Memahami syarat uji Pearson, Spearman, Gamma, Somer’s, Koefisien kontingensi,
Lambda
2. Melakukan uji Pearson, Spearman, Gamma, Somer’s, Koefisien kontingensi, Lambda
3. Menginterpretasi hasil uji Pearson, Spearman, Gamma, Somer’s, Koefisien kontingensi,
Lambda

TAHAPAN KETERAMPILAN

UJI HIPOTESIS KORELASI

A. PANDUAN UJI KORELASI

Jenis uji hipotesis korelasi dipilih berdasarkan jenis skala data pada variabel penelitian.
Contohnya sebagai berikut:

Variabel 1 Variabel 2 Uji Korelasi

Nominal Nominal Koefisien kontingensi, Lambda
Nominal Ordinal Koefisien kontingensi, Lambda
Ordinal Ordinal Spearman, Gamma, Somers’d
Ordinal Numerik Spearman
Numerik Numerik Pearson
Keterangan : untuk variabel numerik, alternatif dari Pearson adalah Spearman
 • Uji Korelasi Kontingensi dengan Lambda
1. Keduanya digunakan untuk uji korelasi 2 variabel, dengan salah satu variabel
berskala nominal.
2. Uji koefisien kontingensi digunakan untuk menguji korelasi antara 2 variabel
yang setara (tidak ada variabel bebas dan terikat), sedangkan uji Lambda untuk
2 vriabel yang tidak setara (ada variabel bebas dan terikat).

• Uji korelasi Spearman dengan Uji korelasi Gamma dan Somers’d

1. Semua uji tersebut dapat digunakan untuk uji korelasi 2 variabel berskala
ordinal dan ordinal.
2. Uji Spearman digunakan untuk menguji variabel berskala numerik dan ordinal.
3. Uji Spearman merupakan uji alternatif dari uji Pearson, apabila tidak dapat
memenuhi syarat uji parametrik.
4. Uji Gamma dan Somers’d digunakan untuk uji korelasi variabel ordinal dengan
kategori variabel ‘sedikit’ sehingga dapat digunakan tabel crosstab BxK.

• Uji korelasi Gamma dengan Somers’s

Uji korelasi Gamma digunakan untuk menguji korelasi antara 2 variabel setara,
sedangkan uji korelasi Somers’d untuk 2 variabel yang tidak setara.

Interpretasi uji korelasi adalah berdasarkan nilai p (signifikansi), kekuatan korelasi, serta
arah korelasinya. Panduan interpretasinya adalah tabel sebagai berikut:
No. Parameter Nilai Interpretasi

1. Kekuatan Korelasi (r) 0,00-0,199 Sangat lemah

0,20-0,399 Lemah
0,40-0,599 Sedang
0,60-0,799 Kuat
0,80-1,00 Sangat Kuat

2. Nilai p p < 0,05 Terdapat korelasi yang bermakna

antara dua variabel yang diuji

p > 0,05 Tidak terdapat korelasi yang

bermakna antara dua variabel
yang diuji

3. Arah korelasi + (positif) Searah  semakin besar nilai

satuvariabel, maka semakin besar
pula nilai variabel lainnya

- (negatif) Berlawanan arah  semakin

besar nilai suatu variabel, maka
semakin kecil variabel lainnya
B. UJI KORELASI PEARSON
• Uji korelasi Pearson adalah uji parametrik, sehingga sebelum dilakukan uji tersebut
maka data harus terdistribusi normal terlebih dahulu.
• Apabila data tidak berdistribusi normal, maka dapat dilakukan transformasi data
kemudian diuji kembali normalitas datanya.
• Sebagai contoh kasus, berikut adalah penelitian ‘Hubungan antara Tinggi Badan dan
Lingkar Kepala’. Langkah-langkahnya adalah sebagai berikut:

1. Setelah seluruh data dimasukkan, kemudian klik ‘Analyze’  lalu klik ‘Correlate’
 setelah itu ‘Bivariate’

2. Masukkan variabel yang akan diujikan ke kotak ‘variable’ (kotak sebelah kanan)
 pada kotak ‘Correlation coefficients’ klik ‘Pearson’  pada kotak test
of significance klik ‘Two tailed’
 3. Setelah itu akan tampil tabel sebagai berikut:

Interpretasi tabel ini menyesuaikan dengan petunjuk tabel cara baca, sehingga
pembacannya sebagai berikut:
▪ Nilai p sebesar 0,003 yang berarti bahwa terdapat korelasi yang bermakna
antara tinggi badan dan lingkar kepala.
▪ Nilai r (pearson correlation) sebesar 0,531, yang berarti bahwa korelasi
antara tinggi badan dan lingkar kepala memiliki kekuatan sedang. Nilai
positif pada korelasi Pearson menunjukkan bahwa arah korelasi yang
searah, yaitu semakin bertambah tinggi badan maka akan bertambah pula
lebar kepala.

C. UJI KORELASI SPEARMAN

• Uji korelasi Spearman adalah uji alternatif dari uji korelatif Pearson.
• Apabila transformasi data telah dilakukan, dan data tetap tidak terdistribusi normal,
maka uji korelasi yang dipilih adalah uji Spearman.
• Selain itu, uji Spearman digunakan apabila satu variabel ordinal dan variabel lain
adalah numerik atau ordinal.
• Secara umum langkah untuk melakukan uji Spearman sama seperti pada uji
Pearson, akan tetapi pada kotak ‘test of significance’ dipilih “Spearman”.
• Kemudian akan muncul tabel sebagai berikut:

Interpretasi tabel ini menyesuaikan dengan petunjuk tabel cara baca, sehingga
pembacannya sebagai berikut:
Nilai p sebesar 0,834 yang berarti bahwa tidak terdapat korelasi yang
bermakna antara tinggi badan dan tingkat penghasilan orangtua.
➔ Apabila nilai p sudah menunjukkan korelasi yang tidak signifikan, maka
pembahasan lebih lanjut mengenai besar nilai koefisien (r) tidak diperlukan.

Nilai r (correlation coefficient) sebesar 0,04, yang berarti bahwa korelasi

antara tinggi badan dan tingkat penghasilan orantua memiliki kekuatan
sangat rendah. Nilai positif pada korelasi Spearman menunjukkan bahwa
arah korelasi yang searah, yaitu semakin bertambah tingkat penghasilan
orangtua maka akan bertambah pula tinggi