BUKU PRAKTIKUM
MATA KULIAH KEDOKTERAN GIGI
BIOSTATISTIK
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
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
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’
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.
Kaprodi PSPDG
ACC form
penggantian KBM
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
TAHAPAN KETERAMPILAN
STATISTIK DESKRIPTIF
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.
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).
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:
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’
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).
• 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.
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.
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:
Nilai 1 pada skala di atas menyatakan sangat tidak relevan, sedangkan nilai 11 menyatakan sangatrelevan.
Contoh kuisioner dengan skala Thurstone:
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.
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:
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.
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
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
TAHAPAN KETERAMPILAN
- 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
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
• 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:
Selanjutnya klik OK
• Hasil uji tersebut akan diperoleh tabel seperti berikut ini:
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.
TAHAPAN KETERAMPILAN
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”
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:
▪ 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.
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.
TAHAPAN KETERAMPILAN
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.
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
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:
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.
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?
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.
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.
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.
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.
TAHAPAN KETERAMPILAN
Interpretasi uji korelasi adalah berdasarkan nilai p (signifikansi), kekuatan korelasi, serta
arah korelasinya. Panduan interpretasinya adalah tabel sebagai berikut:
No. Parameter Nilai Interpretasi
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.
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.