PROGRAM STUDI MAGISTER ADMINISTRASI RS

FAKULTAS ILMU KESEHATAN

UNIVERSITAS ESA UNGGUL BEKASI HARAPAN INDAH

Mata Kuliah : ARS105

Sesi : 12
NAMA : ULAM FRIDSLAN
NIM : 20210309095

13.a. Input data ke SPSS

HIPOTESIS
Ho : Tidak ada perbedaan kadar gula darah sebelum dan sesudah makan pagi
Ha : Ada perbedaan kadar gula darah sebelum dan sesudah makan pagi.

Langkah-langkah SPSS dengan uji Wilcoxon

1. Memilih Analyze, kemudian Nonparametrics Tests, memilih Legacy Dialog dan memilih 2
Related Samples
2. Memindahkan variabel AWAL ke kotak Test Pairs dengan cara memblok variabel tersebut,
kemudian klik tanda panah. Setelah itu memindahkan variabel AKHIR ke kotak Test Pairs dengan
cara yang sama.
3. Memastikan pada kotak Test Type Wilcoxon sudah dipilih dan klik OK.
 Ranks

N Mean Rank Sum of Ranks

GDS SESUDAH - GDS Negative Ranks 0a .00 .00

SEBELUM
Positive Ranks 10b 5.50 55.00

Ties 5c

Total 15

a. GDS SESUDAH < GDS SEBELUM

b. GDS SESUDAH > GDS SEBELUM

c. GDS SESUDAH = GDS SEBELUM

Test Statisticsb

GDS SESUDAH
- GDS
SEBELUM

Z -2.889a

Asymp. Sig. (2-tailed) .004

a. Based on negative ranks.

b. Wilcoxon Signed Ranks Test

 Pada kotak negative rank kolom N = 0 dengan rata-rata rank 0  artinya tidak ada gula darah
pada ahkir lebih kecil dari pemeriksaan awal
 Pada tabel positif rank kolom N = 10 dengan rata-rata rank 5.5  artinya ada 10 orang
dengan Gula darah pada ahkir lebih besar dari pemeriksaan awal
 Pada tabel ties N = 5  artinya ada 5 orang dengan pemeriksaan gula darah pada ahkir
dan awal sama.
 Pada kotak rank kolom N menunjukkan jumlah hasil kadar gula darah, pada itu menunjukkan
jumlah kadar gula akhir lebih kecil dibandingkan kadar gula darah awal, pada b menunjukkan
jumlah kadar akhir lebih besar dibandingkan kadar gula awal, dan yang c menunjukkan jika
hasil kadar gula awal dan akhir sama
 Pada kotak test statistic hasil Z negatif, dan Asymp. Sig (2-tailed) <0.05

Kesimpulan :
Pada kotak Test Statistics nilai Z sebesar -2.889 dan Asymp. Sig.(2-tailed) sebesar 0.004. Tanda negative
pada Z menunjukkan bahwa gula darah sesudah makan pagi lebih tinggi dibanding sebelum makan pagi.
Ini artinya ada perbedaan bermakna gula darah sebelum dan sesudah makan pagi (Z = -2.889 ; p < 0,05)
Membuat grafik

 Membuat data kontinu dengan mengelompokan gula darah

 Memasukkan ke dalam SPSS

Setelah data siap untuk dibuat grafik Boxplot, masuk ke langkah-langkah sebagai berikut :
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel Gula Darah (GD) ke kotak variabel dan Kelompok (KLP) ke kotak
Category Axis dan klik OK
 MD =130

MD= 130

Terlihat pada grafik Boxplot di atas penyajian Gula Darah untuk kelompok sebelum dan sesudah makan
pagi, dimana median dari grafik tersebut 130 untuk kelompok sebelum makan pagi dan 130 untuk
kelompok sesudah makan pagi.

13.b. Input data ke SPSS

HIPOTESIS
Ho : Tidak ada perubahan hasil pemeriksaan tekanan arteri paru di awal dan pemeriksaan 24
jam kemudian
Ha :Ada perubahan hasil pemeriksaan tekanan arteri paru di awal dan pemeriksaan 24 jam
kemudian.
Langkah-langkah SPSS dengan uji Wilcoxon
1. Memilih Analyze, kemudian Nonparametrics Tests, memilih Legacy Dialog dan memilih 2
Related Samples
2. Memindahkan variabel AWAL ke kotak Test Pairs dengan cara memblok variabel tersebut,
kemudian klik tanda panah. Setelah itu memindahkan variabel AKHIR ke kotak Test Pairs dengan
cara yang sama.
3. Memastikan pada kotak Test Type Wilcoxon sudah dipilih dan klik OK.

Ranks

N Mean Rank Sum of Ranks

AKHIR - AWAL Negative Ranks 12a 6.50 78.00

Positive Ranks 0b .00 .00

Ties 0c

Total 12

a. AKHIR < AWAL

b. AKHIR > AWAL

 Ranks

N Mean Rank Sum of Ranks

AKHIR - AWAL Negative Ranks 12a 6.50 78.00

Positive Ranks 0b .00 .00

Ties 0c

Total 12

a. AKHIR < AWAL

c. AKHIR = AWAL

Test Statisticsb

AKHIR - AWAL

Z -3.074a

Asymp. Sig. (2-tailed) .002

a. Based on positive ranks.

b. Wilcoxon Signed Ranks Test

 Pada tabel negative rank kolom N = 12 dengan rata-rata rank 6,5 artinya adanya 12 penderita
pulmonary thromboembolism akut dengan perubahan hemodinamik pada ahkir pengukuran tekanan
arteri lebih kecil dibandingkan awal pengukuran di tekanan arteri paru rata-rata dengan rata rata
rangking 6,5.
 Pada tabel positif rank kolom N = 0 artinya tidak ada perubahan hemodinamik akhir pengukuran
tekanan arteri paru lebih besar dibandingkan awal pengukuran tekanan arteri paru pada penderita
pulmonary thromboembolism akut
 Pada tabel ties N = 0 artinya tidak ada dengan perubahan hemodinamik saat pengukuran tekanan
arteri paru di awal dan di ahkir pada penderita pulmonary thromboembolism akut
 Nilai Z = -3.074, jika Nilai Z >1,96, maka kita simpulkan ada perbedaan signifikan, sehingga
berbeda secara bermakna.
KESIMPULAN
Tanda negative pada nilai Z menunjukkan bahwa pengukuran akhir lebih tinggi dibandingkan awal
pengukuran. Ini artinya ada perbedaan bermakna tekanan arteri paru rata-rata awal dan akhir pengukuran
;
( Z= -3.074 p= <0,05)
Membuat grafik
 Membuat data kontinu dengan mengelompokan pengukuran Tekanan arteri paru rata-rata
 Memasukkan ke dalam SPSS

.
Setelah data siap untuk dibuat grafik Boxplot, masuk ke langkah-langkah sebagai berikut :
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel Pengukuran (Ukur) ke kotak variabel dan Kelompok (KLP) ke kotak
Category Axis dan klik OK

MD=26
 MD=20.5

Terlihat pada grafik Boxplot di atas penyajian Pengukuran tekanan arteri paru-paru untuk kelompok awal
dan akhir, dimana median dari grafik tersebut 26 untuk kelompok awal dan 20,5 untuk kelompok akhir

14.a.. Input data ke SPSS

HIPOTESIS
Ho : Tidak ada perbedaan pencapaian imunisasi polio di kedua daerah
Ha : Adanya perbedaan pencapaian imunisasi polio di kedua daerah.

Langkah-langkah SPSS Uji Mann-Whitney U

1. Pilih Analyze, Nonparametric Tests, Legacy Dialog, dan 2 Independent Samples
2. Memindahkan variabel IMUNPOL ke kotak Test Variabel List
3. Memindahkan variabel DAERAH ke kotak Grouping variabel
4. Klik Define Groups

5. Mengisi pada kotak group 1:1 dan kotak group 2:2

6. Klik Continue dan OK.
Ranks

DAERA
H N Mean Rank Sum of Ranks

IMUNPOL KOTA 16 19.00 304.00

DESA 17 15.12 257.00

Total 33

Test Statisticsb

IMUNPOL

Mann-Whitney U 104.000

Wilcoxon W 257.000

Z -1.157

Asymp. Sig. (2-tailed) .247

Exact Sig. [2*(1-tailed Sig.)] .260a

a. Not corrected for ties.

b. Grouping Variable: DAERAH

Terlihat bahwa pada kolom Asymp. Sig/Asymptotic significance dua sisi adalah 0.247. Sehingga
diperoleh probabilitasnya di atas 0,05. Maka H0 diterima yang berarti bahwa pencapaian imunisasi polio
di kota dan desa tidak berbeda secara signifikan.
Membuat Grafik
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel IMUNPOL ke kotak variabel dan DAERAH ke kotak Category Axis dan
klik OK
MD=89,5

MD=88,0
Terlihat pada grafik Boxplot di atas penyajian pencapaian imunisasi polio di daerah kota dan
desa,cdimana median dari grafik tersebut 89,5 untuk kelompok kota dan 88 untuk kelompok kota.

14.b. Input data ke SPSS

HIPOTESIS
Ho : Tidak ada perbedaan kadar hemoglobin diantara siswi di SMP1 dan SMP 2
Ha : Adanya perbedaan hemoglobin diantara siswi di SMP1 dan SMP 2.

Langkah-langkah SPSS Uji Mann-Whitney U

1. Pilih Analyze, Nonparametric Tests, Legacy Dialog, dan 2 Independent Samples

2. Memindahkan variabel HB ke kotak Test Variabel List

3. Memindahkan variabel SKL ke kotak Grouping variabel
4. Klik Define Groups
5. Mengisi pada kotak group 1:1 dan kotak group 2:2
6. Klik Continue dan OK.
 Ranks

SEKOLA
H N Mean Rank Sum of Ranks

HEMOGLOBIN SMP 1 9 7.72 69.50

SMP 2 9 11.28 101.50

Total 18

Test Statisticsb

HEMOGLOBIN

Mann-Whitney U 24.500

Wilcoxon W 69.500

Z -1.421

Asymp. Sig. (2-tailed) .155

Exact Sig. [2*(1-tailed Sig.)] .161a

a. Not corrected for ties.

b. Grouping Variable: SEKOLAH

Terlihat bahwa pada kolom Asymp. Sig/Asymptotic significance dua sisi adalah 0.155. Sehingga
diperoleh probabilitasnya di atas 0,05. Maka H0 diterima yang berarti bahwa kadar Hemoglobin di SMP 1
dan SMP 2 tidak berbeda secara signifikan

Membuat Grafik
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel HB ke kotak variabel dan SKL ke kotak Category Axis dan klik OK
 MD=12,1

MD=11,8
Terlihat pada grafik Boxplot di atas penyajian kadar HB di SMP 1 dan SMP 2,dimana median dari grafik
tersebut 11,8 untuk kelompok SMP 1 dan 12,1 untuk kelompok SMP 2.

15.a. Menginput data di SPSS

HIPOTESIS
Ho : Tidak ada perbedaan jumlah makanan yang dikonsumsi menurut lamanya waktu puasa
(selama 6 jam, 12 jam, 18 jam )
Ha : Ada perbedaan jumlah makanan yang dikonsumsi menurut lamanya waktu puasa
(selama 6 jam, 12 jam, 18 jam)

Langkah SPSS dengan Uji Friedman

1. Memilih Analyzed, Nonparametric Tests, dan K-Related Samples

2. Memindahkan ketiga variabel yang akan dianalisis dan diblok, yaitu JAM6, JAM12, JAM18,
kemudian dipindahkan ke kotak Test Variables, mengklik tanda panah, dan Test Type, lalu memilih
Friedman.
 Ranks

Mean Rank

6 JAM 1.00

12 JAM 2.31

18 JAM 2.69

N 8
Chi-Square 12.968
df 2
Asymp. Sig. .002

a. Friedman Test
2
Hasil table Test Statistic diatas : nilai X = 12.968, df= 2 dan Asymp.Sig = 0.002 menyatakan ada
perbedaan jumlah makanan yang dikonsumsi berdasarkan lamanya waktu puasa sangat bermakna.
KESIMPULAN :
Berdasarkan hasil statistic menunjukkan ada perbedaan jumlah konsumsi makanan berdasarkan lama
puasa (selama 6 jam, 12 jam, dan 18 jam.) ditunjukkan dengan hasil p<0.05; yaitu p= 0.002
Membuat Grafik
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel JMLMKN ke kotak variabel dan KLP ke kotak Category Axis dan klik OK
 MD=12,6

MD=8,1

MD=2,65
Terlihat pada grafik Boxplot di atas penyajian kadar jumlah makanan yang dikonsumsi menurut lamanya
waktu puasa ( selama 6jam, 12 jam, 18 jam), ,dimana median dari grafik tersebut 2,65 untuk kelompok 6
jam, 8,1 untuk kelompok 12 jam dan 12,6 untuk kelompok 18 jam.
15.b. Menginput data di SPSS
HIPOTESIS
Ho : Tidak ada perbedaan tekanan darah sistol sesudah menjalankan 5 metode latihan.
Ha : Ada perbedaan tekanan darah sistol sesudah menjalankan 5 metode latihan.

Langkah SPSS dengan Uji Friedman

1. Memilih Analyzed, Nonparametric Tests, dan K-Related Samples
2. Memindahkan kelima variabel yang akan dianalisis dan diblok, yaitu A,B,C,D,E, kemudian
dipindahkan ke kotak Test Variables, mengklik tanda panah, dan Test Type, lalu memilih
Friedman.
 Ranks

Mean Rank

METODE A 3.23

METODE B 2.64

METODE C 2.95

METODE D 3.27

METODE E 2.91

Test Statisticsa

N 11

Chi-Square 1.294

df 4

Asymp. Sig. .862

a. Friedman Test
2
Hasil table Test Statistic diatas : nilai X = 1.294, df= 4 dan Asymp.Sig = 0.862 menyatakan bahwa
tidak adanya perbedaan tekanan darah sistolik yang bermakna
KESIMPULAN :
Berdasarkan hasil statistic menunjukkan bahwa tidak adanya perbedaan tekanan darah sistolik yang
bermakna setelah dilakukan 5 metoda latihan, ditunjukkan dengan hasil p>0.05; yaitu p= 0.862
Membuat Grafik
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel METODE ke kotak variabel dan KLP ke kotak Category Axis dan klik OK
 MD=139

MD=140

MD=139

MD=136 MD=136
Terlihat pada grafik Boxplot di atas penyajian tekanan darah sistolik sesudah menjalankan lima metode
latihan, ,dimana median dari grafik tersebut 140 untuk kelompok metode A, 136 untuk kelompok metode
B, 136 untuk kelompok metode C, 139 untuk kelompok metode D, dan 139 untuk kelompok metode E.

16.a. Menginput data di SPSS

HIPOTESIS
Ho : Tidak ada perbedaan tingkat nyeri berdasarkan jenis sport injury
Ha : Ada perbedaan tingkat nyeri berdasarkan jenis sport injury.
Langkah-langkah SPSS dengan uji Kruskal-Wallis H :
1. Pilih Analyze, Nonparametrict test, Legacy Dialog, dan K Independent Sampel

2. Kemudian pindahkan NYERI ke kotak test variabel list, dan variabel KLP ke kotak
GROUPING VARIABEL , dengan klik define range kemudian isi Minimium : “1” dan
Maximum :”3”, lalu klik OK
Kruskal-Wallis Test
Ranks

KELOMPO
K SPORT N Mean Rank

TINGKAT NYERI TENIS 15 23.17

GOLF 15 15.80

BASKET 15 30.03

Total 45

Test Statisticsa,b

TINGKAT NYERI

Chi-Square 8.898

df 2

Asymp. Sig. .012

a. Kruskal Wallis Test

b. Grouping Variable:
KELOMPOK SPORT
Tingkat nyeri untuk jenis sport Tenis jumlah sampel 15 rangkingnya rata –rata 23.17
Tingkat nyeri untuk jenis sport Golf jumlah sampel 15 rangkingnya rata –rata 15.08
Tingkat nyeri untuk jenis sport Basket jumlah sampel 15 rangkingnya rata –rata 30.03
Nilai rata-rata terbesar untuk tingkatan nyeri pada jenis sport Basket dengan nilai 30,03
2
Nilai X = 8.898 maka signifikan nilai P = 0.12 lebih kecil dari tabel
2
Hasil table Test Statistic diatas : nilai X = 8.898, df= 2 dan asymp.Sig= 0.012; hal ini menyatakan
adanya perbedaan tingkat nyeri berdasarkan jenis olahraga (tenis, Golf, Basket)
KESIMPULAN :
Berdasarkan hasil statistic menunjukkan bahwa adanya perbedaan tingkat nyeri yang bermakna setelah
berdasarkan jenis olahraga yang dilakukan (tenis, golf, basket); ditunjukkan dengan hasil p<0.05; yaitu
p=0.012
Membuat Grafik
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel NYERI ke kotak variabel dan KLP ke kotak Category Axis dan klik OK

MD=96

MD=92

MD=89
Terlihat pada grafik Boxplot di atas penyajian pengukuran tingkat nyeri para pemain tenis, golf dan
basket dengan metoda visual analog scale, ,dimana median dari grafik tersebut 92 untuk kelompok
pemain tenis, 89 untuk kelompok pemain golf, dan 96 untuk kelompok pemain basket.

16.b. Menginput data di SPSS

HIPOTESIS
Ho : Tidak ada perbedaan tingkat nyeri berdasarkan jenis sport injury
Ha : Ada perbedaan tingkat nyeri berdasarkan jenis sport injury.
Langkah-langkah SPSS dengan uji Kruskal-Wallis H :
1. Pilih Analyze, Nonparametrict test, Legacy Dialog, dan K Independent Sampel
2. Kemudian pindahkan PSZB ke kotak test variabel list, dan variabel KLP ke kotak GROUPING
VARIABEL , dengan klik define range kemudian isi Minimium : “1” dan Maximum :”4”, lalu
klik OK
Kruskal-Wallis Test

Ranks

KELOM
POK
JENIS
KACAN
G N Mean Rank

PRESENTASI SERAPAN A 9 8.33

ZAT BESI
B 10 23.35

C 9 15.89

D 10 28.95

Total 38

Test Statisticsa,b

PRESENTASI
SERAPAN ZAT
BESI

Chi-Square 18.501

df 3

Asymp. Sig. .000

a. Kruskal Wallis Test

b. Grouping Variable:
KELOMPOK JENIS KACANG
Pada tabel rank
Tingkat serapan zat besi untuk jenis kacang A jumlah sampel 9 rangkingnya rata –rata 8,33
Tingkat serapan zat besi untuk jenis kacang B jumlah sampel 10 rangkingnya rata –rata 23,35
Tingkat serapan zat besi untuk jenis kacang C jumlah sampel 9 rangkingnya rata –rata 15.89
Tingkat serapan zat besi untuk jenis kacang D jumlah sampel 10 rangkingnya rata –rata 28.95
Terlihat bahwa nilai rata-rata terbesar terletak pada jenis kacang D dengan rangking 28,95
2
Nilai X = 18.501 maka signifikan nilai P = 0.00 lebih kecil dari tabel
2 2
Hasil table Test Statistic diatas : nilai X = 18.501 lebih besardari X tabel, df= 3 menyatakan perbedaan
tingkat serapan zat besi untuk jenis kacang tersebut.

KESIMPULAN :
Berdasarkan hasil statistic menunjukkan bahwa adanya perbedaan penyerapan zat besi yang bermakna
berdasarkan jenis kacang, ditunjukkan dengan hasil p<0.05; yaitu p= 0.000.

Membuat Grafik
1. Klik Graph, memilih Legacy Dialogs dan klik Boxplot
2. Pilih Simple, dan klik Define
3. Memindahkan variabel PSZB ke kotak variabel dan KLP ke kotak Category Axis dan klik OK
 MD=43,5

MD=36

MD=28

MD=16

Terlihat pada grafik Boxplot di atas penyajian tingkat serapan zat besi menurut jenis kacang ,dimana
median dari grafik tersebut 16 untuk kelompok jenis kacang A, 36 untuk kelompok jenis kacang B, 28
untuk kelompok jenis kacang C, dan 43,5 untuk kelompok jenis kacang D.