Dosen Pengampu:
Disusun Oleh:
Lakukan uji chi square untuk melihat hubungan dari data yang telah dimasukan ke SPSS
masukan variable pada kotak dialog berikut dengan ketentuan variable terikat dalam coloumn(s)
yaitu syok, dan variable bebas pada row(s) yaitu jenis kelamin, perdarahan, dan hepatomegaly.
klik tombol statistics sampai muncul kotak dialog berikut, kemudian centang “chi square” lalu
klik continue
Setelah itu klik cells dan centang “column” pada percentages seperti gambar berikut, lalu klik
continue
setelah klik OK akan muncul output seperti berikut, variable yang dimasukan dalam analisis
multivariate adalah variable yang pada analisis bivariate p<0.25
Interpretasi Hasil
Perdarahan 0,002*
Ya 12 37,5% 18 14,1% 3,67 1,53 8,77
tidak 20 62,5% 110 85,9% ref
Hepatomegali 0,001*
Ya 18 56,2% 34 26,6% 3,55 1,6 7,92
Tidak 14 43,8% 94 73,4% ref
Trombosit 0,052*
<50.000/ul 15 46,9% 37 28,9% 2,17 0,98 4,79
>=50.000/ul 17 53,1% 91 71,1% ref
Hematokrit 0,001*
>42% 19 59,4% 36 28,1% 3,74 1,67 8,34
<=42% 13 40,6% 92 71,9% ref
Pada data yang ada klik analayze >> regression >> binary logistic seperti berikut:
Nanti akan muncul kotak dialog seperti berikut, lalu masukan syok [syok_reg] kedalam
dependent dan seluruh variable ke covariates, setelah itu pilih metode backward: LR
Perhatikan pada masing-masing variable telah terdapat tulisa (cat) seperti berikut, kemudian
klik OK
Pastikan koding yang dilakukan benar, periksa pada dependent variable encoding
Nanti akan keluar output sebagai berikut, untuk membaca hasil output syok lihat Block 1:
Method pada variabels in the equation untuk pembanding lihat pada step 2
2. Langkah-langkah:
a) Analyze >> Roc Curve, nanti akan keluar kotak dialog
b) Setelah muncul kotak dialog berikut, masukan Pre_1 kedalam test variable dan
syok [syok_reg] kedalam state variable. setelah itu masukan angka 1 pada value
of state variable. Terakhir centang semua kotak yang ada di Display. Hasilnya
seperti berikut
c) klik OK dan tunggu output keluar. Lihat pada ROC Curve dan AUC
Uji normalitas
setelah keluar kotak explore, masukan bersihan kreatinin kedalam dependent list, dan
variabel lainnya kedalam faktor list. Selanjutnya klik ‘Plots’
klik normality plots with tests untuk menguji normalitas dari data, continue
Setelah keluar output berikut, perhatikan pada kolom shapiro – wilk, bagian sig. jika nilai p >
0,005 maka data dinyatakan normal.
gambar 2. umur
Analisis Bivariate
analyze>> correlate>> bivariate
masukan semua variable kedalam kotak variabels kemudian centang kotak ‘pearson’ dan
‘two-tailed’ lalu klik OK
Nanti akan keluar output seperti berikut:
Melaporkan hasil
Bersihan kreatini
Umur r = -0,365
p = 0,073
Berat badan r = 0,223
p = 0,285
Kreatinin serum r = -0,963
p < 0,001
Cek nilai r, jika nilai r < 0,25 maka dapat dimasukan kedalam analisis regresi linier.
Setelah itu akan keluar output seperti berikut, cek bagian coefficient:
Menentukan persamaan:
y= konstanta + a1X1 + a2X2+…+ aiXi
ket:
- Nilai konstanta = 118.663
- a1= nilai koefisien variable kreatinin serum
- x1= kreatinin serum
- Lihat hasil Anova pada no.3 = Anova <0,001, maka rumus pemodelan bersihan
kreatinin layak digunakan.
- Lihat pada no.3 pada R Square yaitu kreatinin serum mampu menjelaskan 92,7% faktor
yang mempengaruhi bersihan kreatinin. Sedangkan 7,3% disebabkan oleh faktor lain.
Melaporkan hasil