TUGAS

PRAKTIK STATISTIK KESEHATAN

OLEH :

SAGUNG CHANDRANITA SHAILENDRA

P07120219043
TINGKAT 4.A S.TR. KEPERAWATAN
SEMESTER VII

KEMENTERIAN KESEHATAN REPUBLIK INDONESIA

POLITEKNIK KESEHATAN DENPASAR
JURUSAN KEPERAWATAN
TAHUN 2022
1. SOAL:
Sebutkan dan jelaskan secara singkat komponen dan fungsi menu yang terdapat
dalam SPSS yang sering digunakan!
PEMBAHASAN :
File: merupakan menu pertama dari data editor yang berfungsi mengatur
operasional file-file SPSS. Komponen-komponennya ada New(membuat
file yang baru), Open (membuka file yan ada), Import data (untuk
mengimpor data ke aplikasi lain seperti excel,CVS data,dll), Save (untuk
menyimpan file yang ada), Print (jika ingin mencetak data), Exit (untuk
keluar dari tampilan data editor), dll.
Edit : digunakan untuk melakukan perbaikan atau perubahan berkenaan
dengan data/kasus , menambah variable, menemukan nomor kasus, dll.
View: berfungsi menyajikan penampilan data, toolbars dan output SPSS
pada layar monitor. Pengerjaan pada menu ini tidak mengubah isi variable
atau data juga tidak berpengaruh pada perhitungan statistic yang dilakukan.
Komponen pada menu ini adalah: status bar (jika tampilan ini diaktifkan
maka tampilan status SPSS terdapat pada bagian bawah layar SPSS
processor ready adalah kalimat yang sering muncul pada status bar, yang
menandakan SPSS siap mengolah data). Toolbars (mengatur penampilan
toolbars yang ada pada SPSS). Fonts (berisi jenis huruf, font style, dan
size). Grid Lines (jika tampilan ini dinonaktifkan garis grid baik vertical
maupun horizontal akan hilang dan data editor akan tampak polos.
Sebaiknya diaktifkan agar perbedaan letak terlihat jelas). Value label (untuk
melihat data yang diberi kode dan apa saja kategorinya)
Data : untuk memodifikasi data secara keseluruhan seperti mengurutkan
data, menggabungkan data, dll.
Transform: menstransformasikan data berdasar criteria tertentu seperti
penjumlahan antar variable, recording, dll.
Analyze: merupakan pusat dari SPSS, karena pada menu inilah seluruh
perhitungan statistic dilakukan.
 Graphs: menampilkan grafik chart yang merupakan hasil perhitungan
statistik data yang ada pada data editor.
Utilites: berfungsi sebagai tambahan pengerjaan data statistic dengan SPSS.
Statistic: untuk memilih prosedur statistic, dari yang sederhana (deskriptif)
sampai yang komplek (multivariats).
Windows: menampilkan window apa saja yang sekarang ada di SPSS
(misal, ada satu file pada data editor dan satu file pada output navigator,
maka pada window tampak dua file dengan nama masing-masing. Selain
itu, menu ini berfungsi untuk meminimalkan tampilan SPSS.
Help: memandu pengguna SPSS yang merasa kesulitan dengan
kompleksitas SPSS. Menu ini berisi, Topics (untuk melihat tiap topic
mengenai cara kerja SPSS), Tutorial (untuk melihat tiap topic mengenai
cara kerja SPSS, bisa tiap topic yang khusus dengan mencari kata kunci
lewat index tutorial berkaitan dengan topic), Statistic coach (untuk melihat
tiap topic statistic yang diperlukan dan kaitannya dengan pengerjaan).

2. SOAL :
Jelaskan bagian utama Data View dalam SPSS data editor!
PEMBAHASAN :
Kolom: dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam
SPSS akan diisi oleh VARIABLE (seperti No, Nama, TB, BB, Sex, dll)
Baris, dengan ciri adanya angka 1,2,3 dan seterusnya. Baris dalam SPSS
akan diisi oleh DATA ( seperti nama orang: Putu)

3. SOAL :
Jelaskan apa saja yang perlu diatur dalam variable view sebelum dilakukan input
data statistic, berikan contohnya!
PEMBAHASAN :
Yang perlu diatur dalam variable view sebelum dilakukan input data statistic
adalah:
 Name : untuk nama variable, diketik secara singkat karena karakter pada
kolom ini sangat terbatas.
Type : menetukan type variabel (numerik, comma, dot, string, dll)
Width: menentukan lebar data/ banyaknya angka / karakter data
Decimal : menentukan banyaknya angka di belakang koma.
Label: memberi penjelasan nama variabel yang panjang.
Missing : data yang hilang atau tidak ada isinya, seperti responden yang
tidak punya nama dianggap missing.
Collumns : menyediakan lebar kolom yang diperlukan untuk pemasukan
data
Align : posisi data (kanan, kiri, tengah sel) untuk itu tempatkan pointer pada
sel tersebut, buka kotak combo dan keseragaman pilih left/right/center.
Measure : hal yang penting di SPSS, karena menyangut tipe variabel yang
nantinya menentukan jenis analisis yang digunakan.

4. SOAL:
Anda adalah seorang sekretaris kepala bidang keperawatan di RSU Cepat
Sembuh. Bulan depan akan diadakan pemilihan perawat teladan tahun 2008.
Maka dilakukan serangkaian proses seleksi tahap akhir, ada 10 orang yang lulus,
dan akan ditentukan yang terbaik dengan memberikan serangkaian test. Test yang
akan dilakukan adalah: psiko test, TPA, test kepemimpinan, wawasan
keperawatan dengan range skor 0-100. Data yang terkumpul berupa data pribadi
dan data test seperti table 4. Anda akan mengolah data tersebut sesuai permintaan
kepala bidang keperawatan untuk presentasi dalam rapat pimpinan RS. Inputlah
data tersebut ke dalam SPSS data editor. Jelaskan langkah-langkahnya!
PEMBAHASAN :Langkah-langkah menginput data ke dalam SPSS, sehingga
tampilannya seperti tabel 4 yaitu:
Bukalah program SPSS
Klik variable view di pojok kiri bawah tampilan data editor, terdapat
beberapa kolom.
Pada kolom name di isi dengan nama variabel data, misalnya no, na_pe,
asal, sex, pe_kep, dll. (Pada variables yang karakternya panjang dapat
disingkat terlebih dahulu, untuk mengganti spasi dipakai tanda (_)
Pada kolom type terdapat beberapa pilihan yaitu: string jika data yang ada
tidak akan diolah sedangkan numeric untuk data yang akan diolah. Untuk
variable no dipergunakan type string.
Pada kolom width dapat diubah sesuai dengan keinginan, di sini tersedia 1-
255 digit untuk data bertipe string.
Pada kolom decimal tidak perlu diperhatikan jika data string dan jika data
numeric diatur sesuai dengan keinginan.
Pada kolom label diisi keterangan nama variable secara lengkap, yang akan
ditampilkan pada data view dan out put.
Pada kolom values, untuk data string dikosongkan. Tetapi untuk data
numerik pada values di klik kemudian terdapat tanda kotak kecil di pojok
kanan bawah, maka akan muncul kotak. Pada kotak-kotak tersebut kita
mengatur kode dari data (mengkategorikan data), misalkan pada kolom
value di isi angka 1 dan pada kolom label di isi laki-laki. Kemudian add.
Setelah selesai membuat kode, maka klik OK.
Tampilan pada variable view:
 Isi kolom-kolom tersebut dengan variabel dan kelengkapannya, setelah
selesai lihat tampilannya di data view. Klik di pojok bawah kiri, maka akan
muncul tampilannya. Kemudian masukan data sesuai dengan variabel yang
ada. Khusus untuk data yang berjenis numerik, maka klik di pojok kanan
bawah kolom, akan muncul beberapa pilihan sesuai dengan kategori yang
dimasukan tadi di variable view pada kolom values.
Tampilan pada data view:

5. SOAL :
Anda bertugas di ruang luka bakar, RS Cepat Sembuh. Dalam rangka penelitian
kualitatif yang Anda lakukan, Anda memberikan kuisioner dan melakukan
observasi terhadap beberapa indicator pada pasien dengan grade luka bakar yang
sama. Hasilnya adalah sebagai berikut:
Tabel 1: Tabulasi hasil kuisioner dan observasi pasien luka bakar grade 2a di R
Combustio
Lama
Tingkat
No Pasien Persepsi Skala nyeri Penyembuhan
Kepatuhan
Luka (hari)
1 Kori 12 8 5 12
2 Lane 12 8 8 12
3 Muka 15 9 4 13
 4 Nanoe 18 7 5 15
5 Orange 16 5 4 14
6 Paijo 17 7 8 12
7 Quiril 17 4 7 10
8 Roro 18 2 1 13
9 Tanjung 19 5 2 11
10 Urat 20 6 3 15
11 Versa 17 9 4 15
12 Wulan 18 8 5 14
13 Xenon 15 9 6 16
14 Yuri 12 4 8 17
15 Zuin 15 5 7 14

Anda ingin mengubah data variable di atas menjadi data ordinal dengan criteria
Persepsi (Sangat baik: jika skor 18-20, Baik jika skor 12-17, Kurang baik, jika
skor <12), Tingkat kepatuhan (patuh : jika skor 7-10, kurang patuh: jika skor 4-6,
tidak patuh jika skor <4), Skala Nyeri ( Ringan: jika skor 0-3, Sedang : jika skor
4-6, Berat: jika skor 7-10), Lama penyembuhan luka ( cepat: jika <13 hari, lambat
jika 13-16 hari, sangat lambat jika >16 hari)
PEMBAHASAN :
Pada variable view ditambahkan variable baru dengan cara mengklik “perspsi”
pada kolom name, kemudian klik kanan insert variables pada kolom labels
diberi nama criteria persepsi dan pada variable values di add beberapa kode
sebagai berikut : 1. Sangat baik, 2. Baik dan 3. Kurang baik. Klik OK. Kemudian
pada data view sudah terdapat variable criteria persepsi, Anda dapat mengisi
kolom variables tersebut sesuai dengan pilihan (sangat baik, baik dan kurang
baik) sesuai dengan ketentuan. Untuk mengubah criteria variables yang lain
caranya sama, tetapi pada saat add kode di values berbeda yaitu sesuai dengan
ketentuan.
Atau dengan cara, klik data yang ingin diubah ke data ordinal, klik menu
transform record into different variables  kemudian nama “persepsi”
di ubah menjadi “persepsi_grp” change old and view new values
pada kolom range di ketik 18 dan pada kolom trough di ketik angka 20
pada output variables are straight with diberi tanda, kemudian pada new
value diketik “sangat baik” Add. Ulangi lagi memberikan kategori pada
kolom range di ketik 12 dan pada kolom truoght di keti 17, pada new value
diketik ”baik” Add, kemudian ulangi lagi, dengan mengisi rang lowest
trought dengan angka 11, pada new values diketik “kurang baik”Add
continue  OK. Maka secara otomatis akan bertambah 1 kolom variables
pada data view dan secara otomatis sudah mengkode data sesuai dengan
criteria yang dibuat tadi. Tanpa harus mengklik kolom dan memilih secara
manual.
Tampilan pada data view:

Tampilan pada variable view :

Langkah – langkah uji beda tingkat kepatuhan dengan lama penyembuhan
luka
1. Uji normalitas data
Klik Analyz – descriptive statistic – explore

masukkan pada dependent list ( tingkat kepatuhan dan lama

penyembuhan luka )

Lalu plots ( normality plots with test ) – continue – ok

 Maka akan muncul tampilan output sebagai berikut yang dimana hasil
di copy lalu dibawa ke ms.excel untuk dilakukan pembagian pada data
skewness untuk menentukan apakah data berdistribusi normal atau
tidak dengan syarat hasil harus berada diantara -2 dan +2 yaitu :
Descriptives
Std.
  Statistic Error
lama Mean 13,53 0,496
penyembuha
95% Lower 12,47  
n
Confidenc Bound
e Interval Upper 14,60  
for Mean Bound
5% Trimmed Mean 13,54  
Median 14,00  
Variance 3,695  
Std. Deviation 1,922  
Minimum 10  
Maximum 17  
Range 7  
Interquartile Range 3  

Skewness -0,059 0,580 0,10098

Kurtosis -0,476 1,121

Hasil skewness lama penyembuhan = 0,10098 artinya data berdistribusi normal
karena hasil pembagian antara -2 dan +2 maka dapat dilanjutkan ke uji
independent sample T test.

2. Uji homogenitas data

Klik Analyz – compare means – one way annova
 Lalu masukkan dependent list ( lama penyembuhan luka ) – factor
( kriteria tingkat kepatuhan ) – options – homogeneity of variance test
– continue – ok

Maka akan muncul tampilan output seperti berikut :

Test of Homogeneity of Variances
Levene Statistic df1 df2 Sig.
lama penyembuhan Based on Mean 3,093 1 13 ,102
Based on Median 1,936 1 13 ,187
Based on Median and with 1,936 1 7,596 ,204
adjusted df
Based on trimmed mean 3,034 1 13 ,105

Nilai sig>0,05, artinya data homogen

ANOVA
lama penyembuhan
Sum of Squares df Mean Square F Sig.
Between Groups ,150 1 ,150 ,038 ,849
Within Groups 51,583 13 3,968
Total 51,733 14

Karena hasil nilai sig<0,05 (0,849 < 0,05) artinya terdapat perbedaan signifikan lama
penyembuhan

3. Uji beda dengan independent samples T- test

Klik Analyz – compare means – independent sample test

Lalu masukkan data test variable ( lama penyembuhan ) – grouping

variable ( tgkt_kpthan ) – isi data define groups dengan 1 = patuh dan
2 = tidak patuh – lalu klik continue dan ok

Maka akan muncul tampilan output seperti berikut :

Group Statistics
kriteria tingkat kepatuhan N Mean Std. Deviation Std. Error Mean
 lama penyembuhan tidak patuh 3 13,33 3,512 2,028
Patuh 12 13,58 1,564 ,452

Independent Samples Test

Levene's Test for
Equality of Variances t-test for Equality of Means
95% Confidence Interval
Sig. (2- Mean Std. Error of the Difference
F Sig. t Df tailed) Difference Difference Lower Upper
lama Equal 3,093 ,102 -,194 13 ,849 -,250 1,286 -3,028 2,528
penyembuhan variances
assumed
Equal -,120 2,20 ,914 -,250 2,077 -8,445 7,945
variances not 2
assumed

Nilai P Value ( sig ) > 0,05 yaitu 0,849 maka artinya terdapat perbedaan tetapi tidak
signifikan pada kesalahan 5% antara tingkat kepatuhan dengan lama penyembuhan

Langkah – langkah uji hubungan persepsi pasien dengan kepatuhan perawatan luka
1. Uji normalitas data
Klik Analyz – descriptive statistic – explore
 masukkan pada kolom dependent list ( tingkat kepatuhan dan lama
penyembuhan luka )

Lalu plots ( normality plots with test ) – continue – ok

Maka akan muncul tampilan output sebagai berikut yang dimana hasil
di copy lalu dibawa ke ms.excel untuk dilakukan pembagian pada data
skewness untuk menentukan apakah data berdistribusi normal atau
tidak dengan syarat hasil harus berada diantara -2 dan +2 yaitu :

Descriptives
Std.
  Statistic Error
Persepsi Mean 16,07 0,658
95% Lower 14,66  
Confidenc Boun
e Interval d
for Mean Upper 17,48  
Boun
d
5% Trimmed Mean 16,07  
Median 17,00  
Variance 6,495  
Std. Deviation 2,549  
Minimum 12  
Maximum 20  
Range 8  
 Interquartile Range 3  

Skewness -0,474 0,580 0,81697

Kurtosis -0,691 1,121

tingkat Mean 6,40 0,559
kepatuha
95% Lower 5,20  
n
Confidenc Boun
e Interval d
for Mean Upper 7,60  
Boun
d
5% Trimmed Mean 6,50  
Median 7,00  
Variance 4,686  
Std. Deviation 2,165  
Minimum 2  
Maximum 9  
Range 7  
Interquartile Range 3  

Skewness -0,452 0,580 -0,7799

Kurtosis -0,718 1,121

Hasil dari skewness persepsi adalah 0,81697 dan skewness tingkat kepatuhan
adalah -0,7799 dimana data berdistribusi normal karena berada diantara -2 dan +2
maka bisa dilanjutkan uji parametrik corelation

2. Uji hubungan
Klik Analyz – corelatte – bivariate
 Pada kolom variable masukkan persepsi dan tingkat kepatuhan –
pearson – two tailed – ok

Maka akan muncul tampilan output seperti berikut :

Correlations
tingkat
persepsi kepatuhan
Persepsi Pearson Correlation 1 -,212
Sig. (2-tailed) ,447
N 15 15
tingkat kepatuhan Pearson Correlation -,212 1
Sig. (2-tailed) ,447
N 15 15

Dari output diatas maka disajikan data dalam laporan sebagai berikut :
 Hubungan Antara Persepsi dengen Tingkat Kepatuhan Perawat Dalam
Melaksanakan Five Moment Cuci Tangan di RSUD Wangaya Tahun 2022
No Variabel N Nilai P Nilai r
1. Persepsi 15
2. Tingkat 15 0,447 -0,212
Kepatuhan

- Kesimpulan dari tampilan diatas adalah ada hubungan tapi tidak signifikan
antara persepsi dengan tingkat kepatuhan perawatan luka pada pasien
( 0,447 > 0,05 )
- Antara hubungan (-) karena jika persepsi meningkat maka tingkat
kepatuhan pasien menurun dan sebaliknya
- Hubungan lemah karena person correlation = - 0,212

3. Langkah – langkah membuat grafik

Graphs – legacy dialogs – scatter / dot

Lalu pilih grafik simple scatter – define

Lalu pada kolom y axis masukkan lama penyembuhan – pada kolom x

axis masukkan kriteria tingkat kepatuhan – lalu klik ok
Maka akan muncul tampilan output seperti berikut dimana ini adalah grafik antara lama
penyembuhan dengan kriteria tingkat kepatuhan pasien :

6. SOAL :
Anda ingin mengetahui apakah ada perbedaan vital sign dan kesadaran pasien
post trepanasi hari ketiga yang dirawat diruang HCU RS Cepat Sembuh selama 2
minggu depan dengan menggunakan lembar evaluasi yang telah anda buat.
Lembar evaluasi dan hasilnya sebagai berikut:
Tabel 2: Lembar evaluasi dan hasil vital sign dan kesadaran pasien post trepanasi
hari ktiga di R HCU
Pernafasan
N Nama Nadi TD Sistolik (mmHg) Kesadaran
(x/menit)
o Pasien
B A D O B A D O B A D O Cm Ap Co
 1 Soplo   90       120       22         
2 Sare 100               30            
3 Sudik     80       120       14        
4 Sopor     82       100       16        
5 Sade               100       18      
6 Tora   98       110       24          
7 Toni 100               32            
8 Tono   96       110       20          
9 Tani     84       110       18        
10 Taru     86       110       16        
11 Toro       88       90              
12 Tero     80       120                

Keterangan : B (bayi), A(anak), D (dewasa), O (orang tua), Cm ( composmentis),

Ap (Apatis), Co (Coma).
Anda ingin memesukan ke dalam data editor SPSS. Jelaskan cara bagaimana anda
menginput data tersebut ke dalam file data editor SPSS.
PEMBAHASAN :
Cara menginput data pada tabel 2 ke dalam 1 file data editor SPSS:
Bukalah data editor SPSS yang baru
Klik variables view di sebelah kiri pojok bawah tampilan data editor
Isi kolom name dengan variable data tersebut (No, Nama pasien, Nadi, Ra,
TD Sistolik, Pernafasan, Kesadaran dan Usia)
Pada kolom type pilihlah jenis data dari masing-masing variable
(numerik/string)
Lengkapi kolom labels dengan nama variable yang ingin ditampilkan pada
data view
Untuk data yang numeric yang ingin dikategorikan, aturlah kolom value.
Dengan cara mengklik kolom tersebut, sehingga muncul kotak kecil di
kanan bawah. Klik kotak tersebut, maka akan muncul value labels.
Kategorikan data yang ada (1=BayiAdd, 2=AnakAdd, 3= Dewasa
Add, 4= Orang TuaAdd)setelah selesai klik OK.
Setelah selesai mengatur di variable view, lalu klik data view.
Masukan data yang ada sesuai dengan variable
Untuk variable yang berjenis numeric, klik pada kolom menurun pada
variable tersebut, pada pojok kanan terdapat tanda panah, klik tanda
 tersebut, maka akan muncul pilihan kategori yang dimasukan pada values
labels.
Tampilan pada data view:

Tampilan pada variable view :

7. SOAL:
Untuk menentukan penambahan jumlah tenaga keperawatan di ruang emergency,
anda ingin mengetahui bagaimana tingkat kesibukan perawat dengan menghitung
jumlah pasien yang datng setiap shift jaga dan jumlah kasus yang diterima pada di
masing-masing bagian setiap shift selama 1 minggu.
Tabel 3: Tabulasi hasil observasi jumlah pasien yang berobat ke unit emergency
Hari Jumlah Pasien Jumlah kasus di bagian setiap shif
Setiap jaga
 Shif Jaga Pagi Sore Malam
Pag
i Sore Malam K B I K B I K B I
2
1 47 73 30 12 15 20 8 5 40 5 10 25
1
2 37 45 46 12 16 21 9 8 18 8 8 30
2
3 57 54 54 21 18 18 5 4 25 12 14 28
2
4 67 72 44 25 30 12 14 6 32 15 13 16
1
5 30 55 54 12 12 6 12 8 25 14 16 14
3
6 46 49 46 10 18 18 4 0 15 8 20 18
4
7 44 72 46 11 22 11 8 5 19 10 16 20
Anda ingin memasukan ke dalam data editor SPSS. Jelaskan cara bagaimana anda
menginput data tersebut ke dalam 1 file data editor!
PEMBAHASAN :
Cara menginput data pada tabel 3 ke dalam 1 file data editor SPSS:
Bukalah data editor SPSS yang baru
Klik variables view di sebelah kiri pojok bawah tampilan data editor
Isi kolom name dengan variable data tersebut (hari, shif, k, b, i, dan jumlah)
Pada kolom type pilihlah jenis data dari masing-masing variable
(numerik/string)
Lengkapi kolom labels dengan nama variable yang ingin ditampilkan pada
data view
Untuk data yang numeric yang ingin dikategorikan, aturlah kolom value.
Dengan cara mengklik kolom tersebut, sehingga muncul kotak kecil di
kanan bawah. Klik kotak tersebut, maka akan muncul value labels.
Kategorikan data yang ada (misalkan pada variabel hari, kategorinya: 1=
hari 1Add, 2= hari 2Add, 3= hari 3Add, dan seterusnya) setelah itu
klik OK.
Setelah selesai mengatur di variable view, lalu klik data view.
Masukan data yang ada sesuai dengan variable
Untuk variable yang berjenis numeric, klik pada kolom menurun pada
variable tersebut, pada pojok kanan terdapat tanda panah, klik tanda
 tersebut, maka akan muncul pilihan kategori yang dimasukan pada values
labels.
Tampilan pada variable view:

Tampilan pada data view:

a. Uji Beda antara jumlah kasus di K (Kebidanan), B (Bedah), I (Interna)

1) Uji Normalitas Data
Klik Analyz – descriptive statistic – explore
masukkan pada kolom dependent list ( kebidanan, bedah dan interna )

Lalu plots ( normality plots with test ) – continue – ok

Maka akan muncul tampilan output sebagai berikut yang dimana hasil
di copy lalu dibawa ke ms.excel untuk dilakukan pembagian pada data
skewness untuk menentukan apakah data berdistribusi normal atau
tidak dengan syarat hasil harus berada diantara -2 dan +2 yaitu :
 Descriptives
Std.
  Statistic Error
kebidana Mean 11,19 1,088
n
95% Lower 8,92  
Confidenc Boun
e Interval d
for Mean Upper 13,46  
Boun
d
5% Trimmed Mean 10,83  
Median 11,00  
Variance 24,862  
Std. Deviation 4,986  
Minimum 4  
Maximum 25  
Range 21  
Interquartile Range 5  
Skewness 1,199 0,501 2,39240
4
Kurtosis 2,175 0,972
bedah Mean 19,71 1,817
95% Lower 15,92  
Confidenc Boun
e Interval d
for Mean Upper 23,50  
Boun
d
5% Trimmed Mean 18,99  
Median 18,00  
Variance 69,314  
Std. Deviation 8,326  
Minimum 8  
Maximum 45  
Range 37  
Interquartile Range 10  
Skewness 1,444 0,501 2,88111
1
Kurtosis 3,090 0,972
interna Mean 20,52 1,700
95% Lower 16,98  
Confidenc Boun
e Interval d
for Mean Upper 24,07  
Boun
d
5% Trimmed Mean 20,26  
Median 19,00  
Variance 60,662  
Std. Deviation 7,789  
 Minimum 6  
Maximum 40  
Range 34  
Interquartile Range 10  
Skewness 0,618 0,501 1,23303
1
Kurtosis 0,804 0,972
Dari data skewness diatas menunjukkan bahwa data tidak berdistribusi
normal pada kebidanan dan bedah sedangkan berdistribusi normal pada
bidang interna maka data disimpulkan berdistribusi tidak normal dan
diturunkan menggunakan uji nonparametik

2) Uji nonparametik
Klik analyz – nonparametik test – lagacy dialogs – K-Independent samples

Pada kolom test variable list dimasukkan kategori kebidanan, bedah dan
interna - Pada kolom grouping variable masukkan kategori shift – klik
define range – masukkan minimum 0 dan maksimum 3 – continue dan ok
 Maka akan muncul output seperti :

Test Statisticsa,b
kebidanan bedah interna
Kruskal-Wallis H 4,715 9,883 4,592
df 2 2 2
Asymp. Sig. ,095 ,007 ,101
a. Kruskal Wallis Test
b. Grouping Variable: shif

Kesimpulan :dapat disimpulkan bahwa ada perbedaan antara jumlah pasien setiap shift
pada ruang bedah dan tidak ada perbedaan antara jumlah pasien setiap shift pada ruang
kebidanan dan interna
 Tabel 4: Master Data Calon Perawat Teladan RS Cepat Sembuh Tahun 2008

Data Pribadi Skor Test

Nama Lam Jabat
N Th BB TB Wawasan
Peraw Se Pendidik a Pangkat/ an Psikote TP Kepemimpin
o Asal Lulu (K (C Keperawat
at x an Kep kerja Gol saat st A an
s g) m) an
(th) ini
Tabana 198
1 Adi n L SPK 0 27 IIIA 60 160 pp 88 90 85 90
Tabana 199
2 Beni n L S1 7 10 IIIB 55 175 pp 85 92 90 85
Singara 198
3 Cober ja P S1 9 18 IIIC 70 165 Karu 86 88 75 90
Dadan 199
4 g Badung L D3 8 9 IIIA 55 168 pp 90 92 89 93
Singara 199
5 Erika ja P S1 6 11 IIIID 63 170 pp 88 93 85 92
200
6 Fatoni Bangli L D3 0 7 IIC 52 164 Karu 85 87 84 85
Gande Denpas 200
7 s ar P S2 1 6 IIIC 64 164 pp 84 85 95 88
Herma Denpas 199
8 ni ar P S1 4 13 IIIC 65 168 Karu 87 86 83 86
198
9 Intan Badung P SPK 8 19 IIIB 59 155 pp 82 75 84 88
1 200
0 Jojon Negara L S2 4 3 IVA 60 169 KUPP 88 79 87 85
Keterangan :
PP : Perawat Pelaksana
Karu : Kepala Ruangan
KUPP : Kepala Urusan Pelayanan Perawat