TUGAS 14

Mata Kuliah
EPIDEMIOLOGI KLINIK DAN BIOSTATISTIK

Ruth Novia Elnasanti : 20210309020

Dosen : Idrus Jus’at, MSc., PhD

PRODI MAGISTER ADMINISTRASI RUMAH SAKIT

FAKULTAS ILMU-ILMU KESEHATAN UNIVERSITAS

ESA UNGGUL JAKARTA TAHUN

2021
20.a. Apakah ada korelasi tekanan darah sistolik dan diastolik dari pasien berusia 50-60 tahun:
Pasien Sistolik Diastolik
1 141 89
2 140 80
3 131 79
4 132 85
5 135 86
6 141 89
7 143 89
8 140 88
9 140 82
10 131 88
11 141 79

Hipotesis:
H0 : Tidak ada hubungan tekanan darah sistolik dan diastolik dari pasien usia 50-60 tahun
Ha : Ada hubungan tekanan darah sistolik dan diastolik dari pasien usia 50-60 tahun

Langkah-langkah SPSS Uji Korelasi Spearman Rank:

Gambar 20a.1 Langkah 1 uji Spearman Rank menggunakan SPSS

 Klik Analyze → Correlate → Bivariate

Gambar 20a.2 Langkah 2 uji Korelasi Spearman Rank menggunakan SPSS

Pindahkan variabel Tekanan Darah Sistolik dan Tekanan Darah Diastolik ke kotak Variables dan
pada bagian Correlation Coefficients pilih Spearman

Gambar 20a.3 Tampilan kotak Bivariate Correlation

Pada bagian Test of Significance pilih Two-tailed dan Flag significant correlations; kemudian OK

Gambar 20a.4 Memasukkan variabel uji Spearman Rank

NEW FILE.
DATASET NAME DataSet1 WINDOW=FRONT.
NONPAR CORR
/VARIABLES=SIST DIAS
/PRINT=SPEARMAN TWOTAIL NOSIG
/MISSING=PAIRWISE.

Nonparametric Correlations

Notes

Output Created 23-JAN-202207:19:34

Comments

Input Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File

11

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each pair of variables are

based on all the cases with valid data for
that pair.
 Syntax
NONPAR CORR

/VARIABLES=SIST DIAS

/PRINT=SPEARMAN TWOTAIL NOSIG

/MISSING=PAIRWISE.

Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,02

Number of Cases Allowed 629145 casesa

a. Based on availability of workspace memory

Correlations

Tekanan darah Tekanan darah

sistolik diastolik

Spearman's rho Tekanan darah sistolik Correlation Coefficient 1.000 .442

Sig. (2-tailed) . .173

N 11 11

Tekanan darah diastolik Correlation Coefficient .442 1.000

Sig. (2-tailed) .173 .

N 11 11

Gambar 20a.5 Hasil output uji korelasi Spearman Rank

Langkah-langkah SPSS Grafik Scatter/Dot

Pilih Graph → Legacy Dialogs → Scatter/Dot…

Gambar 20a.6 Langkah 1 membuat grafik korelasi Spearman Rank

Pilih Simple Scatter dan klik Define

Gambar 20a.7 Langkah 2 membuat grafik korelasi Spearman Rank

Pindahkan variabel Tekanan darah sistolik (SIST) ke kotak Y Axis dan Tekanan darah diastolik (DIAS)
ke kotak X Axis

Gambar 20a.8 Langkah 3 membuat grafik korelasi Spearman Rank

GRAPH
/SCATTERPLOT(BIVAR)=DIAS WITH SIST
/MISSING=LISTWISE.

Graph

Notes

Output Created 23-JAN-202207:23:39

Comments

Input Active Dataset DataSet1

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File

11

Syntax
GRAPH

/SCATTERPLOT(BIVAR)=DIAS WITH SIST

/MISSING=LISTWISE.

Resources Processor Time 00:00:04,00

 Elapsed Time 00:00:16,98

r = 0.442; p > 0.05

Gambar 20a.9 Hasil grafik korelasi Spearman Rank

Dasar pengambilan keputusan uji korelasi Spearman Rank berdasarkan signifikansi:

• Jika nilai signifikansi Asymp. Sig. (2-tailed) < 0.05, maka ada hubungan yang signifikan
• Jika nilai signifikansi Asymp. Sig. (2-tailed) > 0.05, maka tidak ada hubungan yang signifikan

Interpretasi hasil:

Berdasarkan hasil output uji korelasi Spearman di atas, menunjukkan bahwa nilai signifikansi atau
Sig. (2-tailed) sebesar 0.173 (p > 0.05), dengan nilai korelasi sebesar 0.442, dimana lebih kecil dari
nilai tabel n=11, yaitu 0.618 sehingga dapat dikatan kedua variabel tidak ada hubungan yang
signifikan.
 Kesimpulan:

Dapat disimpulkan bahwa tidak ada hubungan yang bermakna antara tekanan darah sistolik dan
tekanan darah diastolik dari pasien berusia 50-60 tahun (r = 0.442, p > 0.05). Kesimpulan H0
diterima dan Ha ditolak.

20.b. Adakah korelasi kadar magnesium serum (m Eq./L) dan magnesium tulang (m Eq/kg Abu)?
Sampel Mg serum Mg tulang
1 3.6 672
2 2.85 610
3 2.80 621
4 2.70 570
5 2.55 638
6 2.55 612
7 2.45 552
8 2.25 524
9 1.80 400

Hipotesis:
H0 : Tidak ada hubungan kadar magnesium serum dan magnesium tulang
Ha : Ada hubungan kadar magnesium serum dan magnesium tulang
Langkah-langkah SPSS Uji Korelasi Spearman Rank:

Gambar 20b.1 Langkah 1 uji Spearman Rank menggunakan SPSS

Klik Analyze → Correlate → Bivariate

Gambar 20b.2 Langkah 2 uji Spearman Rank menggunakan SPSS

 Pindahkan variabel Kadar magnesium serum dan Kadar magnesium tulang ke kotak Variables dan
pada bagian Correlation Coefficients pilih Spearman

Gambar 20b.3 Tampilan kotak Bivariate Correlation

Pada bagian Test of Significance pilih Two-tailed dan Flag significant correlations; kemudian OK

Gambar 20b.4 Memasukkan variabel uji Spearman Rank

NONPAR CORR

/VARIABLES=MGSRM MGTLG

/PRINT=SPEARMAN TWOTAIL NOSIG

/MISSING=PAIRWISE.

Nonparametric Correlations

Notes

Output Created 23-JAN-202215:37:36

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File

9

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each pair of variables are

based on all the cases with valid data for
that pair.

Syntax
NONPAR CORR

/VARIABLES=MGSRM MGTLG

/PRINT=SPEARMAN TWOTAIL NOSIG

/MISSING=PAIRWISE.

Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,00

Number of Cases Allowed 629145 casesa

a. Based on availability of workspace memory

 Correlations
Kadar Kadar
magnesium magnesium
serum tulang

Spearman's rho Kadar magnesium serum Correlation Coefficient 1.000 .770*

Sig. (2-tailed) . .015

N 9 9

Kadar magnesium tulang Correlation Coefficient .770* 1.000

Sig. (2-tailed) .015 .
N 9 9
*. Correlation is significant at the 0.05 level (2-tailed).
Gambar 20b.5 Hasil output uji korelasi Spearman Rank

Langkah-langkah SPSS Grafik Scatter/Dot

Pilih Graph → Legacy Dialogs → Scatter/Dot…

Gambar 20b.6 Langkah 1 membuat grafik korelasi Spearman Rank

 Pilih Simple Scatter dan klik Define

Gambar 20b.7 Langkah 2 membuat grafik korelasi Spearman Rank

Pindahkan variabel Kadar magnesium serum (MGSRM) ke kotak Y Axis dan Kadar magnesium
tulang (MGTLG) ke kotak X Axis

Gambar 20b.8 Langkah 3 membuat grafik korelasi Spearman Rank

GRAPH

/SCATTERPLOT(BIVAR)=MGTLG WITH MGSRM

/MISSING=LISTWISE.
Graph
Notes

Output Created 23-JAN-202215:38:35

Comments

Input Active Dataset DataSet2

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File

9

Syntax
GRAPH

/SCATTERPLOT(BIVAR)=MGTLG WITH MGSRM

/MISSING=LISTWISE.

Resources Processor Time 00:00:00,55

Elapsed Time 00:00:00,30

 r = 0.770; p < 0.05

Gambar 20b.9 Hasil grafik korelasi Spearman Rank

Dasar pengambilan keputusan uji korelasi Spearman Rank berdasarkan signifikansi:

• Jika nilai signifikansi Asymp. Sig. (2-tailed) < 0.05, maka ada hubungan yang signifikan
• Jika nilai signifikansi Asymp. Sig. (2-tailed) > 0.05, maka tidak ada hubungan yang signifikan

Interpretasi hasil:

Berdasarkan hasil output uji korelasi Spearman di atas, menunjukkan bahwa nilai signifikansi atau
Sig. (2-tailed) sebesar 0.017 (p < 0.05), dengan nilai korelasi sebesar 0.770, dimana lebih besar dari
nilai tabel n=9, yaitu 0.700 sehingga kedua variabel terdapat hubungan yang signifikan.
 Kesimpulan:

Dapat disimpulkan bahwa ada hubungan yang bermakna antara kadar magnesium serum dengan
kadar magnesium tulang (r = 0.770; p < 0.05). Kesimpulan H0 ditolak dan Ha diterima.

Kerjakan soal latihan No 21a dan 21b pada halaman S-14

21.a. Buktikan tekanan darah sistolik dan indeks massa tubuh berkorelasi positif.

NOID TDS IMT NOID TDS IMT NOID TDS IMT

101 135 28 117 122 32 133 130 31
102 148 37 118 146 29 134 129 28
103 162 37 119 160 36 135 144 23
104 180 46 120 166 39 136 138 40
105 152 41 121 138 36 137 140 35
106 134 30 122 145 34 138 142 30
107 135 32 123 142 34 139 144 37
108 137 33 124 132 32 10 149 33
109 132 30 125 120 28 141 126 29
110 161 38 126 170 41 142 152 39
111 160 27 127 140 40 143 162 35
112 137 25 128 144 32 144 156 32
113 140 27 129 156 38 145 155 32
114 147 28 130 135 26 146 160 34
115 152 29 131 148 29 147 146 34
116 139 23 132 129 30 148 139 29
Keterangan:

TDS = Tekanan darah Sistolik; IMT = Indeks Massa Tubuh

Hipotesis:

H0: Tidak ada hubungan antara Tekanan Darah Sistolik dan Indeks Massa Tubuh

Ha: Ada hubungan antara Tekanan Darah Sistolik dan Indeks Massa Tubuh

Gambar 21a.1 Tampilan data view SPSS

Gambar 21a.2 Tampilan variable view SPSS

Langkah-langkah SPSS Uji Korelasi Pearson Product Moment:

 Pilih Analyze →Correlate → Bivariate

Gambar 21a.3 Langkah 1 uji korelasi Pearson Product Moment

Pindahkan variabel Tekanan Darah Sistolik (TDS) dan Indeks Massa Tubuh (IMT) ke kotak
Variables, dan pada kotak Correlation Coefficients klik Pearson, dan pada kotak Test of
Significance klik Two-tailed, kemudian klik OK.

Gambar 21a.4 Langkah 2 uji korelasi Pearson Product Moment

CORRELATIONS
/VARIABLES=TDS IMT

/PRINT=TWOTAIL NOSIG

/MISSING=PAIRWISE.

Correlations

Notes

Output Created 23-JAN-202217:10:40

Comments

Input Active Dataset DataSet3

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File

48

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics for each pair of variables are

based on all the cases with valid data for
that pair.

Syntax CORRELATIONS

/VARIABLES=TDS IMT

/PRINT=TWOTAIL NOSIG

/MISSING=PAIRWISE.

Resources Processor Time 00:00:00,02

Elapsed Time 00:00:00,02

 Correlations

Tekanan darah
sistolik Indeks massa tubuh

Tekanan darah sistolik Pearson Correlation 1 .556**

Sig. (2-tailed) .000

N 48 48

Indeks massa tubuh Pearson Correlation .556** 1

Sig. (2-tailed) .000

N 48 48

**. Correlation is significant at the 0.01 level (2-tailed).

Gambar 21a.5 Hasil output uji korelasi Pearson Product Moment

Langkah-langkah SPSS Grafik Scatter/Dot

Pilih Graph → Legacy Dialogs → Scatter/Dot…

Gambar 21a.6 Langkah 1 membuat grafik Korelasi Pearson Product Moment

 Pilih Simple Scatter dan klik Define

Gambar 21a.7 Langkah 2 membuat grafik Korelasi Pearson Product Moment

Pindahkan variabel Tekanan Darah Sistolik (TDS) ke kotak Y Axis dan Indeks Massa Tubuh (IMT) ke
kotak X Axis, lalu klik OK.

Gambar 21a.8 Langkah 3 membuat grafik Korelasi Pearson Product Moment

GRAPH

/SCATTERPLOT(BIVAR)=IMT WITH TDS

/MISSING=LISTWISE.

Graph

Notes

Output Created 23-JAN-202217:12:01

Comments

Input Active Dataset DataSet3

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File

48

Syntax
GRAPH

/SCATTERPLOT(BIVAR)=IMT WITH TDS

/MISSING=LISTWISE.

Resources Processor Time 00:00:00,20

Elapsed Time 00:00:00,16

 r = 0.556, p < 0.05

Gambar 21a.9 Grafik Korelasi Pearson Product Moment

Dasar pengambilan keputusan uji korelasi Pearson Product Moment:

• Jika nilai signifikansi Asymp. Sig. (2-tailed) < 0.05, maka ada hubungan yang signifikan
• Jika nilai signifikansi Asymp. Sig. (2-tailed) > 0.05, maka tidak ada hubungan yang signifikan

Interpretasi hasil:

Berdasarkan hasil output uji korelasi Pearson di atas, menunjukkan bahwa nilai signifikansi atau
Sig. (2-tailed) sebesar 0.000 (p < 0.05), dengan nilai korelasi sebesar 0.556, sehingga kedua variabel
terdapat hubungan yang signifikan.

Kesimpulan:
Dapat disimpulkan bahwa ada hubungan yang bermakna antara tekanan darah sistolik dan indeks
massa tubuh (r = 0.556; p < 0.05). Dengan nilai r bernilai positif yang berarti hubungan kedua
variabel searah yaitu apabila tekanan darah sistolik meningkat maka indeks massa tubuh juga akan
ikut meningkat. Kesimpulan H0 ditolak dan Ha diterima.
21.b. Adakah korelasi antara asupan vitamin A dan serum retinol pada wanita usia subur?

NOID Serum retinol Asupan vit. A NOID Serum retinol Asupan vit. A
101 10 815.9 116 10 815.9
102 17.33 500 117 17.33 500
103 48 416.6 118 48 416.6
104 38.23 1020.7 119 38.23 1020.7
105 30 920 120 30 920
106 30.5 916 121 30.5 916
107 14.11 664.68 122 14.11 664.68
108 30 1051.4 123 30 1051.4
109 36.75 1025 124 36.75 1025
110 33.62 1033.33 125 33.62 1033.33
111 29.86 1050 126 29.86 1050
112 31.55 1150 127 31.55 1150
113 28.81 1227.5 128 28.81 1227.5
114 35.41 1265 129 35.41 1265
115 15.78 381.59 130 15.78 381.59

Hipotesis:

H0: Tidak ada hubungan antara asupan vitamin A dan serum retinol pada wanita usia subur

Ha: Ada hubungan antara asupan vitamin A dan serum retinol pada wanita usia subur

Gambar 21b.1 Tampilan data view SPSS

 Gambar 21b.2 Tampilan variable view SPSS

Langkah-langkah SPSS Uji Korelasi Pearson Product Moment

Pilih Analyze → Correlate → Bivariate

Gambar 21b.3 Langkah 1 Uji Korelasi Pearson Product Moment

Pindahkan variabel Serum Retinol dan Vitamin A ke kotak Variables, pada kotak Correlation
Coefficients pilih Pearson; pada kotak Test of Significance pilih Two-tailed, kemudian pilih Flag
significance correlations, lalu klik OK.

Gambar 21b.4 Langkah 2 Uji Korelasi Pearson Product Moment

CORRELATIONS

/VARIABLES=SRTL VITA

/PRINT=TWOTAIL NOSIG

/MISSING=PAIRWISE.
Correlations

Notes

Output Created 23-JAN-202218:06:05

Comments

Input Active Dataset DataSet4

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

30
File

Missing Value Handling Definition of Missing User-defined missing values are treated
as missing.

Cases Used Statistics for each pair of variables are

based on all the cases with valid data for
that pair.

Syntax CORRELATIONS

/VARIABLES=SRTL VITA

/PRINT=TWOTAIL NOSIG

/MISSING=PAIRWISE.

Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,00

 Correlations

Serum retinol Asupan vitamin A

Serum retinol Pearson Correlation 1 .329

Sig. (2-tailed) .076

N 30 30

Asupan vitamin A Pearson Correlation .329 1

Sig. (2-tailed) .076

N 30 30

Gambar 21b.5 Output hasil uji Korelasi Pearson Product Moment

Langkah-langkah SPSS Grafik Scatter/Dot

Pilih Graph → Legacy Dialogs → Scatter/Dot…

Gambar 21b.6 Langkah 1 membuat grafik Korelasi Pearson Product Moment

 Pilih Simple Scatter dan klik Define

Gambar 21b.7 Langkah 2 membuat grafik Korelasi Pearson Product Moment

Pindahkan variabel Serum Retinol (SRTL) ke kotak Y Axis dan Vitamin A (VITA) ke kotak X Axis,
lalu klik OK

Gambar 21b.8 Langkah 3 membuat grafik Korelasi Pearson Product Moment

GRAPH

/SCATTERPLOT(BIVAR)=VITA WITH SRTL

/MISSING=LISTWISE.

Graph

Notes

Output Created 23-JAN-202218:06:58

Comments

Input Active Dataset DataSet4

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data File

30

Syntax
GRAPH

/SCATTERPLOT(BIVAR)=VITA WITH SRTL

/MISSING=LISTWISE.

Resources Processor Time 00:00:00,44

Elapsed Time 00:00:00,19

 r = 0.329; p > 0.05

Gambar 21b.9 Hasil grafik Korelasi Pearson Product Moment

Interpretasi hasil:

Berdasarkan hasil output uji korelasi Pearson di atas, menunjukkan bahwa nilai signifikansi atau
Sig. (2-tailed) sebesar 0.076 (p > 0.05), dengan nilai korelasi sebesar 0.329, sehingga hubungan
kedua variabel tidak bermakna.

Kesimpulan:
Dapat disimpulkan bahwa tidak ada korelasi antara asupan vitamin A dan serum retinol pada
wanita usia subur (r = 0.329; p > 0.05). Kesimpulan H0 diterima dan Ha ditolak.

Kerjakan soal latihan No 22a dan 22b pada halaman S-16 dan S-17

22.a. Buktikan bahwa jumlah asupan energi sangat berpengaruh terhadap Berat Tubuh Tanpa
Lemak.
 NOR BTL AK NOR BTL AK
1 54.1 2670 26 44.1 1850
2 44.3 820 27 48.3 1260
3 47.8 1210 28 43.5 1170
4 53.9 2678 29 43.3 1852
5 47.5 2205 30 66.4 2790
6 39.7 1986 31 42.8 2230
7 43.2 815 32 47.5 1250
8 47.1 1200 33 66.21 2889
9 44 1180 34 44.36 2315
10 43.7 1269 35 45.9 2675
11 42,9 1372 36 46,2 2109
12 53.6 2089 37 39.9 1970
13 49.2 2078 38 37.6 2038
14 53.9 2872 39 48.9 2165
15 37.4 1896 40 44.2 2099
16 47.6 2068 41 49.8 2237
17 54.2 2039 42 36.6 2318
18 37.8 2496 43 46.2 2548
19 39.1 2042 44 38.4 2127
20 42.8 2240 45 33.9 2156
21 39.1 2216 46 42.9 2368
22 37.4 2138 47 33.9 2120
23 39.8 2098 48 36.9 2226
24 41.2 2394 49 37.9 2116
25 44.7 2443 50 44.6 2842
Keterangan:

BTL = Berat tubuh tanpa lemak; AK = Asupan energi

Hipotesis:

H0: Tidak ada pengaruh jumlah asupan energi terhadap Berat Tubuh Tanpa Lemak

Ha: Ada pengaruh jumlah asupan energi terhadap Berat Tubuh Tanpa Lemak
 Gambar 22a.1 Tampilan data view SPSS

Gambar 22a.2 Tampilan variable view SPSS

Langkah-langkah SPSS Uji Regresi Sederhana:

Pilih Analyze → Regression → Linear

Gambar 22a.3 Langkah 1 analisis regresi sederhana dengan SPSS

Pindahkan variabel Berat tubuh tanpa lemak (BTL) ke kotak Dependent; dan variabel Asupan
energi (AK) ke kotak Independent(s); pada kotak Method plih Enter; lalu klik OK

Gambar 22a.4 Langkah 2 analisis regresi sederhana dengan SPSS

SAVE OUTFILE='C:\Users\HP\Documents\Epid data\Data soal no. 22a.sav'

/COMPRESSED.

REGRESSION

/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT BTL

/METHOD=ENTER AK.

Regression

Notes

Output Created 23-JAN-202219:53:32

Comments

Input Data C:\Users\HP\Documents\Epid data\Data

soal no. 22a.sav

Active Dataset DataSet5

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

50
File

Missing Value Handling Definition of Missing User-defined missing values are treated as
missing.

Cases Used Statistics are based on cases with no

missing values for any variable used.
 Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS R ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT BTL

/METHOD=ENTER AK.

Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,00

Memory Required 2448 bytes

Additional Memory Required

0 bytes
for Residual Plots

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1
Jumlah asupan energib . Enter

a. Dependent Variable: Berat tubuh tanpa lemak

b. All requested variables entered.

Model Summary

Std. Error of the

Model R R Square Adjusted R Square Estimate

1 .239a .057 .037 6.7251

a. Predictors: (Constant), Jumlah asupan energi

 ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 131.007 1 131.007 2.897 .095b

Residual 2170.907 48 45.227

Total 2301.913 49

a. Dependent Variable: Berat tubuh tanpa lemak

b. Predictors: (Constant), Jumlah asupan energi

Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 38.326 3.878 9.882 .000

Jumlah asupan energi .003 .002 .239 1.702 .095

a. Dependent Variable: Berat tubuh tanpa lemak

Gambar 22a.5 Hasil output analisis regresi sederhana dengan SPSS

Interpretasi hasil:

Dari hasil uji regresi di atas menunjukkan bahwa nilai F (tabel ANOVA) sebesar 2.897 dan

p = 0.095 disimpulkan bahwa model regresi tidak bermakna. Berdasarkan nilai-nilai β pada

data tabel Coefficients, dapat kita tulis persamaan garis, yaitu sebagai berikut:

Y = β0 + β1X

Y = 38.326 + 0.003X

dimana:

Y = Berat Tubuh Tanpa Lemak

X = Jumlah Asupan Energi

Terlihat dari besaran nilai β1 (Jumlah asupan energi) sebesar 0.003 dan standart error = 0.002
dengan nilai t = 0.003 / 0.002 = 1.702 dan p = 0.095.
 Kesimpulan:

Dapat diartikan bahwa setiap kenaikan 1 satuan asupan energi hanya meningkatkan berat tubuh
tanpa lemak sebesar 0.003 dengan nilai p > 0.05. Dengan demikian dinyatakan bahwa tidak ada
pengaruh yang bermakna antara jumlah asupan energi terhadap berat tubuh tanpa lemak.
Kesimpulan H0 diterima dan Ha ditolak.

22.b. Buktikan konsumsi cairan berpengaruh terhadap berat jenis urine.

NOI TAA BJU NOI TAA BJU NOI TAA BJU

1001 1943 1025 1021 2282 1020 1041 2917 1015

1002 2135 1020 1022 2034 1025 1042 2477 1020

1003 1951 1015 1023 2105 1010 1043 2488 1015

1004 2205 1020 1024 2282 1025 1044 2232 1010

1005 2116 1030 1025 2034 1025 1045 2786 1020

1006 2272 1025 1026 2105 1010 1046 2785 1010

1007 2204 1025 1027 2164 1025 1047 2927 1015

1008 2177 1020 1028 2139 1030 1048 3072 1025

1009 2043 1025 1029 2009 1025 1049 2741 1020

1010 2244 1020 1030 1549 1040 1050 2312 1010

1011 1924 1035 1031 1976 1020 1051 2388 1020

1012 2182 1020 1032 2005 1025 1052 2468 1020

1013 2253 1015 1033 2280 1025 1053 2521 1005

1014 2237 1010 1034 2077 1005 1054 2384 1015

1015 2042 1025 1035 2321 1020 1055 2447 1005

1016 2255 1020 1036 2679 1005 1056 2503 1010

1017 2071 1010 1037 3018 1005 1057 2750 1030

1018 2180 1010 1038 2112 1025 1058 2756 1025

1019 1904 1030 1039 2547 1015 1059 3547 1020

1020 2077 1025 1040 2958 1005 1060 3373 1015

Keterangan:

NOI = Nomor Identifikasi Responden

TAA = Total Konsumsi Cairan Sehari
BJU = Berat Jenis Urine

Hipotesis:
H0: Tidak ada pengaruh konsumsi cairan terhadap berat jenis urine
Ha: Ada pengaruh konsumsi cairan terhadap berat jenis urine

Gambar 22b.1 Tampilan data view SPSS

Gambar 22b.2 Tampilan variabel view SPSS

Langkah-langkah SPSS Uji Regresi Sederhana:

Pilih Analyze → Regression → Linear

Gambar 22b.3 Langkah 1 analisis regresi sederhana dengan SPSS

Pindahkan variabel Berat jenis urine (BJU) ke kotak Dependent; dan variabel Total konsumsi
cairan sehari (TAA) ke kotak Independent(s); pada kotak Method plih Enter; lalu klik OK

Gambar 22b.4 Langkah 2 analisis regresi sederhana dengan SPSS

SAVE OUTFILE='C:\Users\HP\Documents\Epid data\Data soal no. 22b.sav'
/COMPRESSED.
REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS R ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT BJU

/METHOD=ENTER TAA.

Regression

Notes

Output Created 23-JAN-202220:33:15

Comments

Input Active Dataset DataSet6

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

60
File

Missing Value Handling Definition of Missing User-defined missing values are

treated as missing.

Cases Used Statistics are based on cases with no

missing values for any variable used.

Syntax REGRESSION

/MISSING LISTWISE

/STATISTICS COEFF OUTS R

ANOVA

/CRITERIA=PIN(.05) POUT(.10)

/NOORIGIN

/DEPENDENT BJU

/METHOD=ENTER TAA.
 Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,00

Memory Required 2448 bytes

Additional Memory Required

0 bytes
for Residual Plots

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1
Total konsumsi cairan seharib . Enter

a. Dependent Variable: Berat jenis urine

b. All requested variables entered.

ANOVAa

Model Sum of Squares df Mean Square F Sig.

1 Regression 524.122 1 524.122 9.267 .004b

Residual 3280.462 58 56.560

Total 3804.583 59

a. Dependent Variable: Berat jenis urine

b. Predictors: (Constant), Total konsumsi cairan sehari

Coefficientsa
Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 1037.375 6.141 168.935 .000

Total konsumsi cairan
-.008 .003 -.371 -3.044 .004
sehari

a. Dependent Variable: Berat jenis urine

Gambar 22b.5 Output analisis regresi sederhana dengan SPSS

 Interpretasi hasil:

Dari hasil uji regresi di atas menunjukkan bahwa nilai F (tabel ANOVA) sebesar 9.267 dan p = 0.004
disimpulkan bahwa model regresi bermakna. Berdasarkan nilai-nilai β pada data tabel Coefficients,
dapat kita tulis persamaan garis, yaitu sebagai berikut:

Y = β0 + β1X

Y = 1037.375 – 0.008X

dimana:

Y = Berat Jenis Urine

X = Total konsumsi cairan sehari

Terlihat dari besaran nilai β1 (total konsumsi cairan sehari) sebesar - 0.008 dan standart error =
0.003 dengan nilai t = - 0.008 / 0.003 = - 3.044 dan p = 0.004.

Kesimpulan:

Dapat diartikan bahwa setiap kenaikan 1 satuan konsumsi cairan sehari menurunkan berat jenis
urine sebesar 0.008 dengan nilai p < 0.05. Dengan demikian dinyatakan bahwa ada pengaruh
yang bermakna antara total konsumsi cairan sehari terhadap berat jenis urine. Kesimpulan H0
ditolak dan Ha diterima.

23. Keandalan instrumen

Formulir Pertanyaan tentang Sikap

Pilih jawaban berikut ini setuju/tidak setuju dengan mencentang atau menceklis salah satu pada
kolom yang disediakan.

No. Pertanyaan Setuju Tidak setuju

1. Dalam menjalani pengobatan yang paling utama
saya lakukan adalah pengaturan diet (makanan)
2. Meskipun kadar gula darah penderita diabetes
mellitus sudah normal harus tetap menjalankan
diet (pengaturan makanan)
3. Dengan menjaga berat badan agar tidak
kegemukan dapat mengurangi terjadinya
komplikasi pada penderita DM
4. Diabetes mellitus akan sembuh sendiri tanpa
perlu ditanggulangi
 5. Konsumsi obat adalah satu-satunya cara untuk
mengatasi diabetes mellitus dibandingkan
dengan menjalankan perilaku hidup sehat.
6. Menjalankan pola makan yang sesuai dengan
jenis, jumlah dan jadwal akan memperkecil
kemungkinan terjadinya komplikasi.
7. Sebagai penderita DM saya merasa tidak
terbebani dengan pola makan yang sesuai dengan
jenis, jumlah dan jadwal yang dianjurkan petugas
kesehatan
8. Perceived Susceptibility
Saya apabila tidak mengikuti petunjuk
pengaturan makan yang telah dianjurkan tubuh
akan terasa Lemas dan Hasil tes kadar gula darah
saya tidak terkontrol dengan baik
9. Perceived Severity
Penyakit saya akan betambah parah apabila saya
tidak menjalankan atau melanggar petunjuk
pengaturan makan yang disarankan oleh petugas
gizi.
10. Perceived Benefits
Saya Harus tetap menjalankan diet Diabetes
meskipun saya pikir diet yang dijalankan tidak
dapat mengendalikan kondisi saya secepat saya
mengkonsumsi obat-obatan, namun saya Yakin
melalui diet yang dijalankanlah kadar glukosa
darah saya dapat terkendali dan komplikasi
penyakit dapat terhindari.

Data yang diperoleh dari 20 responden

1 = Setuju; 2 = Tidak setuju

No. P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
11 1 1 1 1 1 1 1 1 1 1
 12 1 1 1 2 1 1 1 1 1 1
13 1 1 1 1 2 1 2 2 1 1
14 1 1 1 1 2 2 1 1 1 1
15 1 1 1 1 1 1 1 1 1 1
16 1 1 1 2 1 1 1 1 1 1
17 2 1 1 1 1 1 1 1 1 1
18 1 2 2 2 2 2 2 2 2 2
19 1 1 2 1 2 2 2 2 2 2
20 2 2 2 2 2 2 1 2 2 2
21 2 2 1 1 1 1 2 1 1 2
22 1 1 1 1 1 1 1 1 1 1
23 1 1 2 1 2 1 1 1 1 1
24 2 2 1 1 1 2 2 2 2 2
25 1 1 1 1 1 1 1 2 1 1
26 2 1 2 2 2 2 2 2 2 1
27 1 1 1 1 1 1 1 1 1 2
28 2 2 2 2 2 2 1 1 2 1
29 1 2 1 1 1 1 2 2 1 1
30 1 1 1 2 1 1 1 1 1 1

Lakukan uji keandalan instrumen tersebut.

Gambar 23.1 Tampilan data view SPSS

 Gambar 23.2 Tampilan variable view SPSS

Langkah-langkah Uji Keandalan Instrumen:

Pilih Analyze → Scale → Reliability Analysis

Gambar 23.3 Langkah 1 Uji Keandalan Instrumen

Pindahkan kesepuluh variabel ke kotak Items, pada kotak Model pilih Alpha, kemudian klik
Statistics

Gambar 23.4 Langkah 2 Uji Keandalan Instrumen

Pada kotak Descriptive for pilih Item, Scale, dan Scale if Item Deleted, klik Continue lalu klik OK

Gambar 23.5 Langkah 3 Uji Keandalan Instrumen

RELIABILITY
/VARIABLES=P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
/SCALE('ALL VARIABLES') ALL
/MODEL=ALPHA
/STATISTICS=DESCRIPTIVE SCALE
/SUMMARY=TOTAL.

Reliability
Notes

Output Created 23-JAN-202221:44:08

Comments

Input Data C:\Users\HP\Documents\Epid data\Data

soal no. 23.sav

Active Dataset DataSet7

Filter <none>

Weight <none>

Split File <none>

N of Rows in Working Data

20
File

Matrix Input

Missing Value Handling Definition of Missing User-defined missing values are treated
as missing.

Cases Used Statistics are based on all cases with

valid data for all variables in the
procedure.

Syntax RELIABILITY

/VARIABLES=P1 P2 P3 P4 P5 P6 P7
P8 P9 P10

/SCALE('ALL VARIABLES') ALL

/MODEL=ALPHA

/STATISTICS=DESCRIPTIVE SCALE

/SUMMARY=TOTAL.

Resources Processor Time 00:00:00,00

Elapsed Time 00:00:00,00

[DataSet7] C:\Users\HP\Documents\Epid data\Data soal no. 23.sav
Scale: ALL VARIABLES

Case Processing Summary

N %

Cases Valid 20 100.0

Excludeda 0 .0

Total 20 100.0

a. Listwise deletion based on all variables in the procedure.

Reliability Statistics

Cronbach's Alpha N of Items

.861 10

Item Statistics

Mean Std. Deviation N

Pengobatan utama dengan pengaturan

1.30 .470 20
diet
Kadar gula darah normal tetap diet
1.30 .470 20

Jaga berat badan mengurangi komplikasi

1.30 .470 20
DM
DM sembuh sendiri tanpa ditanggulangi
1.35 .489 20

Konsumsi obat mengatasi DM daripada

pola hidup sehat 1.40 .503 20

Pola makan memperkecil komplikasi

1.35 .489 20

Tidak terbebani pola makan 3J

1.35 .489 20

Perceived Susceptibility 1.40 .503 20

Perceived Severity 1.30 .470 20
Perceived Benefits 1.30 .470 20
 Item-Total Statistics
Cronbach's
Scale Mean if Scale Variance Corrected Item- Alpha if Item
Item Deleted if Item Deleted Total Correlation Deleted

Pengobatan utama dengan

12.05 8.892 .439 .858
pengaturan diet
Kadar gula darah normal
12.05 8.576 .562 .848
tetap diet
Jaga berat badan
12.05 8.261 .689 .838
mengurangi komplikasi DM
DM sembuh sendiri tanpa
12.00 9.263 .283 .871
ditanggulangi
Konsumsi obat mengatasi
DM daripada pola hidup 11.95 8.471 .554 .849
sehat
Pola makan memperkecil
12.00 7.895 .804 .827
komplikasi
Tidak terbebani pola makan
12.00 8.737 .473 .856
3J
Perceived Susceptibility 11.95 8.471 .554 .849
Perceived Severity 12.05 7.734 .914 .818
Perceived Benefits 12.05 8.787 .480 .855

Scale Statistics

Mean Variance Std. Deviation N of Items

13.35 10.345 3.216 10

Gambar 23.6 Output Uji Keandalan Instrumen

Interpretasi hasil:
• Pada kolom Corrected Item-Total Correlation tersaji validitas pertanyaan. Bila nilai r hitung
lebih besar dari r tabel maka pertanyaan itu valid. Untuk sampel sebanyak 20 orang, nilai r
tabel adalah 0.4438 (α= 0.05). Hasil dari tabel di atas menunjukkan bahwa nilai r hitung P1
(0.439) dan P4 (0.283) lebih kecil dari nilai r tabel, sedangkan nilai r hitung pada pertanyaan
yang lain lebih besar dari nilai r tabel. Maka dapat disimpulkan bahwa pertanyaan 1 (P1)
dan pertanyaan 4 (P4) tidak valid dan tidak dapat digunakan untuk penelitian, sedangkan
pertanyaan yang lain valid dan dapat digunakan untuk penelitian.
• Pada kolom Cronbach’s Alpha If Item Deleted tersaji reliabilitas pertanyaan. Bila nilai r Alpha
suatu pertanyaan lebih besar dari nilai r tabel maka pertanyaan tersebut reliabel, dan bisa
digunakan untuk penelitian. Dari kolom Cronbach’s Alpha If Item Deleted terlihat bahwa
semua nilai r Alpha untuk semua pertanyaan (yang terkecil adalah 0.818) lebih besar dari
nilai r tabe l= 0.4438, maka dapat disimpulkan bahwa semua pertanyaan-pertanyaan
tersebut reliabel untuk digunakan dalam penelitian.

df = (N-2)
df = (20-2)
df = 18