Nama : Andi Karlina Syahrir

NIM : P062221031
Konsentrasi : Biokimia dan Biologi Molekuler

1. Langkah-langkah penginputan data

a. Input data pada variable view sesuai pada kolom name, decimal, values, dan
Measure seperti pada gambar dibawah.

b. Ganti kategorik dengan numerik untuk memudahkan penginputan secara otomatis.

sosek (1= tinggi, 2= sedang, 3=rendah). riwayat merokok (1=merokok, 2= tidak
merokok).

No sosek diastol umur berat Riw. pengetahuan pre pengetahuan

bayi merokok penyuluhan post penyuluhan
2 95 27 2550 1 68 76
1
2 75 26 2700 1 59 55
2
1 80 38 2600 2 65 65
3
1 100 24 2900 1 43 54
4
2 100 23 2850 2 54 55
5
3 80 18 2650 1 37 50
6
2 80 22 2600 1 56 58
7
3 90 14 2550 1 67 60
8
1 110 16 2600 2 64 60
9
3 80 14 2700 1 68 66
10
2 70 27 2400 1 33 40
11
2 105 28 2400 2 59 60
12
2 70 38 2400 1 54 57
13
2 70 24 2450 1 67 69
14
3 75 17 2350 2 54 56
15
2 80 19 2350 1 67 64
16
 3 60 27 2250 1 76 70
17
2 100 21 2350 2 76 79
18
3 90 24 2300 1 78 75
19
2 70 23 2350 1 67 68
20

c. Pada data view, copy file dari word kemudian paste pada SPSS.

2. Menentukan jenis data pada tabel soal

 pengetahuan
pengetahuan
No Sosek diastol Umur berat bayi riw. Merokok post
pre penyuluhan
penyuluhan
1 Sedang 95 27 2550 merokok 68 76
2 Sedang 75 26 2700 merokok 59 55

3 Tinggi 80 38 2600 tidak merokok 65 65

4 Tinggi 100 24 2900 merokok 43 54

5 Sedang 100 23 2850 tidak merokok 54 55
6 Rendah 80 18 2650 merokok 37 50
7 Sedang 80 22 2600 merokok 56 58
8 Rendah 90 14 2550 merokok 67 60
9 Tinggi 110 16 2600 tidak merokok 64 60
10 Rendah 80 14 2700 merokok 68 66
11 Sedang 70 27 2400 merokok 33 40
12 Rendah 105 28 2400 tidak merokok 59 60
13 Sedang 70 38 2400 merokok 54 57
14 Sedang 70 24 2450 merokok 67 69
15 Rendah 75 17 2350 tidak merokok 54 56
16 Sedang 80 19 2350 merokok 67 64
17 Rendah 60 27 2250 merokok 76 70
18 Sedang 100 21 2350 tidak merokok 76 79
19 Rendah 90 24 2300 merokok 78 75
20 Sedang 70 23 2350 merokok 67 68
Jenis
kategorik numerik Numerik Numerik kategorik numerik numerik
Data

3. Pengujian Data
 Untuk menentukan suatu jenis pengujian yang akan digunakan, terlebih
dahulu ditentukan normalitas dari data, maka dilakukan uji normalitas. Dikarenakan
jumlah data sampel kecil (<50), maka dilakukan uji shapiro-wilk untuk uji normalitas.
Uji normalitas
a. Pilih Analyse -> Descriptive statistics -> Explore -> pindahkan data uji ke
Dependent List -> pilih Plots (ceklis normality of varience)  ok

Output data:

Kesimpulan:
1. Berdasarkan hasil analisis uji shapiro-wilk (P<0,05) bahwa nilai signifikansi
(sig.>0,05) sehingga data tersebut normal.
2. Dikarenakan data pengujian normal, maka dipilih pengujian-pengujian untuk data
yang normal seperti, uji T Independent, uji T berpasangan, uji One Way Anova
(butuh uji homogenitas), uji chi square (perlu di perhatikan syarat-syaratnya seperti
nilai expected count), dan uji korelasi pearson.
UJI T INDEPENDENT
Pilih Analyse -> Compare Means -> Idependent-Samples T Test

masukkan data uji ke Test Variables (s) -> pilih Define group -> isi Group 1 = 1, dan
Group 2 = 2 -> OK
Output :

Kesimpulan:
1. Nilai signifikansi tekanan darah adalah 0,16 (sig.<0,05). Hal ini menunjukkan
bahwa ada perbedaan rata-rata secara signifikan antara tekanan darah orang yang
merokok dengan tidak merokok.
2. Nilai signifikansi umur adalah 0,887 (sig.>0,05). Hal ini menunjukkan bahwa tidak
ada perbedaan rata-rata secara signifikan antara umur orang yang merokok
dengan tidak merokok.

UJI T BERPASANGAN
Pilih Analyse -> Compare Means -> Paired-Sample T Test
Diinput pre test pada variable 1, dan post test pada variable 2

Output :

Kesimpulan:
Nilai signifikansi pre dan post penyuluhan yaitu 0,309 > 0,05 (sig.>0,05), sehingga
dapat disimpulkan bahwa tidak ada perbedaan yang signifikan antara pengetahuan
sebelum (pre) penyuluhan dengan pengetahuan setelah (post) penyuluhan.

Uji One Way ANOVA

Uji Homogenitas
Analyse -> Compare Means -> One Way Anova
Dipindahkan data, pada dipendend list: tekanan darah/umur/berat bayi ; sedangkan pada
factor : social ekonomi (sosek) -> pilih Options -> ceklis Homogenity of varience test ->
Ok

Untuk uji lanjutnya, dapat dipilih uji Tukey dengan memilih Post Hoc dan ceklis Tukey

Output:
 Kesimpulan:
1. Nilai homogenitas pada tekanan darah dan umur adalah 0,395 (sig.>0,05) dan 0,174
(sig.>0,05), sehingga dapat disimpulkan bahwa data tersebut homogen. Karena data
tersebut homogen, maka dapat dilanjut interpretasi data anova.
2. Berdasarkan hasil uji anova, nilai signifikansi tekanan darah dan umur adalah 0,023
(sig.>0,05) dan 0,131 (sig.>0,05), maka dapat disimpulkan bahwa tidak ada perbedaan
secara signifikan antara social ekonomi yang tinggi, sedang, dan rendah terhadap
tekanan darah dan umur.

Uji Chi Square

Pilih Analyse -> Descriptive Statistics -> Crosstabs

Pilih Statistics -> Ceklis Chi-square -> Continue

Pilih Cells -> ceklis observed dan Expected, untuk Row boleh tidak

Output:
Kesimpulan:
Apabila tidak memenuhi syarat nilai expected count (tidak boleh < 5%) maka tidak bisa di
uji chi square, pilihannya adalah uji alternative. Pada data 2x2 menggunakan uji fisher’s,
sedangkan pada data 2x3 menggunakan uji mann whitney. Pada sampel menggunakan
data 2x3 jadi harus digunakan uji alternative Mann-Whitney U

Mann-Whitney U
Pilih Analyze -> Nonparametric Test -> Legacy Dialogs -> 2 Independent Samples

Pada test variable list di isi social ekonomi, sedangkan pada Grouping Variable di isi
riwayat merokok. Kemudian dipilih Define Groups, pada group 1 diisi 1 ,dan group 2 diisi
2. Pada test Type di ceklis Mann-Whitney U, OK
Output:

Kesimpulan:
Nilai signifikansinya adalah 0,183 >0,05 (sig.>0,05), sehingga dapat disimpulkan bahwa
tidak ada hubungan antara social ekonomi tinggi, sedang, rendah dengan riwayat merokok.

Uji Pearson
Pilih Analyze -> Corralate -> Bivariate
Pindahkan Berat bayi dan umur ke variables dan ceklis Pearson

Output:

Kesimpulan :
Nilai sig. dari data adalah 0,294 (sig.>0,05) sehingga dapat disimpulkan bahwa tidak
ada hubungan antara tekanan darah dengan umur.