LAPORAN PRAKTIKUM STATISTIK SPSS

METODOLOGI PENELITIAN DAN BIOSTATISTIKA

OLEH :

NAMA : LINDA WATI

NIM : 1311421017

FAKULTAS KEDOKTERAN

UNIVERSITAS NEGERI GORONTALO

2023
 1. Meringkas Data

1. Tujuan Instruksional Umum

Setelah selesai mempelajari penuntun ini mahasiswa diharapkan dapat

menjelaskan mengenai langkah-langkah melakukan peringkasan data.

2. Tujuan Instruksional Khusus

Setelah selesai mempelajari penuntun ini mahasiswa diharapkan mampu:

• Menjelaskan mengenai ukuran tengah data, baik mean, median, dan modus.
• Menjelaskan mengenai ukuran variasi data, baik range dan standar deviasi.
• Menjelaskan mengenai ukuran posisi data, baik median kuartil, desil, dan
persentil.
• Menjelaskan mengenai distribusi sampel melalui penentuan standar eror.

3. Prosedur Pelaksanaan

Untuk memudahkan latihan, inputlah data berikut ke dalam SPSS. Perhatikan

tipe data dan skala ukurnya. Masukkan kode berikut (0 = ”kontrol”, 1 = ”Simv10”,
2 = ”Simv50”) pada value dari variabel perlakuan dan kode berikut (0 = ”tidak”, 1
= ”Ya”) pada value dari variabel mati.

Tabel 1. Dataset Latihan

Derajat Kode Input

Perlakuan BB awal (gr) BB akhir (gr) ∆ BB (%) Leukosituria Mortalitas Mortalitas
Kontrol 120 129 7,5 0 Ya 1
Kontrol 135 165 22,2 0 Tidak 0
Kontrol 134 160 19,4 0 Tidak 0
Kontrol 117 136 16,2 0 Tidak 0
Kontrol 139 151 8,6 0 Tidak 0
Kontrol 138 151 9,4 0 Tidak 0
Kontrol 149 158 6,0 0 Tidak 0
Kontrol 137 162 18,2 0 Tidak 0
Kontrol 134 160 19,4 0 Tidak 0
Kontrol 122 127 4,1 0 Tidak 0
Kontrol 135 150 11,1 0 Tidak 0
Kontrol 122 129 5,7 0 Tidak 0
Simv10 132 164 24,2 0 Ya 1
Simv10 117 121 3,4 1 Ya 1
Simv10 116 125 7,8 2 Ya 1
Simv10 116 123 6,0 0 Ya 1
Simv10 174 153 -12,1 2 Tidak 0
Simv10 147 164 11,6 1 Tidak 0
Simv10 133 147 10,5 1 Tidak 0
Simv10 153 163 6,5 3 Tidak 0
Simv10 144 167 16,0 1 Tidak 0
Simv10 144 160 11,1 0 Tidak 0
Simv10 156 185 18,6 1 Tidak 0
Simv10 133 151 13,5 0 Tidak 0
Simv50 124 138 11,30 0 Ya 1
Simv50 105 152 44,80 2 Ya 1
Simv50 130 160 23,10 0 Ya 1
Simv50 130 151 16,20 3 Ya 1
Simv50 125 144 15,20 1 Ya 1
Simv50 140 132 -5,70 0 Ya 1
Simv50 129 146 13,20 0 Tidak 0
Simv50 129 135 4,70 1 Tidak 0
Simv50 105 103 -1,90 0 Tidak 0
Simv50 111 112 0,90 0 Tidak 0
Simv50 121 111 -8,30 0 Tidak 0
Simv50 124 129 4,00 1 Tidak 0
Simv50 128 134 4,70 0 Tidak 0

Berdasarkan dataset di atas, terdapat tiga variabel terikat dengan skala ukur
numerik dan dua variabel terikat dengan skala ukur kategorikal (ordinal/nominal). Pada
variabel dengan skala ukur numerik, berikut langkah-langkah untuk melakukan
peringkasan data.
• Pilh tab analyze > descriptive statistics > explore
• Pada kotak dialog Explore, pindahkan variabel “Perlakuan” ke Factor List,
sedangkan variabel “BB_awal”, “BB_akhir”, dan “Delta_BB” ke Dependent List.
• Pilih menu Statistics, kemudian centang outliers,
• percentiles, dan Descriptives dengan tetap membiarkan angka 95% pada
Confidence Interval for Mean. Jika sudah, klik Continue.
• Pilih menu Plots, kemudian centang Factor levels together pada boxplots, histogram
pada descriptive, dan normality plots with tests.
• Kemudian klik oke dan lihat output.
 • Pada tabel output, silahkan tentukan nilai mean, median, range, interquartile range
(IQR), standar deviasi, dan standar eror dari masing-masing variabel. Catatkan
nilai-nilai yang ditemukan pada hasil perhitungan pada laporan praktikum.

Pada variabel dengan skala ukur kategorikal, data dinyatakan dalam proporsi.
Berikut langkah-langkah yang dikerjakan.
• Pilih split file. Centang “Organize Output by Groups”, kemudian pindahkan
variabel Perlakuan ke dalam kotak “Groups Based on”.
• Pilih analyze > Descriptive Statistics > Frequencies.
• Pada kotak dialog Frequencies, pindahkan kedua variabel kategorikal ke sebelah
kanan.
• Jika ingin menampilkan hasil grafiknya, bisa pilih charts, centang “Pie Charts” dan
“Percentages” pada kotak Chart Values. Klik continue.
• Kemudian klik Ok.
• Lihat pada hasil output dan tentukan nilai dari proporsi tiap variabel kategorikal,
baik berupa rasio maupun persentase. Catatkan hasilnya pada laporan praktikum.

4. Hasil

1. Ringkasan Data Numerik

Variabel Perlakuan Mean Median Range Interquartile Standar Standar

range (IQR) deviasi error

Kontrol 131.83 134.50 32.00 15.75 9.50 2.74

BB awal Simv 10 138.75 138.50 58.00 30.75 17.80 5.14

Simv 50 123.16 125.00 35.00 13.50 10.34 2.87

Kontrol 148.17 151.00 38.00 29.25 14.15 4.08

BB akhir Simv 10 151.92 156.50 64.00 33.50 19.87 5.74

 Simv 50 134.92 135.00 56.90 28.00 17.19 4.77

Kontrol 12.32 10.25 18.10 12.72 6.37 1.84

Delta BB Simv 10 9.76 10.80 36.31 9.25 9.00 2.60

Simv 50 9.40 4.70 53.11 16.20 14.00 3.88

2. Ringkasan Data Kategorikal

Variabel (perlakuan) Hasil Rasio Persentase

Leukosituria (kontrol) 0 12 100%

1 - -

2 - -

3 - -

Leukosituria (Simv 10) 0 4 33,3%

1 5 41,7%

2 2 16,7%

3 1 8,3%

Leukosituria (Simv 50) 0 8 61,5%

1 3 23,1%

2 1 7,7%

3 1 7,7%

Mati (kontrol) Ya 1 8,3%

Tidak 11 91,7%
 Mati (Simv 10) Ya 4 33,3%

Tidak 8 66,7%

Mati (Simv 50) Ya 6 46,2%

Tidak 7 53,8%

2. Distribusi Data

1. Tujuan Instruksional Umum

Setelah selesai mempelajari penuntun ini mahasiswa diharapkan dapat

menjelaskan mengenai langkah-langkah menentukan distribusi data.

2. Tujuan Instruksional Khusus

Setelah selesai mempelajari penuntun ini mahasiswa diharapkan mampu:

• Menjelaskan mengenai distribusi data dengan melihat grafik.

• Menjelaskan mengenai distribusi data dengan melihat ukuran data.
• Menjelaskan mengenai distribusi data dengan melihat hasil uji normalitas
Kolmogorov-Smirnov atau Shapiro-Wilk.

3. Prosedur Pelaksanaan

Untuk memudahkan latihan, inputlah data yang sama pada Tabel 1 ke dalam
SPSS. Perhatikan tipe data dan skala ukurnya. Masukkan kode value dari variabel
seperti sebelumnya. Langkah-langkah untuk menentukan distribusi data sama
dengan langkah untuk meringkas data numerik seperti yang disebutkan
sebelumnya. Perhatikan pada output.
• Pada grafik histogram, buat garis imaginer yang melewati puncak dari masing-
masing bar-chart frequencies. Tentukan apakah garis tersebut membentuk bell-
 shaped, skewed, atau terdapat dua puncak. Data terdistribusi normal apabila
hanya terdapat satu puncak dan membentuk bell-shaped.
• Pada grafik Q-Q plot, perhatikan titik-titik data apakah berimpit pada garis
kurva linier. Apabila mayoritas titik data berimpit, maka data terdistrubusi
normal.
• Pada tabel data deskripstif, perhatikan nilai mean dan median dari masing-
masing kelompok. Dikatakan data terdistribusi normal, apabila nilai mean dan
median berimpitan.
• Pada tabel uji normalitas, terdapat dua jenis uji. Karena total sampel di tiap
kelompok relative kecil (n <50), lihat kolom Shapiro-Wilk. Perhatikan nilai Sig.
Apabila lebih dari 0,05, maka data dikatakan terdistribusi normal.

4. Hasil

1) Histogram
a. Kontrol

Interpretasi : bentuk bell-shaped = data terdistribusi normal

Interpretasi : bentuk bell-shaped = data terdistribusi normal

Interpretasi : bentuk bell-shaped = data distribusi normal

 b. Simv 10

Interpretasi : bentuk bell-shaped = data distribusi normal

Interpretasi : bentuk bell-shaped = data terdistribusi normal

Interpretasi : garis histogram membentuk bell-shaped = data terdistribusi normal

c. Simv 50

Interpretasi : bentuk bell-shaped = data terdistribusi normal

Interpretasi : bentuk bell-shaped = data terdistribusi normal

Interpretasi : bentuk bell-shaped = data terdistribusi normal

 2) Q-Q plot

a. Kontrol

Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal

Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal
Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal

b. Simv 10

Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal
Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal

Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal
 c. Simv 50

Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal

Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal
Interpretasi : mayoritas titik data berhimpit atau mendekati garis kurva linier = data
terdistribusi normal

3) Tabel Data Deskriptif

Variabel Perlakuan Mean Median Berhimpit

Kontrol 131,83 134,50 Ya

BB Simv 10 138,75 138,50 Ya

awal

Simv 50 123,16 125,00 Ya

Kontrol 148,17 151,00 Ya

BB Simv 10 151,92 156,50 Ya

akhir

Simv 50 134,92 135,00 Ya

Kontrol 12,32 10,25 Ya

 Delta Simv 10 9,76 10,80 Ya
BB

Simv 50 9,40 4,70 Ya

4) Tabel Uji Normalitas

a. Kontrol
Tests of Normalitya
PERLAKUA Kolmogorov-Smirnovb Shapiro-Wilk
N Statistic df Sig. Statistic Df Sig.
BB_Awal .00 .257 12 .028 .911 12 .223
BB_Akhi .00 .218 12 .119 .863 12 .054
r
Delta_BB .00 .177 12 .200* .903 12 .171
*. This is a lower bound of the true significance.
a. PERLAKUAN = .00
b. Lilliefors Significance Correction

Interpretasi : Nilai signifikan Shapiro-Wilk > 0,05 = data terdistribusi normal

Nilai signifikan BB awal = 0,223 > 0,050 = data terdistribusi normal
Nilai signifikan BB akhir = 0,054 > 0,050 = data terdistribusi normal
Nilai signifikan delta BB = 0,171 > 0,050 = data terdistribusi normal

b. Simv 10
Tests of Normalitya
PERLAKUA Kolmogorov-Smirnovb Shapiro-Wilk
N Statistic df Sig. Statistic df Sig.
*
BB_Awal 1.00 .139 12 .200 .940 12 .492
*
BB_Akhi 1.00 .162 12 .200 .909 12 .206
r
Delta_BB 1.00 .172 12 .200* .927 12 .345
*. This is a lower bound of the true significance.
a. PERLAKUAN = 1.00
b. Lilliefors Significance Correction
Interpretasi : Nilai signifikan Shapiro-Wilk > 0,05 = data terdistribusi normal
Nilai signifikan BB awal = 0,492 > 0,050 = data terdistribusi normal
Nilai signifikan BB akhir = 0,206 > 0,050 = data terdistribusi normal
Nilai signifikan delta BB = 0,345 > 0,050 = data terdistribusi normal

c. Simv 50
Tests of Normalitya
PERLAKUA Kolmogorov-Smirnovb Shapiro-Wilk
N Statistic df Sig. Statistic df Sig.
BB_Awal 2.00 .225 13 .072 .888 13 .092
*
BB_Akhi 2.00 .146 13 .200 .948 13 .564
r
Delta_BB 2.00 .170 13 .200* .907 13 .167
*. This is a lower bound of the true significance.
a. PERLAKUAN = 2.00
b. Lilliefors Significance Correction

Interpretasi : Nilai signifikan Shapiro-Wilk > 0,05 = data terdistribusi normal

Nilai signifikan BB awal = 0,092 > 0,050 = data terdistribusi normal
Nilai signifikan BB akhir = 0,564 > 0,050 = data terdistribusi normal
Nilai signifikan delta BB = 0,167 > 0,050 = data terdistribusi normal

3. Uji Hipotesis

1. Uji Komparasi

Setelah selesai mempelajari penuntun ini mahasiswa diharapkan dapat

menjelaskan mengenai langkah-langkah melakukan uji komparasi. Khususnya,
mahasiswa diharapkan mampu:

• Menjelaskan mengenai rasionalisasi pemlihan uji komparasi variabel numerik

maupun kategorik.
• Menjelaskan mengenai langkah-langkah uji komparasi variabel numerik,
meliputi uji T berpasangan dan tidak berpasangan, uji Mann-Whitney, uji
Wilcoxon, One Way ANOVA, dan uji Kruskal Wallis.
• Menjelaskan mengenai langkah-langkah uji komparasi variabel kategorik,
meliputi Uji Chi-Square dan uji Fisher.
 Untuk memudahkan latihan, inputlah data yang sama pada Tabel 1 ke dalam
SPSS. Perhatikan tipe data dan skala ukurnya. Masukkan kode value dari variabel
seperti sebelumnya. Langkah paling awal adalah menentukan jenis uji statistik
apakah yang dipakai untuk menjawab tujuan penelitian. Hal ini membutuhkan
rasionalisasi seperti yang diterangkan pada Gambar 1 sebelumnya.

Jika tujuan penelitian untuk membandingkan dua variabel yang sama-sama

numerik, dimana hanya terdiri dari dua kelompok di masing-masing variabel, maka
dipilih uji T. Jika kedua kelompok tersebut berasal dari satu sampel yang sama,
hanya diambil pada waktu atau bagian yang berbeda, maka dilakukan uji T
berpasangan. Sedangkan jika diambil dari dua sampel yang berbeda, maka
dilakukan uji T tidak berpasangan. Sebelum melakukan uji T, dipastikan dipenuhi
syarat yaitu data terdistribusi normal dan tidak terdapat outlier.

Dengan mengambil contoh variabel berat badan awal, untuk dibandingkan

antara kelompok kontrol dan Simv50, dilakukan uji T tidak berpasangan sebagai
berikut.

• Pilih analyze > compare means > independent-samples T test.

• Pindahkan variabel BB_awal pada test variables, sedangkan variabel
PERLAKUAN pada grouping variable.
• Pilih define groups, kemudian tulis kode group yang akan dibandingkan, yakni
kelompok kontrol (kode 0) dan kelompok simv50 (kode 2).
• Klik continue dan ok.
• Lihat pada output di tabel independent sample test, perhatikan angka sig-2 tailed
pada baris Equal variances assumed. Catatkan nilai tersebut sebagai nilai p dari
uji komparasi dan lakukan interpretasi pada lembar laporan praktikum. Hasil uji
dikatakan signifikan apabila nilai p < 0,05.

Dengan mengambil contoh variabel berat badan awal dan berat badan akhir,
untuk dibandingkan pada kelompok kontrol, dilakukan uji T berpasangan sebagai
berikut.

• Pilih analyze > compare means > paired-samples T test.

• Pindahkan variabel BB_awal pada Variable 1, sedangkan variabel BB_akhir
pada Variable 2 pada Kotak Paired Variables.
• Klik ok.
• Lihat pada output di tabel Paired Sample Test, perhatikan angka sig-2 tailed.
Catatkan nilai tersebut sebagai nilai p dari uji komparasi dan lakukan
interpretasi pada lembar laporan praktikum. Hasil uji dikatakan signifikan
apabila nilai p < 0,05.

Dengan mengambil contoh variabel berat badan akhir, untuk dibandingkan

antara kelompok kontrol dan Simv50, dilakukan uji Mann-Whitney karena tidak
terpenuhinya syarat uji T (terdapat outlier pada variabel BB_akhir kelompok
Simv50). Langkah-langkah pengujian sebagai berikut.

• Pilih analyze > non-parametric test > two-independent- samples test.

• Pindahkan variabel BB_akhir pada test variables list, sedangkan variabel
PERLAKUAN pada grouping variable.
• Pilih define groups, kemudian tulis kode group yang akan dibandingkan, yakni
kelompok kontrol (kode 0) dan kelompok simv50 (kode 2).
• Centang Mann-Whitney U pada Test Type.
• Klik continue dan ok.
• Lihat pada output di tabel test statistics, perhatikan angka asymp. sig (2-tailed).
Catatkan nilai tersebut sebagai nilai p dari uji komparasi dan lakukan
interpretasi pada lembar laporan praktikum. Hasil uji dikatakan signifikan
apabila nilai p < 0,05.

Dengan mengambil contoh variabel berat badan awal dan berat badan akhir,
untuk dibandingkan pada kelompok Simv50, dilakukan uji Wilcoxon karena tidak
terpenuhinya syarat uji T (terdapat outlier pada variabel BB_akhir kelompok
Simv50). Langkah-langkah pengujian sebagai berikut.

• Pilih analyze > nonparametric test > 2-related-samples

• Pindahkan variabel BB_awal pada Variable 1, sedangkan variabel BB_akhir
pada Variable 2 pada Kotak Test Paired.
• Klik ok.
• Lihat pada output di tabel Test Statistics, perhatikan angka Asymp. Sig (2-
tailed). Catatkan nilai tersebut sebagai nilai p dari uji komparasi dan lakukan
interpretasi pada lembar laporan praktikum. Hasil uji dikatakan signifikan
apabila nilai p < 0,05.

Dengan mengambil contoh variabel Delta_BB, untuk dibandingkan antara

keseluruhan kelompok, dilakukan uji One Way ANOVA setelah menghilangkan
outlier. Langkah-langkah pengujian sebagai berikut.

• Pilih analyze > compare means > One-way ANOVA.

• Pindahkan variabel Delta_BB pada dependent list, sedangkan variabel
PERLAKUAN pada Factor.
• Pilih post hoc, kemudian centang Tukey dan Games- Howell kemudian
continue.
• Pilih options, kemudian centang descriptive dan homogeneity of variance test.
Setelah itu klik continue.
• Klik ok.
• Lihat pada output di tabel ANOVA, perhatikan angka sig. Catatkan nilai
tersebut sebagai nilai p dari uji komparasi dan lakukan interpretasi pada lembar
laporan praktikum. Hasil uji dikatakan signifikan apabila nilai p < 0,05.
• Lihat pada output di Post Hoc Multiple Comparisson, perhatikan angka Sig. di
tiap dua kelompok yang dibandingkan. Hasil uji dikatakan signifikan apabila
nilai p < 0,05. Dipilih hasil uji Tukey apabila data homogen (nilai sig. pada tabel
homogeny > 0,05), sedangkan hasil uji Games-Howell dipilih apabila data tidak
homogen.

Dengan mengambil contoh variabel Delta_BB, untuk dibandingkan antara

keseluruhan kelompok, dilakukan uji Kruskal-Wallis. Langkah-langkah pengujian
sebagai berikut.

• Pilih analyze > nonparametric test > K-independent samples.

• Pindahkan variabel Delta_BB pada test variable list, sedangkan variabel
PERLAKUAN pada Grouping Variable.
 • Pilih define groups, kemudian tulis rentang kode group yang akan
dibandingkan, yakni dari kelompok kontrol (kode 0) hingga kelompok simv50
(kode 2).
• Centang Kruskal-Wallis H pada Test Type.
• Klik ok.
• Lihat pada output di tabel test statistics, perhatikan angka asymp. sig. Catatkan
nilai tersebut sebagai nilai p dari uji komparasi dan lakukan interpretasi pada
lembar laporan praktikum. Hasil uji dikatakan signifikan apabila nilai p < 0,05.

Dengan mengambil contoh variabel derajat leukosituria dan tingkat kematian,

untuk dibandingkan antara keseluruhan kelompok, dilakukan uji Chi-Square atau
alternatifnya. Setelah diamati, tidak dipenuhinya syarat uji Chi-Square (terdapat
lebih dari 1 sel dengan frekuensi harapan < 5), maka dilakukan uji Fisher Exact
dengan langkah-langkah pengujian sebagai berikut.

• Pilih analyze > descriptive statistics > Crosstabs.

• Pindahkan variabel PERLAKUAN pada Row, sedangkan variabel
LEUKOSITURIA dan Mati pada Column.
• Pilih Exact, kemudian centang Exact dengan membiarkan angka default 5
minutes. Kemudian klik continue.
• Pilih statistics, kemudian centang Chi-square. Setelah itu klik continue.
• Klik ok.
• Lihat pada output di tabel Chi-Square Test, perhatikan nilai Exact Sig. (2-
sided) pada baris Fisher’s Exact Test. Catat nilainya sebagai nilai p pada hasil
uji komparasi di laporan praktikum. Signifikan apabila nilai p < 0,05.

Hasil :

Parameter Kontrol Simv10 Simv50 Nilai p

BB awal 131,83 ± 9,50 138,75 ± 17,80 123,16 ± 10,34 0.248

BB akhir 148,17 ± 14, 15 151,92 ± 19,87 134,92 ± 17,19 0.072

∆ BB (%) 12,32 ± 6,37 9,76 ± 9,00 9,40 ± 14,00 0.474

Leukosituria
> Derajat 0 12 4 8

> Derajat 1 0 5 3
0.014
> Derajat 2 0 2 1

> Derajat 3 0 1 1

Mortalitas

> Mati 1 4 6
0.124
> Hidup 11 8 7

2. Uji Asosisasi
Setelah selesai mempelajari penuntun ini mahasiswa diharapkan dapat
menjelaskan mengenai langkah-langkah melakukan uji asosiasi. Khususnya,
mahasiswa diharapkan mampu:
• Menjelaskan mengenai rasionalisasi pemlihan uji asosiasi variabel numerik
maupun kategorik.
• Menjelaskan mengenai langkah-langkah uji asosiasi variabel numerik, meliputi
uji korelasi pearson dan uji korelasi spearman.
• Menjelaskan mengenai langkah-langkah uji asosiasi variabel kategorik,
meliputi Uji Chi-Square, Uji Fisher, dan Uji Regresi Logistik.

Untuk memudahkan latihan, inputlah data yang sama pada Tabel 1 ke dalam
SPSS. Perhatikan tipe data dan skala ukurnya. Masukkan kode value dari variabel
seperti sebelumnya. Langkah paling awal adalah menentukan jenis uji statistik
apakah yang dipakai untuk menjawab tujuan penelitian. Hal ini membutuhkan
rasionalisasi seperti yang diterangkan pada Gambar 2 sebelumnya.

Jika tujuan penelitian untuk mencari hubungan dua variabel yang sama-
sama numerik, maka dipilih uji korelasi pearson. Jika tujuan penelitian untuk
mencari hubungan antara dua variabel ordinal, maka dilakukan uji korelasi
spearman. Uji ini juga dilakukan sebagai alternatif apabila tidak terpenuhinya syarat
uji korelasi Pearson (syarat uji statistic parametric pada umumnya). Uji chi square
maupun Fisher exact dilakukan apabila skala ukur kedua variabel kategorikal
dengan langkah-langkah yang sama seperti dijelaskan sebelumnya.
 Dengan mengambil contoh dicari korelasi antara variabel BB_awal dan
BB_akhir pada kelompok kontrol, dilakukan uji korelasi pearson dengan langkah-
langkah sebagai berikut.

• Pilih analyze > correlate > bivariate.

• Pindahkan variabel BB_awal dan BB_akhir pada variables.
• Centang pearson pada correlation coefficients. Seting lainnya sesuai default.
• Klik ok.
• Lihat pada output di tabel Correlation untuk PERLAKUAN=Kontrol,
perhatikan angka Pearson Correlation dan sig (2-tailed). Catatkan kedua nilai
tersebut sebagai nilai koefisien korelasi dan nilai p dari uji korelasi dan lakukan
interpretasi pada lembar laporan praktikum. Pada koefisien korelasi, lihat tanda
dan besar angkanya. Lakukan interpretasi sesuai referensi yang ada. Hasil uji
dikatakan signifikan apabila nilai p < 0,05.

Dengan mengambil contoh dicari korelasi antara variabel PERLAKUAN

dan Leukostituria pada keseluruhan sampel, dilakukan uji korelasi spearman
dengan langkah-langkah sebagai berikut.

• Pilih analyze > correlate > bivariate.

• Pindahkan variabel PERLAKUAN dan Leukosituria pada variables.
• Centang spearman pada correlation coefficients. Seting lainnya sesuai default.
• Klik ok.
• Lihat pada output di tabel Correlation dan perhatikan angka Spearman’s rho dan
sig (2-tailed). Catatkan kedua nilai tersebut sebagai nilai koefisien korelasi dan
nilai p dari uji korelasi dan lakukan interpretasi pada lembar laporan praktikum.
Pada koefisien korelasi, lihat tanda dan besar angkanya. Lakukan interpretasi
sesuai referensi yang ada. Hasil uji dikatakan signifikan apabila nilai p < 0,05.

Hasil :

Uji Korelasi/Asosiasi

Variabel Koefisien Korelasi Nilai p

BB awal-BB akhir 0.806** 0.002
Perlakuan-Leukosituria 0.311 0.061
Perlakuan-Mortalitas 0.338* 0.041

Interpretasi :

• Nilai p pada variabel BB awal-BB akhir = 0,002 < 0,05 maka hubungan BB
awal dan BB akhir pada perlakuan kontrol signifikan
• Nilai p pada variabel perlakuan-leukosituria = 0,061 > 0,05 maka hubungan
perlakuan dengan leukosituria tidak signifikan
• Nilai p pada variabel perlakuan-mortalitas = 0,041 < 0,05 maka hubungan
perlakuan dengan mortalitas signifikan
• Tanda bintang dua pada koefisien korelasi menandakan bahwa korelasi
signfikan pada level 0,01 (2-tailed)
• Tanda bintang satu pada hasil koefisien korelasi pada variabel perlakuan-
mortalitas menandakan bahwa korelasi signfikan pada level 0,05 (2-tailed)
• Tidak ada tanda bintang pada hasil koefisien korelasi pada variabel perlakuan-
leukosituria menandakan bahwa korelasi tidak signifikan

4. Penentuan Odds Ratio dan Resiko Relatif

1. Tujuan Instruksional Umum

Setelah selesai mempelajari penuntun ini mahasiswa diharapkan dapat

menjelaskan mengenai langkah-langkah menentukan odds ratio (OR) dan resiko
relative (RR).

2. Tujuan Instruksional Khusus

Setelah selesai mempelajari penuntun ini mahasiswa diharapkan mampu:

• Menjelaskan mengenai langkah-langkah menentukan OR maupun RR dengan

menggunakan fungsi Chi Square.
• Menjelaskan mengenai langkah-langkah menentukan OR maupun RR dengan
menggunakan fungsi Regresi Logistik.
3. Prosedur Pelaksanaan

Untuk memudahkan latihan, inputlah data yang sama pada Tabel 1 ke dalam
SPSS. Perhatikan tipe data dan skala ukurnya. Masukkan kode value dari variabel
seperti sebelumnya. Langkah-langkah untuk menentukan OR maupun RR pada
SPSS dapat menggunakan dua cara. Cara pertama, dengan memakai fungsi Chi
Square dengan langkah-langkah sebagai berikut.

• Menentukan variabel yang akan dicari hubungannya. Sebagai contoh,

dilakukan uji pengaruh variabel PERLAKUAN (simvastatin) terhadap variabel
KEMATIAN. Desain penelitian cross-sectional digunakan dalam contoh ini.
• Pilih analyze > descriptive statistics > Crosstabs.
• Pindahkan variabel PERLAKUAN pada Row, sedangkan variabel Mati pada
Column.
• Pilih Exact, kemudian centang Exact dengan membiarkan angka default 5
minutes. Kemudian klik continue.
• Pilih statistics, kemudian centang Chi-square dan Cochran’s and Mantel-
Haenszel statistics engan membiarkan angka 1 pada Test common odds ration
equals. Setelah itu klik continue.
• Klik ok.
• Lihat pada output di tabel Mantel-Haenszel Common Odds Ration Estimate,
perhatikan nilai Estimate yang merupakan nilai OR/RR. Perhatikan pula nilai
dari Asymp. Sig. (2-sided) untuk menentukan signifikansi dari uji yang
dilakukan. Catat nilainya sebagai OR dan nilai p pada hasil uji asosiasi di
laporan praktikum. Signifikan apabila nilai p < 0,05 atau 95% CI nya tidak
melewati angka 1.

Cara kedua, dengan memakai fungsi regresi logistik dengan langkah-

langkah sebagai berikut.

• Menentukan variabel yang akan dicari hubungannya. Sebagai contoh,

dilakukan uji pengaruh variabel PERLAKUAN (simvastatin) terhadap variabel
KEMATIAN. Desain penelitian cross-sectional digunakan dalam contoh ini.
• Pilih analyze > regression > Binary logistics.
 • Pindahkan variabel PERLAKUAN pada Covariates, sedangkan variabel Mati
pada Dependent.
• Klik ok.
• Lihat pada output di tabel Variables in the equation, perhatikan nilai Exp (B)
dari baris PERLAKUAN yang merupakan nilai OR. Perhatikan pula nilai dari
Asymp. Sig. untuk menentukan signifikansi dari uji yang dilakukan. Catat
nilainya sebagai OR dan nilai p pada hasil uji asosiasi di laporan praktikum.
Signifikan apabila nilai p < 0,05.

4. Hasil

Uji Pengaruh Simvastatin Terhadap Mortalitas

Perlakuan Hidup Mati Nilai p OR (95% CI)

Kontrol 11 1
0.515 1.714
Simv10 8 4

Interpretasi : Nilai p = 0,515 > 0,05 maka pengaruh perlakuan (simvastatin)

terhadap mortalitas tidak signifikan
5. Penyajian Tabel dan Grafik

Pada umumya penyajian data lebih mudah dilakukan dengan menggunakan

Excel. Pada SPSS, penyajian data grafik batang memiliki keunggulan di mana bisa
ditampilkan deviasi dari datanya.

6. One-tailed dan Two-tailed

Bentuk hipotesis alternatif akan menentukankan arah uji statistik apakah satu
arah (one tail) atau dua arah (two tail).

1. One tail (satu sisi) merupakan hipotesis alternatif yang menyatakan adanya
perbedaan dan mengatakan hal yang satu lebih tinggi/rendah dari hal yang lain.

2. Two tail (dua sisi) merupakan hipotesis alternatif yang menyatakan perbedaan
tanpa melihat apakah hal yang satu lebih tinggi/rendah dari hal yang lain.
 LAMPIRAN

Uji Komparasi
Parameter Kontrol Simv10 Simv50 Nilai p
Mean ± SD/ Median Mean ± SD/ Median Mean ± SD/ Median 0.xxx (uji beda kontrol dan
BB awal ± IQR ± IQR ± IQR simv10)
Mean ± SD/ Median Mean ± SD/ Median Mean ± SD/ Median 0.xxx (uji beda kontrol dan
BB akhir ± IQR ± IQR ± IQR simv50)
Mean ± SD/ Median Mean ± SD/ Median Mean ± SD/ Median 0.xxx (uji beda semua
∆ BB (%) ± IQR ± IQR ± IQR kelompok)
Leukosituria
> Derajat 0 Proporsi Proporsi Proporsi
> Derajat 1 Proporsi Proporsi Proporsi 0.xxx (uji beda semua
> Derajat 2 Proporsi Proporsi Proporsi kelompok)
> Derajat 3 Proporsi Proporsi Proporsi
Mortalitas
> Mati Proporsi Proporsi Proporsi 0.xxx (uji beda semua
> Hidup Proporsi Proporsi Proporsi kelompok)

Uji Korelasi/Asosiasi

Variabel Koefisien Korelasi Nilai p

BB awal-BB akhir 0.xxx 0.xxx
Perlakuan-Leukosituria 0.xxx 0.xxx
Perlakuan-Mortalitas 0.xxx 0.xxx

Uji Pengaruh Simvastatin Terhadap Mortalitas

Perlakuan Hidup Mati Nilai p OR (95% CI)

Kontrol Proporsi Proporsi
0.xxx
Simv10 Proporsi Proporsi