OLEH :
FAKULTAS KEDOKTERAN
2023
1. Meringkas Data
3. Prosedur Pelaksanaan
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 - -
2 - -
3 - -
1 5 41,7%
2 2 16,7%
3 1 8,3%
1 3 23,1%
2 1 7,7%
3 1 7,7%
Tidak 11 91,7%
Mati (Simv 10) Ya 4 33,3%
Tidak 8 66,7%
Tidak 7 53,8%
2. Distribusi Data
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
c. Simv 50
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
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
3. Uji Hipotesis
1. Uji Komparasi
Dengan mengambil contoh variabel berat badan awal dan berat badan akhir,
untuk dibandingkan pada kelompok kontrol, dilakukan uji T berpasangan sebagai
berikut.
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.
Hasil :
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.
Hasil :
Uji Korelasi/Asosiasi
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
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.
4. Hasil
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