BUKU PANDUAN PRAKTIKUM

BIOSTATISTIK

Disusun Oleh:
Heni Febriani, S.Si., M.P.H.

PROGRAM STUDI KESEHATAN MASYARAKAT (S1)

SEKOLAH TINGGI ILMU KESEHATAN WIRA HUSADA
YOGYAKARTA
2022
 DAFTAR ISI

PENGENALAN APLIKASI SPSS DAN ANALISIS DESKRIPTIF

STATISTIK.......................................................................................1
A. Pengantar...........................................................................1
B. Contoh Kasus.....................................................................2

UJI HIPOTESIS KORELASIONAL...................................................9

ANALISIS KOMPARATIF PARAMETRIK.......................................14
ANALISIS KOMPARATIF NON PARAMETRIK..............................20
ANALISIS REGRESI......................................................................26
UJI CHI SQUARE...........................................................................32

DAFTAR PUSTAKA.......................................................................40
 PENGENALAN APLIKASI SPSS DAN ANALISIS
DESKRIPTIF STATISTIK

A. PENGANTAR
SPSS merupakan salah satu software yang dapat digunakan untuk
membantu pengolahan, perhitungan, dan analisis data secara statistik.
SPSS mengalami perkembangan dari versi 6.0 hingga kini ada persi 20
dan mungkin masih akan terus berkembang lagi.

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

1
2
B. CONTOH KASUS
Masukkan data sebagai berikut:

Jenis Se- TO-

Nama Umur P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15
Kelamin mester TAL
Nico M Girsang 19 Laki-Laki 4 2 2 2 1 2 1 1 1 2 1 2 2 2 2 1 24
Indiyani 19 Perempuan 4 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 29
Ronal 21 Laki-Laki 4 2 2 2 1 2 1 1 2 2 2 2 2 2 2 2 27
Annisa Filania 20 Perempuan 4 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 28
Michael 20 Laki-Laki 4 2 2 2 1 2 1 1 1 2 2 2 2 2 1 2 25
Paskah A Purba 19 Perempuan 4 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 29
Faris Al Husaini 23 Laki-Laki 6 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 29
Wisnu Adhi Suryo
Nugroho 20 Laki-Laki 4 2 2 1 2 2 2 1 2 1 2 2 2 2 2 2 27
Zainal Fadri 19 Laki-Laki 4 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 29
Dwinda Febrizky 20 Perempuan 4 1 2 2 1 2 2 2 1 2 2 2 2 2 2 2 27
Pipit Wulandari 22 Perempuan 8 1 2 2 2 2 1 2 1 2 2 1 2 2 2 2 26

PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Adang Rusmana 24 Laki-Laki 8 1 2 2 2 2 1 1 2 2 2 2 2 2 2 2 27
Septian Anryandes 20 Laki-Laki 4 1 2 2 2 1 1 1 2 2 2 2 2 2 2 2 26
Novia 20 Perempuan 4 2 2 2 2 1 1 1 2 2 2 2 2 2 2 2 27
Devi 19 Perempuan 4 2 2 2 2 1 1 2 2 2 2 2 2 2 2 2 28
Yy 20 Perempuan 4 2 2 2 1 2 1 1 2 2 2 2 2 2 2 2 27
IF 20 perempuan 4 2 2 2 1 2 2 2 1 1 2 2 2 2 2 2 27
Azizah 19 Perempuan 4 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 29
 Jenis Se- TO-
Nama Umur P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15
Kelamin mester TAL
Annisa R 20 perempuan 4 2 2 2 2 2 2 2 1 2 2 2 2 2 2 2 29
Agung Hercules 20 Laki-Laki 4 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 29
Wisuka 21 Perempuan 6 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 29
Aya 19 Perempuan 6 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 29
AAP 19 Perempuan 4 2 2 1 2 2 2 1 2 1 2 2 2 2 2 2 27

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

3
 Langkah-Langkah untuk menginput variabel pada variabel view dan
data pada data view adalah sebagai berikut:
1. Klik File
2. Klik New – Data
3. Menampilkan variable view untuk mempersiapkan pemasukan
nama dan properti variabel. Pilih variabel view berisi berupa menu
pilihan yaitu:
a. Name, diisi dengan nama atau singkatan variabel sesuai
dengan keinginan.
b. Type, jika data berupa angka maka perintah yang diaktifkan
adalah numeric. Namun jika data yang dimasukkan berupa
kata atau huruf, perintah yang diaktifkan adalah string.
c. Width, jika data berupa perintang string maka perlu diisi jumlah
karakter huruf. Namun jika data berkarakter angka maka dapat
diabaikan.
d. Decimal, jika data dengan perintah string, kotak Decimal
otomatis akan non aktif. Namun jika data dengan perintah
numeric, maka kotak kerja Decimal Place akan aktif. Isilah
sesuai keinginan, berupa digit yang akan diisikan.
e. Label, jika pada kotak kerja Name yang diisikan adalah
singkatan, maka kepanjangan dari singkatan bisa diisikan pada
kotak kerja label ini.
f. Value, kotak kerja ini sering diabaikan jika data kuantitatif, untuk
data kategorik baru diisikan kode kategori tersebut.
g. Missing, jika data tidak memiliki nama maka akan dianggap
hilang. Biasanya kotak kerja ini diabaikan dalam operasional
SPSS.
h. Coloums, digunakan untuk mengatur lebar sempitnya kolom
data, bisa ditambah dan dikurangi dengan menggunakan
fasilitas Scroll number, untuk menaikkan atau menurunkan
angkanya.
i. Align, digunakan untuk mengatur posisi data, bisa diganti Left
jika rata kiri, Right jika rata kanan dan Ceenter jika rata tengah.
j. Measure, digunakan sesuai dengan jenis data yang digunakan
dalam penelitian. Bisa berupa Scale, Nominal, Ordinal.

4 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Penyelesaian dengan program spss
1. Buka lebar kerja SPSS
2. Masukan data ke dalam format spss. Seperti terlihat pada gambar
berikut:

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

5
3. Sebelum melakukan analisis Deskriptif, untuk Umur dan Total Skor
dibuat terlebih dahulu kategorinya berdasarkan Rumus:
Nilai Maximum - Nilai Minimum
Kategori : ––––––––––––––––––––––––––––
2
4. Klik Analyze, Descriptive Statistics, Frequencies

6 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

5. Lalu Buat Kategori Umur Maupun Total Pengetahuan, dengan cara
klik Transform – Recode Into Different Variables, masukkan nama
Baru untuk Kategori Umur maupun Pengetahuan

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

7
6. Lalu di buat Deskriptif Statistik dari Kategori Umur maupun Kategori
Pengetahuan

8 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

 UJI HIPOTESIS KORELASIONAL

CONTOH KASUS
Penyelesaian dengan program spss
1. Buka lebar kerja SPSS
2. Masukan data ke dalam format spss. Seperti terlihat pada gambar
berikut:

3. Kemudian lakukan analisis data. Seperti pada gambar berikut:

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

9
4. Kemudian masukan data makan sambel dan diare pada kotak
sebelah kanan dan pilih option pearson, seperti pada gambar
berikut:

5. Kemudian hasil analisis tertampil sebagai berikut:

10 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

6. Buat Crostabulasi Silang untuk mebuat Tabel dalam
menginterpretasikan hasil analisis

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

11
7. Interpretasi data, dari kasus tersebut menunjukkan bahwa tidak
ada hubungan antara umur dengan pengetahuan dilihat dari nilai
sig 0,458.

Hasil analisis korelasi pearson menunjukkan bahwa tidak ada

korelasi antara umur dengan pengetahuan dengan hasil signifikansi
(Sig. (2-tailed) = 0,458. Untuk menyimpulkan apakah ada hubungan
antara variabel umur dengan pengetahuan dapat dilakukan dengan
membandingkan hasil signifikansi dengan derajat kemaknaan yang
diinginkan atau membandingkan hasil analisis korelasi pearson dengan
tabel statistik.

Statment hipotesis:
Ho = tidak ada hubungan antara umur dengan pengetahuan
Ha = ada hubungan antara umur dengan pengetahuan
Standart yang digunakan
Kemaknaan α = 0,05 (kesalahan yang dapat diterima sebesar 5%)
Hasil analisis
α hitung = 0,458; α tabel = 0,05
Kesimpulan
Ho diterima dan Ha ditolak

12 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Artinya
Tidak ada hubungan antara usia dengan pengetahuan

Pada analisis dengan non parametrik (korelasi kendall’s tau_b dan

Spearman’s rho) dapat dilakukan dengan tahapan-tahapan yang sama
pada saat melakukan analisis uji korelasi pearson. Yang terpenting disini
adalah pemilihan uji statistic yang diinginkan. Kesimpulan menolak
hipotesis dapat didasarkan pada taraf signifikansi yang diingikan atau
dengan membandingkan hasil analisis korelasi (kendall’ tau_b dan
Spearman) dengan tabel statistik.

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

13
 ANALISIS KOMPARATIF PARAMETRIK

A. PENGANTAR
Penggunaan Statistik Parametrik mempunyai syarat data harus
berdistribusi normal. Uji beda termasuk Uji Parametrik, jadi sebelum
melakukan uji perbandingan maka harus dilakukan terlebih dahulu
uji normalitas data. Jika data terdistribusi normal maka dilakukan uji
komparatif parametrik dan jika data tidak terdistribusi normal maka
dilakukan uji komparatif non parametrik.

B. CONTOH KASUS
1. Independent Sample T-Test (Uji t untuk dua sampel
Independent/Bebas)
No Responden Test Akhir Kelompok Perlakuan Kode Perlakuan
1 25 Ceramah 1
2 27 Ceramah 1
3 23 Ceramah 1
4 26 Ceramah 1
5 22 Ceramah 1
6 22 Ceramah 1
7 28 Ceramah 1
8 28 Ceramah 1
9 20 Ceramah 1
10 24 Ceramah 1
11 25 Ceramah 1
12 23 Ceramah 1
13 25 Ceramah 1
14 25 Ceramah 1
15 27 Ceramah 1
16 27 Leaflet 2
17 30 Leaflet 2
18 27 Leaflet 2

14 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

No Responden Test Akhir Kelompok Perlakuan Kode Perlakuan
19 25 Leaflet 2
20 32 Leaflet 2
21 30 Leaflet 2
22 33 Leaflet 2
23 28 Leaflet 2
24 27 Leaflet 2
25 34 Leaflet 2
26 33 Leaflet 2
27 30 Leaflet 2
28 30 Leaflet 2
29 29 Leaflet 2
30 29 Leaflet 2

Langkah-Langkahnya
1. Klik Analyze – Compare Means – Independen Sample T-Test
2. Masukkan Test Akhir pada kotak Test Variable List
3. Masukkan Kode Perlakuan pada kotak Grouping Variable,
sehingga tampak di layar sebagai berikut:

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

15
 4. Klik Continue, Klik OK, maka akan terlihat outputnya sebagai
berikut:

Perumusan Masalah dalam Data tersebut adalah: Apakah

terdapat perbedaan Pengetahuan pada Metode Ceramah dan
Metode Leaflet.
Untuk menjawab rumusan masalah tersebut maka:

Langkah Pertama:
Membaca output Independent Sample T-Test (signifikan
F-hitung) untuk menentukan t hitung yang akan kita gunakan
untuk menjawab rumusan masalah, menggunakan equal
variances assumed atau equal variances not assumed
Pengambilan Keputusan:
Jika Sig F hitung > 0,05 maka Ho diterima
Jika Sig F hitung ˂ 0,05 maka Ho ditolak
Hipotesis (Dugaan) untuk uji sig F test dalam kasus ini
Ho : Kedua varians populasi identik (Equal Variance Assumed)
Ha : Kedua varians populasi tidak identik (Equal Variance Not
Assumed)
Keputusan
Terlihat bahwa sig F hitug untuk Skor Akhir dengan Equal

16 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

 Variance Assumed adalah 0,761. Oleh karena sig F hitung >
0,05, maka Ho di terima kedua varian populasi identik (Equal
Variance Assumed)

Langkah Kedua:
Pengambilan Keputusan
Jika Sig t hitung > 0,05 maka Ho diterima
Jika Sig t hitung ˂ 0,05 maka Ho ditolak
Hipotesis (Dugaan) untuk uji sig t test dalam kasus ini
Ho : Skor Akhir Pengetahuan antara Metode Pembelajaran
dengan Ceramah dan Leaflet adalah sama)
Ha : Skor Akhir Pengetahuan antara Metode Pembelajaran
dengan Ceramah dan Leaflet adalah berbeda
Keputusan
Karena sig F hitung mempunyai keputusan Equal Variance
Assumed, maka t test sebaiknya menggunakan dasar Equal
Variance Assumed maka nilai sig t hitung 0,000 oleh karena nilai
sig t hitung ˂ 0,05 yang berarti Ho ditolak artinya ada perbedaan
Skor Akhir Pengetahuan antara Metode Pembelajaran dengan
Ceramah dan Leaflet.

2. Paired Sample T-Test (Uji t untuk dua sample yang

berpasangan)
Contoh Kasus
Responden Pre Test Post Test
1 17 21
2 19 21
3 16 21
4 18 22
5 22 22
6 18 22
7 20 21
8 19 22
9 20 22

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

17
 Responden Pre Test Post Test
10 18 23
11 21 19
12 18 21
13 19 22
14 19 22
15 18 22
16 23 21
17 17 21
18 14 22
19 18 22
20 17 22

Langkah-Langkahnya
1. Klik Analiyze – Compare Means – Paired Sample T-Test
2. Masukkan Pre-Test dan Post-Test pada kotak Paired Variables
sehingga tampak di layar sebagai berikut:

18 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Perumusan Masalah
Apakah terdapat perbedaan Pengetahuan sebelum dan setelah
intervensi pendidikan
Pengambilan Keputusan
Jika Sig > 0,05 maka Ho diterima
Jika Sig ˂ 0,05 maka Ho ditolak
Hipotesis (Dugaan) untuk uji sig t test dalam kasus ini
Ho : Tidak ada perbedaan pengetahuan sebelum dan sesudah
intervensi pendidikan
Ha : Ada perbedaan pengetahuan sebelum dan sesudah
intervensi pendidikan
Keputusan
Karena sig 0,000 maka Ho ditolak sehingga ada perbedaan
pengetahuan sebelum dan sesudah intervensi pendidikan.

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

19
 ANALISIS KOMPARATIF NON PARAMETRIK

A. PENGANTAR
Penggunaan Statistik Non Parametrik mempunyai syarat data tidak
berdistribusi normal. Uji beda termasuk Uji Parametrik, jadi sebelum
melakukan uji perbandingan maka harus dilakukan terlebih dahulu
uji normalitas data. Jika data terdistribusi normal maka dilakukan uji
komparatif parametrik dan jika data tidak terdistribusi normal maka
dilakukan uji komparatif non parametrik.

B. CONTOH KASUS
1. Uji Mann-Whitney (Uji t untuk dua sampel Independent/Bebas)
Contoh Kasus
Peneliti ingin mengetahui perbedaan penjualan berdasarkan
pendidikan responden. dalam kasus ini jumlah sampel diambil
adalah sebanyak 20 responden. Datanya sebagai berikut:
No Penjualan per bulan Pendidikan Kode Pendidikan
1. 1000 SMU 1
2. 1200 SMU 1
3. 1300 SMU 1
4. 1400 SMU 1
5. 1500 SMU 1
6. 1200 SMU 1
7. 1300 SMU 1
8. 1400 SMU 1
9. 1500 SMU 1
10. 1200 SMU 1
11. 500 SMP 2
12. 400 SMP 2
13. 200 SMP 2
14. 300 SMP 2
15. 400 SMP 2

20 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

 No Penjualan per bulan Pendidikan Kode Pendidikan
16. 400 SMP 2
17. 400 SMP 2
18. 500 SMP 2
19. 600 SMP 2
20. 500 SMP 2

Langkah-Langkah
1. Klik Analyze – Non Parametrik Test – Legacy Dialogs – 2
Independent Sample
2. Masukkan penjualan pada kotak Test Variable List
3. Masukkan Kode_Pendidikan pada kotak Grouping Variable,
sehingga tampak dilayar sebagai berikut:

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

21
 Perumusan Masalah
Apakah terdapat perbedaan jumlah penjualan yang
berpendidikan SMU dan SMP
Hipotesis (Dugaan)
Ho : Tidak ada perbedaan jumlah penjualan yang berpendidikan
SMU dan SMP

22 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

 Ha : Ada perbedaan jumlah penjualan yang berpendidikan SMU
dan SMP
Pengambilan Keputusan
Jika Sig > 0,05 maka Ho diterima
Jika Sig ˂ 0,05 maka Ho ditolak
Sig pada penelitian ini adalah 0,000 maka lebih kecil dari 0,05
sehingga Ho ditolak jadi keputusannya adalah ada perbedaan
jumlah penjualan yang berpendidikan SMU dan SMP

7. Uji Dua Sampel Yang Saling Berhubungan (Uji Wilcoxon)

Contoh Kasus
Pengukuran denyut nadi terhadap 22 mahasiswa sebelum dan
sesudah merokok tercatat dalam tabel sebagai berikut:
No Sebelum Setelah No Sebelum Setelah
Merokok Merokok Merokok Merokok
1. 72 75 12. 72 71
2. 70 73 13. 69 68
3. 68 69 14. 66 69
4. 67 68 15. 73 74
5. 73 72 16. 71 73
6. 71 72 17. 70 70
7. 72 72 18. 72 74
8. 70 71 19. 70 68
9. 69 57 20. 69 71
10. 70 73 21. 72 74
11. 68 69 22. 73 74

Langkah – langkahnya:
1. Klik Analyze – Non Parametrik Test – Legacy Dialogs – 2
Related Samples
2. Masukkan sebelum dan sesudah secara bersamaan pada kotak
Test Pair (S) List
3. Pada Test Type pilih Wilcoxon, sehingga tampak dilayar
sebagai berikut:

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

23
24 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA
Perumusan Masalah
Apakah terdapat perbedaan denyut nadi sebelum dan sesudah
merokok?
Hipotesis (Dugaan)
Ho : Tidak ada perbedaan denyut nadi sebelum dan sesudah
merokok
Ha : Ada perbedaan denyut nadi sebelum dan sesudah
merokok
Pengambilan Keputusan
Jika Sig > 0,05 maka Ho diterima
Jika Sig ˂ 0,05 maka Ho ditolak
Sig pada penelitian ini adalah 0,0035 maka lebih kecil dari 0,05
sehingga Ho ditolak jadi keputusannya adalah ada perbedaan
denyut nadi sebelum dan sesudah merokok.

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

25
 ANALISIS REGRESI

Regresi bertujuan untuk menguji pengaruh antara variabel satu

dengan variabel lain. Variabel yang dipengaruhi disebut variabel
tergantung atau independen, sedang variabel yang mempengaruhi
disebut variabel bebas atau variabel independen. Uji Regresi ada 2
Yaitu:

1. Regresi Linier Sederhana

Regresi yang memiliki satu variabel dependen dan satu variabel
independent. Model persamaan regresi linier sederhana sebagia
berikut:
Y = a + bX + e
Contoh soal.
Ingin diketahui apakah ada pengaruh diantara variabel-variabel
nilai Ujian Biostatistik terhadap nilai ujian Kesehatan Reproduksi.
Dengan data sebagai berikut:
Nilai Ujian Biostatistik (X) Nilai Ujian Kesehatan Reproduksi (Y)
100 90
90 80
80 80
80 80
70 75
90 85
40 35
45 40
50 45
50 45

26 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Penyelesaian:
1. Klik Analyze – Regression – Linier

2. Masukkan Nilai Kesehatan Reproduksi (Y) ke kotak Dependent dan

Nilai Biostatistik pada kotak Independent (X)

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

27
3. Output SPSS dan Analisisnya

2. Regresi Linier Berganda

Regresi yang memiliki satu variabel dependen dan lebih
dari satu variabel indevendent. Model persamaam regresi linier
sederhana sebagai berikut:
Y = a + b1 X1 + b2 X2 + ….. + e
Contoh soal
Ingin diketahui apakah ada pengaruh antara IQ dan nilai statistik
terhadap nilai fisika dengan data sebagai berikut:
No Nilai Fisika (Y) IQ (X1) Nilai Matematika (X2)
1 90 150 100
2 80 140 85
3 80 140 85
4 80 140 85
5 75 130 75
6 90 150 100
7 80 140 80
8 80 140 80
9 80 140 80
10 75 135 70

28 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Penyelesaian:
1. Klik Analyze – Regression – Linier

2. Masukkan nilai fisika ke kotak Dependent sedangkan IQ dan nilai

matematika pada kotak Independent

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

29
3. Output SPSS dan Analisisnya

Perumusan Masalah:
1. Apakah terdapat pengaruh antara IQ dan nilai matematika
terhadap nilai fisika secara simultan?
2. Apakah terdapat pengaruh antara IQ dan nilai matematika
terhadap nilai fisika secara parsial?

Hipotesis
Ho1 : Tidak ada pengaruh antara IQ dan nilai matematika
terhadap nilai fisika secara simultan
Ha1 : Ada pengaruh antara IQ dan nilai matematika terhadap
nilai fisika secara simultan
Ho2 : Tidak ada pengaruh IQ dan nilai matematika terhadap
nilai fisika secara parsial
Ha2 : Ada pengaruh IQ dan nilai matematika terhadap nilai
fisika secara parsial

30 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Pengambilan Keputusan:
1. Untuk menjawab pertanyaan pertama
Untuk melihat pengaruh secara simultan atau secara bersama-
sama X1 dan X2 terhadap Y maka:
Jika sig > 0,05 maka Ho diterima
Jika sig < 0,05 maka Ho ditolak
Nilai sig adalah 0,000 maka < 0,05 sehingga Ho ditolak yang
artinya Ada pengaruh antara IQ, nilai matematika terhadap nilai
fisika

2. Untuk menjawab pertanyaan kedua

Untuk melihat pengaruh secara parsial atau sendiri-sendiri
antara X1 terhadap Y dan X2 terhadap Y maka:
Jika sig > 0,05 maka Ho diterima
Jika sig < 0,05 maka Ho ditolak
Untuk IQ dengan nilai fisika:
Nilai sig adalah 0,009 < 0,05 maka Ho ditolak yang artinya ada
pengaruh antara IQ terhadap nilai fisika
Untuk nilai matematika (X2) terhadap nilai fisika (Y):
Nilai sig adalah 0,011 < 0,05 maka Ho ditolak yang artinya ada
pengaruh antara nilai matematika terhadap nilai fisika

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

31
 UJI CHI SQUARE

Pengantar
Analisis kategorik disyaratkan skala data dalam bentuk kategorik.
Sebelum masuk ke analisis lebih lanjut kita harus memahami apa dan
bagaimana yang dimaksud dengan skala data. Skala data yang dikenal
selama ini antara lain skala rasio, skala interval, skala ordinal dan skala
nominal. Sifat yang prinsip dari sekala data adalah skala rasio dapat
intervalkan, skala interval dapat di ordinalkan, skala ordinal dapat di
nominalkan.
Skala rasio lebih menekankan pada hasil pengukuran dengan salah
satu sifat adalah jarak antara satu pengamatan dengan pengamatan
lain mempunyai jarak yang sama dan tidak memiliki nilai nol absolut.
Skala interval hampir sama dengan skala rasio tetapi mempunyai nilai
nol absolut. Skala ordinal memiliki sifat jarak antara satu pengamatan
dengan pengamatan satunnya tidak mengharuskan memiliki jarak yang
sama dan skala nominal lebih menekankan pada kaitannya mutually
eksklusif (satu meniadakan yang lainnya).

Studi kasus
Seorang manajer rumah sakit ingin mengetahui apakah terdapat
perbedaan antara laki-laki dan perempuan dalam kedisiplinan bekerja.
Kedisiplinan bekerja dalam kasus ini diukur dengan kelengkapan absensi
kehadiran kerja setiap hari selama 1 bulan. Jika asumsi kedisiplinan
kerja dihitung dengan jumlah tidak pernah absen dalam satu bulan
dimana dalam satu bulan terdapat 26 hari kerja efektif. Berdasarkan
hasil pengamatan diperoleh data sebagai berikut:
ID Jenis Kedisiplinan ID Jenis Kedisiplinan
kelamin kelamin
1 Laki-laki 24 16 Perempuan 23
2 Laki-laki 25 17 Perempuan 24
3 Laki-laki 25 18 Perempuan 23
4 Laki-laki 26 19 Perempuan 23
5 Laki-laki 26 20 Perempuan 23

32 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

 ID Jenis Kedisiplinan ID Jenis Kedisiplinan
kelamin kelamin
6 Laki-laki 26 21 Perempuan 23
7 Laki-laki 26 22 Perempuan 26
8 Perempuan 24 23 Perempuan 26
9 Perempuan 22 24 Laki-laki 25
10 Perempuan 23 25 Laki-laki 25
11 Perempuan 24 26 Laki-laki 26
12 Perempuan 23 27 Laki-laki 26
13 Perempuan 23 28 Laki-laki 26
14 Perempuan 23 29 Laki-laki 26
15 Perempuan 23 30 Laki-laki 26

Pada kasus diatas didapatkan bahwa jenis skala data untuk variabel
jenis kelamin adalah kategorik sedangkan pada variabel kedisiplinan
skala data adala rasio.

Langkah penyelesaian
Merubah skala data dari rasio ke kategorik
Langkah-langkah:
1. Buka program spss, kemudian buat variabel jenis kelamin dan
kedisiplinan.
2. Isikan data pada tabel tersebut ke dalam program spss. Sebelum
data diisi ke dalam spss kita rubah dulu cara pemasukan data
kedalam spss dimana yang jenis kelamin laki-laki kita beri kode
1 sedangkan perempuan kita beri kode 2. jadi yang dimasukan
kedalam program spss adalah kodenya.
3. Setelah data terisi akan tampak seperti gambar berikut:

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

33
4. Setelah data dimasukan kedalam program spss. Kemudian langkah
selanjutnya memberi label pada jenis kelamin yaitu dengan memberi
label 1 adalah laki-laki dan 2 adalah perempuan dan merubah skala
data variabel kedisiplinan menjadi 2 kategori yaitu disiplin dan tidak
disiplin. Untuk merubah variabel kedisiplinan pada menu utama
spss pilih Transform kemudian pilih Recode in to different variabel.
Seperti terlihat pada gambar berikut:

34 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

 Kemudian rubah kode kedisiplinan dengan 1 adalah disiplin dan 2
tidak disiplin. Seperti pada gambar berikut:

Pada variabel jenis kelamin beri label untuk 1 adalah laki-laki dan
2 adalah perempuan dan variabel kategori kedisiplinan diberi label
1 adalah disiplin dan 2 adalah tidak disiplin. Seperti pada gambar
berikut:

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

35
5. Setelah data dikategorikan. Akan terlihat seperti gambar berikut:

6. Kemudian lakukan analisis data. Dari menu utama spss pilih Analize
kemudian sub menu Deskriptif statistik, kemudian Crosstabs.
Seperti pada gambar berikut:

36 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

7. Setelah itu masukan variabel jenis kelami kedalam kotak rows
dan kategori kedisiplinan kedalam Coloums. Seperti tampak pada
gambar berikut:

8. Pilih menu statistik untuk melakukan analisis atau menu yang lain
sesuai dengan keinginan. Pada menu statistik pilih chi square dan
risk.

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

37
9. Hasil analisis akan tampak pada gambar berikut:
CROSSTABS
/TABLES=jeniskelamin BY kategorikedisiplinan
/FORMAT= AVALUE TABLES
/STATISTIC=CHISQ RISK
/CELLS= COUNT
/COUNT ROUND CELL .
Crosstabs
[DataSet1]
Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
jeniskelamin *
30 100,0% 0 ,0% 30 100,0%
kategori kedisiplinan

Table ini menujukan bahwa jumlah sample yang dianalisis sebanyak

30 subjek dengan kategori missing variable tidak ada.

jeniskelamin * kategori kedisiplinan Crosstabulation

Count
kategori kedisiplinan
disiplin tidak disiplin Total
jeniskelamin laiki-laki 9 5 14
perempuan 2 14 16
Total 11 19 30

Berdasarkan analisis tabulasi silang diperoleh hasil bahwa laki-laki

sebanyak 14 subjek perempuan 16 subjek sedang pada kedisiplinan
11 subjek yang tidak disiplin 19 subjek.

38 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

 Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 8,623b 1 ,003
Continuity Correctiona 6,537 1 ,011
Likelihood Ratio 9,124 1 ,003
Fisher's Exact Test ,007 ,005
Linear-by-Linear
8,335 1 ,004
Association
N of Valid Cases 30
a. Computed only for a 2x2 table
b. 0 cells (,0%) have expected count less than 5. The minimum expected count is
5,13.

Analisis data chi square menunjukan bahwa nilai chi square 8.623,
sedangkan nilai probabilitas signifikansi 0.003. hal ini menunjukan
bahwa jika dibandingkan dengan standar normal kemaknaan
hipotesis pada tingkat kemaknaan α = 0.05 dapat disimpulkan
bahwa hipotesis nol ditolak. Ini memberi arti bahwa terdapat
perbedaan tingkat kedisiplinan karyawan antara laki-laki dan
perempuan.

Risk Estimate

95% Confidence
Interval
Value Lower Upper
Odds Ratio for
jeniskelamin (laiki-laki 12,600 1,999 79,436
/ perempuan)
For cohort kategori
5,143 1,328 19,916
kedisiplinan = disiplin
For cohort kategori
kedisiplinan = tidak ,408 ,197 ,844
disiplin
N of Valid Cases 30

Jika dilihat dari aspek risiko jenis kelamin mempunyai risiko untuk
disiplin sebesar 12,6 kali jika disbanding dengan perempuan.

BUKU PANDUAN PRAKTIKUM BIOSTATISTIK

39
 DAFTAR PUSTAKA

Dahlan, Sopiyudin M. 2014. Statistik untuk Kedokteran dan Kesehatan

Deskriptif, Bivariat,dan Multivariat, dilengkapi aplikasi
menggunakan SPSS. Edisi 6. Epidemiologi Indonesia. Jakarta

Misbahuddin dan Iqbal Hasan. 2014. Analisis Data Penelitian dengan

Statistik. Bumi Aksara. Jakarta

Sujarweni, Wiratna V. 2019. SPSS Untuk Penelitian. Penerbit Pustaka

Baru Pres. Yogyakarta

40 PRODI KESEHATAN MASYARAKAT (S1) STIKES WIRA HUSADA YOGYAKARTA

Catatan
Catatan