Panduan Praktikum Biostatistik
Panduan Praktikum Biostatistik
BIOSTATISTIK
Disusun Oleh:
Heni Febriani, S.Si., M.P.H.
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.
CONTOH KASUS
Penyelesaian dengan program spss
1. Buka lebar kerja SPSS
2. Masukan data ke dalam format spss. Seperti terlihat pada gambar
berikut:
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
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
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:
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
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.
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:
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
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:
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:
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
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
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:
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:
6. Kemudian lakukan analisis data. Dari menu utama spss pilih Analize
kemudian sub menu Deskriptif statistik, kemudian Crosstabs.
Seperti 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.
Cases
Valid Missing Total
N Percent N Percent N Percent
jeniskelamin *
30 100,0% 0 ,0% 30 100,0%
kategori kedisiplinan
Count
kategori kedisiplinan
disiplin tidak disiplin Total
jeniskelamin laiki-laki 9 5 14
perempuan 2 14 16
Total 11 19 30
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.