a. Data view
b. Variabel view: untuk mendiefinisikan variabel, gunakan underscore sebagai spasi
Label adalah definisi dari k_s yaitu kita isi kecepatan sembuh
Keuntungan sendiri kalau pakai numerik. Nominal dilabelkan numerik. Tapi di value di definisikan
2. Dipilih saphiro wilk karena ukuran sampel 40 dan 20. Sig > 0,05 maka artinya syarat
independent t test terpenuhi dan data dikatakan normal.
b. Uji hipotesis
Cara menjalankan independen sampel t test
1. Analyze>> compare mean> independent t test
bedanya adalah 14,9. apakah signifikan apa tidak? dilihat dari signifikansi atau p value sebesar
0,046 < 0,05 artinya signifikan berarti program diet mempengaruhi kadar kolesterol total
BISA INDEPENDENT SAMPLE T TEST TAPI KELEMEHANNYA 3 KALI INDEPENDENT SAMPLE T TEST.
A DAN B, B DAN C, A DAN C.
Syaratnya ANOVA:
Anova persis t test yang 0,009 tapi variansinya kecepatan minum obat a= variansinya
kecepatan minum obat b= variansinya kecepatan minum obat c harus sama (anova harus
pake nilai p yang variansnya sama)
PR masukan data set ke SPSS
2 variabel yaitu jenis obat(valuenya 1,2,3) dan kecepatan reaksi
Sebetulnya jumlah sample tiap jenis obat boleh berbeda jumlahnya, sama juga boleh. Misal
Obat A; 4, Obat B:3, Obat C: 5.
a. Uji normalitas
Analize>>descriptive statistic>> exlplore
Hasil analisa normalitas saphiro wilk (ukuran sampel kurang dari 50)
Sig > o,o5 tidak signifikan. Maka data homogen. Semua syarat ANOVA terpenuhi.
Hasil anova menunjukan ada perubahan efektifitas sig<0,05
Kemudian untuk cek mana yang paling efektif
Hasilnya adalah
Analize lagi
Analize>> descriptive statistic>> crosstab
Hasilnya adalah
REGRESI LINIER
BERAT BADAN UMUR
1. Masukkan data
2. Tentukan mana yang y, yaitu berat badan
Y= a+bx
a=3,025
b= 0,507
x=umur
Y= berat badan
Jika umur 18 bulan maka berat anak adalah 12,151kg
KORELASI
Jika kode sex diganti 1 (perempuan) dan 2(laki laki) pun hasilnya sama, beda lama laki-laki
dan perempuan 10,36 hari.
Number of previous admission > 0,05 artinya tidak terlalu besar kontribusinya
Yang paling berkontribusi adalah usia.
REGRESI LOGISTIK
Tujuannya sama dengan regresi linier
Bedanya:
1. Rumusnya beda, peluang kalau logistik. Dalam regresi logistik y nya 1 atau 0.
1=BBLR, 0=normal
2. Akan diketahu jika karakteristik umur gizi dll maka peluangnya BBLR berapa
3. Yang kontribusinya besar adalah yang sig<0,05
Zulaela.staff.ugm.ac.id
zulaela@ugm.ac.id