Cara

1
Statistik Deskriptif/Analisis Deskriptif
- Tujuan : menggambarkan variabel yang diteliti
- Data Kategorik : Distribusi frekuensi, persentase/proporsi
- DIstribusi frekuensi : jumlah mahasiswa S2 kesmas : 50, 30 perempuan 20
laki-laki. frekuensinya berarti 30 perempuan 20 laki-laki
- Proporsi : perempuan 30/50 (60,0%), laki-laki 20/50 (40,0%)
- Dara Kontinue, numerik : Nilai mean, median, mode, standar deviasi, dll

Nilai Variasi
- Range
- Rata-rata deviasi (mean deviation)
- Varian
- Standar deviasi
- Koefisien varian

STANDAR DEVIASI
- Akar dari varian
- Disebut juga simpangan baku

Data kategorik : ada value lablenya (pendidkkan pekerjaan dll)

Data numerik : umur, bb

Data Numerik
Analyze – Descriptive Statistics – Frequencies – Masukkan variabelnya (data-data numerik)
– Statistics – Ceklis yang ingin dicari (mean, median, sd, minimum, maximum) – Continue –
Charts – Histograms – With normal curve – Continue – OK

Cek validnya : kalo 50 50 semua berarti datanya terisi semua

Dapat deh hasil mean, median, sd, minimum, maximumnya

Frequency tablenya tidak perlu

Histogram with normal curve kalo ga diminta ga usah

Data Statistik Deskriptif

Analyze – Descriptive Statistics – Explore – Masukkan variabelnya – Statistics – Descriptive
– Continue – Plots – Normality plot with test – Continue – OK
Lebih sering memakai explore karena yang muncul semua yg akan dinilai. Distribusi normal
yang (normality plot with test) belum sekarang.
Data Kategorik (yang ada kategoriknya, hal yg ga bisa dicari rata-ratanya)
Analyze – Descriptive Frequencies – Reset bekas yg sebelumnya tadi – Masukkan
variabelnya – Bar / Pie charts – OK

udah ada persen dan frekuensinya

2
Skala nominal ordinal : Data kategorik
Skala interval rasio : Data numerik

Data
- Kategorik–Kategorik : chi square
- Kategorik–Numerik : Uji T dependen (berpasangan : sebelum dan sesudah), Uji T
Independen (melihat perilaku ibu menyusui pada kadar Hb) Hanya untuk 2 kelompok
(tidak bisa untuk pendidikan), Jika lebih dari 2 pakai Uji ANOVA
- Numerik–Numerik : Uji korelasi regresi

Data Numerik → Uji normalitas data

Syarat Uji T independen → Data harus terdistribusi normal → uji normalitas data →
Kategorik–Numerik

Uji beda mean 2 dependen → Paired sample → Uji T berpasangan

Tujuan : menguji perbedaan mean antara 2 kelompok (bb sebelum dan setelah, dll)

Perbedaan kadar Hb pada ibu yang menyusui eksklusif dan yang tidak menyusui
eksklusif
Analyze – Compare Means – Independent Sample T Test – Test Variabel (Kadar Hb 1) –
Grouping Variabel (ASI Eksklusif) – Define Groups (0, 1) – Tentukan Groupnya – OK

Pada tabel pertama group statistic : rata-rata kadar Hb pada …, blablabla

Pada tabel dua, kita lihat nilai P dari Sig (2-tailed),
- Lihat yg diatas ni kali, Kan ada dua hasil nya yaitu “Equal variances assumed” sama
“Equal variances not assumed”
- Nah, Kita tentukan dulu, data nya ni termasuk yg varian sama apa beda caranya
lihat nilai P (Sig) pada “Levene’s test …” kalau nilainya < 0,05 variannya berbeda
 (Equal variances not assumed”), kalau nilai P > 0,05 variannya sama (Equal
variances assumed)
- Selanjutnya tinggal lihat di kolom P (Sig, 2 tailed) nya, jika :
P > 0,05 tidak bermakna
P < 0,05 bermakna signifikan
- Ambil nilai P = 0,717
- Interpretasi : tidak ada perbedaan signifikan rata-rata kadar Hb antara ibu yang
menyusui eksklusif dan yang tidak menyusui eksklusif.

Uji T Dependent
Melihat perbedaan kadar Hb antara pengukuran pertama dan kedua
Analyze – Compare Means – Paired-Sample T Test – Masukin Kadar Hb 1 dan Kadar Hb 2
sekaligus – OK

Perbedaan rata-rata 0,514, standar deviasi 0,982

Nilai P nya liat di Sig (2-tailed) = 0,001 = ada perbedaan signifikan antara kadar Hb
pengukuran pertama dan kedua
Numerik – Kategorik > 2 Kelompok (tingkat pendidikan)
One Way ANOVA
Lakukan Uji Normalitas
Hubungan Tingkat Pendidikan (kategorik) dan Berat Badan Bayi (numerik)
Analyze – Compare Means – One Way ANOVA – Dependent List (BB bayi) – Faktor (Tingkat
pendidikan) – Options – Descriptive – Continue – Post Hoc – Bonferroni (optional) (hanya
kalau mau lanjutin ke post hoc) – Continue – OK

s
Nilai P : 0,000

SD – SMP tdk berhubungan

SD – SMU berhubungan
SD – PT berhubungan

Uji Kategorik – Kategorik

Uji Chi Square
TIDAK PERLU UJI NORMALITAS
Contoh : Uji hubungan antara pendidikan formal dan variabel dependen (ASI Eksklusif)
Uji hubungan antara pekerjaan dan ASI Eksklusif

Analyze – Descriptive Statistics – Crosstabs – Row (Pekerjaan) – Column (ASI Ekslusiff) –

Statistics – Chi-square – Risk – Continue – Cell Display – Row – Total – Continue – OK
Kategori jika tabel 2 x 2 (tabel yg crosstabulation), berarti cek ada ga salah satu sel
expected countnya yg kecil dari 5, kalo ada yg kecil dari 5 berarti pakai yg fisher’s.
Continuity dan Fisher’s dipake untuk tabel 2 x 2
Kalo lebih besar dari 2 x 2 berarti ambil Pearson Chi square
P = Exact Sig. (2-sided) = 0,011 (Continuity) = signifikan (terdapat hubungan)

interpretasi : Ibu yang menyusui secara eksklusif ada 72% pada yang tidak bekerja dan 32%
pada yang bekerja, dengan nilai P 0,011 dengan arti : terdapat hubungan antara status
pekerjaan dan pemberian ASI eksklusif.

Numerik – Numerik
Uji Korelasi Regresi
Contoh : Umur dan Kadar Hb1 (YANG NUMERIK YANG DIAMBIL)
Berat badan Ibu dan Berat badan Bayi
Analyze – Correlate – Bivariate – Masukkan BB ibu dan BB bayi – OK

P = 0,000 = berhubungan
Nilai r = 0,684 = hubungan kuat
Uji Regresi (bisa bikin model persamaan)
Analyze – Regression – Linear – Dependen (BB Bayi) – Independent (BB ibu) – OK

Nilai P = 0,000
Nilai R Square = 0,468 = 46,8% berat badan bayi diperoleh cukup baik dalam menjelaskan
berat badan bayi tersebut