Laprak Statistik 8 Uji Komparatif Dan 5 Uji Korelasi

LAPORAN PRAKTIKUM STATISTIKA
Nama : Muhammad Hafidh

NIM : P07134220027
Prodi : Sarjana Terapan Teknologi Laboratorium
Medik Materi : Uji T-test Independen
DEFINISI
Independen T Test adalah uji komparatif atau uji beda untuk mengetahui adakah
perbedaan mean atau rerata yang bermakna antara 2 kelompok bebas yang berskala data
interval/rasio. Dua kelompok bebas yang dimaksud di sini adalah dua kelompok yang tidak
berpasangan, artinya sumber data berasal dari subjek yang berbeda.
LANGKAH-LANGKAH
1. Buka aplikasi SPSS 26 dan buka file data BB_sebelum,BB_sesudah,Hb,dan
Kelompok yang sudah terentry datanya. Pastikan values pada data Kelompok terisi 1
= “diberi Fe” dan 2 = “tidak diberi Fe”.
2. Sebelum menguji T-test Independen pastikan data Hb sudah normal,jika belum
normal maka harus dilakukan uji normalitasnya. Klik tab Analyze, pilih Descriptive
Statistics, pilih Explore. Masukkan variabel Kadar Hemoglobin ke Dependent List
dengan mengklik tanda panah ke kanan. Klik Statistics, centang Descriptives, atur
Confidence Interval for Mean menjadi 95%, klik Continue. Klik Plots, centang
Normality plots with tests, klik Continue. Klik Both pada Display. Klik OK, setelah
itu akan muncul hasil outputnya. Baca nilai Sig. pada tabel Tests of Normality
bagian Shapiro Wilk (karena data < 50). Data disebut berdistribusi normal apabila
nilai signifikansinya lebih dari 0,05. Jika data sudah berdistribusi normal, maka bisa
dilanjutkan ke uji T-test Independen.
3. Setelah itu, klik tab Analyze, pilih Compare Means, pilih Independent Samples T-
Test.
4. Pilih variabel Kadar Hemoglobin masukkan ke Test Variable(s) dengan mengklik
tanda panah ke kanan.
5. Pilih variabel Kelompok Perlakuan, masukkan ke Grouping Variable dengan
mengklik tanda panah ke kanan. Klik Define Groups, klik Use specified values, ketik
“1” pada Group 1, ketik “2” pada Group 2, klik Continue.
6. Klik Option, atur Confidence Interval Percentage menjadi 95%, klik Continue.
7. Klik OK, setelah itu akan muncul hasil outputnya.
8. Baca nilai Sig. pada tabel Independent Samples Test baris Equal variances assumed.
Data disebut homogen apabila nilai signifikansinya lebih dari 0,05. Jika data sudah
homogen, baca nilai Sig. (2-tailed) pada tabel Independent Samples Test baris Equal
variances assumed. Jika data tidak homogen, baca nilai Sig. (2-tailed) pada tabel
Independent Samples Test baris Equal variances not assumed Terdapat perbedaan
bermakna jika nilai Sig. (2-tailed) nya kurang dari 0,05.
HASIL DAN KESIMPULAN
Mengetahui,
Banjarbaru,18 November 2022
Pembimbing Praktikum Praktikan,
Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

LAPORAN PRAKTIKUM

NIM : P07134220027
Medik Materi : Uji T-test Dependen
DEFINISI
Dependent sample t-test atau paired sample t-test adalah jenis uji statistik yang
bertujuan untuk membandiingkan rata-rata dua kelompok yang saling berpasangan. Sampel
berpasangan dapat diartikan sebagai sebuah sampel dengan subjek yang sama namun
mengalami dua pengukuran yang berbeda, yaitu pengukuran sebelum dan sesudah sebuah
perlakuan (treatment) diberikan.
LANGKAH-LANGKAH
1. Buka aplikasi SPSS 26 dan buka file data BB_ sebelum,BB_sesudah,Hb,dan
2. Sebelum menguji T-test Dependen pastikan data BB_sebelum dan BB_sesudah
sudah normal,jika belum normal maka harus dilakukan uji normalitasnya. Klik tab
Analyze, pilih Descriptive Statistics, pilih Explore. Masukkan variabel Berat Badan
Sebelum dan Berat Badan Sesudah ke Dependent List dengan mengklik tanda panah
ke kanan. Klik Statistics, centang Descriptives, atur Confidence Interval for Mean
menjadi 95%, klik Continue. Klik Plots, centang Normality plots with tests, klik
Continue. Klik Both pada Display. Klik OK, setelah itu akan muncul hasil
outputnya. Baca nilai Sig. pada tabel Tests of Normality bagian Shapiro Wilk
(karena data < 50). Data disebut berdistribusi normal apabila nilai signifikansinya
lebih dari 0,05. Jika data sudah berdistribusi normal, maka bisa dilanjutkan ke uji T-
test Dependen.
3. Setelah itu, klik tab Analyze, pilih Compare Means, pilih Paired-Samples T Test.
4. Pilih variabel BB_sebelum (Variabel 1) dan BB_sesudah (Variabel 2) masukkan ke
Paired Variables dengan mengklik tanda panah ke kanan.
5. Klik Option, atur Confidence Interval Percentage menjadi 95%, klik Continue.
7. Baca nilai Sig. (2-tailed) pada tabel Paired Samples Test. Terdapat perbedaan
bermakna jika nilai Sig. (2-tailed) nya kurang dari 0,05
HASIL DAN
Mengetahui,
Banjarbaru, 18 November 2022

LAPORAN PRAKTIKUM

NIM : P07134220027
Prodi : Sarjana Terapan Teknologi Laboratorium Medik
Materi : Uji Wilcoxon
DEFINISI
Uji wilcoxon signed test merupakan uji nonparametris yang digunakan untuk
megukur perbedaan 2 kelompok data berpasangan berskala ordinal atau interval tetapi data
berdistribusi tidak normal. Uji ini juga dikenal dengan nama uji match pair test.
LANGKAH-LANGKAH
2. Sebelum menguji Wilcoxon pastikan data BB_ sebelum dan BB_sesudah Sesudah
sudah normal,jika belum normal maka harus dilakukan uji normalitasnya. Klik tab
Analyze, pilih Descriptive Statistics, pilih Explore. Masukkan variabel Berat Badan
Sebelum dan Berat Badan Sesudah ke Dependent List dengan mengklik tanda panah
ke kanan. Klik Statistics, centang Descriptives, atur Confidence Interval for Mean
menjadi 95%, klik Continue. Klik Plots, centang Normality plots with tests, klik
Continue. Klik Both pada Display. Klik OK, setelah itu akan muncul hasil
outputnya. Baca nilai Sig. pada tabel Tests of Normality bagian Shapiro Wilk
(karena data < 50). Data disebut berdistribusi normal apabila nilai signifikansinya
lebih dari 0,05. Jika data tidak berdistribusi normal, maka bisa dilanjutkan ke uji
Wilcoxon.
3. Setelah itu,klik tab Analyze, pilih Nonparametric Tests, pilih Legacy Dialogs, pilih 2
Related Samples.
4. Pilih variabel Berat Badan Sebelum (Variabel 1) dan Berat Badan Sesudah (Variabel
2) masukkan ke Test Pairs dengan mengklik tanda panah ke kanan.
5. Klik Exact, klik Monte Carlo, atur Confidence level menjadi 95%, klik Continue.
6. Klik Option, pada Statistics, centang Descriptive, klik Continue.
7. Pada Test Type, centang Wilcoxon
9. Baca nilai Asymp. Sig. (2-tailed) pada tabel Test Statistics. Terdapat perbedaan
bermakna jika nilai Asymp. Sig. (2-tailed) nya kurang dari 0,05.
HASIL DAN
Mengetahui,

LAPORAN PRAKTIKUM

NIM : P07134220027
Medik Materi : Uji Mann Whitney U
DEFINISI
Mann Whitney U Test adalah uji non parametris yang digunakan untuk mengetahui
perbedaan median 2 kelompok bebas apabila skala data variabel terikatnya adalah ordinal
atau interval/ratio tetapi tidak berdistribusi normal.
LANGKAH-LANGKAH
2. Sebelum menguji Mann Whitney U pastikan data Hb sudah normal,jika belum
dengan mengklik tanda panah ke kanan. Pilih variabel Kelompok Perlakuan,
masukkan ke Factor List dengan mengklik tanda panah ke kanan. Klik Statistics,
centang Descriptives, atur Confidence Interval for Mean menjadi 95%, klik
Continue. Klik Plots, centang Normality plots with tests, klik Continue. Klik Both
pada Display. Klik OK, setelah itu akan muncul hasil outputnya. Baca nilai Sig. pada
tabel Tests of Normality bagian Shapiro Wilk (karena data < 50). Data disebut
berdistribusi normal apabila nilai signifikansinya lebih dari 0,05. Jika data tidak
berdistribusi normal, maka bisa dilanjutkan ke uji Mann Whitney U.
3. Setelah itu, Klik tab Analyze, pilih Nonparametric Tests, pilih Legacy Dialogs, pilih
2 Independent Samples.
4. Pilih variabel Kadar Hemoglobin masukkan ke Test Variable List dengan mengklik
5. Pilih variabel Kelompok Perlakuan, masukkan ke Grouping Variable dengan
mengklik tanda panah ke kanan. Klik Define Groups, klik Use specified values, ketik
“1” pada Group 1, ketik “2” pada Group 2, klik Continue.
6. Klik Exact, klik Monte Carlo, atur Confidence level menjadi 95%, klik Continue.
7. Klik Option, pada Statistics, centang Descriptive, klik Continue.
8. Pada Test Type, centang Mann-Whitney U
10. Baca nilai Asymp. Sig. (2-tailed) pada tabel Test Statistics. Terdapat perbedaan
bermakna jika nilai Asymp. Sig. (2-tailed) nya kurang dari 0,05.
HASIL DAN
Mengetahui,

LAPORAN PRAKTIKUM

NIM : P07134220027
Materi : Uji One Way Anova
DEFINISI
One Way ANOVA adalah uji digunakan untuk mengetahui apakah rata-rata dua atau
lebih kelompok berbeda secara nyata atau tidak. Uji One way ANOVA disebut juga uji
anova satu faktor. Analisis ini memiliki asumsi bahwa kelompok yang dianalisis memiliki
varian yang sama serta data yang digunakan berdistribusi normal.
LANGKAH-LANGKAH
1. Buka aplikasi SPSS 26 dan buka file data Kelompok,Hb,Metode A,Metode B,dan
Metode C yang sudah terentry datanya. Pastikan values pada data Kelompok terisi 1
= “Diberi Fe”, 2 = “Diberi Fe + Vit.C”,dan 3 = “Tanpa suplement”.
2. Sebelum menguji One Way Anova pastikan data Hb sudah normal,jika belum
dengan mengklik tanda panah ke kanan. Pilih variabel Kelompok Responden,
berdistribusi normal apabila nilai signifikansinya lebih dari 0,05. Jika data sudah
berdistribusi normal, maka bisa dilanjutkan ke uji One Way Anova.
3. Setelah itu, klik tab Analyze, pilih Compare Means, pilih One-Way ANOVA.
4. Pilih variabel Kadar Hemoglobin, masukkan ke Dependent List dengan mengklik
5. Pilih variabel Kelompok Responden, masukkan ke Factor dengan mengklik tanda
panah ke kanan
6. Klik Post Hoc, pada Equal Variances Assumed centang LSD, klik Continue.
7. Klik Options, pada Statistics centang Descriptive dan Homogenity of variance test,
klik Continue.
9. Baca nilai Sig. pada tabel Test of Homogenity of Variances. Data disebut homogen
apabila nilai signifikansinya lebih dari 0,05. Jika data sudah homogen, baca nilai Sig.
pada tabel ANOVA baris Between Groups. Terdapat perbedaan bermakna jika nilai
Sig. nya kurang dari 0,05.
10. Untuk melihat kelompok mana yang berbeda, baca masing-masing nilai Sig. pada
tabel Multiple Comparisons. Terdapat perbedaan bermakna jika nilai Sig. nya kurang
dari 0,05.

Nilai Sig. (Diberi Fe & Diberi Fe + Vit. C) = 0,021 yang artinya kurang dari α (0,05) 
Terdapat perbedaan bermakna
Nilai Sig. (Diberi Fe & tanpa suplement) = 0,001 yang artinya kurang dari α (0,05) 
Terdapat perbedaan bermakna
Nilai Sig. (Diberi Fe + Vit. C & tanpa suplement) = 0,000 yang artinya kurang dari α (0,05)
 Terdapat perbedaan bermakna
Mengetahui,


NIM : P07134220027
Medik Materi : Uji Kruskal Wallis
DEFINISI
Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang tujuannya
untuk menentukan adakah perbedaan signifikan secara statistik antara dua atau lebih
kelompok variabel independen pada variabel dependen yang berskala data numerik
(interval/rasio) dan skala ordinal.
LANGKAH-LANGKAH
2. Sebelum menguji Kruskal Wallis pastikan data Hb sudah normal,jika belum normal
maka harus dilakukan uji normalitasnya. Klik tab Analyze, pilih Descriptive
dengan mengklik tanda panah ke kanan. Pilih variabel Kelompok Responden,
berdistribusi normal, maka bisa dilanjutkan ke uji Kruskal Wallis.
3. Setelah itu, klik tab Analyze, pilih Nonparametric Tests, pilih Legacy Dialogs, pilih
K Independent Samples.
4. Pilih variabel Kadar Hemoglobin, masukkan ke Test Variable List dengan mengklik
5. Pilih variabel Kelompok Responden, masukkan ke Grouping Variable dengan
mengklik tanda panah ke kanan.
6. Klik Define Range, ketik “1” pada Minimum, ketik “3” pada Maximum, klik
Continue.
7. Klik Options, pada Statistics centang Descriptive, klik Continue.
8. Pada Test Type, centang Kruskal-Wallis H.
10. Baca nilai Asymp. Sig. pada tabel Test Statistics. Terdapat perbedaan bermakna jika
nilai Asymp. Sig. nya kurang dari 0,05. Untuk melihat kelompok mana yang
berbeda, lakukan uji Mann-Whitney.
Nilai Sig. = 0,479 , 0,571 , dan 0,126 yang artinya lebih dari α (0,05)  Data berdistribusi
normal
Nilai Asymp. Sig. = 0,000 yang artinya kurang dari α (0,05)  Terdapat perbedaan
bermakna
Nilai Asymp. Sig. (2-tailed) = 0,080 yang artinya lebih dari α (0,05)  Tidak terdapat
perbedaan bermakna
Mengetahui,


NIM : P07134220027
Medik Materi : Uji Repeated Anova
DEFINISI
Repeated Measures ANOVA digunakan bila akan dilakukan uji beda > 2 kali
pengukuran. Prinsipnya sama dengan paired t test (membandingkan rata-rata dua sampel
yang saling berhubungan), hanya saja pengukuran lebih dari dua kali untuk teknik ini.
Sementara perbedaannya dengan ANOVA adalah sampel pada uji ini adalah sampel yang
berhubungan, sementara ANOVA mensyaratkan sampel indendepen.
LANGKAH-LANGKAH
2. Sebelum menguji Repeated Anova pastikan data Metode A, Metode B, dan Metode
C,jika belum normal maka harus dilakukan uji normalitasnya. Klik tab Analyze,
pilih Descriptive Statistics, pilih Explore. Masukkan variabel Metode A, Metode B,
dan Metode C ke Dependent List dengan mengklik tanda panah ke kanan. Klik
Statistics, centang Descriptives, atur Confidence Interval for Mean menjadi 95%,
klik Continue. Klik Plots, centang Normality plots with tests, klik Continue. Klik
Both pada Display. Klik OK, setelah itu akan muncul hasil outputnya. Baca nilai Sig.
pada tabel Tests of Normality bagian Shapiro Wilk (karena data < 50). Data disebut
berdistribusi normal, maka bisa dilanjutkan ke uji Repeated Anova.
3. Setelah itu, klik tab Analyze, pilih General Linear Model, pilih Repeated Measures.
4. Ketik “Metode” pada Within-Subject Factor Name, ketik “3” pada Number of
Levels, klik Add.
5. Ketik “Nilai” pada Measure Name, klik Add, klik Define.
6. Pilih variabel Metode A, Metode B, dan Metode C, masukkan ke Within-Subject
Variables dengan mengklik tanda panah ke kanan.
7. Klik Plots, pilih Metode, masukkan ke Horizontal Axis, klik Add, klik Continue.
8. Klik Save, pada Residuals centang Standardized, klik Continue.
9. Klik EM Means, pilih Metode, masukkan ke Display Means for, centang Compare
main effects, pada Confidence interval adjustment pilih Bonferroni, klik Continue.
10. Klik OK, buka Data View maka akan muncul tiga variabel baru.
11. Klik tab Analyze, pilih Descriptive Statistics, pilih Explore.
12. Pilih variabel Metode A, Metode B, dan Metode C, keluarkan dari Dependent List
dengan mengklik tanda panah ke kiri.
13. Pilih tiga variabel yang baru tadi, masukkan ke Dependent List dengan mengklik
14. Klik Statistics, centang Descriptives, atur Confidence Interval for Mean menjadi
95%, klik Continue.
15. Klik Plots, centang Normality plots with tests, klik Continue.
16. Klik Both pada Display.
18. Baca nilai Sig. pada tabel Tests of Normality bagian Shapiro Wilk (karena data <
50). Data disebut berdistribusi normal apabila nilai signifikansinya lebih dari 0,05.
Baca nilai Sig. pada tabel Mauchly’s Test of Sphericitya .
19. Data disebut homogen apabila nilai signifikansinya lebih dari 0,05. 20. Jika data
sudah homogen, baca nilai Sig. pada tabel Tests of Within-Subjects Effects baris
Sphericity Assumed. Jika data tidak homogen, baca nilai Sig. pada tabel Tests of
Within-Subjects Effects baris Greenhouse-Geisser.
20. Terdapat perbedaan bermakna jika nilai Sig. nya kurang dari 0,05. Untuk melihat
kelompok mana yang berbeda, baca masing-masing nilai Sig. pada tabel Pairwise
Comparisons. Terdapat perbedaan bermakna jika nilai Sig. nya kurang dari 0,05.
Nilai Sig. = 0,248 , 0,732 , dan 0,072 yang artinya lebih dari α (0,05)  Data berdistribusi normal
Nilai Sig. = 0,248, 0,072, dan 0,732 yang artinya lebih dari α (0,05)  Data berdistribusi
normal
Nilai Sig. = 0,003 yang artinya kurang dari α (0,05)  Data tidak homogen
Nilai Sig. = 0,000 yang artinya kurang dari α (0,05)  Terdapat perbedaan bermakna
(Tabel Tests of Within-Subjects Effects baris Greenhouse-Geisser)
Nilai Sig. (Metode A & Metode B) = 0,000 yang artinya kurang dari α (0,05)  Terdapat perbedaan berma
Nilai Sig. (Metode A & Metode C) = 0,000 yang artinya kurang dari α (0,05)  Terdapat perbedaan berma
Nilai Sig. (Metode B & Metode C) = 0,000 yang artinya kurang dari α (0,05)  Terdapat perbedaan berma
Mengetahui,


NIM : P07134220027
Materi : Uji Friedman
DEFINISI
Uji friedman ini dipakai sebagai alternatif dari Uji Repeated Measures Anova dalam
statistik parametrik, hanya jika nilai Standardized Residual dari salah satu atau seluruh
sampel data tidak berdistribusi normal. Karena merupakan bagian dari statistik non
parametrik, maka dalam uji friedman ini tidak ada persyaratan khusus untuk nilai
Standardized Residual dari sampel data yang dipakai harus berdistribusi normal.
LANGKAH-LANGKAH
2. Sebelum menguji Friedman pastikan data Metode A, Metode B, dan Metode C,jika
belum normal maka harus dilakukan uji normalitasnya. Klik tab Analyze, pilih
Descriptive Statistics, pilih Explore. Masukkan variabel Metode A, Metode B, dan
Metode C ke Dependent List dengan mengklik tanda panah ke kanan. Klik Statistics,
pada Display. Klik OK, setelah itu akan muncul hasil outputnya. Baca nilai Sig.
berdistribusi normal, maka bisa dilanjutkan ke uji Friedman.
3. Setelah itu, klik tab Analyze, pilih Nonparametric Tests, pilih Legacy Dialogs, pilih
K Related Samples.
4. Pilih variabel Metode A, Metode B, dan Metode C, masukkan ke Within-Subject
Variables dengan mengklik tanda panah ke kanan.
5. Klik Statistics centang Descriptive, klik Continue.
6. Pada Test Type, centang Friedman.
8. Baca nilai Asymp. Sig. pada tabel Test Statisticsa,. Terdapat perbedaan bermakna
jika nilai Asymp. Sig. nya kurang dari 0,05. Untuk melihat kelompok mana yang
berbeda, lakukan uji Wilcoxon.
Nilai Sig. = 0,248 , 0,732 , dan 0,072 yang artinya lebih dari α (0,05)  Data berdistribusi
normal
Nilai Asymp. Sig. = 0,000 yang artinya kurang dari α (0,05)  Terdapat perbedaan
bermakna
Nilai Asymp. Sig. (2-tailed) = 0,005 yang artinya kurang dari α (0,05) bermakna 
Terdapat perbedaan
Terdapat perbedaan
Terdapat perbedaan
Mengetahui,

LAPORAN PRAKTIKUM

NIM : P07134220027
Medik Materi : Uji Pearson
DEFINISI
Uji Pearson Product Moment adalah salah satu dari beberapa jenis uji korelasi yang
digunakan untuk mengetahui derajat keeratan hubungan 2 variabel yang berskala interval
atau rasio, di mana dengan uji ini akan mengembalikan nilai koefisien korelasi yang nilainya
berkisar antara -1, 0 dan 1. Nilai -1 artinya terdapat korelasi negatif yang sempurna, 0
artinya tidak ada korelasi dan nilai 1 berarti ada korelasi positif yang sempurna.
LANGKAH-LANGKAH
1. Buka aplikasi SPSS 26 dan buka file data IMT dan Trigliserida yang sudah terentry
datanya.
2. Sebelum menguji Pearson pastikan data IMT dan Trigliserida sudah normal,jika
Descriptive Statistics, pilih Explore. Masukkan variabel Indeks Masa Tubuh dan
Kadar Trigliserida ke Dependent List dengan mengklik tanda panah ke kanan. Klik
berdistribusi normal, maka bisa dilanjutkan ke uji Pearson.
3. Setelah itu, klik tab Analyze, pilih Correlate, pilih Bivariate.
4. Pilih variabel IMT dan Trigliserida, masukkan ke Variables dengan mengklik tanda
panah ke kanan.
5. Klik Options, pada Statistics centang Means and standard deviations, klik Continue.
6. Pada Correlation Coefficients, centang Pearson.
7. Pada Test of Significance, pilih Two-tailed.
9. Baca nilai Pearson Correlation pada tabel Correlations.
a. Jika 0,00 – 0,199 artinya kekuatan korelasi sangat lemah.
b. Jika 0,20 – 0,399 artinya kekuatan korelasi lemah.
c. Jika 0,40 – 0,599 artinya kekuatan korelasi sedang.
d. Jika 0,60 – 0,799 artinya kekuatan korelasi kuat.
e. Jika 0,80 – 1,00 artinya kekuatan korelasi sangat kuat.
f. Jika + (positif) artinya arah korelasi searah.
g. Jika - (negatif) artinya arah korelasi berlawanan.
10. Baca nilai Sig. (2-tailed) pada tabel Correlations.
11. Terdapat hubungan bermakna jika nilai Sig. (2-tailed) nya kurang dari 0,05.
Mengetahui,
Jujuk Anton Cahyono, S. Si, (Muhammad

LAPORAN PRAKTIKUM

NIM : P07134220027
Medik Materi : Uji Spearman
DEFINISI
Uji Korelasi Spearman merupakan salah satu analisis nonparametrik untuk
mengetahui kekuatan hubungan dari dua variabel yang berskala ordinal. Uji ini merupakan
versi khusus dari korelasi pearson product moment saat ada asumsi yang tidak terpenuhi.
Berbeda dengan korelasi pearson yang mengukur hubungan berdasarkan data asli, pada
korelasi spearman hubungan antar variabel diukur berdasarkan ranking dari data aslinya.
LANGKAH-LANGKAH
1. Buka aplikasi SPSS 26 dan buka file data IMT dan Trigliserida yang sudah terentry
datanya.
2. Sebelum menguji Spearman pastikan data IMT dan Trigliserida sudah normal,jika
Descriptive Statistics, pilih Explore. Masukkan variabel Indeks Masa Tubuh dan
Kadar Trigliserida ke Dependent List dengan mengklik tanda panah ke kanan. Klik
berdistribusi normal, maka bisa dilanjutkan ke uji Spearman.
3. Setelah itu, klik tab Analyze, pilih Correlate, pilih Bivariate.
4. Pilih variabel IMT dan Trigliserida, masukkan ke Variables dengan mengklik tanda
panah ke kanan.
5. Pada Correlation Coefficients, centang Spearman.
6. Pada Test of Significance, pilih Two-tailed.
8. Baca nilai Pearson Correlation pada tabel Correlations.
9. Baca nilai Sig. (2-tailed) pada tabel Correlations.
10. Terdapat hubungan bermakna jika nilai Sig. (2-tailed) nya kurang dari 0,05.
Mengetahui,
Jujuk Anton Cahyono, S. Si, (Muhammad

LAPORAN PRAKTIKUM

NIM : P07134220027
Medik Materi : Uji Chi-square (Risk)
DEFINISI
Chi Square disebut juga dengan Kali Kuadrat. Chi Square adalah salah satu jenis uji
komparatif non parametris yang dilakukan pada dua variabel, di mana skala data kedua
variabel adalah nominal. (Apabila dari 2 variabel, ada 1 variabel dengan skala nominal maka
dilakukan uji chi square dengan merujuk bahwa harus digunakan uji pada derajat yang
terendah).
LANGKAH-LANGKAH
1. Buka aplikasi SPSS 26 dan buka file data Rokok,Subur,dan Subur_2 yang sudah
terentry datanya. Pastikan values pada data Rokok terisi 1 = “Merokok” dan 2 =
“Tidak Merokok” dan values pada data Subur dan Subur_2 terisi 1 = “Tidak Subur”
dan 2 = “Subur”.
2. Setelah itu, klik tab Analyze, pilih Descriptive Statistics, pilih Crosstabs.
3. Pilih variabel Perilaku Merokok, masukkan ke Row(s) dengan mengklik tanda panah
ke kanan.
4. Pilih variabel Status Fertilitas, masukkan ke Column(s) dengan mengklik tanda
panah ke kanan.
5. Klik Statistics, centang Chi-square, centang Risk, klik Continue.
6. Klik Cells, pada Counts, centang Observed dan Expected, pada Percentages, centang
Row, klik Continue.
8. Baca masing masing nilai Expected Count pada tabel Crosstabulation.
9. Jika masing masing nilai Expected Count adalah 5,0 maka boleh dilanjutkan uji Chi
Square.
10. Baca nilai Asymptotic Significance (2-sided) pada tabel Chi-Square Tests baris
Pearson Chi-Square.
11. Terdapat hubungan bermakna jika nilai Asymptotic Significance (2-sided) nya
kurang dari 0,05.
12. Baca nilai Odds Ratio pada tabel Risk Estimate kolom Value.
Masing-masing nilai Expected Count = 5,0  Memenuhi syarat uji Chi Square
Nilai Asymptotic Significance (2-sided) = 0,074 yang artinya lebih dari α (0,05)  Tidak
ada hubungan bermakna
Nilai Odds Ratio = 5,444  Orang yang merokok kemungkinan untuk menjadi tidak subur adalah 5,444 k
Mengetahui,

LAPORAN PRAKTIKUM

NIM : P07134220027
Medik Materi : Uji Koefisien Kontigensi
DEFINISI
Koefisien Kontingensi atau koefisien korelasi kontingensi adalah salah satu teknik
analisis untuk mengukur tingkat hubungan dari dua kelompok atau variabel. Jenis korelasi
ini bisa kita gunakanan jika salah satu atau kedua variabel memiliki skala pengukuran
nominal. Koefisien Kontingensi tidak jauh berbeda dengan koefisien cramer yang juga bisa
menghitung tingkat hubungan untuk variabel berskala nominal. Bedanya, Koefisien
Kontingensi memiliki hasil yang lebih baik jika tabel kontingensinya simetris.
LANGKAH-LANGKAH
ke kanan.
4. Pilih variabel Status Fertilitas, masukkan ke Column(s) dengan mengklik tanda
panah ke kanan.
5. Klik Statistics, centang Contingency coefficient, klik Continue.
Row, klik Continue.
8. Baca nilai Approximate Significance pada tabel Symmetric Measures.
9. Terdapat hubungan bermakna jika nilai Approximate Significance nya kurang dari
0,05.
10. Baca nilai Contingency Coefficient pada tabel Symmetric Measures kolom Value.
HASIL DAN
Nilai Approximate Significance = 0,074 yang artinya lebih dari α (0,05)  Tidak ada hubungan berm
Nilai Contingency Coefficient = 0,371 yang artinya ada di antara 0,20 – 0,399 dan bernilai + (positif)  Ke
Mengetahui,

LAPORAN PRAKTIKUM

NIM : P07134220027
Medik Materi : Uji Chi-square Fusher’s Exact
DEFINISI
Uji Fisher merupakan uji yang digunakan untuk melakukan analisis pada dua sampel
independen yang jumlah sampelnya yang relatif kecil (biasanya kurang dari 20) dengan
skala data nominal atau ordinal. Kemudian data diklasifikasikan kedalam tabel kontingesi 2
x 2. Uji ini juga dapat dijadikan sebagai alternatif pengganti uji Chi-Square jika nilai
harapan dari sel pada tabel ada yang kurang dari 5.
LANGKAH-LANGKAH
ke kanan.
4. Pilih variabel Status Fertilitas dari peneliti 2, masukkan ke Column(s) dengan
mengklik tanda panah ke kanan.
5. Klik Statistics, centang Chi-square, centang Risk, klik Continue.
Row, klik Continue.
8. Baca masing masing nilai Expected Count pada tabel Crosstabulation.
9. Jika salah satu nilai Expected Count kurang dari 5,0 maka tidak boleh dilanjutkan uji
Chi Square, lanjutkan ke uji Fisher.
10. Baca nilai Exact Sig. (2-sided) pada tabel Chi-Square Tests baris Fisher’s Exact Test.
11. Terdapat hubungan bermakna jika nilai Exact Sig. (2-sided) nya kurang dari 0,05.
12. Baca nilai Odds Ratio pada tabel Risk Estimate kolom Value.
HASIL DAN
Nilai Expected Count = 5,5 , 4,5 , 5,5 , dan 4,5 yang artinya ada beberapa nilai kurang dari
5,0  Tidak memenuhi syarat uji Chi Square
Nilai Exact Sig. (2-sided) = 0,005 yang artinya kurang dari α (0,05)  Terdapat hubungan bermakna
Nilai Odds Ratio = 36,000  Orang yang merokok kemungkinan untuk menjadi tidak subur adalah 36,000
Mengetahui,

Laprak Statistik 8 Uji Komparatif Dan 5 Uji Korelasi

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laprak Statistik 8 Uji Komparatif Dan 5 Uji Korelasi

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM STATISTIKA

Nama : Muhammad Hafidh

HASIL DAN KESIMPULAN

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

HASIL DAN KESIMPULAN

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

HASIL DAN KESIMPULAN

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

HASIL DAN KESIMPULAN

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

HASIL DAN KESIMPULAN

Jujuk Anton Cahyono, S. Si, (Muhammad

Nama : Muhammad Hafidh

HASIL DAN KESIMPULAN

Jujuk Anton Cahyono, S. Si, (Muhammad

Nama : Muhammad Hafidh

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Nama : Muhammad Hafidh

Jujuk Anton Cahyono, S. Si, M.Sc (Muhammad Hafidh)

Anda mungkin juga menyukai