TUGAS STATISTIK

Diberikan data set sebagai berikut pada file excel

INSTRUKSI
1. Lakukan prosedur input data ke SPSS
2. Tampilkan pada Microsoft Word analisis deskriptif variabel skala numerik dan skala
kategorik
3. Lakukan analisis bivariat kemudian tampilkan Langkah-langkah dan hasilnya pada
Microsoft Word :
a. Uji t independen atau Uji Mann Whitney
b. Uji t berpasangan atau Uji Wilcoxon
c. Uji One way Anova atau Uji Kruskal Wallis
d. Uji Chi Square
e. Uji Korelasi Pearson atau Uji Korelasi Spearman
HASIL TUGAS OLAH DATA

1. Hasil input data

a. Hasil input data dari data di excell dengan cara copy dan paste langsung data
penelitian di kolom SPSS.

b. Selanjutnya melakukan koding data dalam bentuk kategorik dengan cara berikut:
Klik transform, pilih recode into same variables

Pilih variabel yang mau di koding, dalam hal ini contohnya adalah variabel “sosek”,
lalu klik old and new values

Selanjutnya pada old value pada pilihan “value” dimasukkan data satu-satu,
contohnya rendah kemudian pada new value pada pilihan “value” dituliskan 1 lalu
klik “add”, selanjutnya sedang diganti 2 dan tinggi diganti 3. Setelah semua
dimasukkan maka klik continue dan kemudian OK.

Pada type diganti menjadi numerik dan pada values diberi keterangan label dengan
cara di klik dan masukkan keterangan label dari angka-angka tadi.

Perlakuan yang sama dilakukan pada variabel “riwayat merokok” karena data
kategorik.
Hasil koding data yang diinput:

Data kategorik telah berubah menjadi angka-angka berlabel yang siap untuk
dilakukan uji selanjutnya.
2. Analisis deskriptif variabel skala numerik dan skala kategorik
Pada skala numerik dilakukan analisis deskriptif dengan cara berikut:
Klik analyze, lalu descriptive statistics lalu descriptives

Pilih seluruh variabel numerik lalu klik “option” dan centang parameter yang mau diukur
kamudian continue dan klik OK.

Hasil output analisis deskriptif data numerik

Descriptive Statistics
Minimu Maximu Std.
N m m Mean Deviation
Diastol 40 60.00 110.00 84.0000 13.73747
Umur 40 14.00 38.00 23.5000 6.49655
Berat_Bayi 40 2250.00 2900.00 2515.0000 181.23508
Pengetahuan_pre 40 33.00 78.00 60.6000 12.12499
Pengetahuan_post 40 40.00 79.00 61.8500 9.36592
Valid N (listwise) 40
 Pada skala kategorik dilakukan analisis deskriptif dengan cara berikut:
Klik analyze, lalu descriptive statistics lalu frequncy

Masukkan seluruh variabel kategorik lalu klik OK

Hasil output analisis deskriptif data kategorik

Sosek
Valid Cumulative
Frequency Percent Percent Percent
Valid rendah 14 35.0 35.0 35.0
sedang 20 50.0 50.0 85.0
tinggi 6 15.0 15.0 100.0
Total 40 100.0 100.0
 Riwayat_merokok
Valid Cumulative
Frequency Percent Percent Percent
Valid merokok 28 70.0 70.0 70.0
tidak
12 30.0 30.0 100.0
merokok
Total 40 100.0 100.0

3. Analisis bivariat
a. Uji t independen atau Uji Mann Whitney
Uji perbandingan data numerik pada dua kelompok sampel. Jadi pada tahap ini dapat
dilakukan jika ada data kategorik dua kelompok dalam data ini ada data “riwayat
merokok” dan data yang mau dibandingkan dalam bentuk numerik. Pada contoh ini
dipilih salah satu yaitu data “berat bayi”.
Tahap-tahapan yang dilakukan yaitu
1) Dilakukan uji normalitas data dengan cara berikut:
Klik analyze, lalu descriptive statistics dan pilih explore.

Masukkan variabel berat bayi ke “dependent list” dan masukkan riwayat merokok
ke “factor list” lalu klik plot.
Centang pada normality plots with test

Hasil uji normalitas:

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Riwayat_merokok Statistic df Sig. Statistic df Sig.
Berat_Bayi merokok .157 28 .074 .938 28 .097
tidak merokok .247 12 .041 .818 12 .015
a. Lilliefors Significance Correction

Oleh karena jumlah data ini kecil yaitu < 50 untuk masing-masing kelompok
maka uji normalitas yang digunakan adalah uji normalitas Shapiro-Wilk. Pada
kolom Sig. Diperoleh nilai sig. < 0,05 untuk kelompok tidak merokok yang
menandakan bahwa data berdistribusi tidak normal. Pada kelompok merokok
diperoleh nilai sig. > 0,05 yang menandakan bahwa data berdistribusi normal.
Oleh karena ada data yang berdistribusi tidak normal maka variabel riwayat
merokok dinyatakan tidak berdistribusi normal.
Langkah selanjutnya dilakukan uji non parametrik menggunakan data uji Mann
Whitney.
2). Langkah-langkah uji Mann Whitney
Klik analyze, lalu nonparametric Tests, lalu legacy dialogs, lalu 2 independent
samples

Masukkan berat bayi ke Test variable List dan variabel sosek ke grouping variable,
lalu klik define Groups

Group 1 diisi angka 1 dan Group 2 diisi angka 2, lalu klik continue.
Pilih options lalu centang “descriptive” lalu continue dan pilih Mann-Whitney U,
kemudian OK.
 Hasil Uji Mann Whitney

Descriptive Statistics
Std. Minimu Maximu
N Mean Deviation m m
Berat_Bayi 40 2515.0000 181.23508 2250.00 2900.00
Riwayat_meroko
40 1.30 .464 1 2
k

Ranks
Riwayat_meroko Sum of
k N Mean Rank Ranks
Berat_Bay merokok 28 20.36 570.00
i tidak merokok 12 20.83 250.00
Total 40

Test Statisticsa
Berat_Bay
i
Mann-Whitney U 164.000
Wilcoxon W 570.000
Z -.119
Asymp. Sig. (2-tailed) .905
Exact Sig. [2*(1-tailed
.919b
Sig.)]
a. Grouping Variable:
Riwayat_merokok
b. Not corrected for ties.

Hasil uji Mann Whitney diperoleh nilai pada Exact Sig. [2*(1-tailed Sig.)] sebesar
0,919 (> 0,05) yang menunjukkan bahwa tidak ada perbedaan signifikan berat bayi
berdasarkan riwayat merokok.
b. Uji t berpasangan atau Uji Wilcoxon
Uji perbandingan data numerik pada satu kelompok sampel antara sebelum dan
sesudah perlakuan. Jadi pada tahap ini dapat dilakukan jika ada data numerik saat
sebelum perlakuan dan sesudah perlakuan. Pada contoh ini ada data variabel
“pengetahuan pre” dan “pengetahuan post”.
Tahap-tahapan yang dilakukan yaitu
1) Dilakukan uji normalitas data dengan cara berikut:
Klik analyze, lalu descriptive statistics dan pilih explore.

Masukkan variabel pengetahuan pre dan pengetahuan post ke “dependent list”

lalu klik plot.

Centang pada normality plots with test

 Hasil uji normalitas:

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Pengetahuan_pre .160 40 .011 .910 40 .004
Pengetahuan_post .128 40 .095 .965 40 .245
a. Lilliefors Significance Correction

Oleh karena jumlah data ini kecil yaitu < 50 untuk masing-masing variabel maka
uji normalitas yang digunakan adalah uji normalitas Shapiro-Wilk. Pada kolom
Sig. Diperoleh nilai sig < 0,05 untuk kelompok pengetahuan pre yang
menandakan bahwa data berdistribusi tidak normal dan diperoleh nilai sig > 0,05
untuk kelompok pengetahuan post yang menandakan bahwa data berdistribusi
normal. Oleh karena ada data yang berdistribusi tidak normal maka dilakukan uji
non parametrik menggunakan data uji Wilcoxon.
2). Langkah-langkah uji Wilcoxon
Klik analyze, lalu nonparametric Tests, lalu legacy dialogs, lalu 2 related samples

Masukkan variabel ke test pairs: pengetahuan pre di “Variable 1” dan pengetahuan

post di “Variable 2”.
Pilih options lalu centang “descriptive” lalu continue dan pilih Wilcoxon, kemudian
OK.

Hasil Uji Mann Whitney

Descriptive Statistics
Std. Minimu Maximu
N Mean Deviation m m
Pengetahuan_pre 40 60.6000 12.12499 33.00 78.00
Pengetahuan_post 40 61.8500 9.36592 40.00 79.00

Ranks
 Sum of
N Mean Rank Ranks
Pengetahuan_post - Negative
14a 22.07 309.00
Pengetahuan_pre Ranks
Positive Ranks 24b 18.00 432.00
Ties 2c
Total 40
a. Pengetahuan_post < Pengetahuan_pre
b. Pengetahuan_post > Pengetahuan_pre
c. Pengetahuan_post = Pengetahuan_pre

Test Statisticsa
Pengetahuan_post -
Pengetahuan_pre
Z -.895b
Asymp. Sig. (2-
.371
tailed)
a. Wilcoxon Signed Ranks Test
b. Based on negative ranks.

Hasil uji Wilcoxon diperoleh nilai pada Asymp. Sig. (2-tailed) sebesar 0,371 (>
0,05) yang menunjukkan bahwa tidak ada perbedaan signifikan pengetahuan antara
pre dan post.
c. Uji One way Anova atau Uji Kruskal Wallis
Uji perbandingan data numerik pada lebih dari dua kelompok sampel. Jadi pada
tahap ini dapat dilakukan jika ada data kategorik lebih dari dua kelompok dalam data
ini ada data “sosek” dan data yang mau dibandingkan dalam bentuk numerik. Pada
contoh ini dipilih salah satu yaitu data “berat bayi”.
Tahap-tahapan yang dilakukan yaitu
2) Dilakukan uji normalitas data dengan cara berikut:
Klik analyze, lalu descriptive statistics dan pilih explore.
Masukkan variabel berat bayi ke “dependent list” dan masukkan sosek ke “factor
list” lalu klik plot.

Centang pada normality plots with test

Hasil uji normalitas:

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Sosek Statistic df Sig. Statistic df Sig.
Berat_Bay rendah .203 14 .121 .881 14 .059
i sedang .225 20 .009 .832 20 .003
tinggi .407 6 .002 .640 6 .001
a. Lilliefors Significance Correction
Oleh karena jumlah data ini kecil yaitu < 50 untuk masing-masing kelompok
maka uji normalitas yang digunakan adalah uji normalitas Shapiro-Wilk. Pada
 kolom Sig. Diperoleh nilai sig. < 0,05 untuk kelompok sedang dan tinggi yang
menandakan bahwa data berdistribusi tidak normal. Pada kelompok sosek rendah
diperoleh nilai sig. > 0,05 yang menandakan bahwa data berdistribusi normal.
oleh karena ada data yang berdistribusi tidak normal maka variabel sosek
dinyatakan tidak berdistribusi normal.
Langkah selanjutnya dilakukan uji non parametrik menggunakan data uji
Kruskal Wallis.
2). Langkah-langkah uji Kruskal Wallis
Klik analyze, lalu nonparametric Tests, lalu legacy dialogs, lalu K independent
samples

Masukkan berat bayi ke Test variable List dan variabel sosek ke grouping variable,
lalu klik define Range

Minimum diisi angka 1 dan Maximum diisi angka 2, lalu klik continue.
Pilih options lalu centang “descriptive” lalu continue dan pilih Kruskal-Wallis H,
kemudian OK.

Hasil Uji Kruskal Wallis

Descriptive Statistics
Std. Minimu Maximu
N Mean Deviation m m
Berat_Bay
40 2515.0000 181.23508 2250.00 2900.00
i
Sosek 40 1.80 .687 1 3

Ranks
Sosek N Mean Rank
Berat_Bay rendah 14 16.79
i sedang 20 19.80
tinggi 6 31.50
Total 40
 Test Statisticsa,b
Berat_Bay
i
Chi-Square 6.914
df 2
Asymp.
.032
Sig.
a. Kruskal Wallis Test
b. Grouping Variable:
Sosek

Hasil uji Kruskal Wallis Test diperoleh nilai pada Asymp. Sig. sebesar 0,032 (< 0,05)
yang menunjukkan bahwa ada perbedaan signifikan berat bayi berdasarkan sosek.
d. Uji Chi Square
Uji hubungan dua variabel dengan data kategorik. Uji ini non parametrik yang tidak
perlu dilakukan uji normalitas terlebih dahulu. Oleh karena uji ini dilakukan pada dua
variabel dengan data kategorik maka pada contoh ini yang bisa dilakukan adalah uji
pada variabel sosek dan riwayat merokok. Langkah-langkah uji chi suare dijelaskan
sebagai berikut:
Klik analyze lalu descriptive statistics dan klik Crosstabs.
Masukkan variabel penelitian berupa sosek ke Row dan riwayat merokok ke Column.

Klik Statistics lalu centang Chi-square lalu continue.

Klik cell lalu centang bagian Percentages di Row, Column dan Total, lalu Continue
dan OK.

Hasil uji chi-square

 Sosek * Riwayat_merokok Crosstabulation
Riwayat_merokok
tidak
merokok merokok Total
Sosek rendah Count 10 4 14
% within Sosek 71.4% 28.6% 100.0%
% within
35.7% 33.3% 35.0%
Riwayat_merokok
% of Total 25.0% 10.0% 35.0%
sedang Count 16 4 20
% within Sosek 80.0% 20.0% 100.0%
% within
57.1% 33.3% 50.0%
Riwayat_merokok
% of Total 40.0% 10.0% 50.0%
tinggi Count 2 4 6
% within Sosek 33.3% 66.7% 100.0%
% within
7.1% 33.3% 15.0%
Riwayat_merokok
% of Total 5.0% 10.0% 15.0%
Total Count 28 12 40
% within Sosek 70.0% 30.0% 100.0%
% within
100.0% 100.0% 100.0%
Riwayat_merokok
% of Total 70.0% 30.0% 100.0%

Chi-Square Tests
Asymptotic
Significance
Value df (2-sided)
Pearson Chi-Square 4.807a 2 .090
Likelihood Ratio 4.463 2 .107
Linear-by-Linear
1.453 1 .228
Association
N of Valid Cases 40
a. 3 cells (50.0%) have expected count less than 5. The
minimum expected count is 1.80.
 Hasil uji chi-square diperoleh nilai Asymptotic Significance (2-sided) pada Pearson
Chi-Square sebesar 0,090 (p > 0,05) yang menunjukkan bahwa tidak terdapat
hubungan signifikan antara sosek dan riwayat merokok.

e. Uji Korelasi Pearson atau Uji Korelasi Spearman

Uji hubungan dua variabel dengan data numerik. Oleh karena uji ini dilakukan pada
dua variabel dengan data numerik maka pada contoh ini bisa dilakukan adalah uji
pada variabel umur dan berat bayi. Sebelumnya dilakukan uji normalitas untuk
menentukan jenis uji yang dilakukan.
1). Uji Normalitas
Klik analyze, lalu descriptive statistics dan pilih explore.

Masukkan variabel umur dan berat bayi ke “dependent list”.

Klik plot centang pada normality plots with test

Hasil uji normalitas:

Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Umur .145 40 .034 .910 40 .004
Berat_Bay
.187 40 .001 .924 40 .010
i
a. Lilliefors Significance Correction

Oleh karena jumlah data ini kecil yaitu < 50 untuk masing-masing kelompok
maka uji normalitas yang digunakan adalah uji normalitas Shapiro-Wilk. Pada
kolom Sig. Diperoleh nilai sig. < 0,05 untuk kedua variabel yang menandakan
bahwa kedua variabel berdistribusi tidak normal langkah selanjutnya dilakukan
uji non parametrik menggunakan data uji korelasi Spearman.
 2). Langkah-langkah uji korelasi Spearman
Langkah-langkah uji korelasi Spearman dijelaskan sebagai berikut:
Klik analyze lalu correlate, kemudian bivariate.

Masukkan variabel umur dan berat bayi ke variables dan centang Spearman, lalu OK

Hasil uji korelasi Spearman

Correlations
Berat_Bay
Umur i
Spearman's rho Umur Correlation
1.000 -.149
Coefficient
Sig. (2-tailed) . .360
N 40 40
Berat_Bay Correlation
-.149 1.000
i Coefficient
Sig. (2-tailed) .360 .
N 40 40
Hasil uji korelasi Spearman diperoleh nilai Sig. (2-tailed) sebesar 0,360 (p > 0,05)
yang menunjukkan bahwa tidak terdapat hubungan signifikan antara umur dan berat
bayi