Jawaban Tugas Soal 13 - 19

NAMA: BASTIANUS ALFIAN
JUATMADJA
NIM: 20230309015
PRODI/KELAS: MARS / A
UNIVERSITAS ESA UNGGUL
TUGAS BIOSTATISTIK DAN EPIDEMIOLOGI
KLINIK BUKU AJAR SOAL 13 - 19 HALAMAN
S3-S7
13. a. Dapatkah kita menyimpulkan adanya perbedaan kadar gula darah?
JAWAB:
1. HIPOTESIS:
H1: terdapat perbedaan antara kadar gula darah awal sebelum makan pagi dan akhir (setelah
makan pagi 2 jam kemudian).
Ho: Tidak terdapat perbedaan antara kadar gula darah awal sebelum makan pagi dan akhir
(setelah makan pagi 2 jam kemudian).
2 Dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik
2.1. Masukan data ke
spss 2.2.Klik Analyze
2.3.Klik nonparametric tests
2.4.Klik Legacy Dialog
2.5.Pilih 2 related samples
2.6.Masukan Awal pada Variable 1
2.7.Masukan Akhir pada Variable 2
2.8.Klik Test Type Wilcoxon
2.9.Klik ok
2.10. Muncul seperti di bawah ini:
Ranks
N Mean Rank Sum of Ranks
Akhir - Awal Negative Ranks 0a .00 .00

Positive Ranks b 5.50 55.00
10
Ties 5c
Total 15
a. Akhir < Awal

b. Akhir > Awal
c. Akhir = Awal
Arti tabel di atas adalah kadar gula darah akhir tidak ada yang lebih rendah dari kadar gula darah
awal. Terdapat 10 orang pemain bola basket yang memiliki kadar gula darah akhir lebih tinggi
dari kadar gula darah awal. Terdapat 5 orang pemain bola basket yang memiliki kadar gula darah
akhir sama dengan kadar gula darah awal.
JUATMADJA
NIM: 20230309015
UNIVERSITAS ESA UNGGUL Test Statisticsa
Akhir - Awal
Z -2.889b
Asymp. Sig. (2-tailed) .004
a. Wilcoxon Signed Ranks Test

b. Based on negative ranks.
Nilai Z di dapatkan -2,889 dan Asymp.Sig. (2-tailed) sebesar 0,04. Tanda negative pada nilai Z
menunjukkan bahwa kadar gula darah akhir lebih tinggi dibanding kadar gula darah awal. Ini
artinya ada perbedaan bermakna gula darah awal dan akhir (Z=-2,889 ; p<0,05).
4. KESIMPULAN:
Hipotesis H1 diterima dan Ho ditolak.
JADI: terdapat perbedaan antara kadar gula darah awal sebelum makan pagi dan akhir (setelah
makan pagi 2 jam kemudian).
5. GRAFIK
Untuk membuat grafik, kita harus mengelompokkan data terlebih dahulu, Dimana kita buat
KLPGD (Kelompok Gula Darah) dengan menggunakan angka 1 untuk awal dan 2 untuk akhir.
Setelah itu kita dapat membuat grafik boxplotnya. Sehingga di peroleh Grafik Boxplot sebagai
berikut:
JUATMADJA
NIM: 20230309015
Pada grafik dapat kita lihat kadar gula darah awal tertinggi adalah 140 begitu pula dengan kadar
gula darah akhir, memiliki nilai tertinggi 140, kadar gula darah terendah pada kelompok awal
adalah 120, begitu pula pada kelompok akhir memiliki kadar gula terendah pada angka 120,
namun pada kelompok awal, Sebagian besar kadar gula darah awal berada pada 120-130, dan
pada kelompok akhir berada pada 130 – 137,5. Nilai median kedua kelompok tersebut adalah
130
13 B. Apakah ada perbedaannya?

JAWAB:
1. Hipotesis
H1: terdapat perbedaan antara tekanan arteri paru rata-rata ketika awal diperiksa dan 24 jam
kemudian.
Ho: Tidak terdapat perbedaan antara tekanan arteri paru rata-rata ketika awal diperiksa dan
24 jam kemudian.
2 Dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

2.11. Masukan data ke spss
2.12. Klik Analyze
2.13. Klik nonparametric tests
2.14. Klik Legacy Dialog
2.15. Pilih 2 related samples
2.16. Masukan Awal pada Variable 1
2.17. Masukan Akhir pada Variable 2
2.18. Klik Test Type Wilcoxon
2.19. Klik ok
2.110. Muncul seperti di bawah ini:
Ranks
N Mean Rank Sum of Ranks
Akhir - Awal Negative Ranks 12a 6.50 78.00

Positive Ranks 0b .00 .00
Ties 0c
Total 12
a. Akhir < Awal

b. Akhir > Awal
c. Akhir = Awal
Artinya terdapat 12 pasien dengan tekanan arteri paru rata-rata akhir (setelah 24 jam) kurang dari
tekanan arteri paru rata-rata awal. Tidak terdapat pasien dengan tekanan arteri paru rata-rata
akhir (setelah 24 jam) sama dengan dan lebih dari tekanan arteri paru rata-rata awal.
JUATMADJA
NIM: 20230309015
Test Statisticsa
Akhir - Awal
Z -3.074b
a. Wilcoxon Signed Ranks Test

b. Based on positive ranks.
Nilai Z di dapatkan -3,074 dan Asymp.Sig. (2-tailed) sebesar 0,02. Tanda negative pada nilai Z
menunjukkan bahwa tekanan arteri paru rata-rata akhir lebih rendah dibanding tekanan arteri
paru rata-rata awal. Ini artinya ada perbedaan bermakna tekanan arteri paru rata-rata awal dan
akhir (Z=-3,074; p<0,05).
4. Kesimpulan:
Hipotesis H1 diterima dan Ho ditolak.
JADI: terdapat perbedaan antara tekanan arteri paru rata-rata ketika awal diperiksa dan 24 jam
kemudian.
5. GRAFIK
Untuk membuat grafik, kita harus mengelompokkan data terlebih dahulu, Dimana kita buat
KLPTEKART (Kelompok Tekanan Arteri) dengan menggunakan angka 1 untuk awal dan 2
untuk 24 jam kemudian. Setelah itu kita dapat membuat grafik boxplotnya. Sehingga di peroleh
Grafik Boxplot sebagai berikut:
JUATMADJA
NIM: 20230309015
Pada grafik dapat kita lihat tekanan arteri paru awal tertinggi adalah 36 dan tekanan arteri paru
24 jam kemudian yang tertinggi adalah 33 dan ini merupakan suatu PENCILAN, tekanan arteri
paru terendah pada kelompok awal adalah 17 dan kelompok tekanan arteri paru 24 jam kemudian
yang terendah adalah 13. Sebagian besar tekanan arteri paru awal berada pada 22 - 31, dan pada
kelompok tekanan arteri paru 24 jam kemudian berada pada 16-23. Nilai median tekanan arteri
paru awal adalah 26 dan nilai median tekanan arteri paru 24 jam kemudian adalah 21.
14. a. Apakah ada perbedaan pencapaian imunisasi polio di kedua daerah tersebut?
A. Hipotesis:
H1: terdapat perbedaan pencapaian imunisasi polio di kota dan desa
Ho: Tidak terdapat perbedaan pencapaian imunisasi polio di kota dan desa
B dan C. Langkah-langkah SPSS dan interpretasi hasil uji Statistik :

a. Masukan data ke spss
b. Kelompokkan data terlebih dahulu. Disini kita buat 2 kelompok yaitu capaian
imunisasi dan kelompok regio, Dimana pada kelompok regio kita beri angka 1
untuk kota dan 2 untuk desa.
c. Klik Analyze
d. Klik Nonparametric tests
e. Klik Legacy Dialog
f. Klik 2 independent samples tests
g. Masukan variable Capaian pada Test Variabel list dan regio pada Grouping variable
h. Klik define group
i. Kemudian masukan angka 1 pada grup 1 dan angka 2 pada grup 2
j. Centang Mann-Whitney U
k. Klik ok
l. Muncul seperti di bawah ini:
Ranks
Regio N Mean Rank Sum of Ranks
Capaian Imunisasi Kota 16 19.00 304.00

Desa 17 15.12 257.00
Total 33
Artinya didapatkan data sebanyak 16 pada regio kota dengan Mean Rank 19,00 dan 17
data pada regio desa dengan mean rank 15,12.
JUATMADJA
NIM: 20230309015
Test Statisticsa
Capaian
Imunisasi
Mann-Whitney U 104.000
Wilcoxon W 257.000
Z -1.157
Exact Sig. [2*(1-tailed Sig.)] .260b
a. Grouping Variable: Regio

b. Not corrected for ties.
Didapatkan nilai Mann-Whitney U = 104,000, Z = -1,157 dan Asymp.Sig (2-tailed) 0,247, hal ini
berarti nilai tersebut > 0,05. Sehingga didapatkan tidak ada perbedaan capaian imunisasi antara
regio kota dan desa (Z=-1,157; p>0,05)
D. Kesimpulan:
Ho diterima dan H1 ditolak.
JADI:
Tidak terdapat perbedaan pencapaian imunisasi polio di kota dan desa
E. Grafik:
Untuk membuat grafik box plot dapat mengikuti Langkah berikut:
Klik graph  Legacy Dialog  Boxplot  simple  Summaries for group of cases  Define
 masukan Capaian pada kolom Variabel  masukan Regio pada Category axis  klik Ok
Grafik Boxplot diatas menunjukan capaian pada kota yang terkecil pada angka 82, dan pada desa
pada angka 80. Capaian pada kota yang terbesar pada angka 98 dan pada desa pada angka 98.
Nilai median pada kota dan desa juga tidak berbeda jauh, dimana pada kota 89 dan desa 88.
JUATMADJA
NIM: 20230309015
14. b. Apakah ada perbedaan kadar hemoglobin diantara siswi di kedua sekolah tersebut?
A. HIPOTESIS:
Ho: Tidak terdapat perbedaan kadar hemoglobin diantara siswi di kedua sekolah tersebut
H1: Terdapat perbedaan kadar hemoglobin diantara siswi di kedua sekolah tersebut
B dan C. Langkah-langkah SPSS dan interpretasi hasil uji Statistik:

b. Kelompokkan data terlebih dahulu. Disini kita buat 2 kelompok yaitu kadar hemoglobin
dan sekolah, Dimana pada kelompok sekolah kita beri angka 1 untuk SMP1 dan angka 2
untuk SMP2.
c. Klik Analyze
d. Klik Nonparametric tests
e. Klik Legacy Dialog
f. Klik 2 independent samples tests
g. Masukan variable kadar hemoglobin pada Test Variabel list dan sekolah pada Grouping
variable
h. Klik define group
i. Kemudian masukan angka 1 pada grup 1 dan angka 2 pada grup 2
j. Centang Mann-Whitney U
k. Klik ok
l. Muncul seperti di bawah ini:
Ranks
Sekolah N Mean Rank Sum of Ranks

Kadar Hemoglobin SMP1 9 7.72 69.50
SMP2 9 11.28 101.50
Total 18
JUATMADJA
NIM: 20230309015
Tabel diatas menunjukkan data di dapatkan dari 9 siswi SMP 1 dan 9 siswi SMP 2, dengan Mean
Rank SMP 1= 7,72 dan Mean Rank SMP 2 = 11,28
Test Statisticsa
Kadar
Hemoglobin
Mann-Whitney U 24.500
Wilcoxon W 69.500
Z -1.421
Exact Sig. [2*(1-tailed Sig.)] .161b
a. Grouping Variable: Sekolah

b. Not corrected for ties.
Didapatkan nilai Mann-Whitney U = 24,500, Z = -1,421 dan Asymp.Sig (2-tailed) = 0,155, hal
ini berarti nilai tersebut > 0,05. Sehingga didapatkan tidak terdapat perbedaan kadar hemoglobin
diantara siswi di kedua sekolah tersebut (Z=-1,421; p>0,05).
D. KESIMPULAN:
H0 diterima dan H1 ditolak.
JADI:
Tidak terdapat perbedaan kadar hemoglobin diantara siswi di kedua sekolah tersebut
E. GRAFIK
JUATMADJA
NIM: 20230309015
Pada grafik di atas menunjukkan pada sekolah SMP 1 terdapat siswi yang memiliki hb tertinggi
12,8. Pada sekolah SMP 2 terdapat siswi yang memiliki Hb tertinggi 12,4. Nilai terendah Hb
SMP 1 = 11,2 dan SMP 2 = 11,4. Serta nilai median ditunjukkan oleh garis tebal di Tengah
kotak. Nilai median Hb siswi SMP 1 = 11,8 dan nilai median Hb siswi SMP 2 = 12,1.
15. a. Apakah ada perbedaan jumlah makanan yang dikonsumsi menurut lamanya puasa?
1. HIPOTESIS
Ho: Tidak terdapat perbedaan jumlah makanan yang dikonsumsi menurut lamanya puasa
H1: terdapat perbedaan jumlah makanan yang dikonsumsi menurut lamanya puasa
2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik:

b. Klik Analyze
c. Klik Nonparametric tests
d. Klik Legacy Dialog
e. Klik K related samples
f. Masukan variable JAM06, JAM 12, JAM18 pada Tests Variabel. Dapat klik Statistics dan
centang Descriptive
g. Centang Friedman
h. Klik ok
i. Muncul seperti di bawah ini:
JUATMADJA
NIM: 20230309015
Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
JAM06 8 3.063 1.3426 1.6 5.9

JAM12 8 7.763 1.2546 5.9 9.5
JAM18 8 10.838 3.9515 4.2 14.5
Pada tabel di atas didapatkan nilai minimum dan maksimum jumlah makanan yang dikonsumsi
menurut lamanya puasa
Ranks
Mean Rank
JAM06 1.00
JAM12 2.31
JAM18 2.69
Pada tabel ini terlihat Mean Rank jumlah makanan yang dikonsumsi tiap lamanya puasa.
Test Statisticsa
N 8
Chi-Square 12.968
df 2
Asymp. Sig. .002
a. Friedman Te st
Pada tabel terlihat nilai X2 = 12,968, df = 2, dan Asymp. Sig= 0,002 menyatakan ada perbedaan
jumlah makanan yang dikonsumsi menurut lamanya puasa bermakna.
4. KESIMPULAN:
H0 ditolak dan H1 diterima.
JADI:
Terdapat perbedaan jumlah makanan yang dikonsumsi menurut lamanya puasa
5. GRAFIK
Kelompokkan data terlebih dahulu. Disini kita buat 2 kelompok yaitu JMLHMKN (Jumlah
Makanan) dan LAMAPUASA, Dimana pada kelompok LAMAPUASA kita beri angka 1 untuk
Puasa selama 6 jam, angka 2 untuk Puasa 12 jam dan angka 3 untuk puasa 18 jam.
JUATMADJA
NIM: 20230309015
Setelah itu buat grafik boxplotnya dengan Klik graph  Legacy Dialog  Boxplot  simple 
Summaries for group of cases  Define  masukan JMLHMKN pada kolom Variabel 
masukan LAMAPUASA pada Category axis  klik Ok
Pada grafik boxplot terlihat perbedaan yang cukup jelas pada range Interquartile antara ke 3
kelompok, terutama dengan kelompok 3, serta perbedaan nilai minimum dan maksimumnya .
JUATMADJA
NIM: 20230309015
15.b . Apakah ada perbedaan tekanan darah sistolik sesudah menjalankan kelima metode
Latihan?
1. HIPOTESIS
Ho: Tidak terdapat perbedaan tekanan darah sistolik sesudah menjalankan kelima metode
latihan
H1: terdapat perbedaan tekanan darah sistolik sesudah menjalankan kelima metode Latihan
2dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik:

b. Klik Analyze
c. Klik Nonparametric tests
d. Klik Legacy Dialog
e. Klik K related samples
f. Masukan variable MetodaA, MetodaB, MetodaC, MetodaD, MetodaE pada Tests Variabel.
Dapat klik Statistics dan centang Descriptive
g. Centang Friedman
h. Klik ok
i. Muncul seperti di bawah ini:
JUATMADJA
NIM: 20230309015
UNIVERSITAS ESA UNGGUL Descriptive Statistics
N Mean Std. Deviation Minimum Maximum
Metoda A 11 137.73 4.541 131 143

Metoda B 11 136.55 4.034 130 144
Metoda C 11 136.64 4.545 130 143
Metoda D 11 137.82 4.557 131 144
Metoda E 11 137.18 3.920 131 143
Pada tabel di atas didapatkan nilai minimum dan maksimum tekanan darah sistolik tiap metoda
yang dijalankan.
Ranks
Mean Rank
Metoda A 3.23
Metoda B 2.64
Metoda C 2.95
Metoda D 3.27
Metoda E 2.91
Pada tabel ini terlihat Mean Rank tekanan darah sistolik tiap metoda yang dijalankan.
Test Statisticsa
N 11
Chi-Square 1.294
df 4
Asymp. Sig. .862
a. Friedman Te st
Pada tabel terlihat nilai X2 = 1,294; df = 4 dan Asymp. Sig= 0,862 menyatakan TIDAK ada
perbedaan bermakna tekanan darah sistolik pada tiap metoda yang dijalankan
D. KESIMPULAN:
H0 diterima dan H1 ditolak
JADI:
Tidak terdapat perbedaan tekanan darah sistolik sesudah menjalankan kelima metode latihan
E. GRAFIK
Kelompokkan data terlebih dahulu. Disini kita buat 2 kelompok yaitu TDSIST (Tekanan Darah
Sistole) dan KLPMTD (Kelompok Metoda), Dimana pada kelompok KLPMTD kita beri angka 1
JUATMADJA
NIM: 20230309015
untuk Metoda A, angka 2 untuk Metoda B, angka 3 untuk Metoda C, angka 4 untuk Metoda D,
angka 5 untuk Metoda E
Setelah itu buat grafik boxplotnya dengan Klik graph  Legacy Dialog  Boxplot  simple 
Summaries for group of cases  Define  masukan TDSIST pada kolom Variabel  masukan
KLPMTD pada Category axis  klik Ok
JUATMADJA
NIM: 20230309015
Pada boxplot terlihat nilai minimum dan maksimum tekanan darah sistolik tiap metoda dan nilai
median masing-masing metoda, serta terliha tidak ada perbedaan yang bermakna pada tekanan
darah sistolenya pada tiap metoda.
JUATMADJA
NIM: 20230309015
16. a. Apakah ada perbedaan Tingkat nyeri ketiga jenis sport injury tersebut?
1. HIPOTESIS:
Ho: Tidak terdapat perbedaan tingkat nyeri ketiga jenis sport injury (tenis, golf dan basket)
H1: Terdapat perbedaan tingkat nyeri ketiga jenis sport injury (tenis, golf dan basket)
2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

b. Kelompokkan data terlebih dahulu. Disini kita buat 2 kelompok yaitu
TKTNYERI (Tingkat Nyeri) dan OLHRG (Olah Raga), Dimana pada kelompok
OLHRG kita beri angka 1 untuk Tenis, angka 2 untuk Golf dan angka 3 untuk
Basket.
c. Klik Analyze
d. Klik Nonparametric Tests
e. Klik Legacy Dialogs
f. Klik K-Independent samples
g. Pindahkan variable, TKTNYERI ke kolom Test Variable List dan OLHRG ke
grouping variable, kemudian klik define range, masukan angka 1 pada minimum
dan 3 pada maksimum, sebab kita buat 3 grup (golf, tenis dan basket) kemudian
pada kotak Test type klik Kruskal-Wallis H.
h. Klik Continue dan kemudian ok, Sehingga muncul seperti di bawah ini:
JUATMADJA
NIM: 20230309015
Ranks
Olah Raga N Mean Rank
Tingkat Nyeri Tenis 16 25.44

Golf 16 16.41
Basket 16 31.66
Total 48
Pada tabel di atas menunjukkan Tingkat nyeri pada 3 jenis olahraga, Dimana terdapat 16 subjek
pada tiap jenis olah raga.
Test Statisticsa,b
Tingkat Nyeri
Chi-Square 9.688
df 2
Asymp. Sig. .008
a. Kruskal Wallis Test

b. Grouping Variable: Olah
Raga
Didapatkan X2 =9,688; df=2; Asymp.sig.= 0,008; sehingga dapat disimpulkan ada perbedaan
Tingkat nyeri yang bermakna yang terdapat pada para pemain tenis, golf dan basket.
4. KESIMPULAN:
H0 di tolak dan H1 diterima
JADI:
Terdapat perbedaan tingkat nyeri ketiga jenis sport injury (tenis, golf dan basket)
5. GRAFIK
Pada grafik boxplot terlihat perbedaan tingkat nyeri yang cukup jelas pada para pemain tenis,
golf dan basket, hal ini terlihat dari nilai minimal, maksimal, nilai tengah, dan interquartile.
JUATMADJA
NIM: 20230309015
16 b. Adakah perbedaan tingkat serapan zat besi menurut jenis kacang?

1.HIPOTESIS
Ho: Tidak terdapat perbedaan tingkat serapan zat besi menurut jenis kacang
H1: Terdapat perbedaan tingkat serapan zat besi menurut jenis kacang

b. Kelompokkan data terlebih dahulu. Disini kita buat 2 kelompok yaitu ZATBESI dan
KACANG. Dimana pada kelompok KACANG kita beri angka 1 untuk Jenis kacang A, angka
2 untuk jenis kacang B, angka 3 untuk jenis kacang C dan angka 4 untuk jenis kacang D.
c. Klik Analyze
d. Klik Nonparametric Tests
e. Klik Legacy Dialogs
f. Klik K-Independent samples
g. Pindahkan variable, ZATBESI ke kolom Test Variable List dan KACANG ke grouping
variable, kemudian klik define range, masukan angka 1 pada minimum dan 4 pada
maksimum, sebab kita buat 4 grup (Kacang A, Kacang B, Kacang C dan Kacang D)
kemudian pada kotak Test type klik Kruskal-Wallis H.
h. Klik Continue dan kemudian ok, Sehingga muncul seperti di bawah ini:
JUATMADJA
NIM: 20230309015
UNIVERSITAS ESA UNGGUL Ranks
Jenis Kacang N Mean Rank
Persentase Zat Besi A 9 8.33

B 10 23.35
C 9 15.89
D 10 28.95
Total 38
Pada tabel di atas menunjukkan jumlah sample dan mean rank dari tiap kelompok kacang
Test Statisticsa,b
Persentase Zat
Besi
Chi-Square 18.501
df 3
Asymp. Sig. .000
a. Kruskal Wallis Test

b. Grouping Variable: Jenis
Kacang
Didapatkan X2 = 18,501; df=3; Asymp.sig.= 0,000; sehingga dapat disimpulkan ada perbedaan
tingkat serapan zat besi menurut jenis kacang
4. KESIMPULAN:
H0 ditolak dan H1 diterima
JADI:
Terdapat perbedaan tingkat serapan zat besi menurut jenis kacang
5. GRAFIK
Pada grafik boxplot terlihat perbedaan tingkat serapan zat besi menurut jenis kacang menjadi
lebih jelas, dapat terlihat dari nilai, minimal, maksimal, median, dan nilai interquartilenya.
JUATMADJA
NIM: 20230309015
17. a. Apakah ada perbedaan hemoglobin awal dan akhir?
1. HIPOTESIS:
Ho: Tidak terdapat perbedaan hemoglobin awal dan akhir
H1: Terdapat perbedaan hemoglobin awal dan akhir

b. Klik Analyze
c. Klik Compare Means
d. Klik Paired-Samples T Test
e. Pindahkan variable, HbAwal ke kolom Variable 1 dan HbAkhir ke kolom Variable 2.
f. Kemudian klik Ok, maka akan muncul seperti di bawah ini:

Paired Samples Statistics
Mean N Std. Deviation Std. Error Mean
Pair 1 Hb Awal 12.420 50 1.0757 .1521

Hb Akhir 13.436 50 1.2135 .1716
Pada tabel di dapatkan nilai rata-rata Hb Awal adalah 12,420 ±1.0757 dan Hb Akhir
13,436±1,2135
Paired Samples Correlations
N Correlation Sig.
Pair 1 Hb Awal & Hb Akhir 50 .457 .001
JUATMADJA
NIM: 20230309015
Paired Samples Test

Paired Differences t df Sig. (2-tailed)
Std. 95% Confidence Interval
Error of the Difference

Mean Std. Deviation Mean Lower Upper
Pair 1 Hb Awal - Hb Akhir -1.0160 1.1989 .1695 -1.3567 -.6753 -5.992 49 .000
Tabel tersebut diatas menunjukkan rata-rata perbedaan Hb Awal dan akhir sebesar -1,0160, hal
ini berarti Hb akhir lebih besar dari Hb awal dengan Standar Deviasi 1,1989 dan Standar Error
Mean 0,1695, nilai t = -5,992 dan p = 0,000. Disimpulkan bahwa terdapat perbedaan hemoglobin
awal dan akhir secara bermakna.
4. KESIMPULAN:
Ho Ditolak dan H1 diterima
JADI:
Terdapat perbedaan hemoglobin awal dan akhir
5. GRAFIK:
Untuk membuat grafik error bar kita harus mengelompokkan data terlebih dahulu. Kita buat jadi
HB (Hemoglobin) dan KLPHB (kelompok HB), Dimana pada KLPHB kita beri angka 1 sebagai
HB awal dan angka 2 sebagai HB akhir.
Kemudian pilih graph Legacy Dialogs  Error Bar  klik Simple pada kotak Data in Chart
Are, klik Summaries for Groups of cases. Kemudian klik Define. Kemudian pindahkan HB ke
kotak Variable dan KLPHB pada Category Axis kemudian klik OK.
JUATMADJA
NIM: 20230309015
13,436±1,2135
12,420 ±1.0757
t=-5,992 dan p < 0,05
Pada grafik di dapatkan gambaran yang cukup mencolok antara perbedaan kelompok awal dan
akhir, Dimana nilai mean kelompok Hb Awal adalah 12,420 ±1.0757 dan mean Hb akhir adalah
13,436±1,2135 dengan nilai t=-5,992 dan p < 0,05
JUATMADJA
NIM: 20230309015
UNIVERSITAS
17b. ESAdinyatakan
Dapatkah UNGGUL promosi sanitasi lingkungan meningkatkan skor pengetahuan
ibu-ibu rumah tangga sebelum dan sesudah program dilaksanakan selama 3
bulan?
1. HIPOTESIS:
Ho: Tidak terdapat peningkatan skor pengetahuan ibu-ibu rumah tangga sebelum dan
sesudah program dilaksanakan selama 3 bulan
H1: Terdapat peningkatan skor pengetahuan ibu-ibu rumah tangga sebelum dan sesudah
program dilaksanakan selama 3 bulan
b. Klik Analyze
d. Klik Paired-Samples T Test
e. Pindahkan variable, Awal ke kolom Variable 1 dan Akhir ke kolom Variable 2
f. Kemudian klik Ok, maka akan muncul seperti di bawah ini:
Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean
Pair 1 AWAL 49.39 36 4.662 .777

AKHIR 66.97 36 6.683 1.114
Pada tabel didapatkan Mean awal 49,39 ± 4,662 dan mean akhir 66,97 ± 6,683
Paired Samples Correlations
N Correlation Sig.
Pair 1 AWAL & AKHIR 36 .407 .014
JUATMADJA
NIM: 20230309015
Paired Samples Test
Paired Differences t df Sig. (2-tailed)
Std. 95% Confidence Interval
Std. Error of the Difference

Mean Deviation Mean Lower Upper
Pair 1 AWAL
-17.583 6.407 1.068 -19.751 -15.416 -16.466 35 .000
-
AKHIR
Tabel tersebut diatas menunjukkan rata-rata perbedaan skor pengetahuan awal dan akhir sebesar
-17,583, hal ini skor pengetahuan akhir lebih besar dari skor pengetahuan awal dengan Standar
Deviasi 6,407 dan Standar Error Mean 1,068, nilai t = -16,466 dan p = 0,000. Disimpulkan
bahwa terdapat peningkatan skor pengetahuan ibu-ibu rumah tangga sebelum dan sesudah
program dilaksanakan selama 3 bulan secara bermakna.
4. KESIMPULAN:
Ho ditolak dan H1 diterima
JADI:
Terdapat peningkatan skor pengetahuan ibu-ibu rumah tangga sebelum dan sesudah program
dilaksanakan selama 3 bulan
5. GRAFIK:
Untuk membuat grafik error bar kita harus mengelompokkan data terlebih dahulu. Kita buat jadi
SKOR dan KLP (kelompok), Dimana pada KLP kita beri angka 1 sebagai awal dan angka 2
sebagai akhir.
Kemudian pilih graph Legacy Dialogs  Error Bar  klik Simple pada kotak Data in Chart
Are, klik Summaries for Groups of cases. Kemudian klik Define. Kemudian pindahkan SKOR
ke kotak Variable dan KLP pada Category Axis kemudian klik OK.
JUATMADJA
NIM: 20230309015
49, 66,97 ± 6,683
49,39 ± 4,662
t=-5,992; p < 0,05
Pada grafik di dapatkan gambaran yang cukup mencolok antara perbedaan kelompok awal dan
akhir, Dimana nilai mean skor pengetahuan awal adalah 49,39 ± 4,662 dan mean skor
pengetahuan akhir adalah 66,97 ± 6,683 dengan nilai t=-5,992 dan p < 0,05
JUATMADJA
NIM: 20230309015
UNIVERSITAS
18a. AdakahESA UNGGUL jumlah rokok yang dikonsumsi menurut PJ?
perbedaan
1. HIPOTESIS:
Ho: Tidak ada perbedaan jumlah rokok yang dikonsumsi menurut PJ
H1: Ada perbedaan jumlah rokok yang dikonsumsi menurut PJ

b. Klik Analyze
d. Klik Independent-Samples T Test
e. Pindahkan variable, JBR ke kolom Test variable(s) dan PJ ke kolom grouping variable 
klik define group  ketik angka 1 pada grup 1 dan 2 pada grup 2 kemudian klik continue
 klik OK
Group Statistics
Pernah sakit jantung N Mean Std. Deviation Std. Error Mean
Jumlah Batang Rokok Tidak 54 18.28 3.974 .541

Ya 39 12.03 2.580 .413
JUATMADJA
NIM: 20230309015
Independent Samples Test
Levene's Test for
Equality of
Variances t-test for Equality of Means
95% Confidence
Interval of the
Sig. (2- Mean Std. Error Difference

F Sig. t df tailed) Difference Difference Lower Upper
Jumlah Equal variances assumed 9.126 .003 8.597 91 .000 6.252 .727 4.808 7.697
Batang Equal variances not assumed
9.187 90.111 .000 6.252 .681 4.900 7.604
Rokok
Dari tabel tampak nilai rata-rata jumlah batang rokok untuk subjek yang tidak pernah sakit
jantung adalah 18,28 ± 3,974 dan yang pernah sakit jantung 12,03 ± 2,580. Pada tabel
independent samples test didapatkan equal variances assumed terlihat nilai t = 8,597; df= 91 dan
Sig. (2 tailed) = 0,000 dan rata – rata perbedaan kedua kelompok = 6,252. Oleh karena p < 0,05
maka terdapat perbedaan jumlah rokok yang dikonsumsi menurut PJ secara statistik
4. KESIMPULAN
JADI:
Ada perbedaan jumlah rokok yang dikonsumsi menurut PJ
5. GRAFIK:
pilih graph Legacy Dialogs  Error Bar  klik Simple pada kotak Data in Chart Area, klik
Summaries for Groups of cases. Kemudian klik Define. Kemudian pindahkan JBR ke kotak
Variable dan PJ pada Category Axis kemudian klik OK.
JUATMADJA
NIM: 20230309015
18,28 ± 3,974
12,03 ± 2,580
Pada grafik di dapatkan gambaran yang cukup mencolok antara perbedaan kelompok tidak
pernah sakit jantung dan pernah sakit jantung, Dimana nilai mean skor tidak pernah sakit jantung
adalah 18,28 ± 3,974 dan mean pernah sakit jantung adalah 12,03 ± 2,580 dengan nilai
t=8,597dan p < 0,05
18b. Adakah perbedaan kadar gula darah menurut umur <55 tahun dan umur ≥55 tahun ?
1. HIPOTESIS
Ho: Tidak terdapat perbedaan kadar gula darah menurut umur <55 tahun dan umur ≥55 tahun
H1: Terdapat perbedaan kadar gula darah menurut umur <55 tahun dan umur ≥55 tahun

b. Kelompokkan data terlebih dahulu. Disini kita buat 2 kelompok yaitu KLPUMUR dan
GD. Dimana pada kelompok KLPUMUR kita beri angka 1 untuk umur <55 tahun, angka
2 untuk umur ≥55 tahun
c. Klik Analyze
d. Klik Compare Means
e. Klik Independent-Samples T Test
JUATMADJA
NIM: 20230309015
f. Pindahkan variable, GD ke kolom Test variable(s) dan KLPUMUR ke kolom grouping
variable  klik define group  ketik angka 1 pada grup 1 dan 2 pada grup 2 kemudian
klik continue  klik OK
JUATMADJA
NIM: 20230309015
Group Statistics
KELOMPOK UMUR N Mean Std. Deviation Std. Error Mean
GULA DARAH <55 tahun 46 128.63 6.262 .923

≥55 tahun 44 130.00 6.619 .998
Independent Samples Test

Levene's Test for
Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Sig. (2- Mean Std. Error Difference
F Sig. t df tailed) Difference Difference Lower Upper
GULA Equal variances assumed .169 .682 -1.009 88 .316 -1.370 1.358 -4.068 1.329
DARA Equal variances not assumed -1.007 87.124 .317 -1.370 1.360 -4.072 1.333
H
Dari tabel tampak nilai rata-rata kadar gula darah pada 46 subjek berumur <55 tahun adalah
adalah 128,63 ± 0,923 dan 44 subjek yang berumur ≥ 55 tahun adalah 130,00±0,998. Pada tabel
independent samples test didapatkan equal variances assumed terlihat nilai t = -1,009; df= 88 dan
Sig. (2 tailed) = 0,316 dan rata – rata perbedaan kedua kelompok = -1,370. Oleh karena p > 0,05
maka tidak terdapat perbedaan kadar gula darah menurut umur <55 tahun dan umur ≥55 tahun
secara statistik.
JUATMADJA
NIM: 20230309015
4. KESIMPULAN:
Ho diterima dan H1 ditolak
JADI:
Tidak terdapat perbedaan kadar gula darah menurut umur <55 tahun dan umur ≥55 tahun
5. GRAFIK:
Summaries for Groups of cases. Kemudian klik Define. Kemudian pindahkan GD ke kotak
Variable dan KLPUMUR pada Category Axis kemudian klik OK.
130,00±0,998
128,63 ± 0,923
t=-1,009; p > 0,05
Pada grafik tidak di dapatkan perbedaan gambaran yang mencolok antara kelompok umur <55
tahun dan ≥55 tahun. Dimana nilai mean GD kelompok umur < 55 tahun adalah 128,63 ± 0,923
dan mean GD kelompok umur ≥55 tahun adalah 130,00±0,998 dengan nilai t=-1,009 dan p >
0,05.
JUATMADJA
NIM: 20230309015
UNIVERSITAS
19a. ApakahESA UNGGUL
ada perbedaan konsumsi protein anak usia Sekolah Menengah Atas menurut
Tingkat pendapatan orang tua?
1. HIPOTESIS
Ho: Tidak terdapat perbedaan konsumsi protein anak usia Sekolah Menengah Atas menurut
Tingkat pendapatan orang tua
H1: Terdapat perbedaan konsumsi protein anak usia Sekolah Menengah Atas menurut Tingkat
pendapatan orang tua.

b. Klik Analyze
d. Klik One Way ANOVA
e. Pindahkan variable, PRO ke kotak Dependent List dan PDP ke kotak Factor 
kemudian klik Post Hoc, lalu centang Bonferroni  kemudian klik continue  klik OK
ANOVA
Konsumsi Protein Per orang per hari
Sum of Squares df Mean Square F Sig.
Between Groups 3227.185 2 1613.593 32.777 .000

Within Groups 3249.165 66 49.230
Total 6476.350 68
JUATMADJA
NIM: 20230309015
UNIVERSITAS ESA UNGGUL Multiple Comparisons
Dependent Variable: Konsumsi Protein Per orang per hari Bonferroni
Mean Difference 95% Confidence Interval

(I) Pendapatan (J) Pendapatan (I-J) Std. Error Sig. Lower Bound Upper Bound
Miskin Menengah -9.43010* 2.10492 .000 -14.6009 -4.2593

Kaya -16.15168* 2.00510 .000 -21.0773 -11.2261
Menengah Miskin 9.43010* 2.10492 .000 4.2593 14.6009
*
Kaya -6.72158 2.12432 .007 -11.9400 -1.5031
Kaya Miskin * 2.00510 .000 11.2261 21.0773
16.15168
*
*. The mean differenceMenengah
is significant at the 0.05 level. 6.72158 2.12432 .007 1.5031 11.9400
Hasil Post Hoc Test di atas dapat dibaca sebagai berikut:
1. Perbedaan antara miskin dan menengah sebesar 9,43 dan sangat bermakna (p=0,000)
2. Perbedaan antara miskin dan kaya sebesar 16,15 dan sangat bermakna (p=0,000)
3. Perbedaan antara menengah dan kaya sebesar 6,72 dan sangat bermakna (p=0,007)
4. KESIMPULAN:
JADI:
Terdapat perbedaan konsumsi protein anak usia Sekolah Menengah Atas menurut Tingkat
pendapatan orang tua.
5. GRAFIK
Summaries for Groups of cases. Kemudian klik Define. Kemudian pindahkan PRO ke kotak
Variable dan PDP pada Category Axis kemudian klik OK.
Pada grafik di dapatkan gambaran perbedaan yang cukup mencolok antara ketiga kelompok
pendapatan. Dimana nilai p < 0,05
JUATMADJA
NIM: 20230309015
19b. Buktikan perbedaan kadar Hemoglobin ibu hamil menurut sratus gizi yag diukur
berdasarkan ideks masa tubuh.
1. HIPOTESIS
Ho: Tidak terdapat perbedaan kadar Hemoglobin ibu hamil menurut sratus gizi yag diukur
berdasarkan ideks masa tubuh
H1: Teradapat perbedaan kadar Hemoglobin ibu hamil menurut sratus gizi yag diukur
berdasarkan ideks masa tubuh

b. Kelompokkan data terlebih dahulu. Disini kita buat KLPIMT (kelompok IMT). Dimana
pada KLPIMT kita beri angka 1 untuk <18,5; angka 2 untuk 18,5-24,9 dan ≥25.
c. Klik Analyze
d. Klik Compare Means
e. Klik One Way ANOVA
f. Pindahkan variable, HB ke kotak Dependent List dan KLPIMT ke kotak Factor 
kemudian klik Post Hoc, lalu centang Bonferroni  kemudian klik continue  klik OK
JUATMADJA
NIM: 20230309015
ANOVA
Kadar Hemoglobin
Sum of Squares df Mean Square F Sig.
Between Groups 14.310 2 7.155 17.966 .000

Within Groups 22.700 57 .398
Total 37.010 59
Multiple Comparisons
Dependent Variable: Kadar Hemoglobin Bonferroni
Mean Difference 95% Confidence Interval

(I) Kelompok IMT (J) Kelompok IMT (I-J) Std. Error Sig. Lower Bound Upper Bound
<18.5 18.5-24.9 -.7083* .2156 .005 -1.240 -.177

*
>=25 -1.3972 .2352 .000 -1.977 -.817
18.5-24.9 <18.5 .7083* .2156 .005 .177 1.240

*
>=25 -.6889 .1881 .002 -1.153 -.225
>=25 <18.5 1.3972* .2352 .000 .817 1.977
*
*. The mean difference is18.5-24.9
significant at the 0.05 level. .6889 .1881 .002 .225 1.153
JUATMADJA
NIM: 20230309015
UNIVERSITAS
Hasil ESATest
Post Hoc UNGGUL
di atas dapat dibaca sebagai berikut:
1. Perbedaan antara IMT < 18,5 dan IMT 18,5-24,9 sebesar 0,708 dan sangat bermakna
(p=0,005)
2. Perbedaan antara IMT < 18,5 dan IMT ≥25 sebesar 1,397 dan sangat bermakna (p=0,000)
3. Perbedaan antara IMT 18,5-24,9 dan IMT ≥25 sebesar 0,689 dan sangat bermakna
(p=0,002)
4. KESIMPULAN:
JADI:
Teradapat perbedaan kadar Hemoglobin ibu hamil menurut sratus gizi yag diukur berdasarkan
ideks masa tubuh
5. GRAFIK
Summaries for Groups of cases. Kemudian klik Define. Kemudian pindahkan HB ke kotak
Variable dan KLPIMT pada Category Axis kemudian klik OK.
Pada grafik di dapatkan gambaran perbedaan yang cukup mencolok antara ketiga kelompok
IMT. Dimana nilai p < 0,05.

Jawaban Tugas Soal 13 - 19

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

Jawaban Tugas Soal 13 - 19

Diunggah oleh

Hak Cipta:

Format Tersedia

NAMA: BASTIANUS ALFIAN

Akhir - Awal Negative Ranks 0a .00 .00

a. Akhir < Awal

a. Wilcoxon Signed Ranks Test

13 B. Apakah ada perbedaannya?

2 Dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

Akhir - Awal Negative Ranks 12a 6.50 78.00

a. Akhir < Awal

a. Wilcoxon Signed Ranks Test

B dan C. Langkah-langkah SPSS dan interpretasi hasil uji Statistik :

Regio N Mean Rank Sum of Ranks

Capaian Imunisasi Kota 16 19.00 304.00

a. Grouping Variable: Regio

B dan C. Langkah-langkah SPSS dan interpretasi hasil uji Statistik:

Sekolah N Mean Rank Sum of Ranks

a. Grouping Variable: Sekolah

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik:

a. Masukan data ke spss

JAM06 8 3.063 1.3426 1.6 5.9

2dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik:

a. Masukan data ke spss

Metoda A 11 137.73 4.541 131 143

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

Tingkat Nyeri Tenis 16 25.44

a. Kruskal Wallis Test

16 b. Adakah perbedaan tingkat serapan zat besi menurut jenis kacang?

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

Persentase Zat Besi A 9 8.33

a. Kruskal Wallis Test

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

f. Kemudian klik Ok, maka akan muncul seperti di bawah ini:

Pair 1 Hb Awal 12.420 50 1.0757 .1521

Paired Samples Test

Std. 95% Confidence Interval

Error of the Difference

t=-5,992 dan p < 0,05

f. Kemudian klik Ok, maka akan muncul seperti di bawah ini:

Paired Samples Statistics

Pair 1 AWAL 49.39 36 4.662 .777

Std. 95% Confidence Interval

Std. Error of the Difference

49, 66,97 ± 6,683

t=-5,992; p < 0,05

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

a. Masukan data ke spss

Jumlah Batang Rokok Tidak 54 18.28 3.974 .541

Sig. (2- Mean Std. Error Difference

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

GULA DARAH <55 tahun 46 128.63 6.262 .923

Independent Samples Test

Sig. (2- Mean Std. Error Difference

F Sig. t df tailed) Difference Difference Lower Upper

t=-1,009; p > 0,05

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

Between Groups 3227.185 2 1613.593 32.777 .000

Mean Difference 95% Confidence Interval

Miskin Menengah -9.43010* 2.10492 .000 -14.6009 -4.2593

2 dan 3. Langkah-langkah SPSS dan interpretasi hasil uji Statistik

Sum of Squares df Mean Square F Sig.

Between Groups 14.310 2 7.155 17.966 .000

Mean Difference 95% Confidence Interval

<18.5 18.5-24.9 -.7083* .2156 .005 -1.240 -.177

18.5-24.9 <18.5 .7083* .2156 .005 .177 1.240