Pusparini

Bagian Patologi Klinik FK Trisakti

 SPSS adalah software statistika untuk
analisis data
 Dibuat pertama kali tahun 1968 oleh
Norman H Nie
 Singkatan dari statiscal Package for the
social sciences
 Untuk dapat menggunakan program ini
kita harus memiliki program SPSS di
dalam komputer kita
◦ Diperlukan Pemahaman Statistik Dasar
◦ Pemahaman tentang Komputer dasar
(Hardware, Software dan Brainware)
◦ Kebutuhan mahasiswa skripsi untuk
analisis penelitian.
◦ Menggunakan SPSS sebagai analisis
dengan benar

3
Tujuan Umum
Meningkatkan kemampuan mahasiswa dalam melakukan
penelitian untuk membuat skripsi/karya tulis ilmiah
Tujuan Khusus
1. Memberikan ketrampilan peserta melakukan data
entry dari data awal ke SPSS
2. Memberikan kemampuan mahasiswa mengelola data
penelitian dan siap dilakukan analisis
3. Memberikan kemampuan mahasiswa melakukan
analisis univariat dan bivariat yang sesuai tujuan
penelitiannya

4
 Data
1. Data Kualitatif, dinyatakan dalam bentuk bukan angka
2. Data Kuantitatif, dinyatakan dalam bentuk angka
3. Skala data:
1) Data Nominal hasil penggolongan setara,
2) Data Ordinal hasil penggolongan tidak setara
3) Data Interval, bukan hasil penggolongan dengan jarak
yang sama dan tidak mempunyai nilai nol mutlak
4) Data Rasio, sama dengan data interval tetapi
mempunyai nilai nol mutlak.

17/11/2014 5
 Nominal : jenis kelamin
laki-laki/perempuan
• Ordinal : tingkat pendidikan
rendah, sedang dan tinggi
kadar kolesterol :
rendah, sedang dan tinggi
• Interval : suhu tubuh
• * rasio : berat badan, tinggi badan, kadar
glukosa darah, kadar kolesterol
Beberapa catatan penting :
• Usahakan mengambil data sedapat
mungkin yang kategorinya lebih tinggi
• Rasio> interval> ordinal> nominal
• Data dari variabel numerik dapat
dijadikan kategorik, tetapi sebaliknya
tidak dapat
Lambang skala pengukuran dalam SPSS :
1. Scale : rasio dan interval (penggaris)
2. Ordinal : tangga
3. Nominal : bulatan-bulatan bola
 Data adalah himpunan yang berasal dari hasil
pengukuran terhadap individu-individu yang menjadi
obyek penelitian, dibagi berdasarkan:
 SUMBER:
Primer
Sekunder
Tersier
 BENTUK:
Kuantitatif
Kualitatif
 JENIS:
Diskret dengan menghitung
Kontinu dengan mengukur

17/11/2014 9
 Variabel
Variabel adalah suatu yang beragam atau
bervariasi, dikenal sebagai:
◦ Variable Dependent (variabel tergantung), yaitu variabel
yang dipengaruhi oleh variabel lain dan tidak dapat
berdiri sendiri, sedangkan
◦ Variable Independent (variabel bebas), yaitu variabel
yang mempengaruhi variabel lain dan sifatnya dapat
berdiri sendiri.

17/11/2014 10
  Analisis Data, adalah proses mengolah data dan
mengartikan hasil pengolahan data.
◦ Analisis Deskriptif adalah analisis yang menekankan
pada gambaran satu variabel.
◦ Analisis Inferensial adalah analisis yang menekankan
pada hubungan antar variabel dengan menekankan
pengujian hipotesis dan menyimpulkan hasil penelitian.

17/11/2014 11
 Metode pengumpulan data:
1. Metode Observasi (pengamatan)
2. Metode Survei
3. Metode Wawancara
4. Metode Kuesioner dan Angket
5. Metode Dokumenter

17/11/2014 12
  Hipotesis, adalah jawaban sementara yang belum
dibuktikan
 Hipotesis Nihil=Nol Hipotesis (H0), yang menyatakan tidak
adanya hubungan antar variabel
 Hipotesis Alternatif=Hipotesis Kerja (H1) yang menyatakan
adanya hubungan antar variabel
 Uji Hipotesis, apakah hipotesis nihil diterima atau
ditolak. Pengambilan keputusan dapat dengan
menggunakan Probabilitas atau mambandingkan Data
Hitung dan Data Tabel.
 Signifikansi, apakah kesimpulan yang diambil
bermakna atau meyakinkan dan dapat diberlakukan
pada populasi

17/11/2014 13
 Berbagai analisis dapat dilakukan dengan SPSS:
1. Uji Instrumen Pengumpul Data (Validitas
Reabilitas)
2. Uji Asumsi Dasar (Normalitas Homogenitas)
3. Uji Penyimpangan Asumsi Klasik
4. Statistik Deskriptif (tendensi sentral, varians)
5. Analisis Korelasi dan Regresi
6. Uji Perbedaan Rata-rata
7. Uji Nonparametrik
8. Uji Chi-Kuadrat, Crosstabs

17/11/2014 14
  Berbagai pengolahan data dapat dilakukan
dengan SPSS, yaitu pada menu Analysis
misalnya:
◦ Statistik Deskriptif
◦ Uji Perbandingan Rerata
◦ Statistik Non-Parametrik
◦ Analisis Korelasi
◦ Regresi Linier
◦ Analisis Varians
◦ Analisis Faktor
◦ Dll

17/11/2014 15
 1. Pelatihan Data Entry dengan Excel dan SPSS,
cleaning data
2. Setelah data entry dilakukan manajemen data
(Compute, Recode, transform dan lain lain)
3. Kemudian lakukan analisis dasar yang sering
dipakai: Statistik Deskriptif, Uji Perbandingan
Rerata dan Statistik Non-Parametrik (Uji Chi-
Square, Uji dua sampel dan korelasi)
4. Uji hipotesis dengan deskriptif/univariat dan
bivariat.

17/11/2014 16
 Ada dua cara memulai menjalankan SPSS
1. Desktop windows sudah ada icon SPSS, klik dua
kali
2. Klik start--- Program-- SPSS for windows--
SPSS 17 for windows
3. Setelah klik SPSS for windows, klik cancel anda
akan masuk ke dalam SPSS data editor
4. Pada lembar data view, setiap baris mewakili
satu responden, setiap kolom mewakili satu
variabel atau satu pertanyaan kuesioner.
 Sebelum analisa data statistik kita perlu
memasukkan data terlebih dahulu
 Bila file data belum ada ketik file data pada lembar
SPSS data editor
 Untuk file data baru, klik file, new, data
 Halaman SPSS data editor yang aktif terdiri dari
dua lembar : lembar pertama data view dan lembar
kedua variable view
 Data view : tempat memasukkan data
 Variable view : tempat dimana anda memberi
nama variabel dan mendefinisikan karakteristik lain
dari variabel
 Variabel view :
1. Nama variabel : maksimal 8 karakter, bila tidak
diberi nama SPSS akan memberi nama
var00001, var00002, dst
2. Tipe variable : numeric, date, string dan
seterusnya
3. Lebar data : pada kolom width
4. Kolom decimal : banyaknya angka
5. Kolom label : penjelasan nama variabel
6. Kolom value : jenis kelamin 1.pria 2. wanita
7. Missing value : data hilang/tidak dijawab. Usia
responden tidak diisi, ditulis -1 (kode missing)
 Variable view :
8. Lebar colums : menentukan lebar kolom
9. Alignment : rata kanan- right (numeric)
rata tengah -- center
rata kiri -- left (string)
10. Skala data : nominal, ordinal, interval, ratio)-
pada kolom measure
Scale : numeric/ratio
Nominal-- ditentukan peneliti
Ordinal--- ditentukan peneliti
id Sex Usia Jumlah jam PC sangat Suka belajar
(1=pria, (1=<20 th, penggunaan PC software PC
2=perempuan)
mudah
2=20-29 th, per minggu digunakan (1=sangat
3=30-39 th, (1=nol jam, tak setuju,
(1=sangat
4=40-49 th, 2=1-5 jam, 2= tak
5=50-59 th, 3=6-10 jam, tak setuju, setuju,
6=60 th ke atas) 4=11-20 jam, 2=taks 3= netral,
5=21-30 jam, etuju, 4=setuju,
6=>30 jam) 3=netral, 5=sangat
4=setuju setuju)
5=sangat
setuju)
1 1 2 2 5 4
2 2 3 6 2 3
3 2 2 6 2 3
4 1 5 4 3 1
5 2 2 6 5 5
6 1 3 4 3 4
 Variable view :
Contoh untuk id :
1. Masukkan variabel pertama id pada kolom name
2. Batasi hanya untuk bilangan bulat 2 digit, tanpa
angka di belakang koma
3. Pada kolom type, klik kotak kecil warna abu-abu,
muncul box variable type, pilih type numerik,
width=2 dan decimal=0, klik ok
4. Jenis kelamin- labels, 1= laki-laki
2=perempuan, klik ok
5. Skala : nomimal
6. 6. kelompok usia- labels, 1= kurang dari 20 th
 Variable view :
, klik add, ulangi isi value 2= 20-29 th, dst, ok
Karena kemungkinan ada responden yang tidak
mau menjawab usia, maka didefinisikan missing
value, klik missing, pilih discrete, -1
• Kelompok usia masuk skala ordinal, scale : ordinal
• Masukkan jumlah jam-- skala ordinal
• Masukkan PC_mudah- ordinal
• Masukkan suka belajar- ordinal
• Setelah selesai save, pilih folder menyimpannya
• Lihat contoh : kuesione.sav
 Data view :
1. Isi data
2. Save
3. Melihat value labels, klik view-- value labels,
muncul tanda check (v)
4. Untuk menghilangkan klik ulang di value labels
maka akan kembali menjadi angka lagi
 Langkah pertama : eksplorasi data
 Apakah terjadi kesalahan dalam memasukkan data
 Contoh : jenis kelamin Cuma ada 1 dan 2 tetapi
muncul angka 3, berarti salah input
 Prosedur penyaringan :
 1. pilih frequencies, klik analyze- descriptive
statistics-- frequencies, pindahkan semua
variable yang akan disaring ke kotak variable, ok
 Kita dapat melihat yang salah (contoh : muncul
angka 3 pada jenis kelamin)
 Merupakan syarat statistik inferensial
 Ada beberapa cara :
1. shapiro-Wilk
2. Kolmogorov Smirnov (explore)
Bentuk hipotesis untuk uji normalitas :
Ho : data berasal dari populasi yang terdistribusi
normal
H1 : data tidak berasal dari populasi terdistribusi
normal
P value < α, maka Ho ditolak
Jika p value >= α, maka Ho tidak dapat ditolak
Lihat contoh independet t test
 Tests of Normality

 group Kolmogorov-Smirnova Shapiro-Wilk

 Statistic df Sig. Statistic df Sig.
 Skor DRP
 Treatment .125 21 .200* .966 21 .652

◦ Kontrol .097 23 .200* .972 23 .732

 a. Lilliefors Significance Correction

 *. This is a lower bound of the true significance.
Interpretasi hasil : p value = 0,732 > 0,05,
distribusi normal
 Digunakan untuk mendeskripsikan data dan
meringkas data yang diobservasi.
 Macam-macam : frekuensi, deskripstif, explore,
crosstab
 Frekuensi :
1. analyze, deskriptif, frekuensi
2. Pilih variabel yang akan diproses pada frekuensi,
pindahkan
3. Kalau ingin membuat tabel, buat chart, pilih jenis
grafik, continue
4. Lihat output pada contoh .
 Buka data view
 Lakukan langkah berikut
1. transform- recode- recode into different
variables
2. Masukkan variabel umur ke dalam input variable
3. Ketik umur_1 ke dalam out varibles
4.Ketik klasifikasi umur ke dalam label
5. Klik kotak change, setelah proses ini terlihat :
klik old dan new value
6. Logika : semua data 50-55 th ---1, 56-59 th - 2,
> 60 th diubah jadi 3
 Old value : range 50-55, new value : 1, klik add
 Old value : range 56-59, new value 2, klik add
 Old value : >60 through highest, new value : 3, klik
add
 Continue, ok
Masalah Jenis hipotesis (asosiasi)
skala
komparatif korelatif
pengukuran
Tidak berpasangan berpasangan
numerik 2 >2 2 >2 Pearson
kelompok kelompok kelompok kelompok
Uji t tidak One way Uji t Repeated
berpasangan berpasangan
anova anova

Kategorik Mann Kruskal- Wilcoxon

(Ordinal) Whitney Wallis Friedman Spearman
Kategorik Chi Square Mc Nemar, Cochran Koefisien
Fisher Marginal homogeneity kontigensi
KS (tabel BxK) Wilcoxon, Friedman lambda
(prinsip P x K)
Masalah skala Jenis hipotesis asosiatif
komparatif
pengukuran

Tidak berpasangan

Kategorik Chi Square

(nominal/ordinal) Fisher
Kolmogorov Smirnov
(Tabel B x K)
 Tabel B xK

Tabel selain 2 x 2
Tabel 2 x 2 Tabel 2 xK
dan 2 x K

Syarat uji Chi Square terpenuhi Uji Chi Square

Tidak Tidak Tidak

terpenuhi terpenuhi terpenuhi

Uji Fisher Uji Kolmogorov Penggabungan Sel

smirnov
 Semua hipotesis kategorik tidak berpasangan
menggunakan uji Chi Square, bila memenuhi
syarat
 Syarat uji Chi Square :
a. Sel yang mempunyai nilai expected <5,
maksimal 20% dari jumlah sel
b. Jika syarat tidak terpenuhi, alternatif :

- Tabel 2 x 2 -- uji Fisher

- Tabel 2 x K-- Uji KS
- penggabungan sel
 status fertilitas total
fertil infertil
Perilaku Tidak Count 35 15 50
merokok merokok
Expected 27,5 22,5 50
count
Count 20 30 50
Expected 27,5 22,5 50
count
Count 55 45 100
total Expected 55 45 100
count
 Nilai obsreved (O) adalah nilai observasi yang
anda dapatkan pada subjek penelitian
 Nilai Expected (O) adalah nilai yang diperoleh
apabila hipotesis nol benar
 Nilai expected sel a = total baris x total kolom = 50 x 55 = 27,5
total Sampel 100
 Langkah menentukan uji hipotesis yang dipilih ?
1. Menentukan variabel yang dihubungkan
pendampingan kelahiran (kategorik) dengan skor
anxietas (numerik)
1. Menentukan jenis hipotesis : komparatif
2. Menentukan masalah skala varibel : numerik
3. Menentukan pasangan/tidak? tidak
4. Menentukan jumlah kelompok : dua kelompok
Kesimpulan :
Uji yang digunakan adalah uji t tidak berpasangan
(parametrik jika memenuhi syarat, bila tidak
gunakan Mann Whitney)
1. Memeriksa syarat uji t untuk kelompok
berpasangan :
a. Distribusi data harus normal (wajib)
b. Varians data boleh sama, boleh juga tidak sama
c. Jika memenuhi syarat (dist N), maka dipilih uji t
tidak berpasangan
d. Jika tidak memenuhi syarat (dist tidak N) lakukan
transformasi data
e. Jika variabel baru hasil transformasi berdistribusi
normal, maka dipakai uji t tidak berpasangan.
f. Jika variabel baru hasil transformasi berdistribusi
tidak normal, maka dipakai uji Mann Whitney
1. Menguji distribusi data
a. Buka file unpaired t test
b. Lakukan uji normalitas untuk data skor ansietas
kelompok ibu yang proses melahirnkannya
ditemani suami dan data skor ansietas kelompok
ibu yang proses melahirkannya tidak didampingi
suami
Interpretasi :
- Skor ansietas ibu yang didampingi- nilai
p=0.098
- Skor ansietas ibu yang tidak didampingi: p=0,200
- Nilai p>0,05-- distribusi normal
1. Uji yang dipakai : uji t tidak berpasangan ok dist Normal
2. Buka file : unpaired t test
- analyze- compare means-- independent sample t
- Masukkan score ke dalam kotak test variable
- Masukkan suami ke dalam kotak grouping
- Aktifkan define group
- Masukkan angka 1 untuk kotak group 1 (tidak didampingi
suami)
- Masukkan angka 2 untuk kotak group (kode didampingi
suami)
3. Prosedur selesai. Klik continue, ok
Output SPSS
a. Menguji varians :
Pada kotak Levine’s test nilai sig=0,000. P< 0,05
maka varians data kedua kelompok tidak sama,
digunakan equal varians not assumed
b. Angka significancy pada baris kedua adalah 0,000
Dengan perbedaan rerata sebesar -50,13.
c. Nilai IK 95 % adalah antara -52,96 sampai -47,29
d. Nilai p< 0,005 berarti terdapat perbedaan
bermakna rerata skor ansietas antara kelompok
yang didampingi dan tidak
Interpretasi lengkap nilai p :
- Jika skor ansietas kelompok ibu yang proses
melahirkannya didampingi suami tidak berbeda
dengan yang tidak, maka faktor peluang saja
dapat menerangkan 0,000% untuk memperoleh
perbedaan rerata sebesar -50,13. karena
peluang untuk menerangkan hasil yang diperoleh
< 5%, maka hasil ini bermakna
Interpretasi lengkap nilai IK 95% :
Kita percaya sebesar 95% bahwa jika pengukuran
dilakukan pada populasi, maka perbedaan skor
ansietas antara kelompok ibu-ibu yang
didampingi suami dengan yang tidak adalah
antara -52,96 sampai -47,29
 Langkah menentukan uji hipotesis yang dipilih ?
1. Menentukan variabel yang dihubungkan
BMI (numerik) dengan waktu pengukuran
(kategorik)
1. Menentukan jenis hipotesis : komparatif
2. Menentukan masalah skala varibel : numerik
3. Menentukan pasangan/tidak? Berpasangan
4. Menentukan jumlah kelompok : dua kelompok
Kesimpulan :
Uji yang digunakan adalah uji t berpasangan
(parametrik jika memenuhi syarat, bila tidak
gunakan Wilcoxon)
1. Memeriksa syarat uji t untuk kelompok
berpasangan :
a. Distribusi data harus normal (wajib)
b. Varians data tidak perlu diuji (berpasangan)
c. Jika memenuhi syarat (dist N), maka dipilih uji t
berpasangan
d. Jika tidak memenuhi syarat (dist tidak N) lakukan
transformasi data
e. Jika variabel baru hasil transformasi berdistribusi
normal, maka dipakai uji t berpasangan.
f. Jika variabel baru hasil transformasi tidak
berdistribusi normal, maka dipakai uji Wilcoxon
1. Menguji distribusi data
a. Buka file paired t test
b. Lakukan uji normalitas untuk skor BMI sebelum
dan setelah satu bulan penyuntikan testosteron
Interpretasi :
- Nilai kemaknaan kedua kelompok > 0,05. Nilai
p>0,05-- distribusi normal
1. Uji yang dipakai : uji t berpasangan ok dist Normal
2. Buka file : paired t test
- analyze- compare means-- paired sample t
- Masukkan bmipre dan bmipost ke dalam kotak paired test
variable
3. Prosedur selesai. Klik continue, ok
Output SPSS
Interpretasi hasil :
a. Bagian paired samples statistic menggambarkan
deskripsi masing-masing variabel
b. Angka significancy pada baris kedua adalah
0,000 (p<0,05)
c. c. Nilai p< 0,005 berarti terdapat perbedaan
bermakna rerata bmi yang bermakna sebelum
dan sesudah satu bulan penyuntikan testosteron
d. Nilai IK 95 % adalah antara -5,913 sampai -5,295
Interpretasi lengkap nilai p :
- Jika bmi sebelum penyuntikan testosteron tidak
berbeda bermakna dengan BMI satu bulan
sesudah penyuntikan testosteron, maka faktor
peluang saja dapat menerangkan 0,00% untuk
memperoleh perbedaan rerata sebesar -5,604.
karena peluang untuk menerangkan hasil yang
diperoleh < 5%, maka hasil ini bermakna
Interpretasi lengkap nilai IK 95% :
Kita percaya sebesar 95% bahwa jika pengukuran
dilakukan pada populasi, selisih BMI sebelum
penyuntikan testosteron dengan BMI satu bulan
sesudah penyuntikan testosteron adalah antara -
5,913 sampai -5,295
1. Analyze--- correlate-- bivariate
2. Masukkan variabel yang akan diuji ke kotak
variable
3. Pilih uji Pearson pada kotak correlation
coefficient
4. Pilih Two tailed pada test of significance
5. Pilih OK
1. Analyze--- correlate-- bivariate
2. Masukkan variabel yang akan diuji ke kotak
variable
3. Pilih uji Spearman pada kotak correlation
coefficient
4. Pilih Two tailed pada test of significance
5. Pilih OK
No. parameter nilai interpretasi
1 Kekuatan korelasi (r) 0-0,199 Sangat lemah
0,20-0,399 Lemah
0,40-0,599 Sedang
0,60-0,799 Kuat
0,80-1,000 Sangat kuat
2 Nilai p p<0,05 Terdapat korelasi bermkna
p>0,05 Tidak ada korelasi bermakna
3 Arah korelasi + (positif) Searah, semakin besar nilai satu
variabel semakin besar pula nilai
variabel lainnya
-(negatif) Berlawanan arah. Semakin besar
nilai satu variabel, semakin
kecil nilai variabel lainnya
17/11/2014 54