APLIKASI SPSS DALAM

PENGOLAHAN DATA PENELITIAN

Musafaah,SKM, MKM
UJI CHI SQUARE
 UJI CHI SQUARE
• Dalam penerapan praktis, kita ingin menguji apakah ada
hubungan antara dua variabel kategorik.
• Atau kita ingin menguji apakah ada perbedaan proporsi pada
populasi.
• Jika perbedaan proporsi itu eksist dapat kita katakan bahwa
adanya keterkaitan atau hubungan antara dua variabel
kategorik tersebut.
• Variabel bebas: kategori (nominal/ordinal)
• Variabel terikat: kategori (nominal/ordinal)
 UJI CHI SQUARE
• Pada uji Chi Square, jumlah pengamatan tidak boleh terlalu
sedikit, frekuensi harapan (expected frequency) tidak boleh
kurang dari 5 dan tidak boleh lebih dari 20%.

• Jika asumsi ini tidak terpenuhi maka harus dilakukan

pengelompokan ulang sampai hanya menjadi dua kelompok
saja (tabel 2 x 2),

• Pada tabel 2 x 2 gunakan Fisher Exact test , yang secara

otomatis sudah ada di output SPSS.
UJI CHI SQUARE
Bukalah file latihan4.SAV, sehingga data tampak di Data editor window.

Dari menu utama, pilihlah: (pada SPSS 17.0)

Analyze -- Descriptif statistic --- Crosstabs…

- Pilih variabel kerja, kemudian klik tanda > untuk memasukkannya ke kotak Row(s)
-Pilih variabel eksklu, kemudian klik tanda > untuk memasukkannya ke kotak
Column(s)
-Pada menu “Statistics” pilih Chi-Square dan Risk dengan mengklik kotak disampingnya
hingga muncul tanda “”.
-Kemudian Klik Continue.

-Klik menu “Cells”, kemudian aktifkan Observed pada menu Count dan aktifkan Rows
pada menu Percentages hingga muncul tanda “”.
-Kemudian Klik Continue.

-OK
 kerja * eksklu Crosstabulation

Eksklu

Ya Tidak Total

kerja Tidak Kerja Count 18 7 25

% within kerja 72.0% 28.0% 100.0%

Kerja Count 8 17 25

% within kerja 32.0% 68.0% 100.0%

Total Count 26 24 50

% within kerja 52.0% 48.0% 100.0%

Dari tabel silang tersebut terlihat bahwa dari 25 ibu yang bekerja, ada 8 ibu
yang menyusui bayi secara eksklusif (32,0%). Dari 25 ibu yang tidak
bekerja, ada 18 ibu yang menyusui secara ekslusif (72,0%). Artinya
proporsi ibu yang menyusui secara eksklusif pada ibu yang tidak bekerja
lebih besar daripada proporsi ibu yang menyusui secara eksklusif pada
ibu yang bekerja.
 Chi-Square Tests

Asymp. Sig. Exact Sig. (2- Exact Sig. (1-

Value df
(2-sided) sided) sided)

Pearson Chi-Square 8.013a 1 .005

Continuity Correctionb 6.490 1 .011

Likelihood Ratio 8.244 1 .004

Fisher's Exact Test .010 .005

Linear-by-Linear 7.853 1 .005

Association

N of Valid Cases 50

a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 12,00.

b. Computed only for a 2x2 table

-Pada tabel lebih dari 2x2 (misalnya 3x2 atau 3x3), apabila nilai frekuensi harapan
(expected) yang kurang dari 5 tidak lebih dari 20%, maka nilai 2 atau p-value dari
Pearson Chi-square atau Likelihood Ratio dapat kita laporkan.
-Untuk tabel 2 x 2, nilai 2 atau p-value dari Continuity Correction dapat kita laporkan.
Tetapi jika nilai frekuensi harapan kurang dari 5, maka nilai p-value dari Fisher’s Exact
Test yang harus kita laporkan.

Menurut pedoman di atas maka nilai yang kita lihat dalam tabel Chi Square Test
adalah pada Continuity Correction
UJI FISHER EXACT
Bukalah file pskm6.SAV, sehingga data tampak di Data editor window.

Dari menu utama, pilihlah: (pada SPSS 17.0)

Analyze -- Descriptif statistic --- Crosstabs…

-Pilih variabel merokok, kemudian klik tanda > untuk memasukkannya ke kotak
Row(s)
-Pilih variabel kvp, kemudian klik tanda > untuk memasukkannya ke kotak Column(s)
-Pada menu “Statistics” pilih Chi-Square dan Risk dengan mengklik kotak disampingnya
hingga muncul tanda “”.
-Kemudian Klik Continue.

-Klik menu “Cells”, kemudian aktifkan Observed pada menu Count dan aktifkan Rows
pada menu Percentages hingga muncul tanda “”.
-Kemudian Klik Continue.

-OK
 Merokok * Kapasitas Vital Paru Crosstabulation

Kapasitas Vital
Paru

Restriksi Normal Total

Merokok Perokok Count 13 10 23

% within Merokok 56.5% 43.5% 100.0%

tidak merokok Count 0 13 13

% within Merokok .0% 100.0% 100.0%

Total Count 13 23 36

% within Merokok 36.1% 63.9% 100.0%

Dari tabel silang tersebut terlihat bahwa dari 23 perokok ,

ada 13 responden (56,5%) mempunyai kapasitas paru
restriksi. Dari 13 orang yang tidak merokok, hanya ada 0
responden (0%) mempunyai kapasitas paru restriksi Artinya
proporsi yang mempunyai kapasitas paru restriksi pada
perokok lebih besar daripada tidak perokok .
 Chi-Square Tests

Asymp. Sig. Exact Sig. (2- Exact Sig. (1-

Value df
(2-sided) sided) sided)

Pearson Chi-Square 11.501a 1 .001

Continuity Correctionb 9.182 1 .002

Likelihood Ratio 15.600 1 .000

Fisher's Exact Test .001 .000

Linear-by-Linear 11.181 1 .001

Association

N of Valid Cases 36

1 cells (25,0%) have expected count less than 5. The minimum expected count
is 4,69.

Computed only for a 2x2 table

Pada tabel di atas terlihat bahwa nilai sig (0,001) < 0,05 maka
keputusan statistiknya Ho ditolak. Artinya ada perbedaan proporsi
antara status merokok dengan kapasitas vital paru dengan kata
lain ada hubungan status merokok dengan kapasitas vital paru.
 UJI NORMALITAS DATA
UJI KOLMOGOROV SMIRNOV = UJI LILLIEFOR
• Jika Nilai Prob. / Sig. ≥ 5 %  Data Normal
• Jika Nilai Prob. / Sig. < 5 %  Data Tidak Normal

UJI SHAPIRO WILK

• Jika Nilai Prob. / Sig. ≥ 5 %  Data Normal
• Jika Nilai Prob. / Sig. < 5 %  Data Tidak Normal
 UJI NORMALITAS DATA NUMERIK
jika akan dilakukan uji statistik parametrik/Anova terhadap variabel terikat
maka distribusi normal merupakan salah prasyarat yang harus dipenuhi.
Uji normalitas dapat dilakukan melalui perintah Explore..
Dari menu utama, pilihlah:
• Analyze
• Descriptive Statistic <
• Explore…
 UJI NORMALITAS DATA NUMERIK
• Klik Plots.., kemudian aktifkan Histogram dan Normality plot
with test.

Tests of Normality
CONTINUE---OK
Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

kadarfos_mg .158 15 .200* .908 15 .125

kadarkal_mg .225 15 .040 .862 15 .025

kadarP .158 15 .200* .908 15 .124

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

 UJI HOMOGENITAS

• untuk memperlihatkan bahwa dua atau lebih

kelompok data sampel berasal dari populasi yang
memiliki variansi yang sama.

UJI LEVENE
• Jika Nilai Prob. / Sig. ≥ 5 %  VARIAN HOMOGEN
• Jika Nilai Prob. / Sig. < 5 %  VARIAN TIDAK
HOMOGEN
 UJI HOMOGENITAS
jika akan dilakukan uji statistik parametrik/Anova terhadap variabel terikat
maka distribusi normal merupakan salah prasyarat yang harus dipenuhi.
Uji normalitas dapat dilakukan melalui perintah Explore..
Dari menu utama, pilihlah:
• Analyze
• Descriptive Statistic <
• Explore…
• Masukkan variabel terikat pada kotak
Dependent List

•Masukkan variabel bebas (Kategori) pada

kotak Factor List

•Kemudian Klik Plots,ormed

•Pada Spread vs Level with Levene Test,
pilih Untransformed
 Test of Homogeneity of Variance

Levene Statistic df1 df2 Sig.

kadarfos_mg Based on Mean .965 2 12 .409

Based on Median .747 2 12 .495

Based on Median and with .747 2 8.470 .503

adjusted df

Based on trimmed mean .961 2 12 .410

Jika Nilai Prob. / Sig. ≥ 5 %  VARIAN HOMOGEN

 UJI ANOVA
• Digunakan untuk membandingkan rata-rata antara
lebih dari 2 kelompok yang berbeda dan saling bebas

• Asumsi pengujian ANOVA, yaitu:

a) Data numerik berdistribusi normal;
b) Mempunyai varians yang sama;
c) Sampel tidak berhubungan satu dengan yang lain
 UJI ANOVA
Berikut langkah-langkah uji Anova:
• Bukalah file data workshop.sav
• Kita ingin mengetahui apakah ada perbedaan rata2 kadar
fosfat antara kontrol, perlakuan 1 dan perlakuan 2.
• maka harus diuji terlebih dahulu kadar fosfat berdistribusi
normal/tidak dengan cara: Pilih menu Analyze-Descriptive
Statistics–Explore–Plots kemudian pilih Normality plots with
tests Didapat outputnya:

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig. Kadar fosfat

kadarfos_mg .158 15 .200* .908 15 .125 berdistribusi normal
a. Lilliefors Significance Correction
karena nilai sig (0,125) >
*. This is a lower bound of the true significance.
0,05.
 UJI ANOVA
• Kolom Option :
Statistics --
Pilih Descriptive dan Homogeneity of variance
Setelah pengisian tekan Continue

• Kolom Post-Hoc
Equal Variances Assumed, pilih Bonferroni
Setelah pengisian, tekan Continue
 UJI ANOVA
Test of Homogeneity of Variances

kadarfos_mg

Levene Statistic df1 df2 Sig.

.965 2 12 .409

• Setelah pengisian selesai, tekan OK. Hasil outputnya adalah

• Pada tabel terlihat nilai sig pada Levene test adalah 0,409 > 0,05,
keputusannya adalah Ho diterima yang artinya varians data sama.
Tes Levene:
• Apabila nilai sig ≥ 0,05 artinya varians data sama
• Apabila nilai sig < 0,05 artinya varians data berbeda
 UJI ANOVA
ANOVA

kadarfos_mg

Sum of Squares df Mean Square F Sig.

Between Groups 388.433 2 194.217 49.065 .000

Within Groups 47.500 12 3.958

Total 435.933 14

•Pada tabel di atas terlihat nilai sig (0,000) < 0,05, keputusannya adalah Ho ditolak
yang artinya ada perbedaan mean kadar fosfat antara kontrol, perlakuan 1 dan
perlakuan 2.

•Oleh karena ada perbedaan mean diantara ke-3 kelompok, apabila kita ingin
mengetahui lebih jelas antara kelompok mana yang berbeda, maka digunakan uji
selanjutnya yaitu uji Post Hoc dengan metode Bonferroni, dengan hasil sebagai
berikut:
UJI ANOVA----Post Hoc
Multiple Comparisons

kadarfos_mg
Bonferroni

Mean 95% Confidence Interval

(I) kelompok (J) kelompok Difference (I-J) Std. Error Sig. Lower Bound Upper Bound

kontrol perlakuan 1 4.4000* 1.2583 .013 .903 7.897

perlakuan 2 -7.9000* 1.2583 .000 -11.397 -4.403

perlakuan 1 kontrol -4.4000* 1.2583 .013 -7.897 -.903

perlakuan 2 -12.3000* 1.2583 .000 -15.797 -8.803

perlakuan 2 kontrol 7.9000* 1.2583 .000 4.403 11.397

perlakuan 1 12.3000* 1.2583 .000 8.803 15.797

*. The mean difference is significant at the 0.05 level.

•Pada tabel di atas terlihat bahwa antara kontrol dengan perlakuan 1 berbeda
dengan nilai sig (0,013) < 0,05.

•Selain itu, antara kontrol dengan perlakuan 2 berbeda dengan nilai sig
(0,000) < 0,05 dan antara perlakuan 1 dengan perlakuan 2 berbeda dengan
nilai sig (0,000) < 0,05 .
 UJI KRUSKAL WALLIS

• Sama seperti uji Anova, uji Kruskal Wallis bertujuan

untuk mengetahui perbedaan mean diantara lebih
dari 2 kelompok.

• Oleh karena data numerik tidak berdistribusi normal

dan varians berbeda (uji anova tidak terpenuhi),
maka menggunakan Uji Kruskal Wallis
 UJI KRUSKAL WALLIS
• H0 : tidak ada perbedaan rata-rata antara
kelompok 1, 2, dst
• Ha : ada perbedaan rata-rata antara kelompok
1, 2, dst

• Jika Nilai Prob. / Sig. < 5 %  H0 ditolak

• Jika Nilai Prob. / Sig. ≥ 5 % H0 diterima
 UJI KRUSKAL WALLIS
• Bukalah file data workshop.sav
• Kita ingin mengetahui apakah ada perbedaan rata2 kadar
kalsium antara kontrol, perlakuan 1 dan perlakuan 2.
• maka harus diuji terlebih dahulu kadar kalsium berdistribusi
normal/tidak dengan cara: Pilih menu Analyze--Descriptive
Statistics–Explore–Plots kemudian centang/pilih Normality
plots with tests. Didapat outputnya:

Tests of Normality Kadar kalsium tidak

Kolmogorov-Smirnova Shapiro-Wilk berdistribusi normal
Statistic df Sig. Statistic df Sig.
karena nilai sig (0,025) <
kadarkal_mg .225 15 .040 .862 15 .025 0,05.
a. Lilliefors Significance Correction
 UJI KRUSKAL WALLIS
• Kemudian menu utama, pilihlah: (pada SPSS 17.0)
• Analyze -- Nonparametric Tests --- K Independent Samples…
 UJI KRUSKAL WALLIS
• Kemudian pilih kadarkal_mg pada test variabel list
• Kemudian pilih kelompok pada Grouping Variabel
Maka tampilannya adalah sebagai berikut:
 UJI KRUSKAL WALLIS
• Kemudian pilih Define Range...

• Isi group 1 : kode kategori paling kecil

• Isi group 2 : kode kategori paling besar
• Untuk variabel education kodenya 1 sampai dengan 3 sehingga group 1
diisi dengan 1 dan group 2 diisi dengan 3. Setelah itu pilih Continue.
• Kemudian OK.
Test Statisticsa,b
Pada tabel di atas terlihat nilai sig
kadarkal_mg
(0,010) < 0,05, keputusannya
Chi-Square 9.312
adalah Ho ditolak yang artinya ada
df 2 perbedaan mean kadar kalsium
Asymp. Sig. .010 antara kontrol, perlakuan 1 dan
a. Kruskal Wallis Test perlakuan 2.
b. Grouping Variable: kelompok