MANAJEMEN DATA PENELITIAN

KATARINA YUNITA CHAROLINA NAU 20160310007

ANINDA AMALIA TISNA 20160310017
UJI RANK SPEARMAN

Menguji hubungan antara dua variabel

penelitian

Statistik Non-Parametrik Sig < 0,05 = nilai

signifikan
Skala data variabel ordinal atau ordinal- Sig > 0,05 = nilai
numerik tidak signifikan

Data tidak harus berdistribusi normal

UJI RANK SPEARMAN

Kriteria tingkat kekuatan hubungan antar variabel:

• Nilai koefisien korelasi sebesar 0,00 – 0,25 = hubungan
sangat lemah
• Nilai koefisien korelasi sebesar 0,26 – 0,50 = hubungan
cukup
• Nilai koefisien korelasi sebesar 0,51 – 0,75 = hubungan
kuat
• Nilai koefisien korelasi sebesar 0,76 – 0,99 = hubungan
sangat kuat
• Nilai koefisien korelasi sebesar 1,00 = hubungan sempurna
UJI RANK SPEARMAN
Berikut contoh uji Rank Spearman dengan SPSS. Data yang dipakai
adalah data kuesioner penelitian “Analisis Kerja Petugas Filing
Berdasarkan Beban Kerja Di Unit Manajemen Informasi Kesehatan Rumah
Sakit Y”
Rumusan masalah:
Apakah terdapat hubungan antara pendidikan petugas dengan
kinerja petugas?

Hipotesis:
Ho : Tidak terdapat hubungan antara pendidikan petugas dengan
kinerja petugas
Ha : Terdapat hubungan antara pendidikan petugas dengan kinerja
petugas
UJI RANK SPEARMAN
Keputusan:
Jika Sig > 0,05 maka Ho gagal ditolak / diterima
Jika Sig < 0,05 maka Ho ditolak
Langkah-langkah untuk uji Rank Spearman dengan menggunakan
SPSS:
 Buka aplikasi SPSS
 Klik File – Open – Data, pilih data yang akan digunakan
 Setelah data muncul, kemudia klik Analyze – Correlate – Bivariate
 Pindahkan variabel pendidikan petugas dan skor kinerja
petugas pada kotak Variables.
UJI RANK SPEARMAN
 Beri ceklist () pada kotak Spearman, Two-tailed, dan Flag
significant correlations. Seperti gambar dibawah ini,
kemudian klik OK
UJI RANK SPEARMAN
Output SPSS dan Hasil Analisis

Hasil Keputusan:
Nilai signifikan adalah 0,54 (sig > 0,05) maka Ho diterima yang artinya tidak
terdapat hubungan antara pendidikan petugas dengan kinerja petugas.
Hubungannya sebesar -0,506 berarti hubungan tingkat pengetahuan dengan
kinerja petugas sangat lemah.
UJI REGRESI LOGISTIK
Untuk menguji pengaruh dengan data dependen (Y)
adalah data ketegori yang terdiri dari 2 (misal
pemberian kode 1 = laki-laki, kode 0 = perempuan).
Data independen (X) adalah data sekunder atau primer.

Untuk membuat model prediksi

variabel bebas berskala Interval /Rasio, sedangkan

variabel terikat berskala Nominal dengan nilai 1 dan 0.

Berbasis distribusi chi-square sehingga tak

memerlukan persyaratan normalitas data.
UJI REGRESI LOGISTIK
Asumsi yang harus dipenuhi dalam Regresi Logistik antara lain:
1. Regresi logistik tidak membutuhkan hubungan linier antara variabel independen
dengan variabel dependen.
2. Variabel independen tidak memerlukan asumsi multivariate normality.
3. Asumsi homokedastisitas tidak diperlukan .
4. Variabel bebas tidak perlu diubah ke dalam bentuk metrik (interval atau skala ratio).
5. Variabel dependen harus bersifat dikotomi (2 kategori, misal: tinggi dan rendah atau
baik dan buruk)
6. Variabel independen tidak harus memiliki keragaman yang sama antar kelompok
variabel
7. Kategori dalam variabel independen harus terpisah satu sama lain atau bersifat
eksklusif
8. Sampel yang diperlukan dalam jumlah relatif besar, minimum dibutuhkan hingga 50
sampel data untuk sebuah variabel prediktor (independen).
9. Regresi logistik dapat menyeleksi hubungan karena menggunakan pendekatan non
linier log transformasi untuk memprediksi odds ratio. Odd dalam regresi logistik
sering dinyatakan sebagai probabilitas.
UJI REGRESI LOGISTIK
Berikut contoh uji Regresi Logistik dengan SPSS. Data yang dipakai adalah
data kuesioner penelitian “Analisis Kerja Petugas Filing Berdasarkan
Beban Kerja Di Unit Manajemen Informasi Kesehatan Rumah Sakit Y”

Rumusan masalah:
Apakah terdapat pengaruh antara jenis kelamin petugas dengan
kinerja petugas?

Hipotesis:
Ho : Tidak terdapat pengaruh antara jenis kelamin petugas dengan
kinerja petugas
Ha : Terdapat pengaruh antara jenis kelamin petugas dengan
kinerja petugas
UJI REGRESI LOGISTIK
Kriteri Uji:
Jika sig > 0.05, maka Ho ditolak dan Ha diterima.
Jika sig < 0.05, maka Ho diterima Ha ditolak.

Langkah-langkah untuk uji Regresi Logistik dengan menggunakan

SPSS:
• Buka aplikasi SPSS
• Klik File – Open – Data, pilih data yang akan digunakan
• Setelah data muncul, kemudia klik Analyze – Regression –
Binary Logistic.
• Kemudian masukkan variabel Jenis Kelamin ke kotak
dependent dan masukkan variabel kinerja petugas ke kotak
Covariates.
UJI REGRESI LOGISTIK
• Tekan tombol Save lalu centang Probabilities, Group
membership, Unstandardized dan Studentized kemudian klik
Continue.
UJI REGRESI LOGISTIK
• Tekan tombol Options lalu centang Classification plots,
Hosmerlemeshow goodness-of-fit, Casewise listing residuals dan pilih
Outliers outside dan isi dengan angka 2, Correlation of estimates,
Iteration history, CI for exp(B) dan isi dengan 95.Sedangkan nilai
Maximum iteration biarkan tetp 20 dan nilai Classification Cutoff tetap
0.5. Nilai ini disebut dengan the cut value atau prior probability, yaitu
peluang suatu observasi untuk masuk ke dalam salah satu kelompok
sebelum karakteristik variabel penjelasnya diketahui. Apabila kita tidak
mempunyai informasi tambahan tentang data kita, maka bisa langsung
menggunakan nilai default yaitu 0,5. Jika tidak ada penelitian
sebelumnya, dapat digunakan classification cutoff sebesar 0,5. Namun,
jika ada penelitian lain yang telah meneliti maka bisa
dinaikkan/diturunkan classification cutoff sesuai hasil penelitian.
UJI REGRESI LOGISTIK

Kemudian pada jendela utama, klik OK

UJI REGRESI LOGISTIK
• Hasil Output SPSS dan Analisis
Pada regresi logistik yang dianalisis adalah:

Menilai Kelayakan Model Regresi Terlihat dari table bahwa

Tabel Hosmer and Lemeshow Test
nilai sig 0.191 yang artinya
lebih besar dari 0,05.
Step Chi-Square df Sig.
Keputusan: terima Ho
1 6.115 4 0.191 Kesimpulan: Menunjukkan
Pengujian Hosmer Lemeshow model regresi logistic biner
layak dipakai untuk analisis
Ho: Model telah cukup mampu menjelaskan selanjutnya, karena tidak
data/sesuai ada perbedaan yang nyata
H1: Model tidak cukup mampu menjelaskan data antara klasifikasi yang
diprediksi dengan
Tolak Ho jika nilai sig < 0,05 klasifikasi yang diamati.
UJI REGRESI LOGISTIK
Menilai Model Fit

– Rumusan Masalah
Apakah terdapat pengaruh
antara jenis kelamin dengan Nilai Signifikan
kinerja petugas
• Jika Signifikan < 0,05
- Kemungkinan Hipotesis
Tolak Ho
Ho : Variabel Independen
tidak berpengaruh terhadap
• Jika Signifikan ≥ 0,05
Variabel Dependen Terima Ho
H1: Varibel Independen
berpengaruh terhadap
Variabel Dependen
UJI REGRESI LOGISTIK
Varibles in the Equation
95% C.I Exp (B)
Varible B Sig. Exp (B)
Lower Upper
Kinerja Petugas 0.095 0.630 1.100 0.746 1.620
Constant -2.938 0.697 0.053 - -

Analisis Hasil Perhitungan Statistik Dan Persamaan Regresi

Logistik

Nilai signifikan adalah 0.630 (sig > 0,05) maka Ho diterima

yang artinya tidak terdapat pengaruh antara jenis kelamin
terhadap kinerja petugas dengan nilai koefisien pengaruh
sebesar 0.095.
REFERENSI

1. Latief, Khatib A. 2017. Analisis Koefisien Korelasi Rank Spearman. Repository UIN Ar-
Raniryhttps://repository.ar-
raniry.ac.id/id/eprint/480/1/09%20Korelasi%20Rank%20Spearman.pdf
https://www.spssindonesia.com/2017/04/analisis-korelasi-rank-spearman.html
2. Sujarweni, V Wiratna dan Lila Retnani Utami. 2019. The Master Book of SPSS “Pintar Mengolah
Daya Statistik Untuk Segala Keperluan Secara Otodidak”. Yogyakarta: Penerbit Startup
3. Harlan. Johan. 2018. Analisis Regresi Logistik. Penerbit Gunadarma
https://www.google.com/search?q=buku+regresi+logistik+pdf&oq=buku+&aqs=chrome.0.69i5
9l2j69i57j35i39j0j69i60l3.5789j0j7&sourceid=chrome&ie=UTF-8