Analisis data dengan SPSS

Menggunakan data: berat_bayi_latihan.sav

Analisis data untuk satu per satu variabel (Univariat)
pada variabel Numerik
Langkah awal:
• Identifikasi variabel numerik
• Ciri variabel numerik  datanya berupa angka-angka yang cukup
“besar” dan kita akan mengetahui gambaran dari data tersebut
apakah berdistribusi normal atau tidak, misalnya dengan melihat nilai
tengah (mean, median, modus), simpangan atau dispersi (varian,
standar deviasi), estimasi (95%CI).
• Contoh variabel umur, berat badan bayi baru lahir, pertambahan BB
ibu selama hamil, kadar kolesterol total, tinggi fundus uteri, ukuran
lingkar lengan atas.)
 Mengetahui nilai tengah variabel numerik
• Klik Analyze  Descriptive Statistics  Frequencies muncul kotak dialog, pilih variabel numerik dan klik tanda panah ke kanan
Mengetahui nilai tengah variabel numerik
Mengetahui nilai tengah variabel numerik
 Mengetahui nilai tengah variabel numerik

• Grafik histogram, show normal curve

 Mengetahui nilai tengah variabel numerik

• Hilangkan tanda cek  klik OK

 Mengetahui nilai tengah variabel numerik

• output
 Mengetahui nilai tengah variabel numerik

• output
Mengetahui nilai estimasi interval dari nilai tengah variabel numerik

• Cara “Eplore”  untuk mendapatkan nilai estimasi interval (95%CI) 

lakukan analisis eksplorasi data dengan perintah ‘Explore
• Klik Analyze  Descriptive Statistics  Explore
 Mengetahui nilai tengah variabel numerik
• Isikan kotak ‘Dependent List’ dengan variabel ‘umur ibu saat hamil’, kotak
‘Factor List’ dan ‘Label Cases By’ biarkan kosong
 Mengetahui nilai estimasi interval dari nilai tengah variabel numerik

• Klik tombol ‘Plots’  pilih ‘Normality Plots With Test’  Klik ‘Continue’  OK
Mengetahui nilai estimasi interval dari nilai tengah variabel numerik

• Dari hasil analisis ‘Explore’

terlihat juga nilai mean, median
dan modus (mode).
• Nilai estimasi interval (95%
confidence interval) dari rata-
rata umur ibu saat hamil adalah:
- Nilai batas bawah: 24,21
- Nilai batas atas: 26,25
 Nilai 95% CI menggambarkan
bahwa kita percaya/yakin 95%
bahwa rata-rata umur ibu di
populasi adalah antara 24,21
sampai 26,25 tahun.
Mengetahui nilai estimasi interval dari nilai tengah variabel numerik
• Uji NORMALITAS data  Untuk mengetahui suatu data
berdistribusi normal, ada 3 cara untuk mengetahuinya
yaitu:
1.Dilihat dari grafik histogram dan kurve normal, bila
bentuknya menyerupai bel shape (lonceng), berarti
distribusi normal
2.Menggunakan nilai Skewness dan standar errornya, bila
nilai Skewness dibagi standar errornya menghasilkan
angka ≤ 2, maka distribusinya normal  0,389/0,238 =
1,63  angka ini masih lebih kecil dari 2.
3.Pada tabel “Test of Normality”, lihat pada kolom Uji
kolmogorov smirnov, bila hasil uji signifkan (p value <
0,05) maka distribusi normal (INGAT!!: Uji kolmogorov
sangat sensitif dengan jumlah sampel, maksudnya : untuk
jumlah sampel yang besar uji kolmogorov cenderung
menghasilkan uji yang signifikan (yang artinya bentuk
distribusinya normal)  shg dianjurkan untuk
mengetahui kenormalan data lebih baik menggunakan
angka skewness atau melihat grafik histogram dan kurve
normal
 Penyajian hasil analisis data
ANALISIS UNIVARIAT – variabel numerik
CONTOH:
Tabel 1
Tabel Distribusi Umur Ibu saat Hamil di wilayah Desa X Tahun 2019

Variabel Mean Median SD Minimal-maksimal 95%CI

Usia 25,23 25,00 5,22 18 - 38 24,21 – 26,25
           

Hasil analisis didapatkan rata-rata umur ibu saat hamil adalah 25,23 tahun (95% CI: 24,21 – 26,25),
dengan standar deviasi 5,22 tahun. Umur termuda 18 tahun dan umur tertua 38 tahun. Dari hasil
estimasi interval dapat disimpulkan bahwa 95% diyakini bahwa rata-rata umur ibu saat hamil adalah
diantara 24,21 sampai dengan 26,25 tahun.

Latihan: lakukan analisis dan tuliskan penyajian hasil untuk variabel numerik (univariat)
pada variabel2 numerik yang lain
 Analisis data untuk satu per satu variabel (Univariat)
pada variabel KATAGORIK
LANGKAH AWAL:
• Identifikasi variabel katagorik
• Ciri variabel katagorik  datanya berupa angka-angka yang “kecil” seperti: 0,1,2,3,4,5
angka tersebut bukan merupakan angka yang sebernarnya, hanya menunjukkan kode
untuk setiap katagorinya  tidak perlu dilakukan uji normalitas data.
• Contoh: variabel sosek, didik, rokok, anc, iu, bblr
• INGAT: PERHATIKAN KODE ANGKA nya  SPSS akan menampilkan output sesuai urutan
angka dari yang terkecil sampai terbesar secara berurut  menentukan kode angka
harus sesuai dengan definisi operasional (sebaiknya: kode angka terkecil diberikan untuk
hal yang merupakan interest dari penelitian  apakah interest pada masalah (misalnya:
gangguan/penyakit) atau pada hal2 yang positif misalnya kesembuhan/perbaikan
perilaku) dsb. ( kode angka harus konsisten pada semua variabel katagorik)
 Contoh: analisis univariat pada variabel “sosek”
• Klik “Analyze’  ‘Descriptive Statistic’  pilih ‘Frequencies’,
 Contoh: analisis univariat pada variabel “sosek”
• Sorot variabel ‘sosek’  Klik tanda panah dan masukkan ke kotak “Variable (s)”
• Pilih variabel sosek dengan katagori yang kode angkanya sudah disesuaikan 
jika telah dilakukan perubahan (transform) dengan kode yang baru (recode)
 Contoh: analisis univariat pada variabel “sosek”
• Klik “Chart” jika ingin menampilkan grafik  variabel sosek memiliki 3 katagori, bisa
pilih bar chart atau pie chart (jika hanya 2 katagori biasanya tidak perlu menampilkan
grafik)  tergantung kebutuhan
• Klik OK

Tanda ceklis tetap muncul

pada ‘Display Frequencies
Table’
 Contoh: analisis univariat pada variabel “sosek”
• Output
• Kolom ‘Frequency’ menunjukkan jumlah responden pada setiap katagori.
• Pada contoh ini total responden 103 orang dan tidak ada (nol) data missing
• Dari jumlah tersebut 34 ibu yang berstatus sosek sedang, proporsi dapat dilihat pada kolom ‘Percent’, yaitu
33% ibu yang berstatus sosek sedang. Kolom ‘Valid Percent’ memberi hasil yang sama karena pada data ini
tidak ada ’missing cases’. ‘Cumulative Percent’ menjelaskan tentang persent kumulatif yaitu 38,8 % ibu yang
tingkat soseknya rendah dan sedang.
• Untuk menjelaskan (interpretasi) tabel katagorik paerhatikan variasi nilai (atau %) dan konsentrasi
(dominasi) datanya.
 Penyajian hasil analisis data
ANALISIS UNIVARIAT – variabel
CONTOH:
katagorik
Tabel 2
Tabel Distribusi Frekuensi ibu berdasarkan status sosial ekonomi di wilayah Desa X Tahun 2019

Katagori Sosek Frekuensi (n) Persentase (%)

Rendah 6 5,8
Sedang 34 33
Tinggi 63 61,2
Jumlah 103 100

Berdasarkan distribusi tabel tersebut menunjukkan bahwa distribusi frekuensi status sosial ekonomi
ibu sangat bervariasi. Paling banyak responden memiliki status sosial ekonomi tinggi yaitu 61,2% (63
orang).

Latihan: lakukan analisis dan tuliskan penyajian hasil untuk variabel katagorik (univariat)
pada variabel2 katagorik yang lain