Sederhana
Ns. Ashar Prima
Ingin membuat rumus BMI :
1. Click Transform compute variable input
data
2. Melihat persentase
Click analyses click deskriptive frekuensi
Memilih 20 dr 30 sampel
Click data select casesrandom sample of
casessampleexactly continue
Colom : variabel outcome/dependent/terikat
Row : faktor resiko/v. Independent/bebas
Membuat variable view baru. E.g : BMI
BMI.kategortikal.
Click TRANSFORM record into different
variable masukkan variable BMIOUTput
variable change old and new value old
value range lowest(input value) new
value add (lakukan untuk semua
kategori)continue
Parametrik,
1. Populasi normal
2. Variansi sama ato tidak
3. Data rasio atau interval
Non parametrik
Data nomila atau ordinal
Uji normaltas
Analysisdeskriptive statisticexploremasukkan
data (v. Independent (faktor list), v. Dept (dependent
list) plot (normality plot with tets) ok.
Cara baca:
Nilai p value 0,014.< dari 0,05 artinya obat
baru lebih efektif dari obat standart
Uji dependent t test/paired sample t
test
Click analysis compare mean paired
sample t test input variableok
Hasil :
Liat tabel paired t test: hasil di sign.
Jika nilai p value lebih kecil dari 0,05 makan Ho
di tolak, Ha diterima.
Uji wilcoxon ( non parametrik)
Click analysis nonparametrik related
samples input kedua variable ke test
fields ok
Hasil.
Liat nilai tabel. Interpretasi sama di paired.
Uji hipotesis lebih dari dua mean
Syarat haarus i ndependet. Contoh beda
efektifitas obat A,B,C
Data harus berdistribusi normal
Varians data harus homogen/sama
Uji one way anova ( mean > 2
populasi)
Uji normalitas.
Click analysisdeskriptis statistic explorer.
uji anova
Analysis compare meanone way anova input data( depent list: kec.
Reaksi, faktor list: jenis obat options homogenity of varians
testcontinue post hoc LSD continue ok,
Interpretasi :
1. Untuk menilai data berdistribusi normal atau tidak lakukan uji
normalitas, jika nilai p value lebih besar artinya populasi berdistribusi
normal
2. Selanjutnya liat nilai tabel varians ( Homogenity of varians test). Jika p
valuenya lebih besar dari 0,05 artinya homogen.
3. Selanjutnya uji anova, liat nilai p value jika lebih kecil dari 0,05 artinya
ada beda diantara populasi.
4. Jika ingin melihat yang mana yang ada beda diantara varibel. Liat di
POST HOC. Liat nilai p value yang lebih kecil dari 0,05. atau yang ada
bintang kecil.
Kruskasl wallis ( Non Parametrik)
Click analysis nonparametrik legacy dialog
k independent samples input data( test
variable; kec. Rx, group variable; jenis obat)
define range continue √ kruskal wallis
ok
Interpretasi : liat nilai p value (asymp. Sign)
nya . Jika lebih kecil dari 0,05 artinhya ada
beda...
REPEATED MEASUREMENT ANOVA UNTUK UJI
ANALISIS LEBIH DARI 2 BERPASANGAN.
CONTOH. TEKANAN DARAH MINGGU 0, 1,2,3,
Dst..
CHI SQUARE TEST (PROSPECTIVE
STUDY DESAIN/KOHORT?
EX. KARYAWAN YANG BEKERJA DI BAWAH TEKANAN DENGAN KEJADIAN PJK.
PENGAMATAN DI LAKUKAN KE DEPAN (FUTURE)
(resiko relatif)
Analysisdeskriptif statistikcrostabstatistik√ Risk continue ok
Tujuan, :
- Mencari pola hubungan/persamaan
- Akan mampu meramalkan ( contoh meramalkna BB)
Peramaan linear
Y = a + bx
a dan b adalah koefisien regresi
a = constanta
REGRESI LINEAR
SYARAT REGRESI, DATA D PLOT DLU,
Click Graph legacy dialogscatter
dotsimple scatterdefineinput data( Y,
dependent, X independet) OK
Setelah tampak ada linear, bru dilakukan
regresi linear sederhana.
Click AnalysisRegressionlinearInput Data
(v.dependent, v independ)statistic
( estimate, deskriptive,model fitsave
(unstandartdizes) ok
interpretasi
1. Tabel Model Summary
Liat di Nilai R Square menunjukkan ukuran
kekuatan hubungan linear antara variable X dan
Y.
R Square(Koef. determinasi) 0≤Rsquare≤ 1 (100%)
Makin besar Nilai ‘R’ , makin besar hubungan
Caranya:
Click analysis Regression Linear Input
data ( dependent, independent) ok.
Regresi Logistik ganda
1. Bedanya dengan regresi Linear adalah terletak pada
varible Y (dependent) yang dikur dengan skala
nominal.
Nama regresinya : Binary Logistik Regression.
Variabel X bisa dlam skala
nominal/ordinal/rasio/interval.
2. Regresi logistik membantu meramalkan dalam
bentuk peluang
Dalam koding : 1 = yang buruk, 0= yang baik
Persamaannya (ada d Power Point)
3. Membantu meramalkan variabel X yang
berkontribusi besar dalam memberikan peluang Y
Click Analysis regression Binary Logistic
Input data ( Jika ada variable X yang Kategorikal
maka click Categorical input data
kategorikal √ firts/last cange Continue
Option √ CI exp.B continue Ok.
Interpretasi :
Perhatikan tabel Variable in the Equation. Liat
nilai Exp. (B) OR
e.G = Resiko Ibu Yang Blaack akan melahirkan
bayi bblr 3 x lipat dibandingkan white setelah
memperhaikan variabel umur, BB, dll