MODUL MODUL PELATIHAN PEL ATIHAN UJI HIPOTESIS dengan SPSS 16.0 Disusun oleh: dr. Swandari Paramita Revisi Revisi Kedua
FAKULTAS FAK ULTAS KEDOKTERAN UNIVERSITAS MULAWARMAN SAMARINDA 2012
CARA SEDERHANA MEMILIH UJI HIPOTESIS Statistik Statistik Deskrip tif atau Analitik ? Dalam sebuah penelitian, sebelum anda melakukan pengumpulan data, anda harus membuat sebuah proposal penelitian. Pada proposal penelitian, terdapat bagian analisis data yang menggambarkan apa yang anda rencanakan pada data yang akan anda miliki. Analisis data biasanya dibagi menjadi 2 bagian, yaitu analisis secara deskriptif dan analitik. Dengan demikian, ada 2 pemahaman utama yang harus anda miliki, yaitu tentang statistik deskriptif dan statistik analitik. Statistik deskriptif akan membawa anda pada pemahaman tentang karakteristik data yang anda miliki. Statistik deskriptif ini harus selalu mendahului statistik analitik. Statistik analitik akan membawa Anda mengambil kesimpulan terhadap hipotesis Anda. Dengan demikian ada dua topik utama dalam modul ini, yaitu: 1. Pembahasan tentang karakteristik data yang anda miliki (STATISTIK DESKRIPTIF) 2. Pembahasan tentang penentuan uji hipotesis yang sesuai dengan data yang anda miliki (STATISTIK ANALITIK) Statistik Deskriptif Statistik deskriptif berusaha menggambarkan berbagai karakteristik data. Tergantung dari skala ukur yang dimiliki oleh data anda, apakah nominal, ordinal, interval atau rasio. 1. Variabel Variabel NOMINAL atau ORDINAL Berkaitan dengan gambaran karakteristik data dengan skala ukur nominal atau ordinal, dikenal istilah FREKUENSI tiap kategori (n) dan PERSENTASE tiap kategori (%) yang umumnya disajikan dalam bentuk tabel dan grafik. 2. Variabel Variabel INTERVAL INTERVA L atau RASIO Berkaitan dengan gambaran karakteristik data dengan skala ukur interval atau rasio, dikenal istilah UKURAN PEMUSATAN dan UKURAN PENYEBARAN. Beberapa parameter untuk ukuran pemusatan adalah MEAN, MEDIAN dan MODUS. Beberapa parameter untuk ukuran penyebaran penyebaran adalah STANDAR DEVIASI, VARIANS, KOEFISIEN KOEF ISIEN VARIANS, INTERKUARTIL, RANGE dan MINIMUM MAKSIMUM. Data variabel dengan skala pengukuran numerik umumnya disajika dalam bentuk tabel dan grafik (histogram). Statistik Analitik Statistik analitik berkaitan dengan uji hipotesis. Uji hipotesis yang sesuai akan membawa kita pada pengambilan kesimpulan yang benar. Tabel berikut ini adalah tabel uji hipotesis untuk statistik analitik. Dengan berpedoman pada tabel tersebut sebenarnya anda sudah dapat menentukan uji hipotesis yang sesuai dengan data yang anda miliki.
1
CARA SEDERHANA MEMILIH UJI HIPOTESIS Statistik Statistik Deskrip tif atau Analitik ? Dalam sebuah penelitian, sebelum anda melakukan pengumpulan data, anda harus membuat sebuah proposal penelitian. Pada proposal penelitian, terdapat bagian analisis data yang menggambarkan apa yang anda rencanakan pada data yang akan anda miliki. Analisis data biasanya dibagi menjadi 2 bagian, yaitu analisis secara deskriptif dan analitik. Dengan demikian, ada 2 pemahaman utama yang harus anda miliki, yaitu tentang statistik deskriptif dan statistik analitik. Statistik deskriptif akan membawa anda pada pemahaman tentang karakteristik data yang anda miliki. Statistik deskriptif ini harus selalu mendahului statistik analitik. Statistik analitik akan membawa Anda mengambil kesimpulan terhadap hipotesis Anda. Dengan demikian ada dua topik utama dalam modul ini, yaitu: 1. Pembahasan tentang karakteristik data yang anda miliki (STATISTIK DESKRIPTIF) 2. Pembahasan tentang penentuan uji hipotesis yang sesuai dengan data yang anda miliki (STATISTIK ANALITIK) Statistik Deskriptif Statistik deskriptif berusaha menggambarkan berbagai karakteristik data. Tergantung dari skala ukur yang dimiliki oleh data anda, apakah nominal, ordinal, interval atau rasio. 1. Variabel Variabel NOMINAL atau ORDINAL Berkaitan dengan gambaran karakteristik data dengan skala ukur nominal atau ordinal, dikenal istilah FREKUENSI tiap kategori (n) dan PERSENTASE tiap kategori (%) yang umumnya disajikan dalam bentuk tabel dan grafik. 2. Variabel Variabel INTERVAL INTERVA L atau RASIO Berkaitan dengan gambaran karakteristik data dengan skala ukur interval atau rasio, dikenal istilah UKURAN PEMUSATAN dan UKURAN PENYEBARAN. Beberapa parameter untuk ukuran pemusatan adalah MEAN, MEDIAN dan MODUS. Beberapa parameter untuk ukuran penyebaran penyebaran adalah STANDAR DEVIASI, VARIANS, KOEFISIEN KOEF ISIEN VARIANS, INTERKUARTIL, RANGE dan MINIMUM MAKSIMUM. Data variabel dengan skala pengukuran numerik umumnya disajika dalam bentuk tabel dan grafik (histogram). Statistik Analitik Statistik analitik berkaitan dengan uji hipotesis. Uji hipotesis yang sesuai akan membawa kita pada pengambilan kesimpulan yang benar. Tabel berikut ini adalah tabel uji hipotesis untuk statistik analitik. Dengan berpedoman pada tabel tersebut sebenarnya anda sudah dapat menentukan uji hipotesis yang sesuai dengan data yang anda miliki.
1
Skala Ukur Variabel
Nominal
Ordinal
Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelom Kelom pok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somers’d McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman
Interval Paired T Test Independent T atau Rasio Test
Anova
Anova
Pearson
Keterangan: Semua uji hipotesis pada baris Interval atau Rasio adalah uji parametrik. Tanda panah dan uji hipotesis tepat diatasnya menunjukkan uji non parametrik jika syarat uji parametrik tidak terpenuhi Langkah-langkah penggunaan tabel uji hipotesis adalah sebagai berikut: 1. Tentukan skala ukur variabel 2. Tentukan jenis hipotesis 3. Tentukan jumlah kelompok 4. Tentukan apakah berpasangan atau tidak berpasangan 5. Tentukan persyaratan uji parametrik atau non parametrik Dengan demikian, anda dapat menentukan uji hipotesis dengan berpedoman pada tabel Uji Hipotesis dengan syarat anda harus memahami beberapa istilah berikut: 1. Skala ukur variabel: nominal, ordinal, interval dan rasio 2. Jenis hipotesis: hubungan atau korelasi 3. Jumlah kelompok: kelompok: 2 kelompok atau >2 kelompok 4. Pasangan: berpasangan atau tidak berpasangan 5. Syarat uji parametrik dan non parametrik SKALA UKUR VARIABEL VARIABEL Nominal dan Ordinal Variabel nominal dan variabel ordinal disebut sebagai variabel kategorikal karena variabel tersebut mempunyai kategori variabel. ”Jenis Kelamin” adalah variabel, sedangkan ”Pria” dan ”Wanita” adalah kategori variabelnya. ”Klasifikasi Kadar Kolesterol” adalah variabel, sedangkan ”Baik”, ”Sedang” dan ”Buruk” adalah kategori variabelnya.
2
Berdasarkan kategori inilah anda dapat membedakan variabel nominal dan variabel ordinal. Variabel nominal mempunyai kategori yang ”sederajat” atau ”tidak bertingkat” (contoh: variabel jenis kelamin dengan kategori pria dan wanita), sedangkan variabel ordinal mempunyai kategori yang ”tidak sederajat” atau ”bertingkat” (contoh: variabel kolesterol dengan kategori kadar kolesterol baik, sedang dan buruk). Interval dan Rasio Variabel interval dan rasio disebut sebagai variabel numerik karena variabel tersebut memberikan informasi peringkat lengkap. Anda dapat membedakan variabel interval dan rasio berdasarkan nilai nolnya. Apabila variabel tersebut mempunyai nilai nol alami (seperti tinggi badan, berat badan, jarak) maka anda menyebutnya sebagai variabel berskala ukur rasio. Apabila variabel tersebut tidak mempunyai nilai nol alami (seperti suhu) maka anda menyebutnya sebagai variabel berskala ukur interval. Skala penguk uran dalam SPSS SPSS Program SPSS hanya mengenal tiga skala pengkuran variabel, yaitu Scale, Ordinal dan Nominal. Program SPSS tidak membedakan variabel interval dan rasio. Dalam SPSS, variabel interval dan rasio disebut sebagai variabel Scale. JENIS HIPOTESIS HIPOTESIS Hipotesis hubungan menjawab apakah antara dua atau lebih variabel terdapat hubungan atau tidak, sedangkan hipotesis korelasi akan mengukur seberapa besar hubungannya. Agar terminologi terminologi yang dipergunakan dipergunakan seragam, maka disepakati bahwa istilah correlation correlation diterjemahkan menjadi korelasi, sedangkan association association diterjemahkan menjadi hubungan. JUMLAH KELOMPOK dan PASANGAN Dua atau lebih kelompok data dikatakan berpasangan apabila data berasal dari subyek yang sama atau subyek yang berbeda yang telah dilakukan matching. Dua atau lebih kelompok data dikatakan tidak berpasangan apabila data berasal dari subyek yang berbeda tanpa prosedur matching. UJI PARAMETRIK dan NON PARAMETRIK PARAMETRIK Uji Parametrik Untuk uji parametrik, terdapat 3 syarat yang perlu diperhatikan yaitu skala ukur variabel, sebaran data dan varians data: 1. Skala ukur variabel: harus interval atau rasio 2. Sebaran data: harus normal 3. Varians data:
3
a. Tidak menjadi syarat untuk uji kelompok yang berpasangan b. Menjadi syarat tidak mutlak untuk uji 2 kelompok yang tidak berpasangan c. Menjadi syarat mutlak untuk uji >2 kelompok yang tidak berpasangan Uji Non Parametrik Uji non parametrik digunakan dalam keadaan sebagai berikut: 1. Jika skala ukur variabel nominal atau ordinal 2. Jika skala ukur variabel interval atau rasio namun tidak memenuhi syarat uji parametrik di atas: a. Uji non parametrik untuk paired t test adalah Wilcoxon test b. Uji non paramterik untuk independent t test adalah Mann-Whitney test c. Uji non parametrik untuk anova berpasangan adalah Friedman test d. Uji non parametrik untuk anova tidak berpasangan adalah KruskalWallis test 3. Biasanya jumlah sampel untuk uji non parametrik adalah < 30. Namun jika memiliki jumlah sampel < 30 tetapi memiliki distribusi normal, maka tetap harus dilakukan uji parametrik. TOPIK KHUSUS Nilai p dan Confi dence Interval Anda dapat menggunakan 2 cara dalam menarik kesimpulan pada uji hipotesis yaitu dengan menghitung nilai p dan menghitung nilai confidence interval. Sehingga perlu diketahui juga mengenai Ho (hipotesis nol) dan Ha (hipotesis alternatif). Hipotesis adalah pernyataan sebagai jawaban sementara atas pertanyaan penelitian yang harus dijawab secara empiris. Ho (hipotesis nol) adalah hipotesis yang menunjukkan TIDAK ADA perbedaan antar kelompok atau TIDAK ADA hubungan antara variabel atau TIDAK ADA korelasi antar variabel. Ha (hipotesis alternatif) adalah hipotesis kebalikan dari hipotesis nol, yang akan disimpulkan bila hipotesis nol ditolak. Nilai p menunjukkan besarnya kemungkinan hasil yang diperoleh karena faktor peluang bila hipotesis nol benar. Confidence interval menunjukkan taksiran rentang nilai pada populasi yang dihitung dengan nilai yang diperoleh pada sampel. Bila pada uji hipotesis ditemukan nilai p<0,05 (artinya bermakna secara statistik) maka pada perhitungan confidence interval nilai 0 tidak akan tercakup di dalam nilai intervalnya (artinya bermakna secara statistik). SPSS akan secara otomatis menghitung nilai p untuk semua uji hipotesis.
4
LATIHAN 1
MEMASUKKAN DATA Anda memperoleh data sebagai berikut dan ingin memasukkannya kedalam program SPSS. No 1. 2. 3. 4. 5. 6. 7. 8. 9.
NAMA Ali Budi Cinta Donny Endang Farah Gita Harry Indah
JENIS KELAMIN Laki-Laki Laki-Laki Perempuan Laki-Laki Perempuan Perempuan Perempuan Laki-Laki Perempuan
NILAI Baik Sedang Buruk Buruk Baik Baik Sedang Sedang Baik
UMUR 23 22 18 21 23 17 16 19 25
1. Buka program SPSS yang telah diinstall pada komputer anda. 2. Perhatikan window-nya, pada sudut kiri bawah terdapat sub-window Data View dan Variable View. 3. Buka Variable View, sehingga akan terlihat sederetan kolom yang bertuliskan Name, Type, Width, Decimals, Label, Values, Missing, Columns, Align dan Measure. a. Name adalah kata yang mewakili nama variabel. Biasanya diisi dengan kata yang mudah diingat yang berkaitan dengan nama variabelnya, misalnya “sex” untuk variabel jenis kelamin responden. Maksimal 8 karakter dan tidak boleh ada spasi. b. Type adalah tipe data yang dimasukkan. Pilihan yang paling umum adalah numeric (karena semua proses uji dalam SPSS bisa dilakukan dalam bentuk numeric) dan string (jika yang dimasukkan adalah huruf/kata/kalimat). c. Width jumlah digit data yang akan dimasukkan. d. Decimals jumlah digit di belakang titik. e. Label adalah penjelasan rinci dari kolom Name. Misalnya, dalam kolom Name diisi dengan ”sex”, maka pada kolom Label diisi dengan ”jenis kelamin”. f. Values adalah kode yang anda berikan jika variabel merupakan variabel nominal atau ordinal. Misalnya kode 1 untuk kategori ”perempuan”, kode 2 untuk kategori ”laki-laki”. g. Missing menjelaskan ada tidaknya missing values. h. Columns adalah lebar kolom. i. Align merupakan pilihan tampilan variabel (rapat kiri, kanan atau tengah).
5
j.
4. 5.
6.
7.
Measure adalah skala ukur variabel (nominal, ordinal, scale). Dalam program SPSS, variabel interval dan rasio disebut sebagai variabel scale. Pada tabel di atas, anda diminta untuk memasukkan 4 variabel, yaitu nama (string), jenis kelamin (nominal), nilai (ordinal) dan umur (numerik). Untuk variabel nama: a. Name isi dengan mengetik ”nama”. b. Type isi dengan mengaktifkan pilihan string. c. Width isi dengan 15 (untuk keseragaman). Pemilihan lebar kolom tergantung dari berapa karakter nama terpanjang. d. Decimals tidak aktif. e. Label isi dengan ”Nama Responden”. f. Values tidak diisi. g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah. Untuk variabel jenis kelamin: a. Name isi dengan mengetik ”sex”. b. Type isi dengan mengaktifkan pilihan numeric. c. Width isi dengan 15 (untuk keseragaman). d. Decimals pilih 0. e. Label isi dengan ”Jenis Kelamin Responden”. f. Values klik sisi kanan kolom sehingga muncul window baru. Ketik ”1” pada kotak Value. Ketik ”Perempuan” pada kotak Value Label. Klik Add. Ketik ”2” pada kotak Value. Ketik ”Laki-laki” pada kotak Value Label. Klik Add. Proses telah selesai, klik OK. g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah. Untuk variabel nilai: a. Name isi dengan mengetik ”nilai”. b. Type isi dengan mengaktifkan pilihan numeric. c. Width isi dengan 15 (untuk keseragaman). d. Decimals pilih 0. e. Label isi dengan ”Nilai Responden”. f. Values klik sisi kanan kolom sehingga muncul window baru. Ketik ”1” pada kotak Value. Ketik ”Buruk” pada kotak Value Label. Klik Add.
6
Ketik ”2” pada kotak Value. Ketik ”Sedang” pada kotak Value Label. Klik Add. Ketik ”3” pada kotak Value. Ketik ”Baik” pada kotak Value Label. Klik Add. Proses telah selesai, klik OK. g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah. 8. Untuk variabel umur: a. Name isi dengan mengetik ”umur”. b. Type isi dengan mengaktifkan pilihan numeric. c. Width isi dengan 15 (untuk keseragaman). d. Decimals pilih 0. e. Label isi dengan ”Umur Responden”. f. Values tidak diisi (karena variabel umur tidak memiliki kategori). g. Missing tidak aktif. h. Columns isi dengan 15 (untuk keseragaman). i. Align tidak diubah. j. Measure tidak diubah. 9. Aktifkan Data View, klik View pada barisan di sisi atas window, kemudian klik Value Lables, selanjutnya perhatikan perubahan apa saja yang terjadi pada Data View. 10. Masukkan isi tabel yang ada di halaman 6 sebelum ini ke dalam Data View . 11. Jika sudah selesai simpan data anda dengan klik File pada barisan di sisi atas window, kemudian klik Save as ... 12. Beri nama file anda dengan Lat_1.
7
LATIHAN 2
MENGUBAH DATA DARI SATU SKALA KE SKAL A LAIN Dari data yang telah diperoleh pada latihan 1, anda ingin mengkategorikan umur responden menjadi 3 kelompok, yaitu responden yang berumur <20 tahun, 20-22 tahun dan >22 tahun (dalam hal ini berarti anda mengubah variabel numerik menjadi variabel ordinal). 1. Buka file Lat_1 dan aktifkan Data View. 2. Klik Transform pada barisan di sisi atas window, klik Recode, klik Into Different Variables... sehingga akan terbuka sebuah window baru. 3. Klik variabel umur yang terlihat di kotak paling kiri, kemudian klik kotak dengan tanda panah sehingga variabel umur akan masuk ke dalam kotak Input Variable -> Output Variable. 4. Selanjutnya pada kotak paling kanan terlihat Output Variable dan Name:, isikan ke dalamnya ”umur_1” dan klik Change, perhatikan perubahan yang terjadi. 5. Isikan ke dalam kotak Label: ”Umur Responden Ordinal”. 6. Klik kotak Old and New Values… sehingga akan terbuka window baru. 7. Isilah kotak Old Value pada Range: lowest through 19. 8. Isilah kotak New Value pada Value: 1, selajutnya klik Add, perhatikan perubahan yang terjadi. 9. Isilah kotak Old Value pada Range: 20 through 22. 10. Isilah kotak New Value pada Value: 2, selajutnya klik Add, perhatikan perubahan yang terjadi. 11. Isilah kotak Old Value pada Range: 23 through highest. 12. Isilah kotak New Value pada Value: 3, selajutnya klik Add, perhatikan perubahan yang terjadi. 13. Logikanya adalah semua data <20 tahun diubah menjadi kode 1, semua data 20-22 tahun diubah menjadi kode 2 dan semua data >22 tahun diubah menjadi kode 3. 14. Proses telah selesai, klik kotak Continue sehingga kembali ke window sebelumnya. 15. Klik OK dan lihat hasilnya. 16. Selanjutnya lakukan pengisian Values pada Variable View seperti yang telah dilakukan pada Latihan 1. 17. Jika sudah selesai simpan data anda dengan klik File pada barisan di sisi atas window, kemudian klik Save as ... 18. Beri nama file anda dengan Lat_2.
8
LATIHAN 3
STATISTIK DESKRIPTIF untuk VARIABEL NOMINAL dan ORDINAL Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data status Menopause pada pasien tersebut. Karena skala ukur variabel Menopause adalah nominal, maka anda ingin mengetahui statistik deskriptif untuk sebaran Menopause dalam bentuk tabel dan grafik. 1. Buka file Lat_3. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics, selanjutnya pilih Frequencies..., sehingga akan terbuka window baru. 3. Pilih variabel Menopause (mnpause) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variable(s): 4. Klik kotak Charts... sehingga akan terbuka window baru. 5. Pilih Bar charts pada Chart Type dan pilih Percentages pada Chart Values selanjutnya klik Continue sehingga kembali ke window awal. 6. Klik OK dan lihat hasilnya. 7. Interpretasi hasil: dengan prosedur ini anda mengenali karakteristik variabel Menopause. a. Output pertama, anda mengetahui bahwa jumlah total subyek sebanyak 100 orang dan tidak ada data yang missing. b. Output kedua, anda mengetahui sebaran Menopause berdasarkan jumlah dan persentase. c. Output ketiga, adalah visualisasi dalam bentuk grafik.
9
Frequencies
10
LATIHAN 4
STATISTIK DESKRIPTIF untuk VARIABEL INTERVAL dan RASIO Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data jumlah Paritas dari pasien tersebut. Karena skala ukur variabel Paritas adalah rasio, maka anda ingin mengetahui statistik deskriptif untuk ukuran penyebaran dan pemusatan angka Paritas serta penyajiannya dalam bentuk histogram. 1. Buka file Lat_4. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics, selanjutnya pilih Frequencies..., sehingga akan terbuka window baru. 3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variable(s): 4. Klik kotak Statistics ... sehingga akan terbuka window baru. 5. Pilih pada Dispersion untuk Std. Deviation dan Variance. 6. Pilih pada Central Tendency untuk Mean, Median dan Mode. 7. Selanjutnya klik Continue sehingga kembali ke window awal. 8. Klik kotak Charts... sehingga akan terbuka window baru. 9. Pilih Histograms pada Chart Type selanjutnya klik Continue sehingga kembali ke window awal. 10. Klik OK dan lihat hasilnya. 11. Interpretasi hasil: dengan prosedur ini anda mengenali karakteristik variabel Paritas. d. Output pertama: Statistics, anda mengetahui parameter ukuran pemusatan (mean, median dan mode) serta ukuran penyebaran (standard deviation, variance). e. Output kedua, anda mengetahui sebaran data yang dimiliki dengan histogram.
Frequencies
11
12
LATIHAN 4A
UJI NORMALITAS KOLMOGOROV-SMIRNOV dan SHAPIRO-WILK Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda memperoleh data jumlah Paritas dari pasien tersebut. Karena skala ukur variabel Paritas adalah rasio, maka anda ingin apakah sebaran data mempunyai sebaran normal atau tidak secara analitik. Uji Kolmogorov-Smirnov dipergunakan untuk sampel yang besar, sedangkan Uji Shapiro-Wilk untuk sampel yang kecil. 1. Buka file Lat_4. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics, selanjutnya pilih Explore..., sehingga akan terbuka window baru. 3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Dependent List: 4. Klik kotak Plots ... sehingga akan terbuka window baru. 5. Pilih pada Boxplots untuk None. 6. Kosongkan pada Descriptive. 7. Pilih Normality plots with tests. 8. Selanjutnya klik Continue sehingga kembali ke window awal. 9. Klik OK dan lihat hasilnya. 10. Interpretasi hasil: dengan prosedur ini anda menilai sebaran data variabel Paritas secara analitik. a. Output pertama: Case Processing Summary, menunjukkan ada tidaknya data yang missing. b. Output kedua, Tests of Normality, diperoleh nilai p = 0.000 pada Kolmogorov-Smirnov dan p = 0.001 pada Shapiro-Wilk. Karena nilai p < 0.05, maka anda mengambil kesimpulan bahwa ”paritas tidak berdistribusi secara normal”.
13
Explore
14
LATIHAN 5
INDEPENDENT T TEST Skala Ukur Variabel
Nominal
Ordinal
Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelom pok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somers’d McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman
Interval Paired T Test Independent T atau Rasio Test
Anova
Anova
Pearson
Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui perbedaan jumlah paritas berdasarkan status penyakit Kanker Serviks pasien. Berdasarkan tabel Uji Hipotesis, maka dipakai Independent T Test. 1. Buka file Lat_5. 2. Klik Analyze pada barisan di sisi atas window, pilih Compare Means, selanjutnya pilih Independent-Samples T Tests..., sehingga akan terbuka window baru. 3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable(s): 4. Pilih variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable: 5. Klik Define Groups ... sehingga akan terbuka window baru. 6. Isi “1“ pada Group 1 dan “2“ pada Group 2. 7. Selanjutnya klik Continue sehingga kembali ke window awal. 8. Klik OK dan lihat hasilnya. 9. Interpretasi hasil: a. Output pertama: Group Statistics, anda mengetahui parameter ukuran pemusatan (mean) serta ukuran penyebaran (standard deviation). b. Output kedua: pada kotak Levene’s Test for Equality of Variances untuk kolom Sig. Terlihat angka 0.943. Karena nilainya > 0.05, maka
15
varians untuk data ini berarti adalah sama, hal ini berarti untuk t test memakai baris yang ke-1 (equal variances assumed). c. Pada kotak t-test for Equality Variances Assumed untuk kolom Sig. (2-tailed) terlihat angka 0.022. d. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan signifikan jumlah paritas antara kelompok pasien Kanker Serviks dengan yang tidak”. Karena hasil dari tabel pertama menunjukkan Mean untuk kelompok Kasus adalah 3.40 dan untuk kelompok Kontrol adalah 2.55, maka dapat dinyatakan bahwa rerata jumlah paritas pada kelompok pasien Kanker Serviks lebih tinggi daripada kelompok kontrol.
T-Test
Keterangan: untuk tabel “Independent Samples Test” dilakukan “transpose rows and columns” agar muat untuk ditampilkan dalam modul pelatihan
16
LATIHAN 6
PAIRED T TEST Skala Ukur Variabel
Nominal
Ordinal
Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelom pok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somers’d McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman
Interval Paired T Test Independent T atau Rasio Test
Anova
Anova
Pearson
Sebuah penelitian dilakukan terhadap 50 pasien BPH (Benign Prostat Hyperplasia) di Poliklinik Bedah Urologi RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui apakah terdapat perbedaan kadar Hemoglobin dalam darah sebelum dan sesudah dilakukan operasi TURP. Berdasarkan tabel Uji Hipotesis, maka dipakai Paired T Test. 1. Buka file Lat_6. 2. Klik Analyze pada barisan di sisi atas window, pilih Compare Means, selanjutnya pilih Paired-Samples T Tests..., sehingga akan terbuka window baru. 3. Klik variabel Kadar Hb Preoperasi (hbpre) dan klik variabel Kadar Hb Postoperasi (hbpost) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Paired Variables: 4. Selanjutnya klik Continue sehingga kembali ke window awal. 5. Klik OK dan lihat hasilnya. 6. Interpretasi hasil: a. Output pertama: Paires Samples Statistics, menggambarkan deskripsi masing-masing variabel. b. Output kedua: Paired Samples Correlation, menunjukkan korelasi antara dua variabel. Tampak korelasi sangat kuat (0.860) dan bermakna (Sig. = 0.000). c. Output ketiga: Paired Samples Test, menunjukkan hasil paired t-test. Untuk kolom Sig. (2-tailed) terlihat angka 0.000.
17
d. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan signifikan kadar Hemoglobin dalam darah pada pasien BPH sebelum dan sesudah menjalani operasi TURP”. Karena hasil dari tabel pertama menunjukkan Mean untuk kelompok Preoperasi adalah 14.400 dan untuk kelompok Postoperasi adalah 13.076, maka dapat dinyatakan bahwa rerata kadar Hemoglobin pasien BPH sebelum operasi lebih tinggi daripada sesudah operasi.
T-Test
Keterangan: untuk tabel “Paired Samples Test” dilakukan “transpose rows and columns” agar muat untuk ditampilkan dalam modul pelatihan
18
LATIHAN 7
UJI MANN-WHITNEY
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui perbedaan jumlah paritas berdasarkan status penyakit Kanker Serviks pasien. Rencananya dalam penelitian ini akan dipakai statistik non parametrik , karena distribusinya yang tidak normal ditambah jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Mann-Whitney. 1. Buka file Lat_7. 2. Klik Analyze pada barisan di sisi atas window, pilih Nonparametric Tests, selanjutnya pilih 2 Independent Samples ..., sehingga akan terbuka window baru. 3. Pilih variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable List: 4. Pilih variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable: 5. Klik Define Groups ... sehingga akan terbuka window baru. 6. Isi “1“ pada Group 1 dan “2“ pada Group 2. 7. Selanjutnya klik Continue sehingga kembali ke window awal. 8. Klik Test Type untuk Mann-Whitney U. 9. Klik OK dan lihat hasilnya. 10. Interpretasi hasil: a. Output pertama: Ranks, menggambarkan ranking masing-masing variabel.
19
b. Output kedua: Test Statistics, menunjukkan hasil Uji Mann-Whitney. Pada baris Asymp. Sig. (2-tailed) terlihat angka 0.313. c. Karena nilainya > 0.05 maka diambil kesimpulan “tidak terdapat perbedaan jumlah paritas antara kelompok pasien Kanker Serviks dengan yang tidak”.
NPar Tests Mann-Whitney Test
20
LATIHAN 8
UJI WILCOXON
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 50 pasien BPH (Benign Prostat Hyperplasia) di Poliklinik Bedah Urologi RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui apakah terdapat perbedaan kadar Hemoglobin dalam darah sebelum dan sesudah dilakukan operasi TURP. Rencananya dalam penelitian ini akan digunakan statistik non parametrik karena distribusinya yang tidak normal serta jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Wilcoxon. 1. Buka file Lat_8. 2. Klik Analyze pada barisan di sisi atas window, pilih Nonparametric Tests, selanjutnya pilih 2 Related Samples ..., sehingga akan terbuka window baru. 3. Klik variabel Kadar Hb Preoperasi (hbpre) dan klik variabel Kadar Hb Postoperasi (hbpost) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Pair(s) List: 4. Klik Wilcoxon untuk Test Type. 5. Klik OK dan lihat hasilnya. 6. Interpretasi hasil: a. Output pertama: Ranks, menggambarkan ranking masing-masing variabel. b. Output kedua: Test Statistics, menunjukkan hasil Uji Wilcoxon. Pada baris Asymp. Sig. (2-tailed) terlihat angka 0.000. c. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan signifikan kadar Hemoglobin dalam darah pada pasien BPH sebelum dan sesudah menjalani operasi TURP”.
21
NPar Tests Wilc oxo n Signed Ranks Test
22
LATIHAN 9
UJI ANOVA Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
Skala Ukur Variabel
Nominal
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 100 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya perbedaan jumlah paritas antara kelompok pasien yang menggunakan kontrasepsi hormonal (lebih atau sama dengan 5 tahun, kurang dari 5 tahun dan tidak menggunakan). Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Anova. 1. Buka file Lat_9. 2. Klik Analyze pada barisan di sisi atas window, pilih Compare Means, selanjutnya pilih One-Way ANOVA ..., sehingga akan terbuka window baru 3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Dependent List: 4. Klik variabel Lama Kontrasepsi Hormonal (lmhorm) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Factor: 5. Klik OK dan lihat hasilnya. 6. Interpretasi hasil: Output pertama: ANOVA, menunjukkan hasil uji ANOVA secara keseluruhan, terlihat angka 0.260 pada kolom Sig. Karena nilainya > 0.05 maka diambil kesimpulan “ tidak ada perbedaan jumlah paritas antara kelompok pengguna kontrasepsi hormonal (lebih dari 5 tahun, kurang dari 5 tahun dan tidak menggunakan kontrasepsi hormonal)”.
23
Oneway
24
LATIHAN 10
UJI KRUSKAL-WALLIS Skala Ukur Variabel
Nominal
Ordinal
Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelom pok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somers’d McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman
Interval Paired T Test Independent T atau Rasio Test
Anova
Anova
Pearson
Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya perbedaan jumlah paritas antara kelompok pasien yang menggunakan kontrasepsi hormonal (tidak menggunakan, kurang dari 5 tahun dan lebih dari 5 tahun). Rencananya akan dipakai statistik non parametrik karena sampelnya tidak memiliki distribusi normal serta jumlahnya yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Kruskal-Wallis. 1. Buka file Lat_10. 2. Klik Analyze pada barisan di sisi atas window, pilih Non Parametric Tests, selanjutnya pilih K Independent Samples ..., sehingga akan terbuka window baru. 3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable List: 4. Klik variabel Lama Kontrasepsi Hormonal (lmhorm) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable: 5. Klik Define Range ... sehingga terbuka window baru. 6. Pada Range for Grouping Variable, isi Minimum dengan „1“ dan Maximum dengan „3“ kemudian klik Continue. 7. Klik untuk Test Type pada Kruskal-Wallis H. 8. Klik OK dan lihat hasilnya. 9. Interpretasi hasil: a. Output pertama: Ranks, menunjukkan ranking untuk masing-masing variabel.
25
b. Output kedua: Test Statistics, menunjukkan hasil uji Kruskal-Wallis secara keseluruhan, terlihat angka 0.797 pada baris Asymp. Sig. Karena nilainya > 0.05 maka diambil kesimpulan ”tidak ada perbedaan jumlah paritas antara kelompok pengguna kontrasepsi hormonal (lebih atau sama dengan 5 tahun, kurang dari 5 tahun dan tidak menggunakan)”.
NPar Tests Krusk al-Walli s Test
26
LATIHAN 11
UJI FRIEDMAN
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 20 ekor mencit. Anda ingin mengetahui ada tidaknya perbedaan penurunan berat badan mencit antara pengukuran bulan pertama, bulan kedua dan bulan ketiga setelah diberi pakan ikan asin yang mengandung formalin. Rencananya akan dipakai statistik non parametrik karena sampelnya memiliki distribusi yang tidak normal serta besar sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Friedman. 1. Buka file Lat_11. 2. Klik Analyze pada barisan di sisi atas window, pilih Non Parametric Tests, selanjutnya pilih K Related Samples ..., sehingga akan terbuka window baru. 3. Klik variabel Bulan Pertama (bulan1) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 4. Klik variabel Bulan Kedua (bulan2) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 5. Klik variabel Bulan Ketiga (bulan3) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 6. Klik untuk Test Type pada Friedman. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Output pertama: Ranks, menunjukkan ranking untuk masing-masing variabel. b. Output kedua: Test Statistics, menunjukkan hasil uji Friedman secara keseluruhan, terlihat angka 0.000 pada baris Asymp. Sig. Karena
27
nilainya < 0.05 maka diambil kesimpulan “ada perbedaan penurunan berat badan mencit antara pemeriksaan bulan pertama, bulan kedua dan bulan ketiga setelah diberi pakan ikan asin yang mengandung formalin”.
NPar Tests Friedman Test
28
LATIHAN 12
UJI CHI-SQUARE
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya hubungan antara jumlah paritas dengan terjadinya Kanker Serviks. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Chi-Square. Penelitian ini menggunakan desain penelitian Case Control Study, sehingga juga diminta menghitung nilai OR (Odds Ratio). 1. Buka file Lat_12. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics, selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Pada data ini yang menjadi variabel bebas adalah paritas sedangkan Kanker Serviks menjadi variabel terikat. 4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): sebagai variabel bebas. 5. Klik variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Column(s): sebagai variabel terikat. 6. Klik Statistics ... sehingga akan terbuka window baru. 7. Pilih Chi-square kemudian klik Continue untuk kembali ke window semula. 8. Klik Cells … sehingga akan terbuka window baru. 9. Pilih Observed dan Expected pada Counts kemudian klik Continue untuk kembali ke window semula. 10. Klik OK dan lihat hasilnya. 11. Interpretasi hasil:
29
a. Output pertama: Case Processing Summary, menunjukkan ada tidaknya data yang missing. b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Paritas dan Kanker Serviks. c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square, terlihat angka 0.042 pada kolom Asymp. Sig. (2-sided) dan baris Pearson Chi-Square. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat hubungan antara paritas lebih dari 5 anak dengan terjadinya Kanker Serviks”. d. Output keempat: Risk Estimate, menunjukkan hasil perhitungan Odds Ratio (OR) untuk desain penelitian Case Control Study. Terlihat value = 2.591 dengan lower = 1.016 dan upper = 6.610. Hasil dinyatakan bermakna jika angka lower dan upper semuanya berada diatas angka 1. Penulisan hasil ini adalah OR = 2.591 (95% CI = 1.016-6.610). Maksud dari angka ini adalah perempuan dengan paritas lebih dari 5 anak berisiko 2.591 kali untuk terkena Kanker Serviks. e. Jika desain penelitian ini adalah Cohort atau Cross Sectional, akan menunjukkan hasil perhitungan RR (Relative Risk) untuk Cohort atau PR (Prevalence Ratio) untuk Cross Sectional (ingat bahwa rumus keduanya adalah sama). Terlihat Terlihat value = 1.509 dengan lower = 1.062 dan upper = 2.146. Hasil dinyatakan bermakna jika angka lower dan upper semuanya berada diatas angka 1. Penulisan hasil ini adalah RR atau RP (tergantung desain penelitiannya) = 1.509 (95% CI = 1.062-2.146).
30
Crosstabs
31
LATIHAN 13
UJI FISHER
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 30 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya hubungan antara menopause dengan ekspresi gen CYP1A1. Berdasarkan tabel Uji Hipotesis, selain uji Chi-Square, dalam kondisi tertentu digunakan Uji Fisher. 1. Buka file Lat_13. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics, selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Pada data ini yang menjadi variabel bebas adalah Menopause sedangkan Ekspresi Gen CYP1A1 menjadi variabel terikat. 4. Klik variabel Menopause (mnpause) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): sebagai variabel bebas. 5. Klik variabel Ekspresi Gen CYP1A1 (cyp1a1) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Column(s): sebagai variabel terikat. 6. Klik Statistics ... sehingga akan terbuka window baru. 7. Pilih Chi-square kemudian klik Continue untuk kembali ke window semula. 8. Klik Cells … sehingga akan terbuka window baru. 9. Pilih Observed dan Expected pada Counts kemudian klik Continue untuk kembali ke window semula. 10. Klik OK dan lihat hasilnya. 11. Interpretasi hasil: a. Output pertama: Case Processing Summary, menunjukkan ada tidaknya data yang missing.
32
b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Menopause dan Ekspresi Gen CYP1A1. c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square. Lihat pada keterangan paling bawah “ b2 cells (50.0%) have expected count less than 5. The minimum expected count is 2.57.” d. Jika terdapat paling tidak satu sel yang memiliki expected count kurang dari 5, maka tidak dapat dilakukan Uji Chi-Square, sehingga harus dilakukan Uji Fisher. e. Terlihat angka 0.004 pada kolom Exact Sig. (2-sided) dan baris Fisher’s Exact Test. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat hubungan antara ekspresi gen CYP1A1 yang positif dengan status yang telah menopause”.
33
Crosstabs
34
LATIHAN 14
UJI McNEMAR
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 100 orang pasien di Puskesmas Palaran Samarinda. Anda ingin mengetahui ada tidaknya perbedaan tingkat pengetahuan mereka tentang PHBS (Perilaku Hidup Bersih dan Sehat) sebelum dan sesudah dilakukan penyuluhan berbasis multimedia. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji McNemar. 1. Buka file Lat_14. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics, selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Pretest (premm) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): 4. Klik variabel Posttest (postmm) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Column(s): 5. Klik Statistics ... sehingga akan terbuka window baru. 6. Pilih McNemar kemudian klik Continue untuk kembali ke window semula. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Output pertama: Case Processing Summary, menunjukkan ada tidaknya data yang missing. b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Pretest dan Posttest. c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square. Lihat pada baris McNemar Test dan kolom Exact Sig. (2-sided) menunjukkan angka 0.014.
35
d. Karena nilainya < 0.05 maka diambil kesimpulan “terdapat perbedaan tingkat pengetahuan pasien di Puskesmas Palaran sebelum dan sesudah dilakukan penyuluhan berbasis multimedia kepada mereka”.
Crosstabs
36
LATIHAN 15
UJI COCHRAN
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 20 orang peserta Pelatihan RJP (Resusitasi Jantung Paru). Anda ingin mengetahui ada tidaknya perbedaan hasil uji keterampilan antara tes pertama, kedua dan ketiga. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Cochran. 1. Buka file Lat_15. 2. Klik Analyze pada barisan di sisi atas window, pilih Nonparametric Tests, selanjutnya pilih K Related Samples ..., sehingga akan terbuka window baru. 3. Klik variabel Tes Pertama (test1) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 4. Klik variabel Tes Kedua (test2) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 5. Klik variabel Tes Ketiga (test3) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 6. Klik Cochran Q untuk Test Type. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Output pertama: Frequencies, menunjukkan frekuensi untuk masingmasing variabel. b. Output kedua: Test Statistics, menunjukkan hasil Uji Cochran. Terlihat pada baris Asymp. Sig. menunjukkan angka 0.008. Karena < 0.05 berarti terdapat perbedaan hasil uji keterampilan melakukan RJP oleh para peserta pelatihan tes pertama, kedua dan ketiga.
37
NPar Tests Cochran
38
LATIHAN 16
UJI PEARSON
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya korelasi antara usia pertama kali menikah dengan jumlah paritas. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Pearson. 1. Buka file Lat_16. 2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya pilih Bivariates ..., sehingga akan terbuka window baru. 3. Klik variabel Usia Pertama Kali Menikah (umrnkh) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variables: 4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variables: 5. Klik Pearson untuk Correlation Coefficients. 6. Klik Two-tailed untuk Test of Significance. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Dari hasil di atas, diperoleh nilai Sig. (2-tailed) 0.000 yang menunjukkan bahwa korelasi antara Usia Pertama Kali Menikah dan Paritas adalah bermakna. b. Nilai Pearson Correlation sebesar -0.363 menunjukkan kekuatan korelasi yang lemah serta adanya korelasi yang negatif. Hal ini menunjukkan korelasi yang berbanding terbalik, artinya makin rendah usia pertama kali menikah maka makin tinggi paritasnya.
39
c. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 – 0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.
Correlations
40
LATIHAN 17
UJI SPEARMAN
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 20 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui ada tidaknya korelasi antara usia pertama kali menikah dengan jumlah paritas. Rencananya akan dipakai statistik non parametrik karena tidak mengikuti distribusi normal serta jumlah sampel yang kecil. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Spearman. 1. Buka file Lat_17. 2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya pilih Bivariates ..., sehingga akan terbuka window baru. 3. Klik variabel Usia Pertama Kali Menikah (umrnkh) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variables: 4. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variables: 5. Klik Spearman untuk Correlation Coefficients. 6. Klik Two-tailed untuk Test of Significance. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Dari hasil di atas, diperoleh nilai Sig. (2-tailed) 0.163 yang menunjukkan bahwa korelasi antara Usia Pertama Kali Menikah dan Paritas adalah tidak bermakna. b. Nilai Spearman’s Rho Correlation sebesar -0.324 menunjukkan korelasi negatif dengan kekuatan korelasi yang lemah.
41
c. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 – 0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.
Nonparametric Correlations
42
LATIHAN 18
UJI SOMER’S D dan GAMMA
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 100 responden ibu rumah tangga untuk mengetahui bagaimana korelasi antara tanggapan terhadap rasa sirup multivitamin dengan tingkatan harga jual untuk sirup tersebut. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Somer’s d dan Gamma. Uji Somer’s d digunakan jika salah satu variabel merupakan variabel bebas dan yang satunya variabel terikat. Uji Gamma digunakan jika kedua variabel setara. 1. Buka file Lat_18. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics, selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Harga Sirup (harga) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): 4. Klik variabel Rasa Sirup (rasa) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Column(s): 5. Klik Statistics ... sehingga akan terbuka window baru. 6. Pilih Gamma dan Somer’s d untuk Ordinal kemudian klik Continue untuk kembali ke window semula. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Output pertama: Case Processing Summary, menunjukkan ada tidaknya data yang missing. b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Harga Sirup dan Rasa Sirup.
43
c. Output ketiga: Directional Measures, menunjukkan hasil uji Somer’s d. Lihat pada baris Harga Sirup Dependent untuk Approx. Sig. menunjukkan angka 0.004 yang berarti korelasinya bermakna serta untuk Value menunjukkan angka -0.431 yang menunjukkan korelasi negatif dengan kekuatan korelasi yang sedang. d. Output keempat: Symmetric Measures, menunjukkan hasil uji Gamma. Lihat untuk Approx. Sig. menunjukkan angka 0.004 yang berarti korelasinya bermakna serta untuk Value menunjukkan angka -0.608 yang menunjukkan korelasi negatif dengan kekuatan korelasi yang kuat. e. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 – 0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.
44
Crosstabs
45
LATIHAN 19
UJI CONTINGENCY COEFFICIENT dan LAMBDA
Skala Ukur Variabel
Nominal
Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelom pok Tidak Tidak Berpasangan Berpasangan Berpasangan Berpasangan
McNemar
Cochran
Contingency Coefficient atau Lambda Chi Square Somers’d atau atau Fisher Gamma Kruskal-Wallis Spearman Chi Square atau Fisher
Wilcoxon
Chi Square atau Fisher Mann-Whitney
Friedman
Anova
Anova
Pearson
McNemar Ordinal
Chi Square atau Fisher
Korelasi
Interval Independent T Paired T Test atau Rasio Test
Cochran
Sebuah penelitian dilakukan terhadap 116 pasien di Poliklinik Kebidanan dan Kandungan RSUD A.W. Sjahranie Samarinda. Anda ingin mengetahui seberapa besar korelasi antara jumlah paritas dengan terjadinya Kanker Serviks. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Contigency Coefficient atau Lambda. Uji Lambda digunakan jika salah satu variabel merupakan variabel bebas dan yang satunya variabel terikat. Uji Contigency Coefficient digunakan jika kedua variabel setara. 1. Buka file Lat_19. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics, selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Paritas (paritas) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): 4. Klik variabel Kanker Serviks (kelompok) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Column(s): 5. Klik Statistics ... sehingga akan terbuka window baru. 6. Pilih Contigency Coefficient dan Lambda untuk Nominal kemudian klik Continue untuk kembali ke window semula. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Output pertama: Case Processing Summary, menunjukkan ada tidaknya data yang missing. b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Paritas dan Kanker Serviks.
46
c. Output ketiga: Directional Measures, menunjukkan hasil uji Lambda. Lihat pada baris Kanker Serviks Dependent untuk Approx. Sig. menunjukkan angka 0.344 yang berarti korelasinya tidak bermakna (karena > 0.05) serta untuk Value menunjukkan angka 0.155 yang menunjukkan korelasi positif dengan kekuatan korelasi yang lemah. f. Output keempat: Symmetric Measures, menunjukkan hasil uji Contigency Coefficient. Lihat untuk Approx. Sig. menunjukkan angka 0.042 yang berarti korelasinya bermakna (karena < 0.05) serta untuk Value menunjukkan angka 0.185 yang menunjukkan korelasi positif dengan kekuatan korelasi yang lemah. g. Keterangan: Kekuatan korelasi untuk 0.00 – 0.19 adalah sangat lemah, 0.20 – 0.39 adalah lemah, 0.40 – 0.59 adalah sedang, 0.60 – 0.79 adalah kuat dan 0.80 – 1.00 adalah sangat kuat.
47