MODUL PELATIHAN

STATISTIKA UNTUK KEDOKTERAN Dengan Menggunakan SPSS (UJI HIPOTESIS)

Disusun oleh: dr. Swandari Paramita, M.Kes

PROGRAM STUDI KEDOKTERAN UMUM

UNIVERSITAS MULAWARMAN SAMARINDA 2008 CARA SEDERHANA MEMILIH UJI HIPOTESIS Statistik Deskriptif 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 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 INTERVAL 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 adalah STANDAR DEVIASI, VARIANS, KOEFISIEN 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.
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

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: 2 kelompok atau >2 kelompok 4. Pasangan: berpasangan atau tidak berpasangan 5. Syarat uji parametrik dan non parametrik SKALA UKUR 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. 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 pengukuran dalam 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 hubungan menjawab apakah antara dua atau lebih variabel terdapat hubungan atau tidak, sedangkan hipotesis korelasi akan mengukur seberapa besar hubungannya. Agar terminologi yang dipergunakan seragam, maka disepakati bahwa istilah correlation diterjemahkan menjadi korelasi, sedangkan 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 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:

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 TOPIK KHUSUS Nilai p dan Confidence 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.

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 Cecep Donny Endang Farah Gita Harry Indah JENIS KELAMIN Laki-Laki Laki-Laki Laki-Laki 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.

4. 5.

6.

7.

i. Align merupakan pilihan tampilan variabel (rapat kiri, kanan atau tengah). j. 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. 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. Jika sudah selesai simpan data anda dengan klik File pada barisan di sisi atas window, kemudian klik Save as ... 11. Beri nama file anda dengan Latihan_1. LATIHAN 2

MENGUBAH DATA DARI SATU SKALA KE SKALA 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 Latihan_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: 1, selajutnya klik Add, perhatikan perubahan yang terjadi. 11. Isilah kotak Old Value pada Range: 23 through highest. 12. Isilah kotak New Value pada Value: 1, 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 Latihan_2. LATIHAN 3

STATISTIK DESKRIPTIF untuk VARIABEL NOMINAL dan ORDINAL

Anda memperoleh data jenis kelamin mahasiswa sebuah Perguruan Tinggi di Samarinda. Karena skala ukur variabel jenis kelamin adalah nominal, maka anda ingin mengetahui statistik deskriptif untuk sebaran jenis kelamin dalam bentuk tabel dan grafik. 1. Buka file Latihan_3.

2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics, selanjutnya pilih Frequencies..., sehingga akan terbuka window baru. 3. Pilih variabel gender 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 jenis kelamin. a. Output pertama, anda mengetahui bahwa jumlah total subyek sebanyak 25 orang dan tidak ada data yang missing. b. Output kedua, anda mengetahui sebaran jenis kelamin berdasarkan jumlah dan persentase. c. Output ketiga, adalah visualisasi dalam bentuk grafik. LATIHAN 4

STATISTIK DESKRIPTIF untuk VARIABEL INTERVAL dan RASIO

Anda memperoleh data Hospital LOS (Length Of Stay) dari 100 orang pasien dengan patah tulang tungkai bawah di sebuah Rumah Sakit di Samarinda. Karena skala ukur variabel Hospital LOS adalah rasio, maka anda ingin mengetahui statistik deskriptif untuk ukuran penyebaran dan pemusatan angka Hospital LOS serta penyajiannya dalam bentuk histogram. 1. Buka file Latihan_4. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statisctics, selanjutnya pilih Frequencies..., sehingga akan terbuka window baru. 3. Pilih variabel Hospital LOS (los) 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. Pilih pada Distribution untuk Skewness dan Kurtosis. 8. Selanjutnya klik Continue sehingga kembali ke window awal. 9. Klik kotak Charts... sehingga akan terbuka window baru. 10. Pilih Histograms pada Chart Type selanjutnya klik Continue sehingga kembali ke window awal. 11. Klik OK dan lihat hasilnya. 12. Interpretasi hasil: dengan prosedur ini anda mengenali karakteristik variabel Hospital LOS.

10

d. Output pertama: Statistics, anda mengetahui parameter ukuran pemusatan (mean, median dan mode) serta ukuran penyebaran (standard deviation, variance, minimum, maximum, skewness dan kurtosis). e. Output kedua, anda mengetahui sebaran data yang dimiliki dengan histogram. LATIHAN 5

INDEPENDENT T TEST
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui perbedaan lama tinggal di Rumah Sakit (Hospital Length Of Stay [LOS]) berdasarkan ada tidaknya Hipertensi dari 100 orang pasien dengan patah tulang tungkai bawah di sebuah Rumah Sakit di Samarinda. Berdasarkan tabel Uji Hipotesis, maka dipakai Independent T Test. 1. Buka file Latihan_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 Hospital LOS (los) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable(s): 4. Pilih variabel Hypertensive (hypertns) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable: 5. Klik Define Groups ... sehingga akan terbuka window baru. 6. Isi 0 pada Group 1 dan 1 pada Group 2. 7. Selanjutnya klik Continue sehingga kembali ke window awal.

11

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 Levenes Test for Equality of Variances untuk kolom Sig. Terlihat angka 0.022. Karena nilainya < 0.05, maka varians untuk data ini berarti tidak sama, hal ini berarti untuk t test memakai baris yang ke-2 (equal variances not assumed). c. Pada kotak t-test for Equality of Means untuk kolom Sig. (2-tailed) baris ke-2 terlihat angka 0.651. d. Karena nilainya > 0.05 maka diambil kesimpulan tidak terdapat perbedaan LOS (Length of Stay) antara kelompok pasien patah tulang tungkai bawah yang menderita hipertensi dan yang tidak. LATIHAN 6

PAIRED T TEST
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui apakah terdapat perbedaan kadar Trigliserida dalam darah pasien di Poliklinik Penyakit Dalam sebuah Rumah Sakit di Samarinda antara sebelum dan sesudah diberikan diet rendah lemak. Berdasarkan tabel Uji Hipotesis, maka dipakai Paired T Test. 1. Buka file Latihan_6.

12

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 Triglyceride Begin (tg0) dan klik variabel Triglyceride End (tg1) 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 lemah (0.018) dan tidak bermakna (Sig. = 0.911). c. Output ketiga: Paired Samples Test, menunjukkan hasil paired t-test. Untuk kolom Sig. (2-tailed) terlihat angka 0.533. d. Karena nilainya > 0.05 maka diambil kesimpulan tidak terdapat perbedaan kadar Trigliserida pada pasien Poliklinik Penyakit Dalam sebelum dan sesudah menjalani diet rendah lemak selama sebulan. LATIHAN 7

UJI MANN-WHITNEY
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui perbedaan lama tinggal di Rumah Sakit (Hospital Length Of Stay [LOS]) berdasarkan ada tidaknya Hipertensi dari 20 orang pasien dengan patah tulang tungkai bawah di sebuah Rumah Sakit di Samarinda. Berdasarkan

13

tabel Uji Hipotesis, maka dipakai Uji Mann-Whitney, yang termasuk dalam Statistik Non Parametrik. 1. Buka file Latihan_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 Hospital LOS (los) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable List: 4. Pilih variabel Hypertensive (hypertns) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Grouping Variable: 5. Klik Define Groups ... sehingga akan terbuka window baru. 6. Isi 0 pada Group 1 dan 1 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. b. Output kedua: Test Statistics, menunjukkan hasil Uji Mann-Whitney. Pada baris Asymp. Sig. (2-tailed) terlihat angka 0.495. c. Karena nilainya > 0.05 maka diambil kesimpulan tidak terdapat perbedaan LOS (Length of Stay) antara kelompok pasien patah tulang tungkai bawah yang menderita hipertensi dan yang tidak. LATIHAN 8

UJI WILCOXON
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

14

Interval Paired T Test Independent T atau Rasio Test

Anova

Anova

Pearson

Anda ingin mengetahui apakah terdapat perbedaan kadar Trigliserida dalam darah 20 orang pasien di Poliklinik Penyakit Dalam sebuah Rumah Sakit di Samarinda antara sebelum dan sesudah diberikan diet rendah lemak. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Wilcoxon, yang merupakan Statistik Non Parametrik. 1. Buka file Latihan_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 Triglyceride Begin (tg0) dan klik variabel Triglyceride End (tg1) 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 0.097. c. Karena nilainya > 0.05 maka diambil kesimpulan tidak terdapat perbedaan kadar Trigliserida pada pasien Poliklinik Penyakit Dalam sebelum dan sesudah menjalani diet rendah lemak selama sebulan. LATIHAN 9

UJI ANOVA
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

15

Interval Paired T Test Independent T atau Rasio Test

Anova

Anova

Pearson

Anda ingin mengetahui ada tidaknya perbedaan waktu menunggu pasien di 3 Puskesmas di Samarinda, yaitu Sempaja, Bengkuring dan Lempake. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Anova. 1. Buka file Latihan_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 Waktu menunggu dalam menit (waktu) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Dependent List: 4. Klik variabel Puskesmas (pkm) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Factor: 5. Klik kotak Post Hoc ... sehingga terbuka window baru. 6. Pilih LSD pada Equal Variances Assumed dan klik Continue. 7. Klik OK dan lihat hasilnya. 8. Interpretasi hasil: a. Output pertama: ANOVA, menunjukkan hasil uji ANOVA secara keseluruhan, terlihat angka 0.052 pada kolom Sig. Karena nilainya > 0.05 maka diambil kesimpulan tidak ada perbedaan waktu menunggu pasien di ketiga puskesmas. b. Output kedua: Multiple Comparisons, menunjukkan hasil perbandingan antar variabel. Terlihat bahwa antara Sempaja dan Bengkuring Sig. = 0.048 (<0.05 berarti ada perbedaan waktu), antara Sempaja dan Lempake Sig. = 0.033 (<0.05 berarti ada perbedaan waktu), dan antara Bengkuring dan Lempake Sig. = 0.932 (>0.05 berarti tidak ada perbedaan waktu). LATIHAN 10

UJI KRUSKAL-WALLIS
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma

Nominal

Ordinal

16

Wilcoxon

Mann-Whitney

Friedman

Kruskal-Wallis

Spearman

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui ada tidaknya perbedaan waktu menunggu 10 orang pasien di 3 Puskesmas di Samarinda, yaitu Sempaja, Bengkuring dan Lempake. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Kruskal-Wallis, yang merupakan Statistik Non Parametrik. 1. Buka file Latihan_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 Waktu menunggu dalam menit (waktu) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable List: 4. Klik variabel Puskesmas (pkm) 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 2 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. b. Output kedua: Test Statistics, menunjukkan hasil uji Kruskal-Wallis secara keseluruhan, terlihat angka 0.419 pada baris Asymp. Sig. Karena nilainya > 0.05 maka diambil kesimpulan tidak ada perbedaan waktu menunggu pasien di ketiga puskesmas. c. Untuk mengetahui perbandingan antar puskesmas harus dilakukan Uji Mann-Whitney satu-satu seperti pada latihan 7 terdahulu. LATIHAN 11

UJI FRIEDMAN
Skala Ukur Variabel Jenis Hipotesis Hubungan 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan

Korelasi

17

Nominal

McNemar

Chi Square atau Fisher Chi Square atau Fisher Mann-Whitney

Cochran

Ordinal

McNemar Wilcoxon

Cochran Friedman

Contingency Coefficient atau Lambda Chi Square Somersd atau atau Fisher Gamma Kruskal-Wallis Spearman

Chi Square atau Fisher

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui ada tidaknya perbedaan penurunan kadar kolesterol total dalam darah 16 orang pasien antara pengukuran awal, bulan pertama dan bulan kedua setelah diberi ekstrak daun Jati Belanda?. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Friedman, yang merupakan Statistik Non Parametrik. 1. Buka file Latihan_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 Cholesterol begin (chol0) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 4. Klik variabel Cholesterol 1st month (chol1) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 5. Klik variabel Cholesterol 2nd month (chol2) 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 nilainya < 0.05 maka diambil kesimpulan ada perbedaan penurunan kadar kolesterol total dalam darah antara kadar awal, bulan pertama dan bulan kedua setelah diberi ekstrak daun Jati Belanda. c. Untuk mengetahui perbandingan antar kadar awal, kadar bulan pertama dan kadar bulan kedua, harus dilakukan Uji Wilcoxon satusatu seperti pada latihan 8 terdahulu.

18

LATIHAN 12

UJI CHI-SQUARE
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui ada tidaknya hubungan antara ayah yang merokok dengan berat badan bayi waktu lahir. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Chi-Square. 1. Buka file Latihan_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 ayah perokok sedangkan BB bayi waktu lahir menjadi variabel terikat. 4. Klik variabel Ayah Perokok (smoke) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): sebagai variabel bebas. 5. Klik variabel Berat Badan Lahir Bayi (berat) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Column(s): sebagai variabel terikat.

19

Klik Statistics ... sehingga akan terbuka window baru. Pilih Chi-square kemudian klik Continue untuk kembali ke window semula. Klik Cells sehingga akan terbuka window baru. 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. b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Ayah Perokok dan Berat Badan Bayi Lahir. c. Output ketiga: Chi-Square Tests, menunjukkan hasil uji Chi-square, terlihat angka 0.660 pada kolom Asymp. Sig. (2-sided) dan baris Pearson Chi-Square. Karena nilainya > 0.05 maka diambil kesimpulan tidak terdapat hubungan antara ayah yang merokok dengan berat badan bayi waktu lahir. 6. 7. 8. 9. LATIHAN 13

UJI FISHER
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui ada tidaknya hubungan antara ibu yang hipertensi dengan berat badan bayi waktu lahir. Berdasarkan tabel Uji Hipotesis, selain uji ChiSquare, dalam kondisi tertentu digunakan Uji Fisher. 1. Buka file Latihan_13.

20

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 Hipertensi sedangkan Berat Badan Bayi Lahir menjadi variabel terikat. 4. Klik variabel Hipertensi (ht) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): sebagai variabel bebas. 5. Klik variabel Berat Badan Lahir Bayi (berat) 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. b. Output kedua: Crosstabulation, menunjukkan tabel silang antara Hipertensi dan Berat Badan Bayi Lahir. 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 1.67. 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 0.036 pada kolom Exact Sig. (2-sided) dan baris Fishers Exact Test. Karena nilainya < 0.05 maka diambil kesimpulan terdapat hubungan antara ibu yang hipertensi dengan berat badan bayi waktu lahir. LATIHAN 14

UJI McNEMAR
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda

Nominal

21

Ordinal

McNemar Wilcoxon

Chi Square atau Fisher Mann-Whitney

Cochran Friedman

Chi Square atau Fisher Kruskal-Wallis

Somersd atau Gamma Spearman

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui ada tidaknya perbedaan dilakukannya Medical Check Up oleh para dosen di Universitas Mulawarman sebelum dan sesudah dilakukan penyuluhan. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji McNemar. 1. Buka file Latihan_14. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics, selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Sebelum Penyuluhan Check Up (before) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): 4. Klik variabel Sesudah Penyuluhan Check Up (after) 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 Sebelum Penyuluhan Check Up dan Sesudah Penyuluhan Check Up. 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. d. Karena nilainya < 0.05 maka diambil kesimpulan terdapat perbedaan dilakukannya Medical Check Up oleh para dosen di Universitas Mulawarman sebelum dan sesudah dilakukan penyuluhan kepada mereka. LATIHAN 15

UJI COCHRAN
Skala Ukur Jenis Hipotesis Hubungan > 2 Kelompok

2 Kelompok

Korelasi

22

Berpasangan Variabel Nominal McNemar

Ordinal

McNemar Wilcoxon

Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd atau Cochran atau atau Fisher Fisher Gamma Mann-Whitney Friedman Kruskal-Wallis Spearman

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Anda ingin mengetahui ada tidaknya perbedaan hasil Uji Keterampilan melakukan CPR oleh mahasiswa semester I PSKU Universitas Mulawarman antara uji pertama, kedua dan ketiga. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Cochran. 1. Buka file Latihan_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 Uji Keterampilan Pertama (task1) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 4. Klik variabel Uji Keterampilan Kedua (task2) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Test Variable: 5. Klik variabel Uji Keterampilan Ketiga (task3) 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 0.037. Karena < 0.05 berarti terdapat perbedaan hasil Uji Keterampilan melakukan CPR oleh mahasiswa semester I PSKU Universitas Mulawarman antara uji pertama, kedua dan ketiga. c. Untuk mengetahui perbandingan antar uji pertama, uji kedua dan uji ketiga harus dilakukan Uji McNemar satu-satu seperti pada latihan 14 terdahulu.

23

LATIHAN 16

UJI PEARSON
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Sebuah penelitian ingin mengetahui seberapa besar korelasi antara pendapatan sebuah keluarga dengan jumlah premi asuransi kesehatan yang dibayarkan. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Pearson. 1. Buka file Latihan_16. 2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya pilih Bivariates ..., sehingga akan terbuka window baru. 3. Klik variabel Household Income (income) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variables: 4. Klik variabel Health Insurance Premi (insure) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variables:

24

5. 6. 7. 8.

Klik Pearson untuk Correlation Coefficients. Klik Two-tailed untuk Test of Significance. Klik OK dan lihat hasilnya. Interpretasi hasil: a. Dari hasil di atas, diperoleh nilai Sig. (2-tailed) 0.000 yang menunjukkan bahwa korelasi antara Household Income dan Health Insurance Premi adalah bermakna. b. Nilai Pearson Correlation sebesar 0.792 menunjukkan korelasi positif dengan kekuatan korelasi yang kuat. 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.

LATIHAN 17

UJI SPEARMAN
Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Sebuah penelitian ingin mengetahui seberapa besar korelasi antara pendapatan sebuah keluarga dengan jumlah premi asuransi kesehatan yang dibayarkan. Sampel dalam penelitian ini hanya 25 keluarga. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Spearman. 1. Buka file Latihan_17. 2. Klik Analyze pada barisan di sisi atas window, pilih Correlate, selanjutnya pilih Bivariates ..., sehingga akan terbuka window baru. 3. Klik variabel Household Income (income) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Variables:

25

4. Klik variabel Health Insurance Premi (insure) 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) 0.000 yang menunjukkan bahwa korelasi antara Household Income dan Health Insurance Premi adalah bermakna. b. Nilai Pearson Correlation sebesar 0.996 menunjukkan korelasi positif dengan kekuatan korelasi yang sangat kuat.

LATIHAN 18

UJI SOMERS D dan GAMMA

Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

Anova

Anova

Pearson

Interval Paired T Test Independent T atau Rasio Test

Sebuah penelitian ingin mengetahui bagaimana korelasi antara tanggapan konsumen terhadap rasa sirup multivitamin penambah nafsu makan dengan berbagai harga untuk sirup tersebut. Berdasarkan tabel Uji Hipotesis, maka digunakan Uji Somers d dan Gamma. 1. Buka file Latihan_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 (price) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s):

26

4. Klik variabel Rasa Sirup (taste) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Column(s): 5. Klik Statistics ... sehingga akan terbuka window baru. 6. Pilih Gamma dan Somers 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. c. Output ketiga: Directional Measures, menunjukkan hasil uji Somers d. Lihat pada baris Harga Sirup Dependent untuk Approx. Sig. menunjukkan angka 0.002 yang berarti korelasinya bermakna serta untuk Value menunjukkan angka 0.464 yang menunjukkan korelasi positif dengan kekuatan korelasi yang sedang. d. Output keempat: Symmetric Measures, menunjukkan hasil uji Gamma. Lihat untuk Approx. Sig. menunjukkan angka 0.002 yang berarti korelasinya bermakna serta untuk Value menunjukkan angka 0.640 yang menunjukkan korelasi positif dengan kekuatan korelasi yang kuat. e. Uji Somers d digunakan jika salah satu variabel merupakan variabel bebas dan yang satunya variabel terikat. Uji Gamma digunakan jika kedua variabel setara. LATIHAN 19

UJI CONTINGENCY COEFFICIENT dan LAMBDA

Skala Ukur Variabel Jenis Hipotesis Hubungan Korelasi 2 Kelompok > 2 Kelompok Berpasangan Tidak Berpasangan Tidak Berpasangan Berpasangan Chi Square Chi Square Contingency McNemar atau Cochran atau Coefficient Fisher Fisher atau Lambda Chi Square Chi Square Somersd McNemar atau Cochran atau atau Fisher Fisher Gamma Wilcoxon Mann-Whitney Friedman Kruskal-Wallis Spearman

Nominal

Ordinal

27

Interval Paired T Test Independent T atau Rasio Test

Anova

Anova

Pearson

Anda ingin mengetahui seberapa besar korelasi antara iritabilitas uterus dengan berat badan bayi waktu lahir. Berdasarkan tabel Uji Hipotesis, maka dipakai Uji Contigency Coefficient atau Lambda. 1. Buka file Latihan_19. 2. Klik Analyze pada barisan di sisi atas window, pilih Descriptive Statistics, selanjutnya pilih Crosstabs ..., sehingga akan terbuka window baru. 3. Klik variabel Iritabilitas Uterus (iritable) kemudian klik kotak tanda panah sehingga masuk ke dalam kotak Row(s): 4. Klik variabel Berat Badan Lahir Bayi (berat) 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 Iritabilitas Uterus dan Berat Badan Bayi Lahir. c. Output ketiga: Directional Measures, menunjukkan hasil uji Lambda. Lihat pada baris Berat Badan Bayi Lahir Dependent untuk Approx. Sig. menunjukkan angka 0.739 yang berarti korelasinya tidak bermakna (karena > 0.05) serta untuk Value menunjukkan angka 0.067 yang menunjukkan korelasi positif dengan kekuatan korelasi yang sangat lemah. f. Output keempat: Symmetric Measures, menunjukkan hasil uji Contigency Coefficient. Lihat untuk Approx. Sig. menunjukkan angka 0.114 yang berarti korelasinya tidak bermakna (karena > 0.05) serta untuk Value menunjukkan angka 0.229 yang menunjukkan korelasi positif dengan kekuatan korelasi yang lemah. g. Uji Lambda digunakan jika salah satu variabel merupakan variabel bebas dan yang satunya variabel terikat. Uji Contigency Coefficient digunakan jika kedua variabel setara.

-o0o-o0o-o0o-

28

Know your data ! What kind of data you have !

29