ANALISIS DATA PENELITIAN Petunjuk Praktis Bagi …

ANALISIS DATA PENELITIAN

Petunjuk Praktis Bagi Mahasiswa

Kesehatan Menggunakan SPSS

Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSSii

ANALISIS DATA PENELITIAN Petunjuk Praktis Bagi Mahasiswa Kesehatan Menggunakan SPSS Tim Penulis: 1. Ns. Suyanto, M.Kep., Sp.Kep.MB

Departemen Keperawatan Medikal Bedah FIK, UNISSULA 2. Ns. Ahmad Ikhlasul Amal, MAN

Departemen Keperawatan Medikal Bedah FIK, UNISSULA 3. Ns. Moh. Arifin Noor, M.Kep

Departemen Keperawatan Medikal Bedah FIK, UNISSULA 4. Ns. Indra Tri Astutik, M.Kep., Sp.Kep.An

Departemen Keperawatan Anak FIK, UNISSULA Desain sampul dan tata letak: Dwi Riyadi Hartono Hak cipta dilindungi Undang-undang All rights reserved Cetakan Pertama: Agustus 2018 Penerbit: UNISSULA PRESS Universitas Islam Sultan Agung Jl. Raya Kaligawe KM.4 Semarang (50112) Jawa Tengah, Indonesia Telp. (024)6583584 Fax. (024)6582455 ISBN.: 978-602-1145-76-0 Isi di luar tanggung jawab penerbit.

Universitas Islam Sultan Agung Semarang iii

SAMBUTAN

Assalamualaikum Warohmatullaahi Wabarokaatuh,

Alhamdulillah, puji syukur senantiasa kita panjatkan

kehadirat Allah SWT, atas limpahan rahmat, kurnia dan ridho -

Nya sehingga Buku Analisis Data Penelitian ini dapat

diterbitkan.

Buku ajar ini sangat penting bagi mahasiswa Fakultas

Ilmu Keperawatan Unissula pada khususnya dan bagi

mahasiswa kesehatan pada umumnya serta para dosen sebagai

panduan dalam melaksanakan kegiatan pembelajaran . Buku ajar

ini berisi kumpulan materi dengan topik terpilih yang

disesuaikan dengan kurikulum yang sedang dilalui mahasiswa.

Saya menyambut baik dengan diterbitkannya Buku

Analisis Data Penelitian ini. Semoga buku ini dapat menjadi

panduan yang baik dalam kegiatan belajar mengajar serta

memberikan manfaat yang lebih bagi seluruh civitas akademika.

Wassalaamu’alaikum Warahmatullaahi Wabarokaatuh

Semarang, Juli 2018

Dekan Fakultas Ilmu

KeperawatanUNISSULA

Iwan Ardian, SKM., M.Kep.

Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSSiv

v

KATA PENGANTAR

Alhamdulillah, puji syukur kehadirat Allah SWT yang

telah melimpahkan rahmat dan karunia -Nya sehingga Buku

Panduan Analisis Data Penelitian dapat terselesaikan dengan

baik. Buku ini merupakan kumpulan materi dengan

mempertimbangkan pokok bahasan khususnya dalam

menunjang penyelesaian tugas akhir mahasiswa kesehatan .

Proses penyusunan buku ini melibatkan peran serta dan

dukungan dari para staf dan konsulen. Oleh karena itu kami

menyampaikan terima kasih sedalam -dalamnya kepada para

konsulen, tim penyusun, d an semua pihak yang terlibat.

Kami sadar buku ini masih jauh dari sempurna. Kami

mengharapkan saran dan masukan yang membangun guna

perbaikan buku ini di kemudian hari. Akhirnya, semoga buku ini

dapat memberi sumbangan bagi pelayanan kesehatan, khususnya

di Indonesia.

Semarang, Juli 2018

Ns. Suyanto, M.Kep.Sp.Kep.MB

Ns. Ahmad Ikhlasul Amal, MAN

Ns. Moh. Arifin Noor, M.Kep

Ns. Indra Tri Astutik, M.Kep.,Sp.Kep.An

Universitas Islam Sultan Agung Semarang

Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSSvi

PERSEMBAHAN

. ĵ ╫ĵ ╜■╜ ╫Ă▓╜ ♫śŉℓś▓ĽĂ╙╫Ă■ ╫ś♫ĂŕĂ ╫ś▄ĵ Ăŉ┼Ăọ Civitas Akademika Fakultas Ilmu Keperawatan UNISSULA

vii

UCAPAN TERIMA KASIH

Dengan mengucapkan Alhamdulillah, penulis berterima kasih

kepada Allah SWT yang telah memberikan nikmat iman, Islam,

dan kesehatan kepada penulis sehingga mampu menyelesaikan

buku ini.

Ucapan terima kasih berikutnya kami sampaikan kepada

keluarga yang telah memberikan support yang luar biasa. Terima

kasih pula kepada kepada Dekan, dosen , konsulen, juga

mahasiswa Fakultas Ilmu Keperawatan UNISSULA yang selalu

memberi motivasi untuk menyusun buku ini.


Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSSviii

ixUniversitas Islam Sultan Agung Semarang

DAFTAR ISI

{! a . ÜÇ! b ......................................................................................................... III

Y! Ç! t 9b D! b Ç! w ............................................................................................ V

t 9w{9a . ! I ! b .................................................................................................. VI

Ü/ ! t ! b Ç9wLa ! Y! {LI ................................................................................ VII

5 ! CÇ! w L{L .......................................................................................................... IX

. ! . L || Pengantar SPSS ......................................................................................... 1

. ! . LL || Pengkategorian Data Numerik ............................................................... 19

. ! . LLL || Uji Normalitas Dan Homogenitas Data ................................................ 23

. ! . Lë || Uji Validitas Dan Reliabilitas ............................................................... 33

. ! . ë || Uji Uni Variate / Deskriptif .................................................................... 39

. ! . ë L || Uji Korelatif Data Kategorik ................................................................ 49

. ! . ë LL || Uji Bivariat Korelatif Data Numerik .................................................. 59

. ! . ë LLL || Uji Komparatif Data Numerik ........................................................... 69

. ! . Ló || Uji Bivariat Komparatif Data Kategori................................................. 73

. ! . ó || Uji Parametrik (Uji Beda 2 Mean Berpasangan) Data Numerik ............ 81

. ! . ó L || Uji Parametrik (Uji Beda 2 Mean Tidak Berpasangan) Data Numerik 88

. ! . ó LL || TOPIK : Uji Non Parametrik (Uji Beda 2 Mean Berpasangan) Data Kategorik................................................................................................................ 97

. ! . ó LLL �� Uji Non Parametrik (Uji Beda 2 Mean Tidak Berpasangan) Data Kategorik.............................................................................................................. 105

Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSSx

1

BAB I || PENGANTAR SPSS

Suyanto

Sasaran Belajar: Setelah dilaksanakan praktikum , mahasiswa mampu:

a. Menggetahui tampilan SPSS

b. Menjelaskan komponen SPSS

c. Memasukkan data di program SPSS

d. Mengedit data pada program SPSS

Tinjauan Teori:

Hal yang perlu dilakukan dalam proses memasukkan atau entry

data antara lain:

1. Check data masing-masing variabel

2. Buat variabel view

3. Buat data view

a. Check data masing-masing

Saat akan mengentry data, operator harus

mengecheck kelengkapan data serta jenis data. Hal

ini akan sangat berpengaruh dalam penyusunan

variabel view di tahap berikutnya.

b. Variabel view


Petunjuk Praktis bagi Mahasiswa Kesehatan Menggunakan SPSS2

Setelah operator membuka software SPSS pada

laptop/notebook/PC maka tampilan diatas yang akan

muncul saat mengklik variabel view. Yang perlu

dilakukan adalah mengisi kolom name, type, width,

decimals, label dan values.

a. Name

Diisikan nama variabel sesuai dengan nama

variabel data penelitian. Diusahakan pemberian

nama tidak terlalu panjang.

b. Type

Akan muncul pilihan-pilihan berupa:

1. String untuk data berbentuk huruf

2. Numerik untuk data berbentuk angka

3. Date untuk data berbentuk tanggal

c. Widht

Digunakan untuk memilih jumlah huruf maksimal saat memasukkan Name. Width dipilih angka 8.

3Universitas Islam Sultan Agung Semarang

d. Decimals

Pada data-data numerik yang terdapat angka

dibelakang koma seperti nilai ureum, creatinin

maka dapat dipilih angka 2 pada kolom decimals,

artinya maksimal 2 angka dibelakang koma yang

bisa dimasukkan. Akan tetapi jika data numerik

yang dimasukkan tidak ada angka dibelakang

koma, maka pada kolom decimals dapat diisi 0.

e. Label

Merupakan penjelasan dari kolom name. Hal ini

agar mempermudah operator dalam memasukkan

data yang sesuai dengan nama variabelnya. Tidak

ada batasan huruf, akan tetapi diusahakan

pemilihan kata yang padat dan jelas.

f. Values

Kolom ini diisi hanya jika data yang akan

dimasukkan berupa data kategorik (nominal

dan atau ordinal) . Pengisian nilai pada kolom

values sangat tergantung dari coding yang telah

dipersiapkan oleh peneliti. Adapun cara mengisi

pada kolom values ini adalah sebagai berikut :

Klik baris values -> isi angka coding ->

klik Label (penjelasan dari angka) ->

klik Add ->

klik OK


Pengisian values tergantung jumlah

pengkategoriannya. Setelah semua varibel dibuat

variabel view, maka langkah selanjutnya adalah

memasukkan data sesuai dengan nama variabel view

dengan mengklik data view

c. Data view

Tampilan di atas adalah tampilan yang akan muncul

saat operator SPSS mengklik data view. Setelah

muncul tampilan tersebut, tahap selanjutnya yang

dilakukan operator adalah memasukkan data yang

berasal dari data hasil penelitian dan disesuaikan

dengan nama variabel yang akan muncul secara

otomatis pada baris paling atas. Cara memasukkan

data bisa manual artinya satu persatu data

langsung dimasukkan pada program SPSS. Atau

bisa dilakukan copy dan paste pada file excel.

Hal yang perlu diperhatikan saat memasukkan data

penelitian adalah

5

1. Proses pengisian data dilakukan secara

menyamping bukan kebawah.

2. Check antara jumlah responden penelitian

dengan jumlah responden yang ada pada program

SPSS

Berikut ini adalah prosedur yang dapat dilakukan

dalam mengedit data

1. Jika kita ingin menghapus isi sel data

a. Arahkan kursor pada sel yang akan

dihapus

b. Klik kanan

c. Klik clear

Atau

a. Klik sel yang akan dihapus

b. Tekan delete



2. Jika ingin menghapus kolom data

a. Arahkan kursor pada nama variabel yang

akan dihapus

b. Klik nama variabel

c. Klik kanan

d. Clear

Atau

a. Klik nama variabel

b. Delete

7

3. Jika ingin menghapus baris

a. Arahkan krusor pada baris yang akan

dihapus

b. Klik kanan

c. Clear

Atau

a. Klik nomer responden yang akan

dihapus

b. Delete

4. Jika ingin mencopy sel

a. Arahkan kursor ke isi sel yang akan

dicopy

b. Klik kanan

c. Copy

d. Pindahkan ke sel yang akan dituju

e. Klik kanan

f. Paste



Atau

a. Arahkan krusor ke isi sel yang

akan di copy

b. Tekan control+C

c. Pindahkan ke sel yang akan

dituju

d. Tekan control+V

5. Jika ingin mengcopy kolom data

a. Klik nama variabel yang akan dicopy

b. Klik kanan

c. Copy

d. Arahkan ke heading (nama variabel)

yang masih kosong

e. Klik kanan

f. Paste

9

Atau

a. Klik nama variabel yang akan dicopy

b. Tekan control+C

c. Arahkan ke heading yang baru

d. Tekan control+V

6. Jika ingin mengcopy baris data

a. Klik data yang akan dicopy pada sisi

paling kiri

b. Klik kanan

c. Copy

d. Arahkan pada baris yang dituju

e. Klik kanan

f. Paste

Atau

a. Klik data yang akan dicopy pada sisi

paling kiri

b. Tekan control+C



c.

Arahkan pada baris yang dituju

d.

Tekan control+V

7. Jika ingin menyisipkan kolom

a. Arahkan kursor pada kolom yang

akan disisipi

b. Klik kolom tersebut

c.

Klik kanan

d.

Pilih Insert variabel

11

8. Jika ingin menyisipkan baris

a.

Arahkan kursor pada baris yang akan

disispi

b. Klik baris tersebut

c.

Klik kanan

d. Pilih insert case



9. Jika ingin mengelompokkan data numerik ke

kategorik.

Saat kita ingin mengkategorikan data

numerik (contoh berat badan) menjadi

kategori underweight (< 50,9 kg), normal

(50-60,9 kg), dan overweight (≥ 61). Maka

hal yang perlu dilakukan adalah

a. Klik transform

b. Klik recode different variable

c. Klik BB kemudian akan masuk ke kotak

input dan output variabel

d. Ketik BB1 pada kotak output variabel

e. Klik change

13

f. Klik old and new values

g. Klik Lowest

h. Ketik data numerik yang akan

dikategorikan

i. Ketik value sesuai coding kategorinya

j. Klik Add

k. Ketik data numerik pada kotak range

l. Ketik value sesuai coding kategorinya

m. Klik Add

n. Ketik data numerik pada kotak highest

o. Ketik value sesuai coding kategorinya

p. Klik Add

q. Klik Continue

Hasil tampilan pada variabel view sebelum dilakukan penggabungan variabel berat badan.



Hasil tampilan pada data view sebelum dilakukan penggabungan variabel berat badan.

Tampilan variabel view dan data view setelah dilakukan pengelompokan variabel berat badan.

15



Latihan Soal: Lakukan entry data pada data penelitian beirkut ini:

No Jenis

kelamin Berat Badan

Tinggi Badan

Golongan Darah

Jumalah sodara

Pendidikan Orang Tua

(Ayah)

1 1 50 160 1 3 2

2 2 50 164 4 4 2

3 1 55 165 1 2 5

4 2 57 172 2 9 1

5 2 60 178 2 5 3

6 2 73 172 1 1 3

7 1 47 158 2 2 3

8 2 60 164 1 5 4

9 1 45 158 2 2 4

10 1 46 165 3 4 4

11 1 43 153 1 3 3

12 1 65 166 3 5 3

13 1 50 169 1 1 3

14 1 59 157 3 2 3

15 2 48 158 4 5 1 Koding Jenis Kelamin Pria =1, Wanita =2 Gol darah A =1, B=2, O=3, AB=4 Tingkat pendidikan SD=1, SMP=2, SMA=3, D3=4, S1=5, S2=6

17

Daftar Rujukan:

1. Dahlan, M.S. 2011. Statistik Untuk Kedokteran dan

Kesehatan. Edisi 5. Jakarta: Salemba Medika.

2. Dharma, Kelana Kusuma. Metodologi Penelitian

Keperawatan. Jakarta: TIM.

3. Hastono, 2016. Analisis data. FKM UI

4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar

Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.



19

BAB II || PENGKATEGORIAN DATA NUMERIK

Suyanto

Sasaran Belajar:

Setelah dilaksanakan praktikum, mahasiswa mampu:

a. Menjelaskan pengkategorian data numeric.

b. Menentukan median, mean. dan SD menggunakan SPSS.

c. Mengkategoriakan data numeric.

Tinjauan Teori:

Beberapa data penelitian khususnya numerik saat akan dilihat

dari sisi kategorikalnya banyak mengalam kendala, antara lain

adalah tidak ada sumber referensi terkait pengkategorian

variabel tersebut. salah satu solusi dari masalah tersebut adalah

dengan membagi (mengkategorikan) data numerik tersebut

berdasarkan nilai mean dan standar deviasi (SD) jika ingin .

Selain berdasarkan nilai mean dan SD, dalam membagi kriteria

pengkategorian berdasarkan nilai median ( < median atau >

median) jika ingin mengkategorikan dua kriteria.

Misalnya seorang peneliti ingin membagi rentang berat badan

dari rentang 0 – 100 menjadi hanya 2 kategori, maka

pembagiannya adalah sebagai berikut:

Berat badan normal = ....≤ 50

Berat badan tidak normal = ...>50



Begitu juga saat seorang peneliti ingin membagi berat badan

tersebut menjadi 3 kategori (kurang, normal, berlebih), maka

agar berdistribusi normal, pembagiannya adalah sebagai berikut:

Kategori kurang = mean – 3 + standar deviasi

Kategori norma = mean ± 1 + standar deviasi

Kategori berlebih = mean + 3 + standar deviasi

Jika peneliti ingin membagi menjadi 5 kategori ( kurang sekali,

kurang, normal, berlebih, obesitas), maka pembagiannya sebagai

berikut :

Kategori kurang sekali= mean – 3 + standar deviasi

Kategori kurang = mean – 2 + standar deviasi

Kategori norma = mean ± 1 + standar deviasi

Kategori berlebih = mean + 2 + standar deviasi

Kategori obesitas = mean + 3 + standar deviasi

Latihan soal:

Kategorikan data berikut ini, untuk variabel sensasi kaki menjadi

2 kategori, dan untuk variabel lama menderita DM menjadi 3

kategori.

lama menderita

DM Sensasi

Kaki

3 6

2 2

1 2

5 3

8 4

21

5 2

10 7

3 1

5 2

10 3

5 2

3

2

5

2

5

3

4

5

6

4

2

5

6

3

3

6

1

2

1 2

5

3

8

4

4

2

14

7

5

1

5

2

4

3

1

2

3 2

7 2

5 3

3 5

2 6

5 5

3 6



Daftar Rujukan:







Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto .

23

BAB III || UJI NORMALITAS DAN HOMOGENITAS DATA

Suyanto

Sasaran Belajar: Setelah dilaksanakan praktikum, mahasiswa mampu:

a. Menjelaskan uji normalitas dan homogenitas.

b. Mengolah data uji normalitas dan homogenitas .

c. Menginterpretasikan hasil uji normalitas dan

homogenitas.

Tinjauan Teori:

Uji normalitas dan homogenitas data digunakan hanya

untuk data numerik. Uji tersebut difungsikan untuk mengetahui

uji statistik yang akan digunakan. Uji kolmogorov smirnov dan

uji saphiro wilk digunakan dalam menentukan kenormalan data.

Jika sampel penelitian yang didapatkan adalah lebih dari 50

(n>50) maka uji yang digunakan adalah uji kolmogorov

smirnov. Sedangkan apabila sampel penelitian kurang dari 50

(n<50) maka uji yang digunakan adalah uji saphiro wilk.

Untuk mengetahui suatu data berdistribusi normal, ada

3 cara untuk mengetahuinya yaitu:

1. Dilihat dari grafik histogram dan kurve normal, bila

bentuknya menyerupai bel shape, berarti distribusi normal

2. Menggunakan nilai Skewness dan standar errornya, bila nilai

Skewness dibagi standar errornya didapatkan angka ≤ 2,

maka distribusinya normal

3. Uji kolmogorov smirnov, bila hasil uji (p value > 0,05)



maka distribusi normal. Uji kolmogorov digunakan pada

jumlah sampel lebih dari 50 responden. Sedangkan untuk

jumlah sampel kurang dari 50 responden, uji kenormalan

yang digunakan adalah saphiro wilk.

Adapun tahapan melakukan uji normalitas data adalah sebagai

berikut:

a. Klik Analyze

b. Klik Deskriptif statistic

c. Klik Explore

d. Klik variabel numerik pindahkan ke kotak sebelah

kanan.

25

e. Klik Plot

f. Klik Normality

g. Klik Continue

h. Klik OK



Descriptives

Statistic Std.

Error

umur responden

Mean 54,83 2,627

95% Confidence Interval for Mean

Lower Bound 49,29

Upper Bound

60,38

5% Trimmed Mean 54,48 Median 54,50 Variance 124,265 Std. Deviation 11,147 Minimum 38 Maximum 78 Range 40 Interquartile Range 13 Skewness ,397 ,536 Kurtosis -,215 1,038

Tests of Normality

Kolmogorov-Smirnov(a) Shapiro-Wilk

Statistic Df Sig. Statistic df Sig.

umur responden

,132 18 ,200(*) ,956 18 ,520

* This is a lower bound of the true significance. a Lilliefors Significance Correction

Interpretasi hasil uji normalitas data:

Untuk variabel umur responden dengan jumlah responden (n) kuran dari 50 (n<50) maka uji yang

27

digunakan adalah saphiro wilk dan didapatkan hasil p

value=0,520 (p value>0,05) dapat disimpulkan distribusi

data variabel umur adalah normal.

Apabila distribusi data yang diperoleh tidak normal,

maka hal yang perlu dilakukan adalah dengan melakukan

transformasi data. Adapun tahapan mentransformasi data

adalah sebagai berikut :

a. Klik Transform

b. Klik Compute Variable

c. Ketik new_umur ke dalam Target Variable

d. Klik Arytmetric

e. Klik LG10



f. Klik OK

g. Lakukan prosedur pengujian kenormalan data

UJI HOMOGENITAS

Uji homogenitas atau kesetaraan data digunakan untuk

mengetahui kesetaraan data sebelum diberikan perlakuan pada

dua kelompok yang berbeda. Uji homogenitas digunakan

khusus data data NUMERIK. Uji yang digunakan untuk

mengetahui homogenitas sebuah data adal ah dengan

menggunakan uji levene test. Adapun langkah-langkahnya

sebagai berikut:

1. Klik Analyze

2. Klik Compare Mean

29

3. Klik One Way Annova

4. Masukkan data yang akan di uji homogenitas pada

kolom dependent list (data variabel 1) dan pada

faktor ( data variabel 2)

5. Klik Options

6. Klik Homogenity of Variance Test

7. Klik Continue



8. Klik OK

Intepretasi hasil:

31

Pada uji levene test diatas, didapatkan hasil bahwa nilai

p vaue = 0,508. Artinya nilai p value > 0,05, sehingga

dapat disimpulkan bahwa tidak ada perbedaan varians

atau kesetaraan data antara kelompok data yang

dibandingkan. Atau dengan kata lain varians data antar

kedua kelompok adalah sama.

Latihan Soal:

Lakukan uji normalitas dan homogenitas data pada tabel

data tersebut dan interpretasikan hasilnya.

Umur Skala Nyeri

47 4

30 4

54 3

53 3

31 4

19 3

42 4

63 3

40 4

50 3

31 4

61 4

41 4

61 4

69 4

55 4



Daftar Rujukan:








33

BAB IV || UJI VALIDITAS DAN RELIABILITAS

Suyanto

Sasaran Belajar:

Setelah dilaksanakan praktikum, mahasiswa mampu:

a. Menjelaskan uji validitas dan reliabilitas

b. Mengolah data uji validitas dan reliabilitas

c. Menginterpretasikan hasil uji validitas dan reliabilitas

Tinjauan Teori:

Uji validitas digunakan untuk mengukur instrumen yang akan

digunakan dalam pengambilan data. Uji yang digunakan dalam

menentukan validitas instrumen penelitian adalah uji product

moment. Sedangkan uji yang digunakan dalam menentukan

reliabilitas instrumen penelitian adalah uji alfa cronbach.

Adapun langkah-langkah ujinya sebagai berikut:

a. Klik analyze

b. Klik scale

c. Klik reliability analysis



d. Klik semua pertanyaan yang sudah dientry

e. Klik Statistic

f. Klik Item, Scale, Scale if Item Deleted

g. Klik Continue

35

Interpretasi:

Dalam membaca hasil ouput SPSS khususnya uji validitas,

terletak pada kotak item-total statistics terutama pada kolom

corrected item-total correlation (r hasil) yang harus lebih

tinggi dari r tabel. Untuk mengetahui r tabel adalah dengan

mengunakan rumus df-2. Sedangkan untuk mengetahui hasil dari

uji reliabilitas dapat dilihat pada kotak reliability statistics yang

didapatkan nilai alpha cronbach adalah 0,246 yang artinya

bahwa instrumen tersebut tidak reliabel (alpha cronbach kurang

dari 0,6)



Latihan Soal:

Lakukan pengujian validitas dan reliabilitas dan interpretasikan

hasilnya.

P1 P2 P3 P4 P5 P6 P7 P8 P9 P10

2 2 1 1 1 1 1 1 1 1

2 2 1 2 1 2 1 2 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 2 1 2 1 2 1 3 1 1

2 3 1 2 2 2 1 3 1 1

2 3 1 2 2 2 1 3 1 1

2 3 1 2 3 2 1 3 1 1

3 3 1 2 3 2 1 3 1 1

3 3 1 3 3 2 1 3 1 1

3 3 1 3 3 2 1 3 1 2

3 3 1 3 3 3 2 3 2 2

3 3 2 3 3 3 2 3 2 2

37

4 3 2 3 3 3 2 3 2 2

4 3 2 3 3 3 2 4 2 2

4 3 2 4 4 3 2 4 2 2

4 3 2 4 4 4 2 4 2 2

4 4 2 4 4 4 2 4 3 1

4 4 2 4 4 4 2 4 3 1 Koding: 1 = sangat tidak setuju 2 = tidak setuju 3 = setuju 4 = sangat setuju Daftar Rujukan:






4. Sastroasmoro, S & Ismael, S. (2011). Dasar-dasar




39

BAB V || UJI UNI VARIATE / DESKRIPTIF

Indra Tri Astuti

Sasaran Belajar:

Setelah dilaksanakan praktikum selama, mahasiswa mampu:

a. Menjelaskan uji univariat pada data kategorik dan

numerik.

b. Mengolah data uji univariat pada data kategorik dan

numeric.

c. Menginterpretasikan hasil uji univariat pada data

kategorik dan numeric.

d. Menampilkan hasil uji univariat pada data kategorik

dan numerik pada laporan penelitian.

Tinjauan Teori:

Penelitian desain deskriptif pada data kategorik dan numerik

perlu diolah untuk disajikan dalam laporan penelitian sehingga

mampu menjawab tujuan penelitian. Uji yang digunakan pada

data kategorik dan numerik berbeda satu dengan lainnya, begitu

juga dalam penyajian data di laporan penelitiannya. Berikut ini

adalah tahapan-tahapan dalam melakukan uji univariat pada data

kategorik:

1. Klik Analyze, klik Descriptive Statistics, klik Frequency.



2. Pindahkan variabel kategorik yang ada pada kotak kiri ke

kotak kanan.

3.

Klik Charts, klik (bar Chart / Pie Chart), klik

(Frequencies/Percentages), klik Continue.

41

4. Klik OK

menurun

Frequency Percent Valid

Percent Cumulative

Percent

Valid Terganggu 9 50,0 50,0 50,0 tidak

terganggu 9 50,0 50,0 100,0

Total 18 100,0 100,0



Fre

qu

en

cy

0

2

4

6

8

10

menurun

menurunterganggu tidak terganggu

Adapun penyajian data dan interpretasinya pada laporan penelitian. Tabel: Distribusi frekuensi responden menurut sensasi kaki di

.... Tahun....

Variabel Jumlah Prosentase

Sensasi kaki

Terganggu

Tidak

terganggu

9

9

50

50

Jumlah 18 100

Dari tabel di atas didapatkan hasil bahwa distribusi

terganggunya sensasi kaki sebanyak 9 orang (50%), berimbang

dengan yang tidak mengalami ganguan sensasi kaki yaitu

sebanyak 9 orang (50%).

43

Adapun tahapan-tahapan pengolah data pada data numerik

adalah sebagai berikut:

1. Klik Analyze, klik Descriptive, klik Frequency

2. Pindahkan variabel numerik pada kotak bagian kiri ke

kotak bagian kanan.

3. Klik Statistic, klik Mean, klik Median, klik std. Deviation, klik Minimum, klik Maximum, Continue.



4. Klik OK

Umur responden

N Valid 18 Missing 0

Mean 54,83 Median 54,50 Std. Deviation 11,147 Minimum 38 Maximum 78

Penyajian data dan intepretasi laporan penelitian data

numerik.

Tabel: Distribusi frekuensi umur responden di ....

Tahun....

Variabel Mean±SD Median Minimum-Maksimum

Umur responden

54,83±11,14 54,50 38-78

45

Tabel 5.2. menunjukkan bahwa rata -rata umur responden

adalah 54,8 tahun (standard deviasi ±11,14). Adapun

rentang umur yang paling muda adalah 38 tahun dan

umur yang paling tua adalah 78 tahun.

Latihan soal :

Seks Berat Badan

Tinggi Badan

Golongan Darah

Jumalah sodara

Pendidikan Orang Tua

(Ayah)

1 50 160 1 3 2

2 50 164 4 4 2

1 55 165 1 2 5

2 57 172 2 9 1

2 60 178 2 5 3

2 73 172 1 1 3

1 47 158 2 2 3

2 60 164 1 5 4

1 45 158 2 2 4

1 46 165 3 4 4

1 43 153 1 3 3

1 65 166 3 5 3

1 50 169 1 1 3

1 59 157 3 2 3

2 48 158 4 5 1

2 56 162 1 3 3

1 43 152 1 2 4

1 53 158 2 1 3

1 43 155 3 5 3

1 43 150 3 4 3



2 48 162 3 3 3

2 49 159 3 1 3

1 53 161 2 9 5

2 73 167 4 4 1

2 55 168 2 7 3

1 43 152 2 4 3

1 56 153 1 2 3

1 45 157 4 7 4

1 53 158 2 2 5

2 58 165 3 4 2

1 43 160 1 4 5

1 51 159 1 2 2

1 59 167 2 2 5

1 64 158 1 1 3

1 60 159 2 3 5

2 68 160 3 3 3

1 45 158 4 2 5

1 56 156 2 4 5

2 65 170 2 2 3

2 62 167 1 3 2 Koding: Sex:

1. Laki-laki 2. Perempuan

Golongan darah: 1. A 2. B 3. AB 4. O

Pendidikan Orang Tua:

1. Tidak Sekolah

2. SD 3. SMP 4. SMA 5. PT

47

Daftar Rujukan:










49

BAB VI || UJI KORELATIF DATA KATEGORIK

Moh. Arifin Noor

Pada Sub Bab ini akan dibahas mengenai uji korelatif data

kategorik (uji asosiasi) dan uji bivariat korelatif data numerik

(Product Moment dan Spearman ). Sebelum kita belajar

mengenai bentuk uji bivariat korelatif data kategorik dan uji

bivariat data numerik alangkah lebih baiknya Anda mengetahui

dan dapat memili h uji hipotesis korelatif yang tepat dengan

melihat tabel di bawah ini .

Pemilihan hipotesis korelatif

Variabel 1 Variabel 2 Uji korelasi Nominal Nominal Koefisien kontingensi,

Lamda Nominal Ordinal Koefisien kontingensi,

Lamda Ordinal Ordinal Spearman, Gamma,

Somers’d Ordinal Numerik Spearman Numerik Numerik Pearson

Keterangan: untuk variabel numerik, Anda memakai uji Pearson dengan alternatifnya adalah uji spearman. Kadang akan muncul beberapa pertanyaan sebagai berikut :

1. Apa persamaan dan perbedaan uji korelasi koefisien

kontingensi dengan lamda?

Kedua uji tersebut digunakan untuk m enguji korelasi dua

variabel di mana salah satu variabelnya adalah variabel

nominal



Perbedaan:

Uji korelasi koefisien kontingensi digunakan untuk

menguji korelasi antara dua variabel setara sedangkan uji

korelasi Lambda untuk variabel yang idak setara.

2. Apa persamaan dan perbedaan uji korelasi spearman

dengan uji korelasi Gamma dan Somers’d

Keduanya digunakan untuk uji korelasi antara variabel

ordinal dengan ordinal

Perbedaan :

� Uji spearman digunakan juga untuk uji korelasi antara

variabel numerik dengan ordinal.

� Uji spearman digunakan juga sebagai alternatif uji

pearson, jika syarat uji pearson tidak terpenuhi

� Uji korelasi Gamma dan Somers’d digunakan untuk

uji korelasi variabel ordinal dengan ordinal dimana

kategori variabel ordinal tersebut “sedikit” sehingga

dapat dibuat suatu tabel silang B x K.

3. Apa perbedaan uji korelasi Gamma dan Somers’d

Uji korelasi Gamma digunakan untuk menguji korealsi

antara dua variabel yang setara sedangkan uji korelasi

Somers’d untuk dua variabel yang tidak setara.

4. Bagaimana intepretasi hasil uji korelasi

Intepretasi hasil uji korelasi didasarkan pada nilai p,

kekuatan korelasi, serta arah korelasinya.

Untuk lebih jelasnya Intepretasi uji korelasi dapat dilihat

pada tabel di bawah ini.

51

Panduan interpretasi hasil uji hipotesis berdasarkan

kekuatan korelasi, nilai p dan arah korelasi

No Parameter Nilai Interpretasi

1 Kekuatan korelasi (r)

0,0 s.d. <0,2 0,2 s.d. <0,4 0,4 s.d. <0,6 0,6 s.d. <0,8 0,8 s.d. 1

Sangat lemah Lemah Sedang Kuat Sangat kuat

2 Nilai p p < 0,05 Terdapat korelasi yang bermakna antara dua variabel yang diuji

p > 0,05 Tidak terdapat korelasi bermakna antara dua variabel yang diuji

3 Arah korelasi

+ (positif) Searah, semakin besar nilai satu variabel semakin besar pula nilai variabel lainnya

- (negatif) Berlawanan arah, semakin besar nilai satu variabel, semakin kecil nilai variabel lainnya

Uji bivariat korelatif data kategorik (uji asosiasi)



Uji korelasi Gamma dan Sommers’d (hipotersis korelatif

ordinal tabel B x K)

Jika Anda ingin mengetahui korelasi antara tingkat penilian

mutu responden terhadap mutu pelayanan keperawatan (buruk,

sedang, baik) dengan mutu pelayanan rumah sakit (buruk,

sedang, baik). Adapun rumusan pertanyaan penelitiannya adalah

sebagai berikut:

“Adakah korelasi antara tingkat penilaian pasien terhadap mutu

pelayanan keperawatan dengan mutu pelayanan rumah sakit?”

Langkah untuk menjawab pertanyaan tersebut di atas dap at

dilihat pada tabel di bawah ini:

Tabel: Langkah-langkah menentukan uji hipotesis yang

disesuaikan dengan panduan tabel uji hipotesis

No. Langkah Jawaban 1. Tentukan variabel yang

dihubungkan Variabel yang dihubungkan adalah mutu layanan keperawatan (kategorik ordinal) dengan mutu pelayanan rumah sakit (kategorik ordinal)

2. Tentukan jenis hipotesis Korelatif 3. Tentukan masalah skala

variabel Kategorik ordinal

Kesimpulan : Terdapat tiga pilihan uji korelasi antara lain korelasi spearman, Gamma, dan Sommers’d. Anda akan memilih untuk melakukan uji korealsi Gamma dan Sommers’d karena yang akan diuji disini adalah korelasi antara variabel ordinal yang penyajiannya dalam bentuk silang 3 x 3

53

Langkah berikutnya yang bisa Anda lakukan adalah membuka

file Gamma, sebelum membuka file tersebut terlebih dahulu

pelajari Variabel View yang sudah Anda buat.

Langkah selanjutnya adalah sebagai berikut :

Analyze � Descriptive Statistics � Crosstab

Masukkan Variabel P3 (Mutu pelayanan Rumah sakit) ke

dalam rows

Masukkan variabel P4 (Pelayanan Keperawatan) ke dalam

coloums

Aktifkan kotak Statistic

Pilih Gamma dan Sommers’d

Proses telah selesai. Klik OK

Intepretasi:

1. Output pertama (Crosstab) akan menyajikan tabel silang

antara mutu pelayanan keperawatan dengan mutu layanan

rumah sakit.

2. Output kedua (Directional Measures) menyajikan hasil uji

Somers’d. Hasil uji Somers’d Anda pakai jika salah satu

variabel Anda anggap sebagai variabel bebas sedangkan

variabel yang lain sebagai variabel tergantung.

Jika Anda menganggap bahwa mutu pelayanan rumah sakit sebagai variabel bebas, maka nilai yang Anda pergunakan adalah hasil uji Somers’d baris ke dua. Anda membaca -



bahwa besar korelasinya adalah 0,028 yang menunjukkan

bahwa korelasinya sangat lemah.

3. Output ketiga (Symmetric Measures) menyajikan hasil uji

Gamma, dimana Anda akan menggunakan uji Gamma bila

kedudukan dua variabel setara ( tidak ada variabel bebas dan

tergantung). Pada uji Gamma diperoleh nilai korelasi sebesar

0,052 yang menunjukkan bahwa korelasi sangat lemah.

Melaporkan hasil:

Tabel menyajikan hasil analisis korealsi Gamma. Tabel terdiri

dari koefisien korelasi (r), nilai (p), dan jumlah subjek

Pelayanan keperawatan Total r p

Buruk Sedang Baik Mutu pelayanan rumah sakit

Buruk

Sedang

Baik

Total

Uji Korelasi Gamma

Uji Korelasi Koefisien Kontingensi dan Lamda (Hipotesis

Korelatif Kategorik)

Anda ingin tahu korelasi antara perilaku merokok (merokok

dan tidak merokok) dengan status fertilitas seorang pria (tidak

subur dan subur). Pertanyaan penelitian yang Anda rumuskan

adalah sebagai berikut:

55

“Apakah terdapat korelasi antara perilaku merokok degnan

status fertilitas seorang pria?”

Langkah untuk menjawab pertanyaan tersebut di atas dapat

dilihat pada tabel di bawah ini.

Tabel: Langkah-langkah menentukan uji hipotesis yang

disesuaikan dengan panduan tabel uji hipotesis


dihubungkan Variabel yang dihubungkan status fertilitas pria (kategorik nominal) dengan perilaku merokok (kategorik nominal)

2. Tentukan jenis hipotesis

Korelatif

3. Tentukan masalah skala variable

Kategorik nominal

Kesimpulan : Terdapat dua pilihan uji, yaitu uji korelasi koefisien kontingensi dan lambda. Anda memilih uji lamda karena kedudukan dua variabel tidak setara, dimana perilaku merokok sebagai variabel bebas dan infertilitas sebagai variabel tergantung.

Prosedur uji korelasi Lamda

� Silahkan Anda buka file Lamda

Tetapi sebelumnya pelajari dahulu bagian variabel view

untuk melihat variabel yang ada pada file tersebut.

Selanjutnya lakukanlah prosedur sebagai berikut

� Analyze � Descriptives Statistics � Crosstabs



� Masukkan perilaku merokok ke da lam rows (karena

bertindak sebagai variabel bebas).

� Masukkan variabel status fertilitas ke dalam couloms

(karena bertindak sebagai variabel terikat)

� Klik kotak Statistics

� Pilih Lambda pada kotak Nominal

� Continue untuk melanjutkan proses selanjutnya

� Proses telah selesai. Klik Continue, klik OK.

Intepretasi hasil

1. Output pertama menggambarkan tabel silang antara perilaku

merokok dengan status fertilitas.

2. Output kedua menyajikan hasil uji Lambda. Hasil uji

Lambda Anda pakai jika salah satu variabel Anda anggap

sebagai variabel bebas sedangkan variabel variabel yang

lain sebagai variabel terikat.

3. Jika menganggap bahwa status fertilitas sebagai variabel

terikat, maka nilai yang anda pergunakan adalah hasil uji

Lambda baris kedua. Anda membaca bahwa besar

korelasinya adalah 0,222 yang menunjukkan bahwa

korelasinya lemah.

57

Melaporkan hasil

Tabel menyajikan haisl analisis korealsi Gamma. Tabel terdiri

dari koefisien korelasi (r), nilai (p), dan jumlah subjek

Status fertilitas Total r p

Subur Tidak subur Perilaku merokok

Tidak merokok

Merokok

Total



59

BAB VII || UJI BIVARIAT KORELATIF DATA NUMERIK

Moh. Arifin Noor

A. Uji Korelasi Product Moment

Saat Anda akan mengtahui korelasi antara skor depresi dengan

skor ansietas dan dirumuskan dengan pernyataan sebagai

berikut:

“Adakah korelasi antara skor depresi dengan skor ansietas?”

Langkah yang diperlukan untuk menjawab pertanyaan isa

dilihat pada tabel di bawah ini:


dihubungkan Variabel yang dihubungkan adalah skor depresi (numerik) dengan skor ansietas (numerik)


variable Numerik

Kesimpulan: Uji yang digunakan adalah uji korelasi Pearson Product moment (uji parametrik), jika memenuhi syarat. Jika tidak memenuhi syarat, untuk uji yang digunakan adalah uji alternatif yaitu uji korelasi Spearman (uji nonparametrik)



Langkah melakukannya adalah sebagai berikut: 1. Memeriksa syarat uji parametrik: distribusi data harus

normal (wajib).

2. Bila memenuhi syarat (distribusi data normal), maka dipilih

uji korelasi Pearson.

3. Bila mempunyai distribusi data tidak nornal (tidak

memenuhi syarat), maka upayakan untuk melakukan

transormasi data terlebih dahulu agar distribusi menjadi

normal.

4. Apabila setelah ditransformasi data data menjadi normal,

maka dipilih uji korelasi Pearson.

5. Apabila distribusi data hasil transformasi tidak normal,

maka uji alternatifnya (uji korelasi Spearman).

Sebelum Anda masuk ke uji bivariat langkah yang harus

dilakukan pertama kali adalah melakukan uji normalitas,

bagaimana melakukan uji normalitas dapat Anda lihat pada BAB

sebelumnya.

Hasil uji normalitas apabila anda melakukan dengan benar akan

mendapatkan hasil seperti ini.

61



Intepretasi:

a. Bagian pertama merupakan satistik diskriptif untuk vaiabel

skor ansietas dan depresi. Perlu diingat bahwa Anda harus

selalu mempelajari deskripsi variabel sebelum melangkah

pada proses selanjutnya.

b. Seseuai dengan kesepakatan sebelumnya, Anda bisa

menggunakan hasil uji Kolmogorov-Smirnov ataupun

Shapiro-Wilk, perlu diingat bahwa untuk Anda bisa

menggunakan hasil uji Kolmogorov-Smirnov bila jumlah

sampel (besar) > 50, sedangkan Anda bisa menggunakan

hasil uji Shapiro-Wilk bila jumlah sampel (kecil) <50. Jadi

dalam hal ini Anda bisa menggunakan uji Kolmogorov-

Smirnov dengan jumlah sampel > 50. Untuk skor depresi

memiliki nilai p = 0,07 dan untuk skor ansietas memiliki

nilai p = 0,83. Dengan demikian skor depresi maupun

ansietas mempunyai nilai p > 0,05, yang berarti bahwa

kedua kelompok data mempunyai distribusi normal.

Melakukan uji Person

Uji person akan dilakukan dengan menggunakan langakah -

langkah sebagai berikut :

� Analyze� Correlate � Bivariate

� Masukkan depresi dan ansietas ke dalam kotak variables

� Pilih uji Pearson pada kotak Correlation Coefficients.

� Pilih two tailed pada test of significance

63



� Proses telah selesai. Klik OK

Hasil yang diperoleh adalah sebagai berikut :

Intepretasi:

Dari hasil di atas, diperoleh nilai sig 0,000 yang menunjukkan

bahwa korelasi antara skor depresi dan skor ansietas dalalh

bermakna. Nilai korelasi Pearson sebesar 0,774 menunjukkan

korelasi positif dengan kekuatan korelasi kuat

Melaporkan hasil :

Tabel menyajikan hasil analisis korelasi Pearson. Tabel terdiri

dari atas variabel, nilai CI 95% (lower and upper), mean,

standart deviasi, koefisien korelasi (r), nilai p dan jumlah

subjek /sampel (n)

65

Variabel Mean±SD 95% CI n r p

lower Upper

Skor depresi

15,80±2,64 15,09 16,51 55

0,774 0,000 Skor ansietas

15,58±2,63 14,87 16,29 55

B. Uji Korelasi Spearman

(Hipotesis Korelatif numerik distribusi tidak normal)

Anda akan mempelajari dan mengetahui korelasi antara

ganguan somatik dan gangguan sosial, yang dapat

dirumuskan dengan pernyataan sebagai berikut:

“Adakah korelasi antara skor gangguan somatik dengan

skor gangguan sosial?”

Langkah yang digunakan untuk menjawab pertanyaan

tersebut adalah sebagai berikut perhatikan tabel di bawah

ini

Tabel langkah-langkah untuk menentukan uji hipotesis

yang sesuai dengan panduan tabel uji hipotesis dan

diagram alur.




dihubungkan Variabel yang dihubungkan adalah skor gangguan somatik (numerik) dengan skor gangguan sosial (numerik)


variabel Numerik

Kesimpulan : Uji yang digunakan adalah uji korelasi Pearson Product moment (uji parametrik), jika memenuhi syarat. Jika tidak memenuhi syarat, untuk uji yang digunakan adalah uji alternatif yaitu uji korelasi Spearman (uji nonparametrik)

1. Memeriksa syarat ui parametrik: distribusi data harus

normal (wajib).

2. Bila memenuhi syarat (distribusi data normal), maka

dipilih uji korelasi pearson.

3. Bila tidak memenuhi syarat (distribusi data tidak

normal), maka diupayakan untuk melakukan

trasnformasi data agar berdistribusi normal.

4. Bila data hasil trasnformasi berdistribusi normal,

dilakukan uji Pearson.

5. Bila data hasil trasnformasi berdistribusi tidak normal,

maka alternatifnya menggunakan uji kore lasi

Spearman.

a) Melakukan uji normalitas

Intepretasi

MB ĘMŊÒMŌ ŐÑǾPMÖ M MŇMÕMO ŒPMPÒŒPÒÔ ŇÑŒÔǾÒŐPÒŅ ÞŌPÞÔ QMǾÒMNÑÕ

Somatic Complaint dan skor Social Problem. -

67

Perlu diingat bahwa Anda harus selalu mempelajari

deskripsi variabel sebelum melangkah pada proses

selanjutnya.

b. Sebagaimana kesepakatan, Anda menggunakan

hasil uji kolmogorov smirnov untuk menguji

apakah distribusi data normal atau tidak. Pada uji

Test of Normality Kolmogorov Smirnov, baik skor

somatic complaint maupun skor social problem

mempunyai nilai p = 0,000, oleh karena niai p <

0,05, maka dapat diambil kesimpulan kedua

kelompok data mempunyai data distribusi tidak

normal.

b) Melakukan transformasi c) Menguji hasil transformasi d) Melakukan uji Spearman

Untuk melakukan uji Spearman, lakukanlah langkah -langkah berikut: � Analyze � Correlate � Bivariate � Masukkan Somatic dan Social ke dalam kotak Variables � Pilih uji Spearman pada kotak Correlation Coefficients � Pilih Two Tailed pada Test of Significance � Proses telah selesai. Klik OK.

Hasil yang diperoleh adalah sebagai berikut :

Intepretasi:

Dari hasil di atas, diperoleh nilai significancy 0,000 yang

menunjukkan bahwa korelasi antara gangguan somatik

dengan gangguan sosial adalah bermakna. Nilai korelasi

spearman sebesar 0,351 menunjukkan bahwa arah korealsi

positif dengan kekuatan korelasi yang lemah.



69

BAB VIII || UJI KOMPARATIF DATA NUMERIK

Moh. Arifin Noor

Sasaran Belajar:

Setelah dilaksanakan praktikum selama, mahasiswa mampu:

a. Menjelaskan uji yang tepat pada data numerik dengan

desain observasional.

b. Menentukan uji analisis yang tepat pada data numerik

dengan desain observasional .

c. Mengolah data pada uji komparatif data numerik

desain observasional.

d. Menginterpretasikan hasil uji komparatif data

numerik desain observasinal .

e. Menampilkan hasil uji komparatif dat a numerik desain

observasinal.

Tinjauan Teori:

Desain penelitian khususnya observasional cukup

banyak digunakan dalam melakukan penelitian. Pada desain

observasional, uji yang digunakan akan sangat bergantung dari

tujuan penelitian, apakah seorang pene liti mencari keeratan

hubungan atau hanya mencari perbedaan antara variabel

independent dengan variabel dependent. Pada penelitian

observasional dengan hipotesis komparatif data numerik

(Kategorik x Numerik) maka uji yang digunakan dapat berupa

uji parametrik dan non parametrik.



Uji parametrik yang digunakan dapat berupa uji indepent

t test, atau uji man whitney test untuk uji non parametrik. Untuk

memudahkan pemahaman, maka akan diberikan ilustrasi sebagai

berikut:

Seorang peneliti ingin mengetahui perbe daan kadar kolesterol

antara pekerja kuli panggul dan olahragawan angkat besi. Maka

uji yang digunakan adalah uji beda 2 mean tidak berpasangan,

hal ini disebabkan peneliti mengambil data pada dua kelompok

yang berbeda (ada data kategorik dan numerik). Unt uk prosedur

uji parametrik dan non parametrik data numerik komparatif akan

dijelaskan pada sub bab uji beda 2 mean dengan kelompok ya ng

tidak berpasangan di halaman. Adapun data penelitian tersebut

seperti di bawah ini:

Kadar kolesterol pekerja

kuli panggul Kadar kolesterol olahragawan

angkat besi 190 110 200 130 140 170 220 130 210 150 130 140 140 120

Cara menganalisisnya dengan menggunakan uji beda 2 mean

tidak berpasangan.

71

Daftar Rujukan:










73

BAB IX || UJI BIVARIAT KOMPARATIF DATA KATEGORI

Indra Tri Astuti Sasaran Belajar:

Setelah dilaksanakan praktikum , mahasiswa mampu :

a. Menjelaskan uji Chi Square, Odd ratio, dan Risk ratio.

b. Mengolah data uji Chi Square.

c. Menginterpretasikan hasil uji Chi Square .

d. Menampilkan penyajian hasil uji chi square pada

laporan penelitian.

Tinjauan Teori:

Uji Chi Square merupakan uji yang digunakan pada hipotesis

komparatif dengan data kategorik. Ada beberapa hal yang perlu

diperhatikan dalam mengintepretasikan uji chi square, antara

lain:

1. Bila pada 2 x 2 dijumpai nilai Expected (harapan)

kurang dari 5, maka yang digunakan adalah "Fisher's

Exact Test"

2. Bila tabel 2 x 2, dan tidak ada nilai E < 5, maka uji

yang dipakai sebaiknya "Continuity Correction (a)"

3. Bila tabelnya lebih dari 2 x 2, misalnya 3 x 2, 3 x 3

dsb, maka digunakan uji "Pearson Chi Square"

ÇB Į ji "[ ikelihood Ratio" dan "Linear-by-Linear

Assciation", biasanya digunakan untuk keperluan lebih

spesifik, misalnya analisis stratifikasi pada -



bidang epidemiologi dan juga untuk mengetahui

hubungan linier dua variabel katagorik, sehingga kedua

jenis ini jarang digunakan.

5. Nilai OR digunakan untuk jenis penelitian Cross

Sectional dan Case Control, sedangkan nilai RR

digunakan bila jenis penelitiannya Kohor t.

6. Pada perintah Crosstab nilai OR akan keluar bila tabel

silang 2 x 2, bila tabel silang lebih dari 2 x 2, misalnya 3

x 2, 4 x 2 dsb, maka nilai OR dapat diperoleh dengan

analisis regresi logistik sederhana dengan cara

membuat "Dummy v ariable".

Adapun langkah -langkah ujinya sebagai berikut :

1. Klik Analyze

2. Klik deskriprive statistic, kemudian klik Crosstabs .

3. Masukkan variabel independent pada kotak Row .

4. Masukkan variabel dependent pada kotak Colom .

75

..

a. Klik Statistic, klik Chi Square , klik Risk, klik

Continue



b. Klik Cells, klik Observed, klik Ekpected, klik Row,

klik Continue.

c. Klik OK

Case Processing Summary

18 100,0% 0 ,0% 18 100,0%jenis kelamin * menurunN Percent N Percent N Percent

Valid Missing Total

Cases

77

Chi-Square Tests

,277b 1 ,599

,000 1 1,000

,278 1 ,598

1,000 ,500

,262 1 ,609

18

Pearson Chi-Square

Continuity Correctiona

Likelihood Ratio

Fisher's Exact Test

Linear-by-LinearAssociation

N of Valid Cases

Value dfAsymp. Sig.

(2-sided)Exact Sig.(2-sided)

Exact Sig.(1-sided)

Computed only for a 2x2 tablea.

2 cells (50,0%) have expected count less than 5. The minimum expected count is2,50.

b.

Risk Estimate

1,750 ,215 14,224

1,300 ,515 3,281

,743 ,227 2,431

18

Odds Ratio for jeniskelamin (laki-laki /perempuan)

For cohort menurun= terganggu

For cohort menurun= tidak terganggu

N of Valid Cases

Value Lower Upper

95% ConfidenceInterval



Adapun penyajian dan interpretasi hasil penelitian sebagai

berikut:

Tabel: Distribusi Responden Menurut Jenis Kelamin dan

Sensasi Kaki

Jenis kelamin

Sensasi Kaki Total OR (95% CI)

p value

Terganggu

Tidak terganggu

n % n % n % Laki-laki 3 60 2 40 5 10

0 1,75 1,0

perempuan

6 46,2 7 53,8 13

100

(0,2–14,2)

Jumlah 9 50 9 50 18

100

Tabel di atas menunjukkan bahwa laki-laki yang mengalami

ganguan sensasi kaki sebanyak 3 orang (60%), sedangkan

sebanyak 6 (46,2%) orang terganggu sensasinya. Hasil uji chi

square menunjukkan bahwa p value=1,0. Artinya tidak ada

perbedaan proporsi kejadian penurunan sensasi kaki pada laki -

laki dan perempuan.

Latihan Soal:

Lakukan pengujian dan interpretasikan hasilnya.

jenis kelamin kejadian

hipertensi

2 1

1 2

79

1 2

1 1

1 2

1 2

2 2

1 2

1 2

1 2

1 2

1 2

1 2

1 2

2 2

1 2

1 2

1 2

1 2

1 2

1 2

1 2

2 1

2 2

1 1

2 1

1 2 Koding: Jenis kelamin:

1. Laki-laki 2. Perempuan

Kejadian hipertensi: 1. Hipertensi 2. Tidak hipertensi



Daftar Rujukan :

1. Dahlan, M.S . 2011. Statistik Untuk Kedokteran dan

Kesehatan . Edisi 5. Jakarta : Salemba Medika.

2. Dharma, Kelana Kusuma . Metodologi Penelitian



4. Sastroasmoro,S & Ismael, S . (2011). Dasar -dasar


81

BAB X || UJI PARAMETRIK (UJI BEDA 2 MEAN BERPASANGAN) DATA NUMERIK

Ahmad Ikhlasul Amal

Sasaran Belajar:

Setelah dilaksanakan praktikum selama 150 menit,

mahasiswa mampu:

a. Mengetahui Langkah-langkah Uji Beda Berpasangan

(Uji t-paired) Data Numerik.

b. Menginterpretasikan Hasil Uji Beda Berpasangan (Uji

t-paired) Data Numerik.

c. Melaporkan Hasil Uji Beda Berpasangan (Uji t-paired)

Data Numerik.

Definisi:

Uji t berpasangan tentu saja digunakan apabila dua kelompok

tersebut saling berhubungan. Dua sampel berpasangan artinya

sampel dengan subjek yang sama namun mengalami dua

perlakuan atau pengukuran yang berbeda.

Penentuan kapan menggunakan Uji t sampel/kelompok

dependent (berpasangan)?

Uji komparasi antar dua nilai pengamatan berpasangan,

misalnya: sebelum dan sesudah digunakan pada uji parametrik

dimana syaratnya sebagai berikut:

a. Satu sampel (setiap elemen mempunyai 2 nilai pengamatan)



b. Merupakan data kuantitatif numerik (rasio -interval)

c. Berasal dari populasi dengan distribusi normal.

Prosedur Uji Beda 2 Mean Berpasangan ( t-paired) Data

Numerik:

1. Cek syarat

Syarat Uji T Paired adalah perbedaan dua kelompok data

berdistribusi normal. Maka harus dilakukan terlebih dahulu

dengan uji normalitas pada perbedaan kedua kelompok

tersebut.

Anda dapat meng gunakan uji normalitas antara lain: Shapiro

Wilk atau Kolmogorov Smirnov .

Jika memenuhi syarat (data b erdistribusi normal), maka

dipilih uji t berpasangan. Jika distribusi tidak normal maka

dilakukan transformasi data terlebih dahulu kemudian

diulang kembali uji normalitasnya. Jika tidak normal maka

dipilih Uji Wilcoxon sebagai uji alternatifnya.

2. Langkah-langkah

Kasus: Peneliti ingin mengetahui penggunaan terapi

Antiretroviral terhadap berat badan pasien HIV/AIDS.

Rumusan pertanyaannya yaitu “apakah terdapat perbedaan

rerata berat badan sebelum dan sesudah diberikan terapi

Antiretroviral pada pasien HIV/AI DS.

83

Data Hasil Penelitian

Reponden Berat Badan

Sebelum Terapi ARV

Berat Badan Sesudah

Terapi ARV

1 48 50

2 48 50

3 53 55

4 56 57

5 58 60

6 51 53

7 45 47

8 58 60

9 44 45

10 45 46

11 41 43

12 60 63

13 47 50

14 56 59

15 46 48

Ikuti langkah berikut

a. Isikan data tersebut ke dalam SPSS

b. Pada Menu SPSS klik Analyze



c. Klik Compare Means

d. Klik Paired Sample t

e. Masukkan data berat badan sebelum dan sesudah ke

dalam kotak Paired Variables .

f. Klik Continue, diikuti klik OK.

3. Interpretasi Hasil

a. Kolom Paired Sample Statistics menjelaskan tentang

deskripsi masing -masing variable.

Paired Samples Statistics

Mean N

Std. Deviat

ion Std. Error

Mean

Pair 1 Sebelum 50.40 15 6.021 1.555

Sesudah 52.40 15 6.266 1.618

b. Tabel Paired Samples Test menggambarkan hasil uji t

berpasangan. Lihat kolom sig. (2 tailed). Diperoleh nilai

signifikansi 0,000 (p<0,050). Hal tersebut berarti

terdapat perbedaan yang bermakna antara berat badan

sebelum dan sesudah menjalani terapi ARV. Nilai IK

95% adala antara -2,363 sampai dengan -1,637.

85

df: degree of freedom (derajat kebebasan) : Untuk analisis T

Paired selalu N- 1. Di mana N adalah jumlah sampel.

T = nilai t hitung: hasil -11,832: Harus dibandingkan dengan

t tabel pada df 14. Apabila t hitung > t tabel: signifikan.

Sig. (2-tailed): Nilai probabilitas/p value uji T Paired: Hasil

= 0,000. Artinya: Tidak ada perbedaan antara sebelum

dan sesudah perlakuan. Sebab: Nilai p value > 0,05 (95

% kepercayaan).

Mean: -2,000. Bernilai Negatif, artinya tidak terjadi

kecenderungan kenaikan sesudah terapi ARV. Apabila

didapatkan hasil Positif: Artinya terjadi kecenderungan

perubahan sesudah perlakuan.

4. Melaporkan Hasil

Hasil penyajian terbaik dari uji ini adalah dengan

mendeskripsikan informasi yang lengkap dengan

menampilkan IK serta nilai p. Hal ini dikarenakan informasi

nilai IK lebih bermanfaat secara klinis daripada informasi p

value.

Pada dasarnya pertimbangan tabel manakah yang akan disampaikan dalam laporan penelitian atau jurnal ilmiah -



bergantung pada pedoman yang dianut oleh institusi atau

jurnal tersebut.

Contoh:

Tabel: Hasil uji t berpasangan secara lengkap

Uji t berpasangan

Berdasarkan tabel di atas hasil uji paired t -test didapatkan bahwa

rata-rata berat badan pada pasien HIV/AIDS sebelum menjalani

terapi ARVsebesar 50,4 kg sedangkan setelah diberikan terapi

ARV sebesar 52,4 kg. Hasil uji paired t -test juga didapatkan p

value 0,001 (<0,05) dengan demikian dapat disimpulkan bahwa

terdapat perbe daan antara berat badan sebelum dan sesudah

mendapatkan terapi ARV bagi pasien HIV/AIDS.

Kasus Latihan :

Peneliti ingin mengetahui a pakah terdapat perbedaan berat

badan (kg) antara sebelum dan sesudah puasa ramadhan

(selama satu bulan)? Lakukanlah analisi s untuk data penelitian

berikut ini:

87


Reponden Berat Badan

Sebelum Puasa Berat Badan

Sesudah Puasa

1 50 48

2 53 52

3 55 53

4 57 55

5 60 57

6 53 51

7 47 44

8 60 56

9 45 43

10 46 45

11 43 42

12 63 61

13 50 50

14 59 58

15 48 48

Daftar Pustaka :

1. Dahlan, M.S . 2011. Statistik Untuk Kedokteran dan

Kesehatan . Edisi 5. Jakarta : Salemba Medika.

2. Dharma, Kelana Kusuma . Metodologi Penelitian



4. Sastroasmoro,S & Ismael, S . (2011). Dasar -dasar




BAB XI || UJI PARAMETRIK (UJI BEDA 2 MEAN TIDAK BERPASANGAN) DATA

NUMERIK

Ahmad Ikhlasul Amal Sasaran Belajar:


mahasiswa mampu :

a. Mengetahui Langkah-langkah Uji Beda 2 Mean Tidak

Berpasangan Data Numerik.

b. Menginterpretasikan Hasil Uji Beda 2 Mean Tidak


c. Melaporkan Hasil Uji Beda 2 Mean Tidak


Definisi:

Uji t tidak berpasangan tentu saja digunakan apabila dua

kelompok tersebut saling berhubungan, dalam penggunaanya

juga dikenal dengan sebutan (Unpaired t-test). Dua sampel

berpasangan artinya sampel dengan subjek yang sama namun

mengalami dua perlakuan atau pengukuran yang berbed a.

Penentuan kapan menggunakan Uji t sampel/kelompok

independent (tidak berpasangan), adalah sebagai berikut:

a. Uji komparasi antar dua sampel pengamatan

b. Digunakan pada uji parametrik dimana syaratnya

sebagai berikut:

1) Merupakan data kuantitatif numerik (rasio-interval)

2) Berasal dari populasi dengan distribusi normal.

89

Prosedur Uji Beda 2 Mean Tidak Berpasangan (Unpaired t-

test) Data Numerik:

1. Cek syarat

Syarat Uji T Paired adalah perbedaan dua kelompok data

berdistribusi normal. Maka harus dilakukan terlebih

dahulu dengan uji normalitas pada perbedaan kedua

kelompok tersebut. Anda dapat menggunakan uji

normalitas antara lain: Shapiro Wilk atau Kolmogorov

Smirnov.

Jika memenuhi syarat (data berdistribusi normal), maka

dipilih uji Unpaired t-test. Jika distribusi tidak normal

maka dilakukan transformasi data terlebih dahulu

kemudian diulang kembali uji normalitasnya. Jika tidak

normal maka dipilih Uji Mann Whitney sebagai uji

alternatifnya.

2. Langkah-langkah

Kasus: Peneliti ingin mengetahui apakah terdapat

perbedaan rerata kepuasan ibu melahirkan secara normal

dengan yang melahirkan secara caesar.


Reponden Kelompok Kepuasan

1 1 48

2 1 48

3 1 53

4 1 51



5 1 52

6 1 51

7

1

45

8

1

55

9

1

44

10

1

45

11

1

49

12

1

48

13

2

47

14

2

47

15

2

46

16

2

42

17

2

44

18 2

42

19 2 45

20 2 51

21 2 44 22 2 34

Keterangan Koding: 1) Kelompok Normal (Spontan)-Kontrol 2) Kelompok Sectio Caesaria-Intervensi

91

Ikuti langkah berikut:

a. Isikan data tersebut ke dalam SPSS

b. Pada Menu SPSS klik Analyze

c. Klik Compare means

d. Klik Independent-Sample t

e. Masukkan variabel Skor Kepuasan dalam kotak Test

Variable.

f. Masukkan variabel Kelompok kedalam Grouping

Variable.

g. Aktifkan kotak Define Group



h. Masukkan angka 1 untuk kotak group 1 (sebagai kode

persalinan normal).

I. Masukkan angka 2 unt uk kotak group 2 (sebagai kode

persalinan sectio caesaria)

j. Tahapan selesai, Klik Continue, diikuti klik OK.


Tampilan Output SPSS

93

a. Menguji varians

Pada kotak Levene’s test (nama uji hipotesis untuk

menguji varians), nilai sig = 0,914. Karena nilai p> 0,05

maka varians data kedua kelompok sama.

b. Karena varians sama, maka untuk melihat hasil uji t

memakai hasil pada baris ke dua ( equal varians not

assumed).

c. Angka signifikansi pada baris pertama adalah 0,013,

dengan perbedaan rerata (mean difference) sebesar 4,63.

d. Nilai IK 95% adalah antara 1,07 -8,19.

e. Karena nilai p<0,05 maka diambil kesimpulan “terdapat

perbedaan rerata skor kepuasan yang bermakna antara

kelompok ibu yang melakukan persalinan normal dengan

menjalani persalinan secara sectio caesaria”.

ĎB Ì ÑÕMŐŎǾÔMŌ ĢMŒÒÕ

Hasil penyajian terbaik dari uji ini adalah dengan

mendeskripsikan informasi yang lengkap dengan

menampilkan IK serta nilai p. Hal ini dikarenakan informasi

nilai IK lebih bermanfaat secara klinis daripada informasi p

value.

Pada dasarnya pertimbangan tabel manakah yang akan

disampaikan dalam lapor an penelitian atau jurnal ilmiah

bergantung pada pedoman yang dianut oleh institusi atau

jurnal tersebut.



Contoh:

Tabel 4.1 Hasil uji t berpasangan secara lengkap

Uji t tidak berpasangan

Berdasarkan tabel 4.1 hasil uji unpaired t-test didapatkan

bahwa rata-rata kepuasan pada kelompok ibu dengan persalinan

normal sebesar 49,18, sedangkan pada ibu dengan persalinan

sectio caesaria didapatkan reata sebesar 44,54. Hasil uji

unpaired t-test juga didapatkan p value 0,001 (<0,05) dengan

demikian dapat disimpulkan bahwa terdapat perbedaan

kepuasan antara persalinan normal dengan persalinan secto

caesaria.

7. Latihan Kasus

Peneliti ingin mengetahui apakah terdapat perbedaan rerata

Critical Thinking mahasiswa program studi ners yang diberi

metode simulasi dengan yang biasa pada umumnya dengan

demonstrasi.

95


Reponden Kelompok Critical Thinking

1 1 48

2 1 48

3 1 53

4 1 51

5 1 52

6 1 51

7 1 45

8 1 55

9 1 44

10 1 45

11 1 49

12 1 48

13 2 47

14 2 47

15 2 46

16 2 42

17 2 44

18 2 42

19 2 45

20 2 51 Keterangan Coding:

1. Kelompok Kontrol

2. Kelompok Intervensi (Simulasi)



Daftar Rujukan:








97

BAB XII || TOPIK : UJI NON PARAMETRIK (UJI BEDA 2 MEAN BERPASANGAN) DATA

KATEGORIK

Ahmad Ikhlasul Amal

Sasaran Belajar:


mahasiswa mampu:

a. Mengetahui Langkah-langkah Uji Beda 2 Mean

Berpasangan Data Kategorik.

NB Menginterpretasikan Hasil Uji Beda 2 Mean

Berpasangan Data Kategorik .

c. Melaporkan Hasil Uji Beda 2 Mean Berpasangan Data

Kategorik.

Definisi:

Uji McNemar diperkenalkan oleh seorang ahli psikologi

bernama Quinn McNemar pada tahun 1947. Uji ini digunakan

untuk penelitian yang membandingkan sebelum dan sesudah

peristiwa/treatment dimana tiap objek digunakan sebagai

pengontrol dirinya sendiri (i.e. evaluating repeated

measurements of the same objects using them as their own

control). Uji dilakukan pada 2 kelompok sampel yang

berhubungan, skala pengukurannya berjenis nominal dan untuk

crosstabulasi 2x2.



Prosedur Uji Beda 2 Mean Berpasangan (Uji Mc Nemar)

Data Kategorik:

1. Cek syarat

a. Skala variabel dalam uji ini menggunakan skala

kategorik.

b. Menggunakan sampel yang berpasangan.

c. Jenis hipotesis yang ditentukan adalah hipotesis

komparatif.

2. Kasus

Peneliti ingin mengetahui apakah ada perbedaan

pengetahuan tentang Imunisasi sebelum dan sesudah

pemberian pendidikan kesehatan. Untuk membuktikan

hal tersebut diambil sampel-sampel secara random

sebanyak 20 orang. Sebelum pendidikan kesehatan

dilakukan pretest terlebih dahulu untuk melihat

pengetahuan awal. Setelah diberi pendidikan kesehatan

langsung dilakukan posttest pengetahuan mereka

dikategorikan menjadi dua, yaitu baik dan buruk. Data

dapat dilihat pada tabel berikut:

Responden Pengetahuan

Responden Pengetahuan

Sebelum Sesudah Sebelum Sesudah

1 2 1 11 1 1 2 2 1 12 2 1 3 2 1 13 2 2 4 1 1 14 2 1 5 1 2 15 1 1 6 2 1 16 2 1 7 1 1 17 2 1 8 2 1 18 2 1 9 1 1 19 2 1 10 2 1 20 1 1

99

Keterangan:

Kategori Pengetahuan: 1 = Baik 2 = Buruk

Langkah-langkah Kegiatan Praktikum:

Pada praktikum ini, mahasiswa memasukkan data, mengolah

data dengan menggunakan uji Mc nemar serta membuat

interpretasi dari luaran yang diperoleh.

a. Klik Analyze � Descriptives � statistics � Crosstabs

b. Masukkan variabel sebelum atau pre ke dalam Rows

c. Masukkan variabel sesudah atau post ke dalam Columns

d. Klik kotak Statistics, lalu pilih McNemar pada kanan bawah

kotak, lalu klik Continue.

e. Proses telah selesai. Klik Continue. Klik OK.

Akan muncul tampilan sebagai berikut:



101

Interpretasi Hasil :

Pengetahuan_Sebelum * Pengetahuan_Sesudah

Crosstabulation

Count

Pengetahuan_Sesudah

Total Baik Buruk

Pengetahuan_Seb elum Baik 7 1 8

Buruk 11 1 12

Total 18 2 20

Chi-Square Tests

Value

Exact Sig. (2 -

sided)

McNemar Test .006a

N of Valid

Cases 20

a. Binomial distribution used.

1. Output bagian pertama menunjukkan hasil tabel Crosstab

atau tabel silang. Subyek pen elitian dengan pengetahuan sebelum dan sesudah pendidikan kesehatan yang memiliki kategori baik berjumlah 7 orang. Subyek penelitian dengan pengetahuan sebelum dan sesudah diberikan pendidikan kesehatan dari baik menjadi buruk terdapat 1 orang, dan seterus nya.



2. Tabel kedua Chi-Square Tests menunjukkan hasil Uji

McNemar. Angka signifikansi menunjukkan angka

0,006. Karena nilai p<0,05, maka dapat diambil

kesimpulan bahwa pengetahuan antara sebelum dan

sesudah pemberian pendidikan kesehatan berbeda

secara bermakna.

Melaporkan Hasil:

Berikut ini contoh penyajian tabel dalam pelaporan hasil uji

statistik Mc Nemar.

Pengetahuan

sesudah pendidikan kesehatan

Total p

Baik Buruk Pengetahuan

sebelum pendidikan kesehatan

Baik 7 1 8

0,006 Buruk

11 1 12

Total 18 2 20

Latihan Kasus:

Peneliti ingin mengetahui dampak perubahan penyuluhan

kesehatan terhadap perilaku hidup bersih dan sehat bagi warga

di kecamatan Watu Nganten Demak.

103

Hasil data penelitian

Responden

Pola Hidup Bersih & Sehat Responde

n

Pola Hidup Bersih & Sehat

Sebelum

Sesudah

Sebelum

Sesudah

1 2 1 11 1 1 2 2 1 12 2 1 3 2 1 13 2 2 4 1 1 14 2 1 5 1 2 15 1 1 6 2 1 16 2 1 7 1 1 17 2 1 8 2 1 18 2 1 9 1 1 19 2 1

10 2 1 20 1 1 Daftar Rujukan:










105

BAB XIII || UJI NON PARAMETRIK (UJI BEDA 2 MEAN TIDAK BERPASANGAN) DATA

KATEGORIK

Ahmad Ikhlasul Amal Sasaran Belajar:

Setelah dilaksanakan praktikum selama 150 menit, mahasiswa

mampu :

a. Mengetahui langkah-langkah Uji Beda 2 Mean Tidak

Berpasangan Data Kategorik

b. Menginterpretasikan Hasil Uji Beda 2 Mean Tidak


ŃB Melaporkan Hasil Uji Beda 2 Mean Tidak


Definisi:

Salah satu uji statistik non-parametrik yang paling banyak

digunakan dalam penelitian bidang kesehatan adalah uji chi

square, karena uji ini memiliki kemampuan membandingkan dua

kelompok atau lebih pada data -data yang telah

dikategorisasikan. Meski demikian, uji chi -square dapat pula

dipakai pada pengujian satu kelomp ok dan berskala

interval/rasio. Secara ringkas kegunaaan uji chi -square disajikan

pada gambar berikut.



Prosedur (Uji Beda 2 Mean Tidak Berpasangan) Data

Kategorik:

1. Cek syarat

a. Skala variabel dalam uji ini menggunakan skala

kategorik.

b. Menggunakan sampel yang tidak berpasangan

c. Jenis hipotesis yang ditentukan adalah hipotesis

komparatif

2. Kasus

Peneliti ingin mengetahui apakah ada perbedaan skala nyeri pada pasien post op appendictomy dengan menggunakan teknik guided imagery. Untuk membuktikan hal tersebut diambil sampel-sampel secara random sebanyak 20 orang. Sebelum pemberian teknik guided imagery dilakukan pretest terlebih dahulu untuk melihat skala nyeri awal. Setelah diberi

107

penyuluhan langsung dilakukan posttest pengetahuan

mereka dikategorikan menjadi dua yaitu ringan dan

berat. Data dapat dilihat pada tabel berikut: Kelompok

Kontrol Skala Nyeri Kelompok

Intervensi Skala Nyeri

Sebelum Sesudah Sebelum Sesudah

1 2 1 15 1 1 2 2 1 16 2 1 3 2 2 17 2 2 4 1 1 18 2 1 5 1 2 19 1 1 6 2 1 20 2 1 7 1 1 21 2 2 8 2 1 22 2 1 9 1 2 23 2 1

10 2 1 24 1 1 11 2 1 25 2 1 12 1 2 26 2 1 13 2 1 27 2 1 14 1 2 28 2 1

Keterangan: � Skala Nyeri:

1 = Ringan 2= Berat

3. Langkah

Untuk memulai pengujian, berikut ini adalah langkah

yang harus Anda kerjakan :

a. Klik Analyze � Descriptives � Statistics �

Crosstabs.

b. Masukkan variabel terapi guided imagery ke dalam

rows (sebagai variabel bebas) .



c. Masukkan variabel skala nyeri ke dalam

Columns (sebagai variabel terikat)

d. Klink kotak Statistics, lalu pilih Chi-Square

pada kiri atas kotak, lalu klik Continue,

e. Aktifkan kotak Cell, lalu pilih observed (untuk

menampilkan nilai Observed) dan Expected

(untuk menampilkan nilai Expected) pada kotak

Counts, lalu Continue.

f. Proses telah selesai. Klik Continue. Klik OK.


Skala_Nyeri_Sebelum * Skala_Nyeri_Sesudah Crosstabulation

Skala_Nyeri_Sesudah

Total ringan berat

Skala_Nyer

i_Sebelum

Ringan Count 5 4 9

Expected Count 6.8 2.2 9.0

% within

Skala_Nyeri_Seb

elum

55.6% 44.4% 100.0%

% within

Skala_Nyeri_Ses

udah

23.8% 57.1% 32.1%

% of Total 17.9% 14.3% 32.1%

Berat Count 16 3 19

Expected Count 14.2 4.8 19.0

109

% within

Skala_Nyeri_Seb

elum

84.2% 15.8% 100.0%

% within

Skala_Nyeri_Ses

udah

76.2%

42.9%

67.9%

% of Total

57.1%

10.7%

67.9%

Total Count

21

7

28

Expected Count

21.0

7.0

28.0

% within

Skala_Nyeri_Seb

elum

75.0%

25.0%

100.0%

% within

Skala_Nyeri_Ses

udah

100.0% 100.0% 100.0%

% of Total

75.0%

25.0%

100.0%

Chi-Square Tests

Value

df

Asymp. Sig.

(2-sided)

Exact Sig.

(2-sided)

Exact Sig.

(1-sided)

Pearson Chi-

Square2.674a 1 .102

Continuity

Correctionb1.365 1 .243



Likelihood Ratio 2.551 1 .110

Fisher's Exact

Test

.165 .123

Linear-by-Linear

Association 2.579 1 .108

N of Valid Cases b 28

a. 2 cells (50,0%) have expected count less than 5. The minimum expected

count is 2,25.

b. Computed only for a 2x2

table

5. Tabel pertama menggambarkan deskripsi masing -

masing sel untuk nilai observed dan expected. Nilai

observed untuk sel a,b,c,d masing -masing 5,4,16,3

sedangkan nilai expectednya masing -masing 6,8; 2,2;

14,2; dan 4,8.

6. Tabel 2x2 ini tidak layak untuk diuji dengan chi square

karena ada nilai expected yang kurang dari lima.

Sehigga menggunakan uji alt ernatif Fisher.

7. Tabel kedua menunjukkan hasil uji Chi Square. Nilai

yang dipakai adalah pada nilai fisher exact test dengan

nilai sginifikansinya adalah 0,123 untuk 1 -sided (one

tail).

8. Karena nilai p>0,05 maka dapat disimpulka bahwa

“tidak ada hubungan ant ara skala nyeri sebelum dengan

sesudah mendapatkan teknik relaksasi guided imagery.

9. Laporan Hasil

111

Hasil analisis disajikan dalam bentuk tabel silang baris

dan kolom. Tabel chi square yang lengkap biasanya

terdiri atas jumlah dan persentase untuk setiap sel, serta

nilai p. Apabila desain penelitian kasus kontrol,

persentase total disajikan ke kolom. Apa bila

menggunakan desain cross sectional , persentase total

dapat disajikan ke baris maupun ke kolom.

10. Laporan Hasil

Hasil analisis disajikan dalam bentuk tabel silang baris

dan kolom. Tabel chi square yang lengkap biasanya

terdiri atas jumlah dan persen tase untuk setiap sel, serta

nilai p. Apabila desain penelitian kasus kontrol,

persentase total disajikan ke kolom. Apabila

menggunakan desain cross sectional , persentase total

dapat disajikan ke baris maupun ke kolom.

Tabel. Hasil analisis chi square pada desain kohort

Skala Nyeri Sesudah

p Ringan Berat

n % n %

Skala

Nyeri

Sebelum

Rin

gan

5 17,9 4 14,3

0,123 Ber

at

16 57,1 3 10,7

Total 21 75 7 25



Tabel Hasil analisis Chi-square pada desain kasus

kontrol

Skala Nyeri Sesudah p Ringan Berat

n % n %

Skala

Nyeri

Sebelum

Ringan 5 17,9 4 32,1 0,123

Berat 16 57,1 3 19,7

Total 21 75 7 25

11. Latihan Kasus

Sebuah penelitian yang ingin menguji adakah perbedaan kejadian kanker berdasarkan status riwayat merokok. Dimana variabel independen dalam hal ini adalah riwayat merokok, dengan kategori ada 2 yaitu: merokok dan tidak merokok. Sedangkan sebagai variabel dependen adalah kejadian kanker, dimana kejadian kanker juga terdiri dari 2 kategori, yaitu: menderita kanker dan tidak menderita kanker.

Data Hasil Penelitian Responden Riwayat

Merokok Kejadian Kanker

1 1 1 2 2 1 3 1 1 4 1 1 5 2 1 6 2 2

113

7 2 1 8 1 1 9 2 2 10 1 1 11 1 1 12 2 2 13 2 1 14 2 1 15 1 1

Keterangan: � Kejadian Kanker:

1= Tidak menderita kanker

2= Menderita Kanker

� Riwayat Merokok:

1 = Tidak Merokok

2= Merokok

Daftar Rujukan:






4. Sastroasmoro,S & Ismael, S. (2011). Dasar-dasar Metodologi Penelitian Klinis Edisi 4. Jakarta: Sagung Seto.



Documents

ANALISIS DATA PENELITIAN Petunjuk Praktis Bagi …