Modul Spss 2016

8/17/2019 Modul Spss 2016

1/28

MODUL DASAR

SPSS

MataKuliah

Biostatistik

8/17/2019 Modul Spss 2016

2/28

1

MENU

DASAR-DASAR SPSS

SPSS merupakan salah satu sekian banyak software statistika yang telah dikenal

luas dikalangan penggunaannya. Disamping masih banyak lagi software statistika

lainnya seperti Minitab, Syastas, Microstat dan masih banyak lagi. SPSS sebagai

sebuah tools mempunyai banyak kelebihan, terutama untuk aplikasi di bidang

ilmu sosial.

Gambar 1.1 SPSS Envirorment

MENU BAR: Kumpulan perintah – perintah dasar untuk meng-operasikan SPSS.

Menu yang terdapat pada SPSS adalah :

I. FILE

Untuk operasi file dokumen SPSS yang telah dibuat, baik untuk perbaikan

pencetakan dan sebagainya. Ada 5 macam data yang digunakan dalam SPSS, yaitu

:

1. Data : dokumen SPSS berupa data

2. Systax : dokumen berisi file syntax SPSS

3. Output : dokumen yang berisi hasil running out SPSS

4. Script : dokumen yang berisi running out SPSS

5. Database

• NEW : membuat lembar kerja baru SPSS

• OPEN: membuka dokumen SPSS yang telah ada

VARIABLEDATA

TOOL BAR

8/17/2019 Modul Spss 2016

3/28

2

Secara umum ada 3 macam ekstensi dalam lembar kerja SPSS, yaitu :

1. *.spo : file data yang dihasilkan pada lembar data editor

2. *.sav : file text/obyek yang dihasilkan oleh lembar output

3. *.cht : file obyek gambar/chart yang dihasilkan oleh chart window• Read Text Data : membuka dokumen dari file text (yang berekstensi txt),

yang bisa dimasukkan/dikonversi dalam lembar data SPSS

• Save : menyimpan dokumen/hasil kerja yang telah dibuat.

• Save As : menyimpan ulang dokumen dengan nama/tempat/type

dokumen yang berbeda

• Page Setup : mengatur halaman kerja SPSS

• Print : mencetak hasil output/data/syntaq lembar SPSS

Ada 2 option/pilihan cara mencetak, yaitu :All visible output : mencetak lembar kerja secara keseluruhan

Selection : mencetak sesuai keinginan yang kita sorot/blok

• Print Preview : melihat contoh hasil cetakan yang nantinya diperoleh

• Recently used data: berisi list file data yang pernah dibuka sebelumnya.

• Recently used file: berisi list file secara keseluruhan yang pernah dikerjakan

II. EDIT

Untuk melakukan pengeditan pada operasi SPSS baik data, serta

pengaturan/option untuk konfigurasi SPSS secara keseluruhan.• Undo : pembatalan perintah yang dilakukan sebelumnya

• Redo : perintah pembatalan perintah redo yang dilakukan sebelumnya

• Cut : penghapusan sebual sel/text/obyek, bisa dicopy untuk

keperluan tertentu dengan perintah dari menu paste

• Paste : mempilkan sebua sel/text/obyek hasil dari perintah copy atau

cut

• Paste after : mengulangi perintah paste sebelumya

•

Paste spesial : perintah paste spesial, yaitu bisa konvesri ke gambar,word, dll

• Clear : menghapusan sebuah sel/text/obyek

• Find : mencari suatu text

• Options : mengatur konfigurasi tampilan lembar SPSS secara umum

8/17/2019 Modul Spss 2016

4/28

3

IV. VIEW

Untuk pengaturan tambilan di layar kerja SPSS, serta mengetahu proses-prose

yang sedang terjadi pada operasi SPSS.

• Status Bar : mengetahui proses yang sedang berlangsung

• Toolbar : mengatur tampilan toolbar

• Fonts : untuk mengatur jenis, ukuran font pada data editor

• Outline size : ukuran font lembar output SPSS

• Outline font : jenis font lembar output SPSS

• Gridlines : mengatur garis sel pada editor SPSS

• Value labels : mengatur tampilan pada editor untuk mengetahui value

label

V. DATA

Menu data digunakan untuk melakukan pemrosesan data.

• Define Dates : mendefinisikan sebuah waktu untuk variable yang

meliputi jam, tanggal, tahun, dan sebagainya

• Insert Variable : menyisipkan kolom variable

• Insert case : menyisipkan baris

• Go to case : memindahkan cursor pada baris tertentu

• Sort case : mengurutkan nilai dari suatu kolom variable

• Transpose : operasi kolom variable menjadi baris

• Merge files : menggabungkan kolom-kolom variablenya

• Split file :memecahkan file berdasarkan kolom variablenya

• Select case : mengatur sebuah variable berdasarkan sebuah

persyaratan tertentu

VI. TRANSFORM

Menu transform dipergunakan untuk melakukan perubahan-perubahan atau

penambahan data.

•

Compute : operasi aritmatika dan logika untuk• Count : untuk mengetahui jumlah sebuah ukuran data tertentu pada

suatu baris tertentu

• Recode : untuk mengganti nilai pada kolom variable tertentu, sifatnyamenggantikan (into same variable) atau merubah (into different variable)pada variable baru

• Categorize variable : merubah angka rasional menjadi diskrit

• Rank case :mengurutkan nilai data sebuah variabel

8/17/2019 Modul Spss 2016

5/28

4

VIII. ANALYSE

Menu analyse digunakan untuk melakukan analisis data yang telah kita masukkan

ke dalam komputer. Menu ini merupakan menu yang terpenting karena semua

pemrosesan dan analisis data dilakukan dengan menggunakan menu correlate,

compare mens, regresion.

IX. GRAPH

Menu graph digunakan untuk membuat grafik, diantaranya ialah bar, line, pie, dll

X. UTILITIES

XI. Menu utilities dipergunakan untuk mengetahui informasi variabel, informasi file,

dll

XII. AD-ONS

Menu ad-ons digunakan untuk memberikan perintah kepada SPSS jika ingin

menggunakan aplikasi tambahan, misalnya menggunakan alikasi Amos, SPSS

data entry, text analysis, dsb

XIII. WINDOWS

Menu windows digunakan untuk melakukan perpindahan (switch) dari satu fileke file lainnya

XIV. HELP

Menu help digunakan untuk membantu pengguna dalam memahami perintah-

perintah SPSS jika menemui kesulitanXV. TOOL BAR : Kumpulan perintah – perintah yang sering digunakan

dalam bentuk gambar.

XVI. POINTER : Kursor yang menunjukkan posisi cell yang sedang aktif /dipilih.

Kasus : Berikut ini data obat di gudang 10 barang diambil secara acak (angka dalamrupiah)

No Barang Harga Pokok/Unit Stock Di Gudang

1 Buku tulis 3000 5240

2 Tas Punggung 80000 40000

3 Dompet 45000 22000

4 Jam tangan 70000 2500

5 Spidol 7000 7800

6 Kertas 30000 25000

7 Tempat CD 45000 5200

8 Pensil 17000 22000

9 Penggaris 5000 10500

Langkah-langkah Input Data :

8/17/2019 Modul Spss 2016

6/28

5

1. Membuat Variabel

Klik variabel view pada pojok kiri bawah, kemudian isikan :

● Nama Variabel beserta keterangan yang diinginkan tentang variabletersebut.

Misal : Barang, Harga, Stock

Hal yang perlu diperhatikan saat mengisi nama variabel adalah :

- Nama variabel harus diawali denngan huruf dan tidak boleh diakhiridengan tanda titik.

- Panjang maksimal 8 karakter.

- Tidak boleh ada yang sama, dengan tidak membedakan huruf kecil ataubesar.

● Type, Width dan Decimal Variabel- Default dari tipe setiap variabel baru adalah numeric, lebar 8 karakter

sesuai dengan desimal sebanyak 2 digit.

- Untuk mengubah tipe variabel dilakukan dengan cara mengklik tombolpilihan pada kolom Type.

- Ada 8 tipe variable, yaitu :

a) Numeric : angka, tanda (+) atau (-) didepan angka, indicator desimal

b) Comma : angka, tanda (+) atau (-) didepan angka, indicator desimal,tanda koma sebagai pemisah bilangan ribuan

c) Dot : angka, tanda (+) atau (-) didepan angka, indicator desimal,tanda titik sebagai pemisah bilangan ribuan

d) Scientific notation : sama dengan tipe numeric, tetapi menggunakan symbol Euntuk kelipatan 10 (misal 120000 = 1.20E+5)

e) Date : menampilkan data format tanggal atau waktu

f) Dollar : memberi tanda dollar ($), tanda koma sebagai pemisahbilangan ribuan dan tanda titik sebagai desimal

g) Custom currency : untuk format mata uang

h) String : biasanya huruf atau karakter lainnya

Gambar 1.2 Variabel view

2. Mengisi Data

8/17/2019 Modul Spss 2016

7/28

6

Memasukkan data pada Data Editor dilakukan dengan cara mengetik datayang akan dianalisa pada sel-sel (case) dibawah judul (heading) kolom namavariabel.

Gambar 1.3 Data View

3. Menyimpan Data

Setelah data dimasukkan, maka data perlu disimpan untuk kepeluananalisa selanjutnya. Langkah penyimpanan data adalah sebagai berikut :

Klik Menu File→ Save Data→ (Pilih folder penyimpanan), ketik Nama File→ Klik OK.

8/17/2019 Modul Spss 2016

8/28

7

COMPARE MEANS

A. Means

Means merupakan alat analisis untuk menggambarkan statistik data pada variabel berkelompok, seperti rata-rata (mean), standar deviasi, sum, minimum,

maksimum, dan analisis statistik lainnya, serta untuk menampilkan tabel ANOVA

dan menguji linearitas antara variabel dependen dan independen. Biasanya data

yang digunakan terdiri atas rasio (scale) sebagai variabel dependen dan data

nominal atau ordinal (kategori) sebagai variabel independen.

Contoh Kasus 1 :

Seorang mahasiswa melakukan penelitian untuk mengetahui statistik data nilaites mahasiswa suatu PTS. Ia mengelompokkan mahasiswa ke dalam tiga tipe

kepribadian, yaitu tidak baik, baik, dan sangat baik. Selanjutnya, ia ingin

mengetahui apakah terdapat perbedaan nilai tes jika dilihat dari kepribadian.

Sampel yang digunakan sebanyak 20 mahasiswa. Berikut adalah data-data yang

didapat dan telah diinputkan ke dalam program SPSS.

Gambar 2.1 Input Data

Keterangan :

Kepribadian : 1 = tidak baik, 2 = baik, 3 = sangat baik

8/17/2019 Modul Spss 2016

9/28

8

“Nilai tes” merupakan data rasio (scale), sedangkan “Kepribadian” merupakan

data ordinal (variabel kelompok / kategori). Di sini akan dilakukan analisis Mean

untuk menggambarkan statistik data “Nilai tes” yang dikelompokkan berdasar

“Kepribadian” dan dilakukan uji perbedaan (ANOVA) untuk mengetahui apakah

terdapat perbedaan “Nilai tes” jika dilihat dari kepribadian.

Langkah-langkah analisis menggunakan SPSS adalah sebagai berikut :

1. Tampilkanlah program SPSS

2. Kliklah variable view pada SPSS data editor

3. a. Pada kolom Name baris pertama ketik nilaites; pada Label ketik Nilai tes;

pada kolok Measure pilih Scale

b. Pada kolom Name baris kedua ketik kepribadian; pada Label ketik

Kepribadian; pada kolom Values klik pada kotak kecil, selanjutnya pada kotakdialog Value Label isikan pada Value isian angka 1 dan pada Value label isikan

Tidak baik , kemudian klik Add. Ulangi langkah di atas untuk Baik dan Sangat

Baik. Setelah itu, klik OK dan pada kolom Measure pilih Ordinal. Untuk

kolom lainnya bisa diabaikan (isian default).

4. Masuklah ke halaman Data View dengan klik Data View

5. Isikan data nilaites dan kepribadian seperti Gambar 2.1

6. Selanjutnya, kliklah Analyze > Compare Means > Means

Gambar 2.2 Langkah memilih alat analisis

Langkah di atas akan menampilkan kotak dialog sebagai berikut.

Gambar 2.3 Kotak dialog Means

8/17/2019 Modul Spss 2016

10/28

9

7. Masukkan variabel Nilai tes ke kotak Dependen List dan variabel

Kepribadian ke kotak Independent List. Kemudian, kliklah tab Options.

Langkah ini akan menampilkan kotak dialog sebagai berikut.

Gambar 2.4 Kotak dialog Means : Options

8. Karena akan dilakukan uji perbedaan (ANOVA), berilah tanda centang pada

kotak kecil Anova table and eta. Kemudian, kliklah tab Continue , maka Anda

akan kembali ke kotak dialog sebelumnya.9. Klik OK. Hasil outputnya sebagai berikut :

Gambar 2.5 Output hasil analisis Means

8/17/2019 Modul Spss 2016

11/28

10

Analisis

Output Case Processing Summaries

Untuk data nilai tes dan kepribadian yang valid berjumlah 20 dan tidak ada data

yang hilang (missing) dengan persentase 100%.

Output Report

Dari output dapat dilihat bahwa rata-rata nilai tes dengan kepribadian tidak baik

adalah 56,00 dengan jumlah 5 orang; kepribadian baik 73,125 dengan jumlah 8

orang; dan kepribadian sangat baik 80,714 dengan jumlah 7 orang.

Output ANOVA table

Uji perbedaan (Uji F) digunakan untuk menguji perbedaan rata-rata nilai tes jika

dilihat dari kepribadian.

Langkah-langkah pengujiannya sebagai berikut.

1. Merumuskan hipotesis

Ho : Tidak ada perbedaan rata-rata nilai tes jika dilihat dari kepribadian

Ha : Ada perbedaan rata-rata nilai tes jika dilihat dari kepribadian

2. Menentukan F hitung

Dari output di atas didapat nilai F hitung (Combined) adalah 16,457

3. Menentukan F tabel dan SignifikansiF tabel dapat dilihat pada tabel F statistik pada tingkat signifikansi 0,05 df 1

(jumlah variabel-1) = 2, dan df 2 (n – 3) atau 20 – 3 = 17. Hasil yang diperoleh

untuk F tabel adalah 3,592 (lihat lampiran). Sementara itu, hasil output

menunjukkan signifikansi sebesar 0,000.

4. Kriteria pengujian :

Jika F hitung ≤ F tabel, maka Ho diterima

Jika F hitung > F tabel, maka Ho ditolak

5. Berdasar signifikansi : Jika signifikansi > 0,05 maka Ho diterima

Jika signifikansi < 0,05 maka Ho ditolak

6. Membuat kesimpulan

F hitung < F tabel (16,457 > 3,592) dan signifikansi > 0,05 (0,000

8/17/2019 Modul Spss 2016

12/28

11

B. One Sample T Test

One Sample T Test digunakan untuk menguji rata-rata sebuah sampel yang

dibandingkan dengan rata-rata populasi. Biasanya data yang digunakan adalah

data rasio (scale).Contoh Kasus 2 :

Seorang dosen berhipotesis bahwa kecepatan memasang infus pada phantom

mahasiswa keperawatan semester 4 rata-rata adalah 50 detik (sebagai populasi).

Untuk membuktikan apakah benar atau tidak, maka dilakukan penelitian dengan

mengambil sampel sebanyak 20 mahasiswa semester 4 untuk diteliti. Berikut

adalah data yang didapat dan yang telah di inputkan.


Diketahui bahwa rata-rata populasi adalah 50. Di sini kita akan melakukan uji satu

sampel untuk mengetahui apakah kecepatan memasang infus adalah 50 detik.Tingkat signifikansi menggunakan 0,05 atau tingkat kepercayaan (confidence

interval) sebesar 95%/

Langkah-langkah analisis dengan SPSS adalah sebagai berikut :

1. Bukalah program SPSS


3. Pada kolom Name baris pertama ketik kcptpsginf; pada Label kerik

Kecepatan lari; pada kolom Measure pilih Scale. Untuk kolom lainnya bisa

diabaikan (isian default)

8/17/2019 Modul Spss 2016

13/28

12


5. Isikan data kcptpsginf seperti Gambar 2.6

6. Selanjutnya, klik Analyze > Compare Means > One Sample T Test

7. Setelah itu, Anda akan melihat tampilan kotak dialog sebagai berikut.

Gambar 2.7 Kotak dialog One Sample T Test

8. Masukkan variabel Kecepatan pemasangan infus ke kotak Test Variable (s).

Kemudian, isikan nilai 50 pada Test Value.

9. Klik OK. Hasil outputnya sebagai berikut.

Gambar 2.8 Output hasil analisis Means

Analisis

Output One Sample Statistics

Banyaknya data “Kecepatan pemasangan infus” yang valid berjumlah 20

mahasiswa. Rata-rata kecepatan adalah 54,40 detik dengan deviasi standar

8,15249, dan standard error mean 1,82295.

Output One Sample Test

Uji satu sampel digunakan untuk mengetahui apakah kecepatan pemasanagan

infus adalah sama atau berbeda dengan yang dihipotesiskan, yaitu 50 detik.

8/17/2019 Modul Spss 2016

14/28

13

Tingkat signifikansi dalam pengujian ini menggunakan 0,05 (secara default SPSS

sudah menggunakan tingkat signifikansi 0,05).

Berikut adalah langkah-langkah pengujiannya.

1. Merumuskan hipotesisHo : Rata-rata kecepatan pemasanagan infus mahasiswa adalah 50 detik

Ha : Rata-rata kecepatan pemasanagan infus mahasiswa bukan 50 detik

2. Menentukan t hitung dan signifikansi

Dari tabel pada Gambar 2.8 didapat nilai t hitung sebesar 2,414 dan signifikansi

0,026.

3. Menentukan t tabel

T tabel dapat dilihat dalam tabel statistik pada signifikansi 0,05 : 2 = 0,025 (uji

2 sisi) dengan derajat kebebasan (df) n – 1 atau 20 – 1 = 19. Hasil yang diperolehuntuk t tabel adalah sebesar 2,093 (Lihat pada lampiran tabel t).


Jika –t tabel ≤ t hitung ≤ t tabel, maka Ho diterima

Jika –t hitung < -t table atau t hitung > t table, maka Ho ditolak

5. Berdasar signifikansi :

Jika signifikansi > 0,05, maka Ho diterima

Jika signifikansi < 0,05, maka Ho ditolak

6. Membuat kesimpulan.Nilai t hitung > t tabel (2,414 > 2,093) dan signifikansi (0,026 < 0,05), maka Ho

ditolak. Jadi, dapat disimpulkan bahwa rata-rata kecepatan pemasangan infus

bukan 50 detik.

C. Independent Samples T Test

Independent Samples T Test atau uji beda 2 rata-rata digunakan untuk menguji

dua rata-rata pada dua kelompok data yang independen.

Contoh Kasus:

Seorang Dosen meneliti apakah ada perbedaan nilai tes antara laki-laki dan

perempuan di kelasnya. Sampel yang digunakan sebanyak 20 mahasiswa. Data

yang didapat kemudian diinputkan ke dalam program SPSS seperti terlihat pada

gambar berikut.

8/17/2019 Modul Spss 2016

15/28

14

Gambar 2.9 Input DataKeterangan :

Jnsklmn : 1 = laki-laki, 2 = perempuan

Variabel yang digunakan terdiri atas “Jenis kelamin” sebagai variabel dummy

(data nominal / kategori) dan “Nilai tes” yang berisi data rasio (Scale). Di sini kita

akan melakukan uji beda 2 rata-rata (Independent Samples T Test) untuk

mengetahui apakah ada perbedaan nilai tes antara laki-laki dan perempuan.

Pengujian menggunakan tingkat signifikansi 0,05 atau tingkat kepercayaan(confidence interval) sebesar 95%.

Langkah-langkah analisis dengan SPSS adalah sebagai berikut.



3. Pada kolom Name baris pertama ketik jnsklmn; pada Label ketik Jenis

kelamin; pada kolom Measure pilih Nominal. Pada kolom Name baris kedua

ketik nilaites; pada Label ketik Nilai tes; pada kolom Measure pilih Scale.

Sementara itu, untuk kolom lainnya bisa diabaikan (isian default).

4. Masuklah ke halaman Data View dengan mengklik Data View

5. Isikan data jnsklmn dan nilaites seperti Gambar 2.9

6. Selanjutnya, kliklah Analyze > Compare Means > Independent Samples T

Test. Setelah itu, Anda akan melihat tampilan kotak dialog sebagai berikut.

7. Masukkan variabel “Nilai tes” ke kotak Test Variable(s) dan variabel “Jenis

kelamin” ke kotak Grouping Variable. Kemudian, kliklah tab Define Groups.

Selanjutnya, Anda akan melihat tampilan kotak dialog sebagai berikut.

8/17/2019 Modul Spss 2016

16/28

15

Gambar 2.10 Kotak dialog Define Groups

8. Pada Group 1 isikan angka 1 , yang berarti kelompok laki-laki, sedangkan pada

Group 2 isikan angka 2 , yang berarti kelompok perempuan. Kemudian,

kliklah Continue. Selanjutnya, Anda akan kembali ke kotak dialog

sebelumnya.


Gambar 2.11 Output hasil Independent Samples T Test

Analisis

Output Group Statistics

Banyaknya data “Jenis kelamin” laki-laki berjumlah 9 siswa, sedangkan

perempuan berjumlah 11 siswa. Rata-rata nilai tes untuk laki-laki adalah

66,7778 sedangkan perempuan 83,0909. Deviasi standar nilai tes untuk laki-laki

adalah 11,11058 dan untuk perempuan 6,31593. Standard error mean nilai tes

untuk laki-laki adalah 3,70352 dan untuk perempuan 1,90432.

Output Independent Samples Test

Uji beda 2 rata-rata (Independent Samples T Test) dipakai untuk mengetahui

apakah ada perbedaan nilai tes antara laki-laki dan perempuan. Pengujian

menggunakan tingkat signifikansi 0,05 (secara default SPSS sudah

menggunakan tingkat signifikansi 0,05)

8/17/2019 Modul Spss 2016

17/28

16

Sebelum uji beda 2 rata-rata dilakukan, uji F (uji homogenitas) perlu dilakukan

terlebih dahulu. Jika varian sama, maka uji t menggunakan Equal Variance

Assumed (diasumsikan varian sama) dan jika varian berbeda, menggunakan

Equal Variance Not Assumed (diasumsikan varian berbeda).

Langkah-langkah uji F adalah sebagai berikut :


Ho : Kelompok data nilai tes antara laki-laki dan perempuan memiliki

varian yang sama

Ha : Kelompok data nilai tes antara laki-laki dan perempuan memiliki

varian yang berbeda

2. Kriteria pengujian (berdasar signifikansi) :

- Jika signifikansi > 0,05, maka Ho diterima

- Jika signifikansi < 0,05, maka Ho ditolak

3. Membuat kesimpulan.

Signifikansi dari uji F didapat 0,196. Karena nilai signifikansi > 0,05 (0,196 >

0,05), maka Ho diterima. Jadi, dapat disimpulkan bahwa kelompok data nilai

tes antara laki-laki dan perempuan memiliki varian yang sama. Oleh karena

itu, uji t (Independence Samples T Test) menggunakan equal variance

assumed.

Independent Samples T Test

Langkah-langkah pengujiannya sebagai berikut.


Ho : Tidak ada perbedaan rata-rata nilai tes antara laki-laki dan perempuan

Ha : Ada perbedaan rata-rata nilai tes antara laki-laki dan perempuan

2. Menentukan t hitung.

Dari output didapat nilai t hitung (equal variance assumed) adalah 5,172


T tabel dapat dilihat pada tabel statistic pada signifikansi 0,05 : 2 = 0,025 (uji 2

sisi) dengan derajat kebebasan (df) n – 2 atau 20 – 2 = 18. Hasil yang diperoleh

untuk t tabel sebesar 2,101 (lihat lampiran tabel t).


- Jika – t tabel ≤ t hitung ≤ t tabel, maka Ho diterima

- Jika – t hitung < - t tabel atau t hitung > t tabel, maka Ho ditolak

Berdasar signifikansi :



8/17/2019 Modul Spss 2016

18/28

17


Karena nilai – t hitung < - t tabel (-4,132 < 2,101) dan signifikansi < 0,05 (0,196>

0,05), maka Ho diterima. Jadi, dapat disimpulkan bahwa tidk ada perbedaan

rata-rata nilai tes antara laki-laki dan perempuan.

D. Paired Samples T Test

Paired Samples T Test digunakan untuk menguji perbedaan rata-rata antara dua

sampel yang berpasangan.

Contoh Kasus 4 :

Seorang manajer perusahaan ingin meneliti apakah ada perbedaan nilai tes antara

sebelum dan sesudah adanya pelatihan pada karyawannya. Sampel yangdigunakan sebanyak 10 karyawan. Data yang didapat kemudian diinputkan ke

dalam SPSS sebagai berikut.


Di sini kita akan melakukan uji beda 2 rata-rata antara dua sampel berpasangan

(Paired Samples T Test) untuk mengetahui apakah ada perbedaan nilai tes antara

sebelum dan setelah diadakan pelatihan. Pengujian menggunakan tingkat

signifikansi 0,05 atau tingkat kepercayaan (confidence interval) sebesar 95%.

Langkah-langkah analisis dengan SPSS adalah sebagai berikut.



3. Pada kolom Name baris pertama ketik sebelum; pada Label ketik Sebelum

pelatihan; pada kolom Measure pilih Scale. Pada kolom Name baris kedua

ketik setelah; pada Label ketik Setelah pelatihan; pada kolom Measure pilih

Scale; untuk kolom lainnya bisa diabaikan (isian default).

8/17/2019 Modul Spss 2016

19/28

18


5. Isikan data sebelum dan setelah seperti Gambar 2.13

6. Selanjutnya, kliklah Analyze > Compare Means > Paired Samples T Test.

Langkah ini akan menampilkan kotak dialog sebagai berikut.

Gambar 2.13 Kotak dialog Paired Samples T Test

7. Masukkan variabel “Sebelum pelatihan” dan “Setelah pelatihan” ke kotak

Paired Variables (Variable 1 dan Variable 2)


Gambar 2.14 Output hasil Paired Samples T Test

Analisis

Output Paired Samples Statistics

Untuk data sebelum pelatihan, nilai rata-rata tes 64,2, jumlah data 10, deviasi

standar 14,69543, dan standard error mean 4,6710. Sementara itu, untuk data

setelah pelatihan, nilai rata-rata tes 87,5, jumlah data 10, deviasi standar

6,81909, dan standard error mean 2,15639.

Output Paired Samples Correlations

8/17/2019 Modul Spss 2016

20/28

19

Dari output didapat nilai korelasi sebesar -1,574 dengan signifikansi 0,644. Hal

ini berarti ada hubungan antara nilai tes sebelum dan setelah pelatihan karena

nilai yang mendekati 1.

Output Paired Samples Test

Paired Samples T Test digunakan untuk mengetahui apakah ada perbedaan

nilai tes antara sebelum dan sesudah diadakan pelatihan. Pengujian

menggunakan tingkat signifikansi 0,05 (secara default SPSS sudah

menggunakan tingkat signifikansi 0,05). Berikut adalah langkah-langkah

pengujiannya.


Ho : Tidak ada perbedaan rata-rata nilai tes antara sebelum dan setelah

pelatihan

Ha : Ada perbedaan rata-rata nilai tes antara sebelum dan setelah pelatihan

2. Menentukan t hitung dan signifikansi

Dari output diketahui nilai t hitung adalah – 4,297 dan signifikansi 0,002


T tabel dapat dilihat pada tabel statistik pada signifikansi 0,05 : 2 = 0,025 (uji 2

sisi) dengan derajat kebebasan (df) n – 1 atau 10 – 1 = 9. Hasil yang diperoleh

untuk t tabel sebesar 2,262 (lihat lampiran tabel t).


- Jika -t tabel ≤ t hitung ≤ t tabel, maka Ho diterima

- Jika –t hitung < -t tabel atau t hitung > t tabel, maka Ho ditolak

Berdasar signifikansi :




Karena nilai –t hitung < -t tabel (-4,297 < -2,262) dan signifikansi < 0,05 (0,002 <

0,05), maka Ho ditolak. Jadi, dapat disimpulkan bahwa ada perbedaan rata-rata nilai tes antara sebelum dan setelah pelatihan. Dari perhitungan SPSS

dapat pula diketahui bahwa rata-rata nilai tes setelah pelatihan lebih tinggi.

Hal ini dapat diartikan bahwa adanya pelatihan memberikan andil dalam

peningkatan nilai tes para karyawan.

8/17/2019 Modul Spss 2016

21/28

20

CORRELATE

Korelasi bivariate adalah hubungan antara dua variabel atau sering disebut

korelasi sederhana. Dalam perhitungan korelasi akan didapat koefisien korelasiyang menunjukkan keeratan hubungan antara dua variabel tersebut. Nilai

koefisien korelasi berkisar antara 0 sampai 1 atau 0 sampai – 1. Jika nilai semakin

mendekati 1 atau – 1, hubungan semakin erat; sebaliknya, jika mendekati 0,

hubungan semakin lemah. Macam koefisien korelasi yang digunakan adalah

korelasi Pearson serta Kendalls tau-b dan Spearman.

A. Product Moment Pearson

Korelasi Pearson (Product Moment Pearson) berguna untuk mengukur ke-eratan

hubungan antara dua variabel yang mempunyai distribusi data normal. Data yang

digunakan adalah tipe interval atau rasio.

Contoh:

Seorang Bidan melakukan penelitian tentang hubungan anatar pengetahuan

tentang kehamilan dengan motivasi melakukan pemeriksaan kehamilan di

BPS/PUSKESMAS. Sampel menggunakan pasien hamil yang tidak teratur

memeriksakan kehamilanya di PUSKESMAS Cisadea sebanyak 10 orang diambil

secara random dari paopulasi yang ada.. Data-data yang didapat telah diinputsebagai berikut.


Data skor pengetahun kehamilan dan motivasi periksa kehamilan merupakan tipe

data interval (scale). Disini kita akan melakukan analisis korelasi Product Moment

Pearson untuk mengetahui keeratan hubungan pengetahuan dan motivasi periksa

8/17/2019 Modul Spss 2016

22/28

21

hamil dan melakukan pengujian signifikansi untuk mengetahui apakah terdapat

hubungan signifikan atau tidak di antara variabel-variabel tersebut.

Langkah-langkah analisis dengan SPSS adalah sebagai berikut :

1. Bukalah program SPSS2. Kliklah variable view pada SPSS data editor

3. Pada kolom Name baris pertama ketik pengetahuan ; pada Label ketik

Skor Pengetahuan Kehamilan; pada kolom Measure pilih Scale. Pada

kolom Name baris kedua ketik motivasi; pada Label ketik Skor motivasi

periksa hamil ; pada kolom Measure pilih Scale. Untuk kolom lainnya

bisa diabaikan (isian default)


5. Isikan data pengetahuan dan motivasi seperti Gambar 5.16. Selanjutnya, klik Analyze > Correlate > Bivariate

Gambar 3.2 Langkah memilih alat analisis

7. Setelah itu, perhatikan kotak dialog yang tampil seperti berikut.

Gambar 3.3 Kotak Dialog Bivariate Correlations

8. Masukkan variabel pengetahuan dan motivasi ke kotak Variables.


8/17/2019 Modul Spss 2016

23/28

22

Correlations

skor pengetahuan

kehamilan

skor motivasi periksa

hamil

skor pengetahuan

kehamilan

Pearson Correlation 1 .913**

Sig. (2-tailed) .000

N 10 10

skor motivasi periksa hamil Pearson Correlation .913** 1

Sig. (2-tailed) .000

N 10 10

**. Correlation is significant at the 0.01 level (2-tailed).

Gambar 3.4 Output hasil analisis Korelasi Pearson

Analisis

Korelasi antara “pendapatan” dengan “motivasi” memberikan nilai koefisiensebesar 0,913. Karena koefisien mendekati 1, maka dapat disimpulkan bahwa

hubungan antara “pengetahuan” dengan “motivasi” sangat erat. Angka

koefisien positif menunjukkan hubungan positif, yaitu jika “pengetahuan”

meningkat, maka “motivasi” juga akan meningkat.

Uji Signifikansi

Pengujian signifikansi dimaksudkan untuk mengetahui apakah terdapat

hubungan signifikan atau tidak di antara variabel yang ada. Pengujian

menggunakan uji dua sisi (two taled). Signifikan artinya nyata (“berarti”);maksudnya, hubungan yang terjadi dapat diberlakukan untuk populasi.

Pengujian Koefisien Harga

Langkah-langkah pengujiannya sebagai berikut :

1. Menentukan hipotesis

Ho : Tidak ada hubungan antara pengetahuan dengan motivasi

Ha : Ada hubungan antara pengetahuan dengan motivasi


- Jika signifikansi > 0,05, maka Ho diterima- Jika signifikansi < 0,05, maka Ho ditolak


Dari output didapat signifikansi sebesar 0,000. Karena signifikansi < 0,05,

maka Ho ditolak. Jadi, dapat disimpulkan bahwa ada hubungan antara

pengetahuan dengan motivasi.

8/17/2019 Modul Spss 2016

24/28

23

B. Korelasi Spearman

Korelasi Spearman berguna untuk mengukur keeratan hubungan antara

peringkat-peringkat. Pada korelasi ini tidak mensyaratkan distribusi data normal

dan bisa memakai data tipe ordinal.Contoh :

Dua orang bidan melakukan penilaian nyeri dengan menggunakan skala nyeri

bersama-sama pada beberapa pasien post sectio. Sebagai sampel diambil 10 orang

pasien sebagai responden.Data-data yang didapat telah diinput sebagai berikut.


Data “bidana” dan “bidanb” merupakan tipe data ordinal. Dalam hal ini dipakai

kisaran nilai 0 (sama sekali tidak nyeri) sampai 10 (sangat nyeri sekali). Di sini kita

akan melakukan analisis korelasi Spearman untuk mengetahui kesesuaian

penilaian skala nyeri anata bidan A dan B atau mengetahui apakah terdapat

hubungan signifikan atau tidak antar variabel tersebut.Langkah-langkah analisis dengan SPSS adalah sebagai berikut :



3. Pada kolom Name baris pertama ketik bidana; pada Decimals ganti menjadi

0; pada Label ketik skala nyeri oleh bidan A; dan pada kolom Measure pilih

Ordinal. Pada kolom Name baris kedua ketik bidanb; pada Decimals ganti

menjadi 0; pada Label ketik skala nyeri oleh bidan B; pada kolom Measure

pilih Ordinal. Untuk kolom lainnya bisa diabaikan (isian default)


5. Isikan data bidana dan bidanb seperti Gambar 3.5

6. Selanjutnya, klik Analyze > Correlate > Bivariate. Setelah itu, perhatikan kotak

dialog yang tampil seperti berikut ini.

8/17/2019 Modul Spss 2016

25/28

24


7. Masukkan variabel skala nyeri oleh bidan A dan skala nyeri oleh bidan A ke

kotak Variables

8. Pada Correlation Coefficients hilangkan tanda centang pada Pearson ,kemudian beri tanda centang pada Kendall’s tau-b dan Spearman.


Correlations

skala nyeri

oleh bidan A

skala nyeri

oleh bidan B

Spearman's rho skala nyeri oleh bidan A Correlation Coefficient 1.000 .957**

Sig. (2-tailed) . .000

N 10 10

skala nyeri oleh bidan B Correlation Coefficient .957** 1.000

Sig. (2-tailed) .000 .

N 10 10

**. Correlation is significant at the 0.01 level (2-tailed).

Gambar 3.7 Output hasil analisis Korelasi Spearman’s rho

Analisis

Pada analisis korelasi Spearman’s rho didapat koefisien sebesar 0,957. Karena

koefisien mendekati 1, maka dapat disimpulkan bahwa hubungan antara skala nyerioleh bidan A dengan skala nyeri oleh bidan B adalah sangat erat. Angka koefisien

positif menunjukkan hubungan positif, yaitu jika kedisiplinan meningkat, maka

prestasi juga akan meningkat.

Uji Signifikansi

Pengujian signifikansi dimaksudkan untuk mengetahui apakah terdapat hubungan

signifikan atau tidak antar variabel tersebut. Pengujian menggunakan uji dua sisi (two

taled). Signifikan artinya nyata (“berarti”); maksudnya, hubungan yang terjadi dapatdiberlakukan untuk populasi.

8/17/2019 Modul Spss 2016

26/28

25

Pengujian dengan Spearman’s rho

Langkah-langkah pengujiannya adalah sebagai berikut :

1. Menentukan hipotesis

Ho : Tidak terdapat kesesuaian antara penilaian skala nyeri bidan A dan bidan B

Ha : Terdapat kesesuaian antara penilaian skala nyeri bidan A dan bidan B





Dari output didapat signifikansi sebesar 0,000. Karena signifikansi < 0,05, maka

Ho ditolak. Jadi, dapat disimpulkan bahwa ada kesesuaian antara penilaianskala nyeri bidan A dan bidan B.

C. Korelasi Pearson untuk Uji Validitas Item

Validitas item adalah kecermatan suatu item atau instrument data dalam

mengukur apa yang ingin diukur. Item dikatakan valid jika terjadi korelasi yang

kuat dengan skor totalnya. Hal ini menunjukkan adanya dukungan item tersebut

dalam mengungkap suatu yang ingin diungkap. Item biasanya berupa pertanyaanatau pernyataan yang ditujukan kepada responden dengan menggunakan bentuk

kuesioner atau angket dengan tujuan untuk mengungkap sesuatu. Pengujian

validitas item dalam SPSS menggunakan dua alat analisis, yaitu Korelasi Pearson

dan Corrected Item Total Correlation.

Teknik uji validitas item dengan korelasi Pearson, yaitu dengan cara

mengorelasikan skor item dengan skor total item. Kemudian, pengujian

signifikansi dilakukan dengan kriteria menggunakan r tabel pada tingkat

signifikansi 0,05 dengan uji 2 sisi. Jika nilai positif dan r hitung ≥ r tabel, maka item

dapat dinyatakan valid. Jika r hitung < r tabel, maka item dinyatakan tidak valid.

Contoh Kasus 3 :

Seorang mahasiswa melakukan penelitian dengan menggunakan kuesioner untuk

mengungkap kepuasan konsumen terhadap pelayanan rumah sakit. Untuk itu

dibuat 5 item pertanyaan dengan sampel sebanyak 10 orang. Data-data yang

didapat telah diinput sebagai berikut.

8/17/2019 Modul Spss 2016

27/28

26


Data item-item merupakan data ordinal. Di sini kita akan melakukan analisis

korelasi Product Moment Pearson untuk mengetahui apakah tiap-tiap item valid

atau tidak.Langkah-langkah analisis dengan SPSS adalah sebagai berikut :



3. Pada kolom Name baris pertama sampai kelima, ketik item1 sampai

item5.selanjutnya, pada Name baris keenam ketik itemtot (total dari

semua item), pada Decimals ganti menjadi 0 , dan pada kolom Measure

pilih Ordinal. Untuk kolom lainnya bisa diabaikan (isian default)


5. Isikan data item-item dan item total seperti Gambar 3.8

6. Selanjutnya, klik Analyze > Correlate > Bivariate. Setelah itu, perhatikan

kotak dialog yang tampil berikut ini.


7. Masukkan semua variabel ke kotak Variables


8/17/2019 Modul Spss 2016

28/28

Gambar 3.10 Output hasil analisis Korelasi Pearson untuk uji validitas item

Analisis

Untuk uji validitas item, perhatikanlah koefisien korelasi antara tiap item dengan

item total (itemtot). Nilai ini kemudian kita bandingkan dengan r tabel product

moment (pada signifikansi 0,05 dengan uji 2 sisi dan N = 10). Nilai r tabel yang

didapat adalah 0,632 (lihat lampiran r tabel). Dari output diperoleh nilai yang

kurang dari r tabel 0,632 adalah item 4 (0,544), sedangkan yang lain di atas r tabel

0,632. Jadi, dapat disimpulkan bahwa item 4 tidak valid. Oleh karena itu, harus

diperbaiki atau dibuang.

Documents

Modul Spss 2016