Upload
dessy-christiani-part-ii
View
230
Download
0
Embed Size (px)
Citation preview
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.
Gambar 2.6 Input Data
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
2. Kliklah variable view pada SPSS data editor
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
4. Masuklah ke halaman Data View dengan klik Data View
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).
4. Kriteria pengujian :
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.
1. Bukalah program SPSS
2. Kliklah variable view pada SPSS data editor
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.
9. Klik OK. Hasil outputnya sebagai berikut.
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 :
1. Merumuskan hipotesis
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.
1. Merumuskan hipotesis
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
3. Menentukan t tabel
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).
4. Kriteria pengujian :
- 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 :
- Jika signifikansi > 0,05, maka Ho diterima
- Jika signifikansi < 0,05, maka Ho ditolak
8/17/2019 Modul Spss 2016
18/28
17
5. Membuat kesimpulan
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.
Gambar 2.12 Input Data
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.
1. Bukalah program SPSS
2. Kliklah variable view pada SPSS data editor
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
4. Masuklah ke halaman Data View dengan klik Data View
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)
8. Klik OK. Hasil outputnya sebagai berikut.
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.
1. Merumuskan hipotesis
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
3. Menentukan t tabel
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).
4. Kriteria pengujian :
- 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 :
- Jika signifikansi > 0,05, maka Ho diterima
- Jika signifikansi < 0,05, maka Ho ditolak
5. Membuat kesimpulan
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.
Gambar 3.1 Input Data
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)
4. Masuklah ke halaman Data View dengan klik Data View
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.
9. Klik OK. Hasil outputnya sebagai berikut.
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
2. Kriteria pengujian :
- Jika signifikansi > 0,05, maka Ho diterima- Jika signifikansi < 0,05, maka Ho ditolak
3. Membuat kesimpulan
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.
Gambar 3.5 Input Data
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 :
1. Bukalah program SPSS
2. Kliklah variable view pada SPSS data editor
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)
4. Masuklah ke halaman Data View dengan klik Data View
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
Gambar 3.6 Kotak Dialog Bivariate Correlations
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.
9. Klik OK. Hasil outputnya sebagai berikut.
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
2. Kriteria pengujian :
- Jika signifikansi > 0,05, maka Ho diterima
- Jika signifikansi < 0,05, maka Ho ditolak
3. Membuat kesimpulan
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
Gambar 3.8 Input Data
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 :
1. Bukalah program SPSS
2. Kliklah variable view pada SPSS data editor
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)
4. Masuklah ke halaman Data View dengan klik Data View
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.
Gambar 3.9 Kotak Dialog Bivariate Correlations
7. Masukkan semua variabel ke kotak Variables
8. Klik OK. Hasil outputnya sebagai berikut.
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.