PENGGUNAAN PAKET SPSS - Website Staff UIstaff.ui.ac.id/system/files/users/saptawati.bardosono/material/... · distribusi frekuensi untuk setiap variabel Untuk data interval/rasio,

PENGANTAR SPSS

Saptawati Bardosono

PendahuluanPada saat merancang usulan penelitian, maka

pengolahan datanya sudah harus direncanakan pula:

1) Teknik pengolahan data meliputi: editing, coding, entry dan cleaning serta analisis

2) Tabel, grafik atau ringkasan angka2 yang akan dihasilkan

Masalah yang sering timbul: Model analisis muncul setelah data terkumpul

EditingDilakukan pemeriksaan seluruh kuesioner atau seluruh

formulir isian setelah data terkumpul, apakah:1) Dapat dibaca 2) Semua pertanyaan terisi (lengkap)3) Terdapat ketidakserasian antara jawaban yang

satu dengan yang lainnya (konsisten)4) Terdapat kesalahan2 lain yang dapat mengganggu

pengolahan data selanjutnya (akurat)

EditingKegiatan editing dapat dilakukan dengan cara:1) Editing lapangan, dimana supervisor

mengadakan pengecekan ulang terhadap beberapa pertanyaan penting biasanya kepada 10% responden segera setelah data terkumpul semuanya

2) Editing menyeluruh, dilakukan secara menyeluruh terhadap jawaban responden, sehingga dapat diperoleh konsistensi jawaban

EditingYang sering terjadi misalnya1) Jawaban tidak tepat dikolom yang tersedia2) Salah menulis jawaban pertanyaan, misalnya

data kelamin diisi di kolom jawaban umur3) Umur diisi 25 tahun tetapi di jumlah anak

diisi 104) Salah menggunakan unit ukuran

Skala dan Sifat Data

Sifat Nominal(seks)

Ordinal(pendidikan)

Interval(suhu)

Rasio(BB)

Klasifikasi + + + +

Urutan susunan

- + + +

Jarak - - + +

Titik nol absolut

- - - +

KodingMemberi angka2 atau kode2 tertentu yang telah

disepakati terhadap jawaban2 pertanyaan dalam kuesioner, sehingga memudahkan pada saat memasukkan data ke komputer

Misalnya untuk variabel pendidikan:1) Tidak sekolah2) SD3) SMP4) SMA5) PT

KodingPersyaratan dalam koding:1) Kesesuaian, variabel harus sesuai dengan tujuan2) Klasifikasi, perlu dibuat kategorisasi untuk

pengelompokkan jawaban sesuai rujukan/ alasan tertentu, misal: pendapatan

3) Jawaban tidak mendua, pilihan jawaban yang tersedia harus jelas definisi operasionalnya

4) Harus tersedia buku definisi variabel

Data EntryMenyiapkan lembar kerja yang berisi variabel2

dalam kuesioner secara lengkap (program SPSS, Stata, Epi-Info, dll)

Masukkan data jawaban kuesioner sesuai kode yang telah ditentukan untuk masing-masing variable sehingga menjadi suatu data dasar

Siapkan file khusus untuk menyimpan data dasar tersebut yang tidak boleh dianalisis. Untuk melakukan analisis data maka gunakan file khusus

Data Cleaning Merupakan analisis data awal, dimana dilakukan

penggolongan, pengurutan dan penyederhanaan data, sehingga mudah dibaca dan diinterpretasi

Untuk data nominal dan ordinal, dibuat tabulasi distribusi frekuensi untuk setiap variabel

Untuk data interval/rasio, dianalisis nilai tengah dan tes normalitas datanya

Data CleaningTabel distribusi frekuensi untuk:1) Deskripsi ciri-ciri atau karakteristik dari

suatu variabel2) Mempelajari distribusi dari variabel pokok3) Memilih klasifikasi2 pokok untuk tabulasi

silang

Data CleaningTabel silang, yaitu teknik untuk membandingkan atau

melihat hubungan antara dua variabel atau lebih:1) Dihitung persentase responden untuk setiap

kelompok2) Variabel bebas pada baris (faktor risiko)3) Variabel terikat pada kolom (penyakit)Selanjutnya, data siap dianalisis untuk membuktikan

hipotesis penelitian dengan analisis statistik bivariat dan multivariat

SPSS(statistical program for social sciences)

Tampilan layar SPSS ada 2: Sebagai lembar kerja seperti Excel, dBase

= data view Sebagai definisi operasional

= variable viewDengan menu2 yang mudah dijalankan

Data view

Variabel Variabel Variabel dst

1

2

dst

Variabel viewName Type Width Decimals Label Values dst

1

2

dst

Penggunaan SPSS

Menyiapkan sarana untuk data entry (penyusunan lembar kerja)

Membantu data cleaning (analisis awal) Analisis statistik untuk membuktikan

hipotesis Analisis statistik untuk penyajian data

Latihan Penggunaan SPSS

1. Menyiapkan sarana untuk data entry (penyusunan lembar kerja)

2. Membantu data cleaning (analisis awal)3. Analisis statistik untuk membuktikan

hipotesis4. Analisis statistik untuk penyajian data

Menyiapkan sarana untuk data entry (penyusunan lembar kerja)

Data latihan – dietstudy: File – open – data – pilih file - open Lihat data view: jumlah kasus Lihat variabel view: jumlah variabel Buat code book variable: utilities – file info

Menyiapkan sarana untuk data entry: penyusunan lembar kerja

Menyiapkan data dasar – latihan membuat data dasar: Lokasi penelitian Tanggal pengambilan data Nama ibu Tanggal lahir Berat badan Tinggi badan Tingkat pendidikan ibu Jenis pekerjaan ibu Pengetahuan ibu tentang gizi seimbang

Data entry – latihan

Analisis data: data cleaning

Analisis univariat (deskriptif, frekuensi, explore)

Uji normalitas data (KS, histogram) Analisis bivariat (crosstab)

Cara penyajian data: Data nominal/ordinal distribusi frekuensi (proporsi):

analyze – pilih descriptive statistics – pilih frequencies – masukkan variabel kategorik dalam variable (agegroup) – aktifkan display frequency table –pilih OK.

age grouping

5 31.3 31.3 31.36 37.5 37.5 68.85 31.3 31.3 100.0

16 100.0 100.0

<5050-60>60Total

ValidFrequency Percent Valid Percent

CumulativePercent

Cara penyajian data:

Data interval/rasio:Distribusi normal: mean ± SDDistribusi tidak normal: median (min-maks)

Distribusi normal?

1. Signifikansi KS >0,05

2. Signifikansi SW >0,05

3. Nilai kerampingan dan kemiringan

4. Histogram dalam area kurva normal

Nilai kemiringan dan kerampingan

Nilai kemiringan (skewness) dan nilai

kerampingan (kurtosis) digunakan untuk

menentukan distribusi normal/simetris dari

data bergantung dari bentuk kurva distribusi

data

Nilai kemiringan dan kerampingan

Distribusi normal/ Miring (skew) ke Miring (skew) ke

simetris kiri kanan

Nilai kemiringan dan kerampinganContoh:

Bila diketahui skewness -0,316 dan standard error skewness 0,254 maka rasio skewness = -0,316/0,254 = -1,244

Dengan kurtosis 0,284 dan standard error kurtosis 0,503 maka rasio kurtosis = 0,284/0,503 = 0,564

Sehingga rasio skewness dan kurtosis keduanya berada di antara interval angka -2 dan +2 atau distribusi data normal atau simetris

Histogram

10.00 11.00 12.00 13.00 14.00

hemoglobin concentration after intervention

0

4

8

12

Cou

nt

Histogram:

Bentuk kurva simetris Mean = median = mode Kiri = kanan = 50%

Uji normalitas data:

analyze – pilih descriptive statistics – pilih explore – masukkan variabel rasio dalam dependent list (wgt0) – pada pilihan display pilih plots – klik plots – pilih normality plots with test (non-aktifkan yang lainnya) – pilih continue – pilih OK. Perhatikan tampilan tabel test of normality

Uji Kolmogorov-Smirnov (KS) dan Shapiro-Wilk (SW)

Tests of Normality

.15616

.200*

.93816

.320

StatisticdfSig.StatisticdfSig.

Kolmogorov-Smirnov

a

Shapiro-Wilk

Cholesterol

This is a lower bound of the true significance.*.

Lilliefors Significance Correctiona.

Penyajian data numerik:Descriptives

198.38 8.368180.54

216.21

197.75198.50

1120.38333.472

151257106

62.75.113 .564

-1.318 1.091

MeanLower BoundUpper Bound

95% ConfidenceInterval for Mean

5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosis

CholesterolStatistic Std. Error

Analisis data: data cleaning

Analisis bivariat (crosstab) Analyze – pilih descriptive statistics – pilih

crosstab – pada row masukkan data kategorik variabel bebas (gender) – pada column(s) masukkan data kategorik variabel terikat (cholstat)– pada display aktifkan clustered bar chart - pilih OK. Perhatikan outputnya

Gender

FemaleMale

Cou

nt

8

7

6

5

4

3

2

1

final cholesterol st

normal

high Gender * final cholesterol status Crosstabulation

2 7 922.2% 77.8% 100.0%

22.2% 100.0% 56.3%

12.5% 43.8% 56.3%7 0 7

100.0% .0% 100.0%

77.8% .0% 43.8%

43.8% .0% 43.8%9 7 16

56.3% 43.8% 100.0%

100.0% 100.0% 100.0%

56.3% 43.8% 100.0%

Count% within Gender% within finalcholesterol status% of TotalCount% within Gender% within finalcholesterol status% of TotalCount% within Gender% within finalcholesterol status% of Total

Male

Female

Gender

Total

normal highfinal cholesterol status

Total

Analisis data: untuk membuktikan hipotesis

Analisis bivariat crosstab, korelasi, uji T dua sampel bebas dan berpasangan)

Analisis multivariat (ANOVA, regresi ganda)


Analisis bivariat crosstab: Analyze – pilih crosstab – pada row

masukkan variabel bebas (gender) – pada column(s) masukkan variabel terikat (cholstat) – pilih statistics – klik continue – OK. Perhatikan hasilnya.

Chi-Square Tests

9.679b 1 .0026.777 1 .009

12.395 1 .000.003 .003

9.074 1 .003

16

Pearson Chi-SquareContinuity Correctiona

Likelihood RatioFisher's Exact TestLinear-by-LinearAssociationN of Valid Cases

Value dfAsymp. Sig.

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

Exact Sig.(1-sided)

Computed only for a 2x2 tablea.

3 cells (75.0%) have expected count less than 5. The minimum expected count is3.06.

b.

age grouping * final cholesterol status Crosstabulation

4 1 580.0% 20.0% 100.0%

44.4% 14.3% 31.3%

25.0% 6.3% 31.3%2 4 6

33.3% 66.7% 100.0%

22.2% 57.1% 37.5%

12.5% 25.0% 37.5%3 2 5

60.0% 40.0% 100.0%

33.3% 28.6% 31.3%

18.8% 12.5% 31.3%9 7 16

56.3% 43.8% 100.0%

100.0% 100.0% 100.0%

56.3% 43.8% 100.0%

Count% within age grouping% within finalcholesterol status% of TotalCount% within age grouping% within finalcholesterol status% of TotalCount% within age grouping% within finalcholesterol status% of TotalCount% within age grouping% within finalcholesterol status% of Total

<50

50-60

>60

age grouping

Total

normal highfinal cholesterol status

Total

Uji KS 2 sampel tidak berpasangan

Chi-Square Tests

2.455a 2 .2932.558 2 .278

.381 1 .537

16

Pearson Chi-SquareLikelihood RatioLinear-by-LinearAssociationN of Valid Cases

Value dfAsymp. Sig.

(2-sided)

6 cells (100.0%) have expected count less than 5. Theminimum expected count is 2.19.

a.

Analyze – non-parametric tests – 2 independent samples – aktifkan KS – test variable: agegroup – grouping: cholstat - OK

Test Statisticsa

.302

.302-.048.598.866

AbsolutePositiveNegative

Most ExtremeDifferences

Kolmogorov-Smirnov ZAsymp. Sig. (2-tailed)

age grouping

Grouping Variable: cholesterol statusa.


Korelasi: Analyze – pilih correlate – pilih bivariate –

masukkan dua variabel numerik – pilih Pearson – pilih two tailed – aktifkan flag significant correlation – pilih option – aktifkan exclude case pairwise – OK. Perhatikan hasilnya


Korelasi: Analyze – pilih correlate – pilih bivariate –

masukkan dua variabel numerik – pilih Spearman – pilih two tailed – aktifkan flag significant correlation – pilih option – aktifkan exclude case pairwise – OK. Perhatikan hasilnya

Correlations

1 .996**. .000

16 16.996** 1.000 .

16 16

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

Cholesterol

Final cholesterol

CholesterolFinal

cholesterol

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

Correlations

1.000 .987**. .000

16 16.987** 1.000.000 .

16 16

Correlation CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)N

Cholesterol

Final cholesterol

Spearman's rhoCholesterol

Finalcholesterol


Persamaan regresi:

Graph – interactive – scatter plot – sumbu X = variabel bebas (wgt0) – sumbu Y = variabel terikat (wgt3) – fit – regression – include constant in equation – fit lines for total - OK

Linear Regression

150 175 200 225 250

Cholesterol

150

175

200

225

250Fi

nal c

hole

ster

ol

Final cholesterol = -7.54 + 1.00 * w gt0R-Square = 0.99


Uji T dua sampel bebas: Analyze – pilih compare means – pilih

independent samples t-test – pada test variable(s) pilih variabel numerik (wgt0) – pada grouping variable masukkan variabel 2 kategorik (gender) – pada define group masukkan 1 untuk group 0 dan 2 untuk group 1 – pilih continue – pada option aktifkan tingkat kepercayaan 95% dan exclude cases analysis by analysis – pilih continue dan OK. Perhatikan hasilnya

Group Statistics

9 223.78 18.754 6.2517 165.71 10.935 4.133

GenderMaleFemale

CholesterolN Mean Std. Deviation

Std. ErrorMean

Independent Samples Test

1.521.238

7.255 7.74814 13.168

.000 .000

58.06 58.06

8.003 7.494

40.898 41.89575.229 74.232

FSig.

Levene's Test forEquality of Variances

tdfSig. (2-tailed)Mean Difference

Std. Error Difference

LowerUpper

95% Confidence Intervalof the Difference

t-test for Equality ofMeans

Equal variancesassumed

Equal variancesnot assumed

Cholesterol

Non-parametrik – Mann Whitney:

Analyze – non-parametric tests – 2 independent samples - pada test variable(s) pilih variabel numerik (wgt0) – pada grouping variable masukkan variabel 2 kategorik (gender) – pada define group masukkan 1 untuk group 0 dan 2 untuk group 1 – pilih continue – pada test type aktifkan Mann Whitney –OK. Perhatikan hasilnya

Ranks

9 12.00 108.007 4.00 28.00

16

GenderMaleFemaleTotal

CholesterolN Mean Rank Sum of Ranks

Test Statisticsb

.00028.000-3.339

.001

.000a

Mann-Whitney UWilcoxon WZAsymp. Sig. (2-tailed)Exact Sig. [2*(1-tailedSig.)]

Cholesterol

Not corrected for ties.a.

Grouping Variable: Genderb.


Uji T dua sampel berpasangan): Analyze – pilih compare means – pilih paired

samples t-test – pada paired variable(s) masukkan variabel numerik sebelum intervensi (wgt0) dan variabel numerik sesudah intervensi (wgt4) - pada option aktifkan tingkat kepercayaan 95% dan exclude cases analysis by analysis – pilih continue dan OK. Perhatikan hasilnya

Paired Samples Statistics

198.38 16 33.472 8.368190.31 16 33.508 8.377

CholesterolFinal cholesterol

Pair1

Mean N Std. DeviationStd. Error

Mean

Paired Samples Test

8.062.886

.722

6.529.60

11.17515

.000

MeanStd. DeviationStd. Error Mean

LowerUpper

95% Confidence Intervalof the Difference

Paired Differences

tdfSig. (2-tailed)

Cholesterol -Final cholesterol

Pair 1


Uji T dua sampel berpasangan): Analyze – pilih non-parametric tests – pilih

2 related samples – pilih variabel numerik wgt0 dan variabel numerik wgt4 - dan OK. Perhatikan hasilnya

Ranks

16a 8.50 136.000b .00 .000c

16

Negative RanksPositive RanksTiesTotal

Final cholesterol- Cholesterol

N Mean Rank Sum of Ranks

Final cholesterol < Cholesterola.

Final cholesterol > Cholesterolb.

Final cholesterol = Cholesterolc.

Test Statisticsb

-3.526a

.000ZAsymp. Sig. (2-tailed)

Finalcholesterol -Cholesterol

Based on positive ranks.a.

Wilcoxon Signed Ranks Testb.


Analisis multivariat (ANOVA): Analyze – pilih compare means – pilih one-way

anova – pada dependent list pilih variabel numerik (wgt0) – pada faktor pilih variabel lebih 2 kategorik (agegroup) – pada option aktifkan descriptive dan homogeneity of variance – pilih continue – pada post-hoc pilih bonferroni – pilih continue dan OK. Perhatikan hasilnya

Descriptives

Cholesterol

5 187.40 29.433 13.163 150.85 223.95 158 2336 215.50 37.212 15.192 176.45 254.55 151 2575 188.80 29.987 13.410 151.57 226.03 157 222

16 198.38 33.472 8.368 180.54 216.21 151 257

<5050-60>60Total

N Mean Std. Deviation Std. Error Lower Bound Upper Bound

95% Confidence Interval forMean

Minimum Maximum

ANOVA

Cholesterol

2820.250 2 1410.125 1.311 .30313985.500 13 1075.80816805.750 15

Between GroupsWithin GroupsTotal

Sum ofSquares df Mean Square F Sig.

Multiple Comparisons

Dependent Variable: CholesterolBonferroni

-28.10 19.861 .542 -82.64 26.44-1.40 20.744 1.000 -58.36 55.5628.10 19.861 .542 -26.44 82.6426.70 19.861 .605 -27.84 81.241.40 20.744 1.000 -55.56 58.36

-26.70 19.861 .605 -81.24 27.84

(J) age grouping50-60>60<50>60<5050-60

(I) age grouping<50

50-60

>60

MeanDifference

(I-J) Std. Error Sig. Lower Bound Upper Bound95% Confidence Interval

Uji Kruskal-Wallis:

Analyze – non-parametric tests – k independent samples – test variable: wgt0 – grouping: agegroup – define: minimum (1) dan maximum (3) – continue - OK

Test Statisticsa,b

2.1522

.341

Chi-SquaredfAsymp. Sig.

Cholesterol

Kruskal Wallis Testa.

Grouping Variable: age groupingb.

Ranks

5 7.206 10.755 7.10

16

age grouping<5050-60>60Total

CholesterolN Mean Rank

REGRESI BERGANDA

Memprediksi besar variabel dependen dengan menggunakan data variabel bebas yang sudah diketahui besarnya

REGRESI BERGANDA

Analyze – regression – linear:Dependent : WGT4 Independent(s): WGT0, TG0, AGECase labels: genderMethod: enterOK

REGRESI BERGANDA

Variables Entered/Removedb

Cholesterol, Age inyears,Triglyceride

a

. Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: Final cholesterolb.

REGRESI BERGANDA

Model Summary

.997a .994 .992 2.953Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Predictors: (Constant), Cholesterol, Age in years,Triglyceride

a.

REGRESI BERGANDA

ANOVAb

16736.790 3 5578.930 639.737 .000a

104.648 12 8.72116841.438 15

RegressionResidualTotal

Model1


Predictors: (Constant), Cholesterol, Age in years, Triglyceridea.


REGRESI BERGANDACoefficientsa

3.375 8.574 .394 .701-.164 .111 -.034 -1.477 .165-.010 .027 -.009 -.373 .716.995 .024 .994 42.243 .000

(Constant)Age in yearsTriglycerideCholesterol

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: Final cholesterola.

Persamaan regresi:

Kadar kolesterol akhir = 3,375 – 0,164 usia – 0,10 kadar trigliserida awal + 0,995 kadar kolesterol awal

REGRESI BERGANDA

Residuals Statisticsa

142.66 249.33 190.31 33.403 16-5.05 4.88 .00 2.641 16

-1.426 1.767 .000 1.000 16-1.712 1.652 .000 .894 16

Predicted ValueResidualStd. Predicted ValueStd. Residual

Minimum Maximum Mean Std. Deviation N


REGRESI BERGANDAVariables Entered/Removedb

Cholesterola . Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.


Model Summaryb

.996a .993 .992 2.986Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Predictors: (Constant), Cholesterola.


REGRESI BERGANDA

ANOVAb

16716.618 1 16716.618 1874.976 .000a

124.819 14 8.91616841.438 15

RegressionResidualTotal

Model1


Predictors: (Constant), Cholesterola.


REGRESI BERGANDACoefficientsa

-7.536 4.630 -1.628 .126.997 .023 .996 43.301 .000

(Constant)Cholesterol

Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.


Persamaan regresi:

Kadar kolesterol akhir = -7,536 + 0,997 kadar kolesterol awal

Correlations

1 .996**. .000

16 16.996** 1.000 .

16 16

Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N

Cholesterol

Final cholesterol

CholesterolFinal

cholesterol


Linear Regression

150 175 200 225 250

Cholesterol

150

175

200

225

250

Fina

l cho

lest

erol

Final cholesterol = -7.54 + 1.00 * w gt0R-Square = 0.99

Uji regresi logistik binari

Ingin memprediksi variabel dependen yang berskala binari (ya=1 dan tidak=0) dengan menggunakan data variabel independen yang sudah diketahui besarnya


Buka SPSS: file – data –dietstudy Analyze – Regression – Binary logistic:

Dependent: cholst0 (status kadar kolesterol awal, 1=tinggi, 0=normal)

Covariates: age dan TG0Options: Homer-Lemeshow goodness of fitOK


Case Processing Summary

16 100.00 .0

16 100.00 .0

16 100.0

Unweighted Cases a

Included in AnalysisMissing CasesTotal

Selected Cases

Unselected CasesTotal

N Percent

If weight is in effect, see classification table for the totalnumber of cases.

a.


Omnibus Tests of Model Coefficients

1.902 2 .3861.902 2 .3861.902 2 .386

StepBlockModel

Step 1Chi-square df Sig.

Uji regresi logistik binariModel Summary

20.028 .112 .150Step1

-2 Loglikelihood

Cox & SnellR Square

NagelkerkeR Square

Hosmer and Lemeshow Test

9.129 6 .166Step1

Chi-square df Sig.


Contingency Table for Hosmer and Lemeshow Test

2 1.570 0 .430 22 1.516 0 .484 21 1.453 1 .547 20 1.118 2 .882 20 1.024 2 .976 22 .920 0 1.080 21 .787 1 1.213 21 .613 1 1.387 2

12345678

Step1

Observed Expected

cholesterol status =normal

Observed Expected

cholesterol status =high

Total


Classification Tablea

5 4 55.64 3 42.9

50.0

Observednormalhigh

cholesterol status

Overall Percentage

Step 1normal highcholesterol status Percentage

Correct

Predicted

The cut value is .500a.


Variables in the Equation

.042 .079 .277 1 .598 1.043

.025 .020 1.527 1 .217 1.025-5.970 5.416 1.215 1 .270 .003

AGETG0Constant

Step1

a

B S.E. Wald df Sig. Exp(B)

Variable(s) entered on step 1: AGE, TG0.a.

Penafsiran dan prediksi:

Status kadar kolesterol = -5,970 + 0,42 usia + 0,025 kadar trigliserida

Analisis data: untuk penyajian data

Hasil analisis statistik Diagram batang (bar) Histogram Boxplot Scatterplot Pie chart dll

Bars show counts

Bekerja Tidak Bekerja/Ibu Rumah Tangga

working status

0

20

40

60

Cou

nt

10.00 11.00 12.00 13.00 14.00

hemoglobin concentration after intervention

0

4

8

12C

ount

10.00

11.00

12.00

13.00

14.00

hem

oglo

bin

conc

entr

atio

n af

ter i

nter

vent

ion

Linear Regression

40.00 50.00 60.00 70.00 80.00 90.00

weight after intervention

150.00

160.00

170.00

heig

ht

height = 141.89 + 0.23 * w eight_2R-Square = 0.21

SDSLTPSMUAkademiPerguruan Tinggi

last education

Pies show percents

16.67%

20.00%

50.00%

7.78%

5.56%

Documents

PENGGUNAAN PAKET SPSS - Website Staff UIstaff.ui.ac.id/system/files/users/saptawati.bardosono/material/... · distribusi frekuensi untuk setiap variabel Untuk data interval/rasio,