PENGANTAR SPSS. Saptawati Bardosono

(1)

PENGANTAR SPSS

(2)

Pendahuluan

Pada saat merancang usulan penelitian, maka pengolahan datanya sudah harus

direncanakan pula:

)

١ Teknik pengolahan data meliputi: editing,

coding, entry dan cleaning serta analisis

)

٢ Tabel, grafik atau ringkasan angka2 yang

akan dihasilkan

Masalah yang sering timbul: Model analisis muncul setelah data terkumpul

(3)

Editing

Dilakukan pemeriksaan seluruh kuesioner atau seluruh formulir isian setelah data terkumpul, apakah:

)

١ Dapat dibaca

)

٢ Semua pertanyaan terisi (lengkap)

)

٣ Terdapat ketidakserasian antara jawaban yang

satu dengan yang lainnya (konsisten) )

٤ Terdapat kesalahan2 lain yang dapat mengganggu

(4)

Editing

Kegiatan editing dapat dilakukan dengan cara:

)

١ Editing lapangan, dimana supervisor

mengadakan pengecekan ulang terhadap beberapa pertanyaan penting biasanya

kepada 10% responden segera setelah data terkumpul semuanya

)

٢ Editing menyeluruh, dilakukan secara

menyeluruh terhadap jawaban responden, sehingga dapat diperoleh konsistensi

(5)

Editing

Yang sering terjadi misalnya

)

١ Jawaban tidak tepat dikolom yang tersedia

)

٢ Salah menulis jawaban pertanyaan, misalnya

data kelamin diisi di kolom jawaban umur

)

٣ Umur diisi 25 tahun tetapi di jumlah anak

diisi 10

)

(6)

Koding

Memberi angka2 atau kode2 tertentu yang telah

disepakati terhadap jawaban2 pertanyaan dalam kuesioner, sehingga memudahkan pada saat

memasukkan data ke komputer Misalnya untuk variabel pendidikan:

) ١ Tidak sekolah ) ٢ SD ) ٣ SMP ) ٤ SMA ) ٥ PT

(7)

Koding

Persyaratan dalam koding: )

١ Kesesuaian, variabel harus sesuai dengan tujuan

)

٢ Klasifikasi, perlu dibuat kategorisasi untuk

pengelompokkan jawaban sesuai rujukan/ alasan tertentu, misal: pendapatan

)

٣ Jawaban tidak mendua, pilihan jawaban yang

tersedia harus jelas definisi operasionalnya )

(8)

Data Entry

Menyiapkan 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

(9)

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

(10)

Data Cleaning

Tabel distribusi frekuensi untuk:

)

١ Deskripsi ciri-ciri atau karakteristik dari

suatu variabel

)

٢ Mempelajari distribusi dari variabel pokok

)

٣ Memilih klasifikasi2 pokok untuk tabulasi

(11)

Data Cleaning

Tabel silang, yaitu teknik untuk membandingkan atau melihat hubungan antara dua variabel atau lebih: )

١ Dihitung persentase responden untuk setiap

kelompok )

٢ Variabel bebas pada baris (faktor risiko)

)

٣ Variabel terikat pada kolom (penyakit)

Selanjutnya, data siap dianalisis untuk membuktikan hipotesis penelitian dengan analisis statistik

(12)

SPSS

(statistical program for social sciences)

Tampilan layar SPSS ada 2:

 Sebagai lembar kerja seperti Excel, dBase

= data view

 Sebagai definisi operasional

= variable view

(13)

Data view

Variabel Variabel Variabel dst 1

2 dst

(14)

Variabel view

Name Type Width Decimals Label Values dst

1

2

(15)

Penggunaan SPSS

 Menyiapkan sarana untuk data entry

(penyusunan lembar kerja)

 Membantu data cleaning (analisis awal)

 Analisis statistik untuk membuktikan

hipotesis

(16)

Skala dan Sifat Data

Sifat Nominal (seks) Ordinal (pendidikan) Interval (suhu) Rasio (BB) Klasifikasi + + + + Urutan susunan - + + + Jarak - - + + Titik nol absolut - - - +

(17)

Cara penyajian data:

 Data nominal/ordinal: distribusi frekuensi

(proporsi) last education 15 16.7 16.7 16.7 18 20.0 20.0 36.7 45 50.0 50.0 86.7 7 7.8 7.8 94.4 5 5.6 5.6 100.0 90 100.0 100.0 SD SLTP SMU Akademi Perguruan Tinggi Total Valid

Frequency Percent Valid Percent

Cumulative Percent

(18)

Cara penyajian data:

 Data interval/rasio:

Distribusi normal: mean ± SD

(19)

Distribusi normal?

1. Signifikansi KS >0,05 2. Signifikansi SW >0,05

3. Nilai kerampingan dan kemiringan 4. Histogram dalam area kurva normal

(20)

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

(21)

Nilai kemiringan dan

kerampingan

Distribusi normal/ Miring (skew) ke Miring (skew) ke simetris kiri kanan

(22)

Nilai kemiringan dan

kerampingan

Contoh:

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

(23)

Histogram

10.00 11.00 12.00 13.00 14.00 0 4 8 12 C o u n t

(24)

Histogram:

 Bentuk kurva simetris

 Mean = median = mode

(25)

Latihan Penggunaan SPSS

1. Menyiapkan sarana untuk data entry

(penyusunan lembar kerja)

2. Membantu data cleaning (analisis awal)

3. Analisis statistik untuk membuktikan

hipotesis

(26)

Menyiapkan sarana untuk data entry

(penyusunan lembar kerja)

Data latihan:

 File – open – data – pilih file - open

 Lihat data view: jumlah kasus

 Lihat variabel view: jumlah variabel

(27)

Menyiapkan sarana untuk data entry:

penyusunan lembar kerja

 Menyiapkan data dasar

(28)

Analisis data:

data cleaning

 Uji normalitas data (KS, histogram)

 Analisis univariat (deskriptif, frekuensi,

explore)

(29)

Analisis data:

data cleaning

Uji normalitas data:

 analyze – pilih descriptive statistics – pilih

explore – masukkan variabel rasio dalam dependent list – 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 dan grafik plot

(30)

Uji Kolmogorov-Smirnov (KS) dan

Shapiro-Wilk (SW)

Tests of Normality .047 90 .200* .987 90 .508 Statistic df Sig. Statistic df Sig. Kolmogorov-Smirnova Shapiro-Wilk hemoglobin concentration after intervention

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

Lilliefors Significance Correction a.

(31)

Analisis data:

data cleaning

Explore:

 Analyze – pilih descriptive statistics – pilih

explore – dalam dependent list masukkan variabel rasio – pilih OK. Perhatikan

(32)

Descriptives 12.2244 .10460 12.0166 12.4323 12.2494 12.2000 .985 .99233 9.38 14.50 5.12 1.4250 -.316 .254 .284 .503 Mean Lower Bound Upper Bound 95% Confidence

Interval for Mean 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis hemoglobin concentration after intervention Statistic Std. Error

(33)

Analisis data:

data cleaning

Analisis bivariat (crosstab)

 Analyze – pilih descriptive statistics – pilih

crosstab – pada row masukkan data kategorik variabel bebas – pada

coulumn(s) masukkan data kategorik variabel terikat – pada display aktifkan

clustered bar chart dan supressed tables- pilih OK. Perhatikan outputnya

(34)

Analisis data:

data cleaning

Analisis bivariat (crosstab) Perguruan Tinggi Akademi SMU SLTP SD C o u n t 40 30 20 10 0 working status Bekerja Tidak Bekerja/Ibu Ru mah Tangga

(35)

Analisis data:

untuk membuktikan hipotesis

 Analisis bivariat crosstab, korelasi, uji T

dua sampel bebas dan berpasangan)

(36)

Analisis data:

untuk membuktikan hipotesis

Analisis bivariat crosstab:

 Analyze – pilih crosstab – pada row

masukkan variabel bebas – pada

coulumn(s) masukkan variabel terikat – pilih statistics – aktifkan chi-square dan contengency coefficient – klik continue – OK. Perhatikan hasilnya.

(37)

research location * working status Crosstabulation Count 3 42 45 26 19 45 29 61 90 Lembang Jakarta research location Total Bekerja Tidak Bekerja/Ibu Rumah Tangga working status Total Chi-Square Tests 26.914b 1 .000 24.624 1 .000 29.802 1 .000 .000 .000 26.614 1 .000 90 Pearson Chi-Square Continuity Correctiona Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases Value df Asymp. Sig. (2-sided) Exact Sig. (2-sided) Exact Sig. (1-sided)

(38)

Analisis data:

untuk membuktikan hipotesis

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

(39)

Analisis data:

untuk membuktikan hipotesis

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

(40)

Correlations 1 .457** . .000 90 90 .457** 1 .000 . 90 90 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N weight after intervention

height

weight after

intervention height

Correlation is significant at the 0.01 level (2-tailed). **. Correlations 1.000 .402** . .000 90 90 .402** 1.000 .000 . 90 90 Correlation Coefficient Sig. (2-tailed) N Correlation Coefficient Sig. (2-tailed) N weight after intervention height

Spearman's rho

weight after

intervention height

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

(41)

Analisis data:

untuk membuktikan hipotesis

Uji T dua sampel bebas:

 Analyze – pilih compare means – pilih

independent samples t-test – pada test variable(s) pilih variabel numerik – pada

grouping variable masukkan variabel 2 kategorik – pada define group masukkan 1 untuk group 1 dan 2 untuk group 2 – pilih continue – pada

option aktifkan tingkat kepercayaan 95% dan exclude cases analysis by analysis – pilih

(42)

Group Statistics 29 11.8855 .90385 .16784 61 12.3856 .99876 .12788 working status Bekerja Tidak Bekerja/Ibu Rumah Tangga hemoglobin concentration after intervention N Mean Std. Deviation Std. Error Mean

Independent Samples Test

.557 .457 -2.287 -2.370 88 60.439 .025 .021 -.5001 -.5001 .21869 .21100 -.93466 -.92207 F Sig. Levene's Test for

Equality of Variances t df Sig. (2-tailed) Mean Difference Std. Error Difference Lower 95% Confidence Interval

t-test for Equality of Means

Equal variances assumed

Equal variances not assumed hemoglobin concentration after

(43)

Ranks 29 36.48 1058.00 61 49.79 3037.00 90 working status Bekerja Tidak Bekerja/Ibu Rumah Tangga Total hemoglobin concentration after intervention

N Mean Rank Sum of Ranks

Test Statisticsa 623.000 1058.000 -2.259 .024 Mann-Whitney U Wilcoxon W Z

Asymp. Sig. (2-tailed)

hemoglobin concentration

after intervention

(44)

Analisis data:

untuk membuktikan hipotesis

Uji T dua sampel berpasangan):

 Analyze – pilih compare means – pilih paired

samples t-test – pada paired variable(s)

masukkan variabel numerik sebelum intervensi dan variabel numerik sesudah intervensi - pada option aktifkan tingkat kepercayaan 95% dan exclude cases analysis by analysis – pilih

(45)

Paired Samples Statistics 12.5712 90 1.08891 .11478 12.2244 90 .99233 .10460 hemoglobin concentration before intervention hemoglobin concentration after intervention Pair 1 Mean N Std. Deviation Std. Error Mean

Paired Samples Test

.3468 .72686 .07662 .1945 .4990 Mean Std. Deviation Std. Error Mean Lower Upper 95% Confidence Interval of the Difference Paired Differences hemoglobin concentration before intervention -hemoglobin concentration after intervention Pair 1

(46)

Ranks 65a 46.27 3007.50 23b 39.50 908.50 2c 90 Negative Ranks Positive Ranks Ties Total hemoglobin concentration after intervention -hemoglobin concentration before intervention

N Mean Rank Sum of Ranks

hemoglobin concentration after intervention < hemoglobin concentration before intervention

a.

hemoglobin concentration after intervention > hemoglobin concentration before intervention

b.

hemoglobin concentration after intervention = hemoglobin concentration before intervention c. Test Statisticsb -4.371a .000 Z

Asymp. Sig. (2-tailed)

hemoglobin concentration after intervention -hemoglobin concentration before intervention

Based on positive ranks. a.

(47)

Analisis data:

untuk membuktikan hipotesis

Analisis multivariat (ANOVA):

 Analyze – pilih compare means – pilih one-way

anova – pada dependent list pilih variabel numerik – pada factor pilih variabel lebih 2

kategorik – pada option aktifkan descriptive dan homogeneity of variance – pilih continue – pada post-hoc pilih bonferroni – pilih continue dan OK. Perhatikan hasilnya

(48)

Descriptives

hemoglobin concentration after intervention

15 18 45 7 5 90 12.0080 12.8278 12.0773 11.9571 12.4000 12.2244 1.17833 .97426 .94923 .73905 .25495 .99233 .30424 .22964 .14150 .27933 .11402 .10460 11.3555 12.3433 11.7922 11.2736 12.0834 12.0166 12.6605 13.3123 12.3625 12.6406 12.7166 12.4323 9.65 11.10 9.38 11.00 12.20 9.38 13.70 14.50 13.70 13.40 12.80 14.50 N Mean Std. Deviation Std. Error Lower Bound Upper Bound 95% Confidence

Interval for Mean Minimum

Maximum

SD SLTP SMU Akademi Perguruan Tinggi Total

ANOVA hemoglobin concentration after intervention

8.883 4 2.221 2.397 .057 78.757 85 .927 87.640 89 Between Groups Within Groups Total Sum of

(49)

Multiple Comparisons

Dependent Variable: hemoglobin concentration after intervention LSD -.8198* .33652 .017 -1.4889 -.1507 -.0693 .28698 .810 -.6399 .5013 .0509 .44061 .908 -.8252 .9269 -.3920 .49707 .433 -1.3803 .5963 .8198* .33652 .017 .1507 1.4889 .7504* .26845 .006 .2167 1.2842 .8706* .42877 .045 .0181 1.7231 .4278 .48661 .382 -.5397 1.3953 .0693 .28698 .810 -.5013 .6399 -.7504* .26845 .006 -1.2842 -.2167 .1202 .39109 .759 -.6574 .8978 -.3227 .45376 .479 -1.2249 .5795 -.0509 .44061 .908 -.9269 .8252 -.8706* .42877 .045 -1.7231 -.0181 -.1202 .39109 .759 -.8978 .6574 -.4429 .56363 .434 -1.5635 .6778 .3920 .49707 .433 -.5963 1.3803 -.4278 .48661 .382 -1.3953 .5397 .3227 .45376 .479 -.5795 1.2249 (J) last education SLTP SMU Akademi Perguruan Tinggi SD SMU Akademi Perguruan Tinggi SD SLTP Akademi Perguruan Tinggi SD SLTP SMU Perguruan Tinggi SD SLTP SMU (I) last education

SD SLTP SMU Akademi Perguruan Tinggi Mean Difference

(I-J) Std. Error Sig. Lower Bound Upper Bound 95% Confidence Interval

(50)

Ranks 15 41.70 18 59.78 45 41.93 7 35.50 5 51.60 90 last education SD SLTP SMU Akademi Perguruan Tinggi Total hemoglobin concentration after intervention N Mean Rank

Test Statisticsa,b

7.841 4 .098 Chi-Square df Asymp. Sig. hemoglobin concentration after intervention

Kruskal Wallis Test a.

(51)

Analisis data:

untuk penyajian data

 Hasil analisis statistik

 Diagram batang (bar)

 Histogram

 Boxplot

 Scatterplot

 Pie chart

(52)

Bars show counts

Bekerja Tidak Bekerja/Ibu Rumah Tangga

working status 0 20 40 60 C o u n t

(53)

10.00 11.00 12.00 13.00 14.00 0 4 8 12 C o u n t

(54)

10.00 11.00 12.00 13.00 14.00 h em o g lo b in c o n ce n tr at io n a ft er in te rv en tio n 

(55)

Linear Regression

40.00 50.00 60.00 70.00 80.00 90.00

weight after intervention

150.00 160.00 170.00 h eigh t                                                                                           he ight = 141.89 + 0.23 * w eight_2 R-Square = 0.21

(56)

SD SLTP SMU Akademi Perguruan Tinggi last education

Pies show percents

16.67%

20.00%

50.00% 7.78%