LAPORAN PRAKTIKUM METODOLOGI PENELITIAN LANGKAH MENGGUNAKAN APLIKASI SPSS VERSI 16

(1)

LAPORAN PRAKTIKUM METODOLOGI PENELITIAN LANGKAH MENGGUNAKAN APLIKASI SPSS VERSI 16

Dosen Pembimbing : Marlik, S.Si, M.Si

Disusun Oleh : Dhiya Dania Oktafia NIM. P27833320012

Kelas D4-7A

KEMENTERIAN KESEHATAN RI

POLITEKNIK KESEHATAN KEMENKES SURABAYA JURUSAN KESEHATAN LINGKUNGAN

PROGRAM STUDI DIPLOMA IV KESEHATAN LINGKUNGAN TAHUN 2023

(2)

Deskriptive Statistic : A. Frequens

1. Buka aplikasi SPSS versi 16 kemudian mucul datasheet

2. Buat data pada “variable view” sebanyak yang diperlukan, ubah “label” pada variabel jenis kelamin” dengan klik kiri kemudian atur “values” sesuai kategori yang diinginkan.

3. Apabila ingin melihat data keseluruhan maka klik “Data View”

(3)

Apabila ingin mengetahui label dari keseluruhan data, maka klik “View” klik “Value Labels”

4. Untuk menganalisis maka klik “Analyze” lalu klik “Descriptive Statis” lalu klik

“Frequens”

5. Lalu pilih variabel “Jenis kelamin, pendidikan, pekerjaan, diare” kemudian klik

Kemudian klik “charts” pilih “type charts” yang diinginkan lalu klik “continue” dan

“Ok” maka dapat dilihat output yang dihasilkan

(4)

Menentukan kategori :

1. Klik “Transform” kemudian pilih “recode into different variables” muncul kotak dialog

“numeric” diisi dengan umur dan jumlah pengetahuan output variable diisi dengan kategori (umur, ketpeng).

2. Kemudian klik “old and news values” untuk menentukan range atas dan bawah, kemudian isi nilai bawah dengan klik “value”-“range lowest” untuk menentukan range bawah, lalu untuk range atas klik “value”-“range highest”

3. Klik “Variabel view” untuk menentukan kategori “baik/ kurang baik” klik “Values”

kemudian tentukan value 1 “kurang baik dan value 2 “benar” lalu klik “ok”.

(5)

4. Untuk penilaian “ketpeng” klik “transform” lalu klik “compute variable”

5. Isi “target variable” dengan ketpeng, lalu masukkan (P1+P2+P3+P4+P5) klik “ok”

(6)

B. Descriptive

1. Klik “Analyze” lalu klik “Descriptive”

2. Pilih variabel “Jenis kelamin, pendidikan, pekerjaan, diare, umur” lalu klik “Options”

3. kemudian centang “descriptive option (Mean, Std.deviation, Max, Min) klik

“continues” dan klik “ok”, maka output dari uji descriptive akan muncul.

(7)

C. Explore

1. Klik “Analyze” lalu klik “explore”

2. Klik Umur pindahkan ke “Dependet list” lalu variabel jenis kelamin pindahkan ke

“factor list” lalu klik “pots”

3. Setelah klik “pots” maka akan muncul tampilan sepertini, lalu klik “factor levels” dan

“Normality pots” klik “continue” dan “ok”, maka output akan keluar.

D. Crosstabs

1. Klik “Analyze” kemudian pilih “crosstabs” kemudian akan muncul tampilan seperti dibawah ini

(8)

2. Klik “Ketpeng” pindahkan ke kolom Row(s), sedangkan untuk coulumn(s) diisi

“Diare” lalu klik Cells. Dalam kolom Percentages centang Row, Column, dan total.

Kemudian klik “statistics”, pilih “chi square”, “contingency coefficient”, dan “phi and cramer’s V”, dan centang “Risk”.

Output Deskriptive Statistic A. Frequens

Jenis Kelamin

Frequency Percent Valid Percent Cumulative Percent

Valid Perempuan 37 61.7 61.7 61.7

Laki-laki 23 38.3 38.3 100.0

Total 60 100.0 100.0

Pendidikan

Valid SMP 3 5.0 5.0 5.0

SMA 14 23.3 23.3 28.3

D3 32 53.3 53.3 81.7

D4/S1 10 16.7 16.7 98.3

S2 1 1.7 1.7 100.0

Total 60 100.0 100.0

(9)

Pekerjaan

Frequency Percent Valid Percent

Cumulative Percent

Valid Tidak bekerja 12 20.0 20.0 20.0

Guru 21 35.0 35.0 55.0

Swasta 21 35.0 35.0 90.0

Pengusaha 5 8.3 8.3 98.3

5 1 1.7 1.7 100.0

Total 60 100.0 100.0

Diare

Valid Kasus 29 48.3 48.3 48.3

Kontrol 31 51.7 51.7 100.0

Total 60 100.0 100.0

B. Descriptive

Descriptive Statistics

N Rang

e

Minim um

Maxim um Mean

Std.

Deviatio n

Varia

nce Skewness Kurtosis Statist

ic Statist ic Statist

ic Statisti c Statist

ic Statistic Statist ic Statist

ic Std.

Error Statist ic Std.

Error Umur

60 34.00 14.00 48.00 30.28

33 8.43739 71.19

0 .343 .309 -.572 .608 Valid N

(listwise) 60

C. Explore

Case Processing Summary Cases

Valid Missing Total

N Percent N Percent N Percent

Umur 60 100.0% 0 .0% 60 100.0%

(10)

Descriptives

Statistic Std. Error

Umur Mean 30.2833 1.08926

95% Confidence Interval for Mean Lower Bound 28.1037

Upper Bound 32.4629

5% Trimmed Mean 30.1667

Median 29.0000

Variance 71.190

Std. Deviation 8.43739

Minimum 14.00

Maximum 48.00

Range 34.00

Interquartile Range 11.00

Skewness .343 .309

Kurtosis -.572 .608

D. Crosstabs

Case Processing Summary Cases

Valid Missing Total

KetPeng * Diare 60 100.0% 0 .0% 60 100.0%

KetPeng * Diare Crosstabulation Diare

Total Kasus Kontrol

KetPeng 1 Count 1 2 3

% within KetPeng 33.3% 66.7% 100.0%

% within Diare 3.4% 6.5% 5.0%

% of Total 1.7% 3.3% 5.0%

2 Count 28 29 57

% within KetPeng 49.1% 50.9% 100.0%

% within Diare 96.6% 93.5% 95.0%

% of Total 46.7% 48.3% 95.0%

Total Count 29 31 60

% within KetPeng 48.3% 51.7% 100.0%

% within Diare 100.0% 100.0% 100.0%

% of Total 48.3% 51.7% 100.0%

(11)

Chi-Square Tests

Value df

Asymp. Sig. (2- sided)

Exact Sig. (2- sided)

Exact Sig. (1- sided)

Pearson Chi-Square .285^a 1 .594

Continuity Correction^b .000 1 1.000

Likelihood Ratio .291 1 .590

Fisher's Exact Test 1.000 .525

Linear-by-Linear Association .280 1 .597

N of Valid Cases^b 60

*2 cells (50,0%) have expected count less than 5. The minimum expected count is 1,45.

*Computed only for a 2x2 table

Symmetric Measures

Value Approx. Sig.

Nominal by Nominal Phi -.069 .594

Cramer's V .069 .594

Contingency Coefficient .069 .594

N of Valid Cases 60

Risk Estimate

Value

95% Confidence Interval Lower Upper Odds Ratio for KetPeng

(Kurang Baik / Benar) .518 .044 6.037

For cohort Diare = Kasus .679 .134 3.436

For cohort Diare = Kontrol 1.310 .566 3.035

N of Valid Cases 60

(12)

Uji Beda

A. One Sample T-Test

,

lalu klik “variabel menu”

tuliskan variabel yang akan digunakan seperti contohnya data Fe, Pre, Post, Perlakuan.

2. Sebelum melakukan uji one sample t-test maka data akan di uji normalitas terlebih dahulu dengan klik “analyze”-“descriptive statistic”-“explore”.

3. Memasukkan variable Fe ke “Dependent List”, lalu klik “Plots”. Pada “Boxplots” klik

“None”. Pada “Descriptive” pilih “Stem-and-leaf”. Kemudian klik “Normality Plots with”-“tests”-“Continue”-“ok”

(13)

4. Setelah mengetahui distribusi normal dari data Fe, selanjutnya klik “Analyze”-

“Compare Means” lalu klik “One Sample T-test” . Selanjutnya, pada kolom “Test Variable” dilanjutkan dengan mengganti “Test Value” dan “Options”.

B. Paired Sample T-Test

1. Pada sheet “variable view”, masukkan data hasil pengukuran “pre” dan “post”

(14)

2. Masukkan data pengukuran “Pre” dan “Post” dalam kolom yang berbeda

3. Sebelum melakukan uji paried T-test maka data di uji normal dengan klik “analyze”-

“descriptive statistic”-“explore”

4. Pada tabel “dependent list” masukkan dat “Pre” dan pada tabel “Factor list”

masukkan data “post”, lalu klik “plot”.

5. Setlah “Plot” maka centang table “normality plots with theets” lalu klik “continue”-

“ok”.

(15)

6. Setelah mengetahui output dari uji normal maka dapat dilanjutkan untuk menguji paired t-test dengan klik “analyze”-“compare means”- “paired t-test”

7. Selanjutnya pada kolom “variabel 1” lalu masukkan data “pre” dan “variabel 2”

masukkan data “post” dilanjutkan klik “options”.

(16)

C. Independen Sample T-Test

1. Klik “variable view” lalu masukkan hasil data pengukuran “Fe1” dan “perlakuan”

2. Mauskkan data pengukuran “Fe1” dan “perlakuan” dalam kolom yang berbeda pada

“data view” seperti contoh berikut

3. Sebelum melakukan uji independent t-test maka data di uji normal dengan klik

“analyze”-“descriptive statistic”-“explore”

4. Pada table “Dependent List” masukkan data ”Fe1” dan table “Factor List” masukkan data “Perlakuan”, dilanjutkan klik “Plot”

(17)

5. Lalu, centang table “Normality plots with theets” dilanjutkan klik “continue” dan klik

“ok”

6. Setelah mengetahui distribusi normal dari data Fe, selanjutnya klik “Compare Means”

lalu klik “Independent T-Test”

7. Selanjutnya, pada kolom “Test Variable” masukkan data “Fe1” dan “Gruping Variables” masukkan data “Perlakuan” dilanjutkan klik “Options”

8. Pada “Define Groups” masukkan angka 1 dan 2 “continue”-“ok”

(18)

Output A. One Sample T-Test

Descriptives

Statistic Std. Error

Fe Mean .5100 .07810

95% Confidence Interval for Mean

Lower Bound .3333

Upper Bound .6867

5% Trimmed Mean .5111

Median .5000

Variance .061

Std. Deviation .24698

Minimum .10

Maximum .90

Range .80

Interquartile Range .42

Skewness .023 .687

Kurtosis -.593 1.334

Tests of Normality

Kolmogorov-Smirnov^a Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Fe .116 10 .200^* .981 10 .969

a. Lilliefors Significance Correction

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

(19)

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

Fe 10 .5100 .24698 .07810

One-Sample Test

Test Value = 0

t df Sig. (2-tailed) Mean Difference

95% Confidence Interval of the Difference

Lower Upper

Fe 6.530 9 .000 .51000 .3333 .6867

B. Paired T-Test

Paired Samples Statistics

Mean N Std. Deviation Std. Error Mean

Pair 1 Pre .5400 10 .14298 .04522

Post .3300 10 .11595 .03667

Paired Samples Correlations

N Correlation Sig.

Pair 1 Pre & Post 10 .925 .000

Paired Samples Test Paired Differences

t df Sig. (2- tailed) Mean Std.

Deviation Std. Error Mean

95% Confidence Interval of the

Difference Lower Upper Pair

1

Pre -

Post .21000 .05676 .01795 .16939 .25061 11.699 9 .000

(20)

C. Independen T-Test

Case Processing Summary

Perlakuan

Cases

Valid Missing Total

Fe1 Menggunakan alat A 11 100.0% 0 .0% 11 100.0%

Menggunakan alat B 7 100.0% 0 .0% 7 100.0%

3 3 100.0% 0 .0% 3 100.0%

Perlakuan

Fe1 Menggunakan alat A .401 11 .000 .625 11 .000

Menggunakan alat B .338 7 .015 .769 7 .020

3 .385 3 . .750 3 .000

Group Statistics

Perlakuan N Mean Std. Deviation Std. Error Mean

Fe1 Menggunakan alat A 11 .2364 .05045 .01521

Menggunakan alat B 7 .2571 .07868 .02974

Independent Samples Test Levene's Test for

Equality of

Variances t-test for Equality of Means

F Sig. t df Sig. (2- tailed)

Mean Differen ce

Std.

Error Differen

ce

95% Confidence Interval of the

Difference Lower Upper Fe

1

Equal variances assumed

2.698 .120 -.687 16 .502 -.02078 .03024 -.08489 .04333 Equal

variances not assumed

-.622 9.17

4 .549 -.02078 .03340 -.09612 .05457

(21)

Uji Kolerasi

2.

Pada “variable view” masukkan variabel pada kolom yang sesuai dengan uji kolerasi, seperti contohnya (kondisi fisik rumah, kejadian DBD, berat badan, tinggi badan).

3.

Pada variabel Kondisi Fisik Rumah” klik “values” untuk menentukan

penilaian memenuhi syarat, dan rumah memenuhi syarat. Values 1 “tidak

memenuhi syarat”, lalu value 2 “tidak memenuhi syarat” lalu klik “ok”.

(22)

4.

Pada variabel “Kejadian DBD” klik “values” untuk menentukan penilaian memenuhi syarat, dan rumah tidak memenuhi syarat. Values 1 “kasus” add, lalu value 2 “kontrol” lalu klik add “ok”.

5.

Pada variabel “Berat Badan” klik “values” untuk menentukan penilaian memenuhi syarat, dan rumah tidak memenuhi syarat. Values 1 “<50kg”

add, lalu value 2 “>50kg” lalu klik add “ok”.

6.

Pada variabel “Tinggi Badan” klik “values” untuk menentukan penilaian memenuhi syarat, dan rumah tidak memenuhi syarat. Values 1 “<150cm”

add, lalu value 2 “>150cm” lalu klik add “ok”.

7.

Sebelum melakukan uji kolerasi maka hal yang perlu dilakukan terlebih dahulu adalah uji normalitas. Langkah uji normalitas klik “analyze”-

“descriptive statistic”-“explore”

(23)

8. Kemudian masukkan variabel Kondisi Disik Rumah pada “dependent list”, dan variabel Kejadian DBD masukkan pada kolom “factor list”

9.

Setelah memasukkan ke dua variabel pada explore maka klik “Plots” lalu centang “normality plots with tests” klik “continue” klik “ok”.

10. Setelah output muncul maka baca hasil uji normalitas apakah kedua variabel berdistribusi normal atau tidak.

11. Output uji normalitas

Kejadian_

DBD

KonFis_Ru mah

Kasus .414 9 .000 .617 9 .000

Kontrol .353 11 .000 .649 11 .000

12. Apabila data berdistribusi normal maka dapat dilanjutkan ke uji kolerasi dengan klik

“analyze”-“correlate”-“brivariate”

(24)

13. Lalu masukkan variabel “BB” dan “TB” pada kolom “variabels”, kemudian centang colrrelation coefficients (person, kendal’s, dan spearmen) klik “ok”

14. Output correlation

Correlations

BB TB

Kendall's tau_b BB Correlation Coefficient 1.000 .375^*

Sig. (2-tailed) . .032

N 20 20

TB Correlation Coefficient .375^* 1.000 Sig. (2-tailed) .032 .

N 20 20

Spearman's rho BB Correlation Coefficient 1.000 .462^*

Sig. (2-tailed) . .040

N 20 20

TB Correlation Coefficient .462^* 1.000 Sig. (2-tailed) .040 .

N 20 20

*. Correlation is significant at the 0.05 level (2-tailed).