Cleaning (pembersihan data) merupakan kegiatan memeriksa kembali data yang telah dimasukkan apakah terdapat kesalahan atau tidak. Jendela ini berisi tampilan data yang kita olah dan analisa dengan tampilan seperti spreadsheet (seperti tampilan program Excel).
MEMASUKKAN DATA
Nama variabel tidak boleh sama (tidak boleh ada 2 variabel atau lebih dengan nama yang sama). Misalnya nama variabel BWT diberi label “Berat lahir bayi dalam gram”.
Langkah pertama : Memberi/membuat nama variabel
- Menghapus baris (menghapus case/responden)
- Mengcopy isi sel
- Mengcopy isi satu kolom (mengcopy variabel)
- Menyisipkan Kolom
- Menyisipkan Baris
Scroll ke kanan ke kolom Desimal, untuk variabel HB1 menurut data ada satu desimal, lalu masukkan angka 1. Scroll ke kanan ke kolom Desimal, untuk variabel HB2 menurut data ada desimal, lalu masukkan nomor 1.
MENYIMPAN FILE DATA
Klik nomor kasus untuk membuka kolom atau memindahkan penunjuk sel. Klik pada nomor kasus untuk menyalin. SPSS menambahkan ekstensi ".sav" sehingga Anda dapat mengetikkan nama file saja dan tidak perlu mengetikkan ekstensinya.
MENGAKTIFKAN/MEMANGGIL FILE DATA
- TRANSFORMASI / MODIFIKASI DATA
- Mengelompokkan data
Dari uraian di atas tentunya menjadi jelas bahwa seringkali kita tidak bisa melakukan analisis secara langsung, kita harus mengubah/mentransformasi datanya. Dari contoh definisi operasional di atas terlihat bahwa variabel 'Lama Tugas' dapat dianalisis secara langsung, sedangkan variabel usia dan sikap masih perlu dimodifikasi/ditransformasikan dengan SPSS.
Membuat variabel baru hasil perhitungan matematik
Membuat variabel baru dengan kondisi
Memilih sebagian data (SUBSET)
MENGGABUNG FILE DATA
Menyimpan hasil olahan/hasil analisis
Hasil analisa akan ditempatkan pada jendela output seperti terlihat pada gambar di bawah ini. Prosedur yang biasa digunakan untuk mengedit teks, seperti Potong, Salin, dan Tempel, juga dapat digunakan di jendela keluaran ini.
UJI INSTRUMEN
Uji validitas dan Reliabilitas Kuesioner
Sebaliknya pengukuran dilakukan dengan kaki, besar kemungkinan akan diperoleh hasil yang berbeda jika pengukuran diulang dua kali atau lebih. Umumnya pengukuran dilakukan dengan One Shot dengan beberapa pertanyaan. Pengujian reliabilitas diawali dengan pengujian validitas terlebih dahulu.
KASUS
UJI VALIDITAS DAN RELIABILITAS KUESIONER
Uji Interrater Reliability
Dalam melaksanakan penelitian dengan metode observasi, seringkali terdapat perbedaan persepsi terhadap peristiwa yang diamati antara peneliti dan enumerator (pengumpul data). Uji reliabilitas antar penilai merupakan jenis tes yang digunakan untuk menyamakan persepsi antara peneliti dan pengumpul data.
PENGANTAR ANALISIS DATA
Misalnya, dalam penelitian survei yang tidak menggunakan sampel yang sama, dapat digunakan uji statistik yang mengasumsikan sampel independen. 67 Sedangkan untuk penelitian eksperimen yang bersifat sebelum dan sesudah (diukur sebelum dan sesudah suatu perlakuan tertentu), uji yang digunakan adalah uji statistik untuk data dependen. Untuk menganalisis hubungan dua variabel (analisis bivariat), uji chi-square hanya dapat digunakan untuk mengetahui hubungan antara data kategorikal dan data kategorikal.
ANALISIS UNIVARIAT
Peringkasan Data Untuk Data Jenis Numerik a. Ukuran Tengah
Namun kelemahan dari nilai mean adalah sangat dipengaruhi oleh nilai-nilai ekstrim, baik ekstrim tinggi maupun rendah. Oleh karena itu, pada kelompok data yang memiliki nilai ekstrim (sering disebut dengan “distribusi data yang miring/skewed”), mean tidak dapat mewakili mean dari kumpulan nilai yang diamati. Jadi penggunaan mean untuk data yang nilainya ekstrim (data dengan distribusi yang miring) tidak tepat.
Bentuk Distribusi Data
Peringkasan Data Katagorik
Di kelas B, jenis kelamin siswanya tidak berubah (homogen antar laki-laki), karena 90% laki-laki dan hanya 10% perempuan.
Bentuk Penyajian Data
Eksplorasi data juga dapat mendeteksi adanya nilai ekstrim/outlier, jika terdapat nilai ekstrim maka akan sangat menentukan pada analisis selanjutnya (bivariat) apakah nilainya akan menurun.
KASUS
ANALISIS DESKRIPTIF (UNIVARIAT)
Pada contoh di atas responden berjumlah 50 orang, dari 10 orang ibu yang berpendidikan SD, proporsinya dapat dilihat pada kolom 'Persentase', pada contoh di atas terdapat 20% ibu yang berpendidikan SD. Dari hasil diatas, nilai mean dapat dilihat pada garis mean, sedangkan nilai standar deviasi dapat dilihat pada garis std. Pada contoh diatas, rata-rata umur ibu adalah 25,10 tahun, median 24,0 tahun, dan simpangan baku 4,85 tahun, dimana umur termuda 19 tahun dan tertua 35 tahun.
ANALISIS BIVARIAT
Misalnya, ada penelitian eksperimental yang akan menguji dua obat (katakanlah obat A dan obat B) untuk mengetahui pengaruhnya terhadap penurunan tekanan darah. Secara statistik terdapat perbedaan yang signifikan, namun secara substansi tidak terdapat perbedaan yang signifikan, karena perbedaan rata-rata penurunan tekanan darah antara obat A dan B hanya 1 mmHg. Dengan hasil tersebut maka dapat disimpulkan bahwa sebenarnya tidak ada perbedaan (sama) khasiat antara obat A dan B.
UJI HIPOTESIS
- Hipotesis
- Arah dan bentuk hipotesis
- Menentukan Tingkat Kemaknaan ( Level of Significance )
- Pemilihan Jenis Uji Parametrik atau Non Parametrik
Bentuk alternatif hipotesis tersebut akan menentukan apakah arah uji statistiknya adalah satu sisi (one-tailed) atau dua sisi (two-tailed). Dari hipotesis alternatif tersebut akan diketahui apakah uji statistiknya menggunakan satu arah (one tail) atau dua arah (two tail). Berikut adalah uji statistik beda yang dapat digunakan untuk analisis bivariat. Variabel I Variabel II Jenis uji statistik.
ANALISIS BIVARIAT HUBUNGAN KATAGORIK DENGAN NUMERIK
Uji t
Uji beda dua mean independen
Oleh karena itu, diperlukan informasi dalam pengujian ini apakah varian kedua kelompok yang diuji sama atau tidak. Bentuk varians kedua kelompok data akan mempengaruhi nilai standar error yang pada akhirnya akan membedakan rumus pengujian. Tujuan dari pengujian ini adalah untuk mengetahui apakah varians antara kelompok data pertama sama dengan kelompok data kedua.
Uji beda dua mean dependen (Paired sample)
Pada perhitungan uji F, varian terbesar adalah pembilangnya dan varian terkecil adalah penyebutnya.
UJI t INDEPENDEN DAN UJI t DEPENDEN
Test
- Uji T Dependen
Tabel pertama menunjukkan statistik deskriptif berupa mean dan deviasi standar kadar Hb antara pengukuran pertama dan kedua. Pada pengukuran kedua (Hb2), rata-rata kadar Hb sebesar 10,860 gr% dengan standar deviasi 1,05 gr%. Pada contoh di atas diperoleh nilai p = 0,001 sehingga dapat disimpulkan terdapat perbedaan kadar Hb yang signifikan antara pengukuran pertama dan pengukuran kedua.
ANALISIS HUBUNGAN
KATEGORIK DENGAN NUMERIK
UJI ANOVA
109 Analisis varians (ANOVA) mempunyai dua jenis analisis varians satu faktor (sehala) dan analisis faktor (dua hala).
Kasus
Rata-rata berat badan bayi yang berpendidikan SD adalah 2470,0 gram dengan standar deviasi 249,6 gram. Untuk yang berpendidikan SMP, rerata berat badan bayi sebesar 2727,2 gram dengan standar deviasi 241,2 gram. Pada yang mendapat pelatihan PT, rerata berat badan bayi adalah 3761,5 gram dengan standar deviasi 386,3 gram.
Penyajian dan Interpretasi di laporan Penelitian
Ternyata kelompok signifikannya adalah tingkat pendidikan SD dan SMU, SD dan PT, SMP dan SMA, SMP dan PT, serta SMA dan PT. Hasil uji statistik diperoleh p = 0,0005 yang berarti pada alpha 5% dapat disimpulkan terdapat perbedaan berat badan bayi antara keempat jenjang pendidikan. Analisis lebih lanjut membuktikan bahwa kelompok yang berbeda nyata adalah tingkat pendidikan SD dan SMU, SD dan PT, SMP dan SMA, SMP dan PT, serta SMA dan PT.
KATAGORIK DENGAN KATAGORIK
UJI KAI KUADRAT
Tujuan penggunaan uji chi kuadrat adalah untuk menguji perbedaan proporsi/persentase antara beberapa kelompok data. Dari segi data, uji kai square dapat digunakan untuk mengetahui hubungan antara variabel kategori dan variabel kategori. Sebagaimana kita ketahui, uji chi square mensyaratkan frekuensi ekspektasi (E) pada setiap sel tidak boleh terlalu kecil.
Pengkodean Variabel
Untuk mengetahui apakah ada nilai E yang kurang dari 5 dapat dilihat pada catatan kaki b di bawah kotak Uji Chi-Square, dan di atasnya tertulis nilainya 0 sel (0%) yang artinya pada tab silang diatas tidak ada nilai E <5. 127 Oleh karena itu kami menggunakan uji Chi-kuadrat yang telah dikoreksi (Koreksi Kontinuitas) dengan nilai p dapat dilihat pada kolom. Uji Chi-square hanya dapat digunakan untuk mengetahui ada tidaknya hubungan antara dua variabel, sehingga uji ini tidak dapat mengetahui derajat/kuatnya hubungan antara dua variabel.
Penyajian dan Interpretasi di Laporan Penelitian
ANALISIS HUBUNGAN NUMERIK DENGAN NUMERIK
UJI KORELASI DAN REGRESI LINIER SEDERHANA
- Korelasi
- Regresi Linier Sederhana
- Korelasi
- Regresi Linier Sederhana
Hasil uji statistik menunjukkan terdapat hubungan yang signifikan antara berat badan ibu dengan berat badan anak (p=0,0005). Berikut ini akan dilakukan analisis regresi linier dengan menggunakan variabel 'berat badan ibu' dan 'berat badan anak' dari data ASI.SAV. Dalam contoh ini, berat badan ibu sebagai variabel bebas dan berat badan anak sebagai variabel terikat.
Penyajian dan Interpretasi
Membuat Grafik Prediksi Langkahnya
ANALISIS MULTIVARIAT
Permasalahan ini terjadi karena pada dasarnya terdapat perbedaan risiko penyakit pada kelompok terpapar dan kelompok tidak terpapar. Artinya, risiko terkena penyakit pada kedua kelompok berbeda meskipun paparan pada kedua kelompok sudah dihilangkan. Suatu variabel disebut perancu apabila variabel tersebut merupakan faktor risiko suatu penyakit dan mempunyai hubungan dengan paparan.
ANALISIS
REGRESI LINIER GANDA
Asumsi Regresi Linier
Untuk setiap nilai variabel X (variabel bebas), variabel Y (terikat) merupakan variabel acak yang mempunyai mean dan varians tertentu. 2 berarti asumsi independensi terpenuhi. Sebaliknya jika nilai Durbin < -2 atau > +2 maka asumsi tidak terpenuhi. C. Untuk mengetahui asumsi linieritas dapat disimpulkan dari uji ANOVA (overall F-test) jika hasilnya signifikan (p-value < alpha maka mood linier.
Kegunaan Analisis Regresi Ganda
Pemodelan
Variabel yang dimasukkan pertama kali adalah variabel yang mempunyai korelasi parsial terbesar dengan variabel terikat dan memenuhi kriteria tertentu untuk dimasukkan ke dalam model. Kriteria eksklusi atau P-out (POUT) adalah 0,10 yang berarti variabel yang mempunyai P-value lebih besar atau sama dengan 0,10 dikeluarkan dari model. D). Variabel pertama yang dimasukkan sama dengan metode forward yaitu variabel yang mempunyai korelasi parsial terbesar.
Melakukan diagnostik regresi linier, a). Melakukan pengujian terhadap kelima asumsi
Kemudian satu persatu variabel yang berkorelasi dimasukkan ke dalam model dan dikeluarkan dari model dengan kriteria tertentu. 149 kemudian bandingkan antara model 1 dan model 2, jika hasilnya sama/hampir sama maka model regresi tersebut reliabel. Variabel independen meliputi berat badan ibu dalam kilogram (BWT), umur ibu (AGE), riwayat hipertensi (HT), riwayat merokok (asap rokok), frekuensi kelahiran prematur (PTL), dan frekuensi ANC (FTV).
Langkah pertama pemodelan: SELEKSI BIVARIAT
- Merokok Langkahnya
- Riwayat Hipertensi Langkahnya
Hasil analisis hubungan merokok dengan berat badan bayi memberikan nilai p = 0,009 sehingga nilai p akhir <0,25 sehingga variabel merokok dapat dimodifikasi lebih lanjut. Dari hasil analisis bivariat uji t antara variabel riwayat hipertensi dengan berat badan anak diperoleh p-value = 0,045 yang berarti p-value < 0,25 maka variabel riwayat hipertensi dapat dilanjutkan ke analisis multivariat. Selesailah pemilihan seluruh variabel independen, keenam variabel independen tersebut masuk ke proses selanjutnya yaitu analisis multivariat.
Langkah Kedua : Pemodelan Multivariat
Status merokok, usia ibu, riwayat kelahiran prematur, berat badan ibu (pon). Konstan) Usia ibu Berat badan ibu (pon). Dari perhitungan perubahan nilai koefisien B setiap variabel ternyata tidak ada yang berubah lebih dari 10%, oleh karena itu variabel frekuensi anc kita hilangkan dari model. Status merokok, riwayat kelahiran prematur, berat badan ibu (pon). Konstan) Berat badan ibu (pound).
Langkah selanjutnya UJI ASUMSI
Hasil uji asumsi dan uji kolinearitas menunjukkan bahwa seluruh asumsi terpenuhi sehingga model dapat digunakan untuk memprediksi berat badan bayi. Dengan model persamaan ini, kita dapat memperkirakan berat badan bayi dengan menggunakan variabel berat badan ibu, kebiasaan merokok, dan hipertensi. Pada ibu yang menderita hipertensi, berat badan bayinya akan lebih rendah 582,5 gram, setelah dikontrol variabel berat badan ibu, merokok dan prematuritas.
REGRESI LOGISTIK
REGRESI LOGISTIK SEDERHANA 1. Pendahuluan
Dalam regresi logistik hal ini juga dapat ditangani, namun terdapat sedikit perbedaan dalam perhitungan mean variabel terikat (Y). Model regresi logistik dapat digunakan untuk pengumpulan data melalui desain kohort, kasus-kontrol, dan cross-sectional. Dalam desain kohort prospektif, regresi logistik dapat digunakan untuk memprediksi/memperkirakan kemungkinan seseorang untuk sakit (atau meninggal) berdasarkan nilai sejumlah variabel yang diukur pada mereka.
REGRESI LOGISTIK MODEL PREDIKSI
SELEKSI BIVARIAT
Method = Enter
- Analisis bivariat antara “hipertensi” dengan “bblr”
- Analisis bivariat antara “kelainan uterus” dengan “bblr”
- PEMODELAN MULTIVARIAT
- UJI INTERAKSI
Pada kotak Dependent masih berisi “low”, dan pada kotak Covariates hilangkan variabel 'usia' dan ganti dengan memasukkan variabel 'ras'. Pada kotak Dependent masih berisi “low” dan pada kotak Covariates diisi variabel umur, ras, asap, ptl, ht, ui, ftv. Setelah variabel umur dihilangkan, kami memeriksa kembali perubahan OR untuk variabel yang masih aktif dalam model.
Method = Enter
