Download - Peng an Tars Pss
PENGANTAR SPSS
Saptawati Bardosono
PendahuluanPada 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
EditingDilakukan 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
pengolahan data selanjutnya (akurat)
EditingKegiatan 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 jawaban
EditingYang 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)٤ Salah menggunakan unit ukuran
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:)١ Tidak sekolah)٢ SD)٣ SMP)٤ SMA)٥ PT
KodingPersyaratan 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
)٤ 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:)١ Deskripsi ciri-ciri atau karakteristik dari
suatu variabel)٢ Mempelajari distribusi dari variabel pokok)٣ Memilih klasifikasi2 pokok untuk tabulasi
silang
Data CleaningTabel 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 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
Skala dan Sifat Data
Sifat Nominal(seks)
Ordinal(pendidikan)
Interval(suhu)
Rasio(BB)
Klasifikasi + + + +
Urutan susunan
- + + +
Jarak - - + +
Titik nol absolut
- - - +
Cara penyajian data:
Data nominal/ordinal: distribusi frekuensi (proporsi)
last education
15 16.7 16.7 16.718 20.0 20.0 36.745 50.0 50.0 86.77 7.8 7.8 94.45 5.6 5.6 100.0
90 100.0 100.0
SDSLTPSMUAkademiPerguruan TinggiTotal
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%
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: 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 Data entry
Analisis data: data cleaning
Uji normalitas data (KS, histogram) Analisis univariat (deskriptif, frekuensi,
explore) Analisis bivariat (crosstab)
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
Uji Kolmogorov-Smirnov (KS) dan Shapiro-Wilk (SW)
Tests of Normality
.04790
.200*
.98790
.508
StatisticdfSig.StatisticdfSig.
Kolmogorov-Smirnov
a
Shapiro-Wilk
hemoglobinconcentration
after intervention
This is a lower bound of the true significance.*.
Lilliefors Significance Correctiona.
Analisis data: data cleaning
Explore: Analyze – pilih descriptive statistics – pilih
explore – dalam dependent list masukkan variabel rasio – pilih OK. Perhatikan outputs: descriptives
Descriptives
12.2244 .1046012.0166
12.4323
12.249412.2000
.985.99233
9.3814.505.12
1.4250-.316 .254.284 .503
MeanLower BoundUpper Bound
95% ConfidenceInterval for Mean
5% Trimmed MeanMedianVarianceStd. DeviationMinimumMaximumRangeInterquartile RangeSkewnessKurtosis
hemoglobinconcentrationafter intervention
Statistic Std. Error
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
Analisis data: data cleaning
Analisis bivariat (crosstab)
last education
Perguruan TinggiAkademi
SMUSLTP
SD
Cou
nt
40
30
20
10
0
working status
Bekerja
Tidak Bekerja/Ibu Ru
mah Tangga
Analisis data: untuk membuktikan hipotesis
Analisis bivariat crosstab, korelasi, uji T dua sampel bebas dan berpasangan)
Analisis multivariat (ANOVA)
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.
research location * working status Crosstabulation
Count
3 42 4526 19 4529 61 90
LembangJakarta
researchlocation
Total
Bekerja
TidakBekerja/Ibu
RumahTangga
working status
Total
Chi-Square Tests
26.914b 1 .00024.624 1 .00029.802 1 .000
.000 .000
26.614 1 .000
90
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.
0 cells (.0%) have expected count less than 5. The minimum expected count is14.50.
b.
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
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
Correlations
1 .457**. .000
90 90.457** 1.000 .
90 90
Pearson CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N
weight after intervention
height
weight afterintervention 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 CoefficientSig. (2-tailed)NCorrelation CoefficientSig. (2-tailed)N
weight after intervention
height
Spearman's rho
weight afterintervention height
Correlation is significant at the 0.01 level (2-tailed).**.
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 continue dan OK. Perhatikan hasilnya
Group Statistics
29 11.8855 .90385 .16784
61 12.3856 .99876 .12788
working statusBekerjaTidak Bekerja/IbuRumah Tangga
hemoglobinconcentrationafter intervention
N Mean Std. DeviationStd. Error
Mean
Independent Samples Test
.557
.457-2.287 -2.370
88 60.439.025 .021
-.5001 -.5001
.21869 .21100
-.93466 -.92207-.06545 -.07805
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
hemoglobin concentration afterintervention
Ranks
29 36.48 1058.00
61 49.79 3037.00
90
working statusBekerjaTidak Bekerja/IbuRumah TanggaTotal
hemoglobinconcentrationafter intervention
N Mean Rank Sum of Ranks
Test Statisticsa
623.0001058.000
-2.259.024
Mann-Whitney UWilcoxon WZAsymp. Sig. (2-tailed)
hemoglobinconcentration
afterintervention
Grouping Variable: working statusa.
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 continue dan OK. Perhatikan hasilnya
Paired Samples Statistics
12.5712 90 1.08891 .11478
12.2244 90 .99233 .10460
hemoglobinconcentrationbefore interventionhemoglobinconcentration afterintervention
Pair1
Mean N Std. DeviationStd. Error
Mean
Paired Samples Test
.3468.72686
.07662
.1945
.49904.526
89.000
MeanStd. DeviationStd. Error Mean
LowerUpper
95% Confidence Intervalof the Difference
Paired Differences
tdfSig. (2-tailed)
hemoglobin concentrationbefore intervention -
hemoglobin concentrationafter intervention
Pair 1
Ranks
65a 46.27 3007.5023b 39.50 908.502c
90
Negative RanksPositive RanksTiesTotal
hemoglobin concentrationafter intervention -hemoglobin concentrationbefore intervention
N Mean Rank Sum of Ranks
hemoglobin concentration after intervention < hemoglobin concentration beforeintervention
a.
hemoglobin concentration after intervention > hemoglobin concentration beforeintervention
b.
hemoglobin concentration after intervention = hemoglobin concentration beforeintervention
c.
Test Statisticsb
-4.371a
.000ZAsymp. Sig. (2-tailed)
hemoglobinconcentration
afterintervention -hemoglobin
concentrationbefore
intervention
Based on positive ranks.a.
Wilcoxon Signed Ranks Testb.
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
Descriptives
hemoglobin concentration after intervention
15 18 45 7 5 9012.0080 12.8278 12.0773 11.9571 12.4000 12.22441.17833 .97426 .94923 .73905 .25495 .99233.30424 .22964 .14150 .27933 .11402 .10460
11.3555 12.3433 11.7922 11.2736 12.0834 12.016612.6605 13.3123 12.3625 12.6406 12.7166 12.4323
9.65 11.10 9.38 11.00 12.20 9.3813.70 14.50 13.70 13.40 12.80 14.50
NMeanStd. DeviationStd. Error
Lower BoundUpper Bound
95% ConfidenceInterval for Mean
MinimumMaximum
SD SLTP SMU Akademi Perguruan Tinggi Total
ANOVA
hemoglobin concentration after intervention
8.883 4 2.221 2.397 .05778.757 85 .92787.640 89
Between GroupsWithin GroupsTotal
Sum ofSquares df Mean Square F Sig.
Multiple Comparisons
Dependent Variable: hemoglobin concentration after interventionLSD
-.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 1.2249.4429 .56363 .434 -.6778 1.5635
(J) last educationSLTPSMUAkademiPerguruan TinggiSDSMUAkademiPerguruan TinggiSDSLTPAkademiPerguruan TinggiSDSLTPSMUPerguruan TinggiSDSLTPSMUAkademi
(I) last educationSD
SLTP
SMU
Akademi
Perguruan Tinggi
MeanDifference
(I-J) Std. Error Sig. Lower Bound Upper Bound95% Confidence Interval
The mean difference is significant at the .05 level.*.
Ranks
15 41.7018 59.7845 41.937 35.505 51.60
90
last educationSDSLTPSMUAkademiPerguruan TinggiTotal
hemoglobinconcentrationafter intervention
N Mean Rank
Test Statisticsa,b
7.8414
.098
Chi-SquaredfAsymp. Sig.
hemoglobinconcentration
afterintervention
Kruskal Wallis Testa.
Grouping Variable: last educationb.
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%