DATA BALITA DI RW 49 DUSUN TEMUWUH LOR, DESA BALECATUR, GAMPING, SLEMAN, 2007BUKU PANDUAN PRAKTIK :ANALISA DATAdengan menggunakanSPSS for W I N D O W SPenyusun :Mohamad Mirza FauzieBila menginginkan, silahkan di satu kelas kanTidak perlu minta ijin, apalagi memberi kutipanPermohonan dan HarapanSemoga tulisan ini lebih bermanfaatdalam memahami statistikterlebih dalam menyelesaikan tugas akhirguna lebih memahami apa yang tertulis di satu halaman lebih inipembaca yang mulia amat sangat disarankanuntuk membaca buku sejenis yangditulis oleh pakarnya dimanakepandaiannya tidak diragukanoleh khalayak cerdik pandaidanpinjamkan pustaka ini kepada handai taulan yang memerlukanDaftar IsiHalaman JudulPermohonan dan HarapanDaftar IsiMengaktifkan SPSS for Windows (1)Menangani Data (1)A.Entry data (1) B.Mendefinisikan variabel (3)C.Menyimpan data (4) D.Keluar dari SPSS (4)E.Membuka data SPSS yang pernah disimpan (5)III. Analisis Data (5)Uji normalitas data (5) B.Descriptive statistics (6)C.Compare means (7) D.Uji beda non parametrics test (14)E.Correlate (17) F.Analisis regresi (18) G.Chi square (20)H.Uji validitas dan reliabilitas (24)IV. Grafik (26)A.Bar graph B. Pie graph C. Line graph D. Scatter V. Mencetak Hasil Analisis (30)I. MENGAKTIFKAN SPSS FOR WINDOWSDari tampilan dekstop windows :1. Klik pada tombol : START2. Arahkan pointer mouse pada menu : PROGRAM3. Arahkan ponter mouse ke folder program : SPSS for Windows4. Klik : SPSS for Windowsbila didesktop sudah ada : SPSS for Windows, langsung double click.Program SPSS diawali dengan munculnya logo : SPSS for Windows pada layar. Tunggu logo tersebut menghilang, maka pada layar akan didapat : SPSS Data Editor yang terbuka dengan nama file : Untitled. Tampilan pertama untuk jendela : DATA VIEW, terdiri dari KOLOM menunjukkan nama variabel sedangkan BARIS menunjukkan jumlah data/kasus. Sedangkan untuk memberi keterangan/mendefinisikan dari variabel gunakan jendela : VARIABLE VIEW (LIHAT LAYAR, BAGIAN KIRI BAWAH).II. MENANGANI DATAA. ENTRY DATAData dimasukkan ketika layar yang aktif adalah : DATA VIEW. Cara memasukkan data pada SPSS seperti pada Excel. Data dimasukkan pada sel (potongan antara kolom dan baris).Masukkan data berikut. Data berikut terdiri dari 7 variabel yaitu : SEKS, ASAL RT, TINGGI BADAN, BERAT BADAN BULAN LALU, BERAT BADAN BULAN INI, MELAKUKAN VAKSINASI DAN KEJADIAN CAMPAK. Nama responden tidak lazim dikatagorikan sebagai variabel, lain dengan nama daerah. DATA BALITA DI RW 49 DUSUN TEMUWUH LOR, DESA BALECATUR, GAMPING, SLEMAN, 2007NONAMASEKSASAL RTTB(CM)BB (KG)BULAN LALUBB (KG)BULAN INIMELAKUKANVAKSINASIKEJADIANCAMPAK1IVAN1 6801414.50132KEYSYA26981516133JIBRIL16771312.25134ICHAN16791514.50245TITA261021818136DINDA271051920137FAZA277411.5012248RAFLY17831615239ADIT17741413.501410NANA2711021211311FANY281051919.52312DONI181121819.52313ADEK188913142414MARY2857991315SHINTA288916171316SHERLY296912131417AMEL29721413.502418NANDA196112121318DIKA191101919.501320ALBERT19701415.5013SEKS : 1 = Laki-laki 2= Perempuan Melakukan Vaksinasi : 1=Ya 2=Tidak Kejadian Campak : 3 = Tidak 4 =YaB. MENDEFINISIKAN VARIABELUntuk mendefinisikan variable/memberi keterangan pada variabel terlebih dahulu aktifkan : VARIABLE VIEW, yang terletak disebelah kiri bawah layar.1. Kolom : NAMEName adalah nama variabel. Pada kolom ini telah tertulis : var 00001 sampai var 00007, gantikan tulisan var00001 dengan seks, var00002 ganti dengan asalrt, sampai var00007 ganti dengan campak. Dalam pemberian nama : JANGAN ADA SPASI, JANGAN MENGGUNAKAN KARAKTER TIDAK LAZIM, PALING BANYAK 8 KARAKTER SER-TA JANGAN MENGGUNAKAN NAMA VARIABEL YANG SAMA.2. Kolom : TYPEType merupakan jenis/bentuk data yang dimasukkan. Untuk data yang berbentuk angka : NUMERIC (DEFAULT DARI KOMPUTER), untuk data yang berbentuk abjad pilih : STRING. Semua data yang dimasukkan berbentuk : NUMERIC3. Kolom : WIDTHWidth adalah lebar kolom tempat memasukkan data pada data view. Defaultnya adalah 8 karakter, dapat diubah sesuai kebutuhan.4. Kolom : DECIMALSDecimals adalah banyaknya angka desimal yang diperlukan (DEFAULT =2) bila tidak diperlukan angka desimal dalam data yang di entry kan, ganti angka 2 dengan 0. Bila dalam data memerlukan angka desimal, masukkan angka yang sesuai dengan desimal yang diperlukan. Dari data yang dimasukkan, hanya data BB bulan lalu dan BB bulan ini yang mempunyai angka desimal.5. Kolom : LABELLabel adalah keterangan tambahan yang diberikan untuk variabel.Variabel : SEKS, Label : JENIS KELAMIN RESPONDENVariabel : ASAL RT, Label : ASAL RT RESPONDEN Variabel : TB, Label : TINGGI BADAN RESPONDEN DALAM CM dst. Label boleh diberi, boleh tidak.SEBAIKNYA SETIAP VARIABEL DIBERI LABEL6. Kolom : VALUESValues berfungsi sebagai pemberi keterangan dari data yang mempunyai skala NOMINAL atau ORDINAL. Dari data yang dimasukkan, yang mempunyai skala nominal atau ordinal adalah : seks, vaksin dan campak.Adapun cara memberi keterangan, misal variabel : seks dimana : 1=Laki-laki dan 2=Perempuan, adalah sebagai berkut :Klik bagian kanan dalam sel, muncul kotak dialog.Masukkan angka 1 pada value dan ketik laki-laki pada value label, tekan add.Masukkan angka 2 pada value dan ketik perempuan pada value label, tekan add.Tekan : OK7. Kolom : MISSINGDalam mengisikan data, kemungkinan ada data yang hilang (datanya tidak ada (hilang), beda dengan nilai 0 = datanya ada nilainya 0) untuk memberikan tanda bahwa data itu hilang, maka missing value digunakan, bila tidak ada data yang hilang maka pilihannya sesuai dengan defaultnya : NONE.8. Kolom : COLUMN Lihat fungsi width.9. Kolom : ALIGNAlign menunjukkan posisi data pada sel, bila ingin rata kanan maka pilih RIGHT (angka biasanya rata kanan) atau rata kiri pilih LEFT (abjad biasanya rata kiri) atau mau rata tengah pilih CENTER, dengan cara : Klik bagian kanan dalam sel, muncul kotak dialog, pilih posisi align yang diinginkan10.Kolom : MEASUREBiarkan sesuai dengan default yang diberikan oleh komputer.BILA SEMUA DATA YANG TELAH DI ENTRY TELAH DIDEFINISI-KAN, MAKA ANALISIS DATA SIAP DILAKUKAN.Untuk mengecek hasil definisi yang telah dilakukan, dari jendela data view, klik : VIEW (kiri atas layar), pilih : VALUE LABEL. Perhatikan perbedaan-nya.C. MENYIMPAN DATASetelah semua data dimasukkan dan telah diberi definisi, maka data tersebut dapat disimpan, dengan cara :1. Klik : GAMBAR DISKET atau klik : FILE , pilih : SAVE AS2. Pilih folder untuk menyimpan data. Data SPSS mempunya ekstension : .sav3. Beri nama file pada File Name, misal : LATIHAN14. Klik : SAVE.D. KELUAR DARI SPSSBila semua data sudah disimpan, untuk keluar dari SPSS dapat tekan l X l /close atau klik : FILE kemudian tekan EXIT.E. MEMBUKA DATA SPSS YANG PERNAH DISIMPANDari layar DATA VIEW, klik : FILE, tekan : OPEN, tekan : DATA, dari kotak dialog , klik nama file yang telah disimpan : LATIHAN1. Klik : OPEN.III. ANALISIS DATAA. UJI NORMALITAS DATABila akan menggunakan statistik parametrik, data yang diuji harus normal dan mempunyai skala : interval atau ratio, sedangkan penggunaan statistik non parametrik bila skala datanya : nominal, ordinal, intervat atau ratio, dan data normal atau tidak normal. Uji normalitas hanya digunakan pada data yang mempunyai skala interval atau ratio.Salah satu cara untuk mengetahui suatu data terdistribusi secara normal atau tidak, dengan menggunakan uji : 1 sample Kolmogorov-Smirnov. Misalkan akan diuji normalitas variabel TB.LANGKAH PENGUJIAN :1. Dari layar data view, Klik : ANALYZE, pilih : NON PARAMETRIC TEST, pilih : 1-sample K-S2. Dari kotak dialog, masukkan nama variabel yang akan di test normalitas datanya, dengan jalan : masukkan nama variabel yang akan dites ke dalam kotak : TEST VARIABLE LIST, yaitu dengan klik nama variabel yang ada pada kotak sebelah kiri, kemudian klik tanda panah hitam yang ada diantara dua kotak, misal yang dimasukkan adalah variabel : TB3. Pada : Test Distribution, pilihan : Normal sudah diaktifkan [ V ]4. Klik : OK5. PEMBACAAN HASIL :Dari jendela output diperoleh 1 tabel. Dari dalam tabel perhatikan baris yang bertuliskan Asym. Sig (2-tailed). Data DIKATAKAN NORMAL, bila pada baris : Asym. Sig (2-tailed) nilainya lebih besar [ > ] dari 0,05.DATA HASIL UJI AKAN DITAMPILKAN PADA LAYAR YANG BERBEDA (JENDELA OUTPUT) BUKAN PADA LAYAR DATA VIEW ATAU VARIABLE VIEWTULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :B. DESCRIPTIVE STATISTICSAnalisis deskriptif digunakan untuk memberikan gambaran pada data yang telah dikumpulkan. Adapun gambaran data tersebut dapat dalam bentuk nilai tengah, nilai keragaman, analisis perentase dan lain-lain. Sebagai contoh akan dianalisis variabel TB.LANGKAH PENGUJIAN :1. Dari layar data view, Klik : ANALYZE, pilih : DESCRIPTIVE STA-TISTICS, pilih : FREQUENCIES2. Dari kotak dialog, pilih data yang akan dianalisis, misal : TB, masukkan kedalam kotak : Variabel(s): dengan jalan klik variable TB pada kotak sebelah kiri, tekan tanda panah yang ada diantara dua kotak.3. Klik tombol : STATISTICS, untuk memilih uji deskriptif yang diperlukan, pada pilihan ini analisis yang dapat dipilih adalah untuk nilai tengah dan keragaman. Beri tanda [V] pada analisis yang dikehendaki, misal : mean, median, modus, sum, standard deviasi dan range. Klik tombol : CONTINUE4. Klik tombol : CHART, untuk memilih grafik yang dinginkan, dengan jalan memberi tanda [V] pada grafik yang dikehendaki, misal : Histogram with normal curve. Klik tombol : CONTINUE5. Klik tombol : FORMAT untuk tampilan data yang diinginkan. Klik to-mbol : CONTINUE6. Klik : OK7. PEMBACAAN HASIL :Dari jendela out put dapat dilihat :a. Frequncies merupakan hasil dari pilihan pada langkah statistics, yang menghitung : mean, median, modus, sum, standard deviasi dan rangeb. Frequency Table muncul apabila pada pilihan : Display frequency tables, tanda pilihan [ V ] tidak dihilangkan.c. Grafik histogram dan garis kurva normal muncul bila dalam pilihan : CHART, kotak pilihannya telah diaktifkan [ V ]TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :C. COMPARE MEANSProsedur compare means merupakan prosedur yang digunakan untuk membedakan rata-rata. Prosedur ini biasanya digunakan data yang mempunyai skala interval atau ratio.1. M E A N SProsedur means digunakan untuk membandingkan, mean, standart deviasi, variance, range, jumlah dan sebagainya.Misal akan dibandingkan nilai : rata-rata, range, standar deviasi dari variabel : TB, yang dipilah berdasar variabel : SEKS dan setiap jenis kelamin (Laki-laki atau Perempuan) dipilah lagi berdasar : ASALRTLANGKAH PENGUJIAN :Dari layar data view, Klik : ANALYZE, pilih : COMPARE MEANS, klik : MEANS.Dari kotak dialog, masukkan variabel : TB ke dalam kotak : Dependent List. Masukkan variabel : SEKS kedalam kotak : Independent List, klik : Next, masukkan variabel : ASALRT ke dalam kotak : Independent List.Tekan tombol : Option, masukkan pilihan : rata-rata, range, standar deviasi ke dalam kotak : Cell Statistics, yang tidak diperlukan kembalikan ke kotak : Statistics dari kotak : Cell Statistics. Tekan : ContinueTekan : OKTULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :2. ONE SAMPLE T-TESTProsedur ini digunakan untuk membandingkan apakah rata-rata dari sebuah data, berbeda dengan suatu nilai tertentu. Misalkan kita akan bandingkan data TB dengan nilai pembanding 90, apakah ada beda atau tidak.LANGKAH PENGUJIAN :Dari layar data view, Klik : ANALYZE, pilih : COMPARE MEANS, klik : ONE SAMPLE T TESTDari kotak dialog, masukkan variabel yang akan diuji, misal : TB, kedalam kotak : Test Variable(s).Masukkan nilai pembandingnya kedalam kotak : Test Value. Misal nilai pembandingnya : 90Tekan : OKe. PEMBACAAN HASIL :Out put hasil analisis menghasilkan 2 tabel, pada tabel : One Sample Test, kolom : Sig (2-tailed) bila nilainya lebih kecil [ < ] dari 0,05 maka rata-rata TB dikatakan berbeda dengan nilai pembanding ( 90).TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :3. INDEPENDENT SAMPLE T TEST / T TEST BEBASProsedur ini digunakan untuk menguji beda rata-rata dari 2 kelompok yang tidak saling berhubungan. Misalkan kita akan menguji apakah ada beda rata-rata berat badan bulan ini, antara balita laki-laki dan perempuan.LANGKAH PENGUJIAN :Dari layar data view, Klik : ANALYZE, pilih : COMPARE MEANS, klik : INDEPENDENT SAMPLE T TESTDari kotak dialog, masukkan variabel : BBINI, ke dalam kotak : Test Variable(s).Masukkan variabel : SEX, ke dalam kotak : Grouping Variabel. Tekan tombol : Define groups, dari kotak dialog, masukkan angka 1 (kode untuk balita laki-laki) kedalam kotak group 1 dan , masukkan angka 2 (kode untuk balita perempuan) kedalam kotak group 2. Tekan : CONTINUETekan : OKe. PEMBACAAN HASIL :Out put hasil analisis menghasilkan 2 tabel. Rata-rata berat badan bulan ini antara balita laki-laki dan perempuam berbeda bila pada tabel Independent Samples Test, nilai pada kolom : Sig (2-tailed) nilainya lebih kecil [ < ] dari 0,05.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :4. PAIRED SAMPLES T TEST / T TEST TERIKATProsedur ini digunakan untuk menguji beda rata-rata dari 2 kelompok yang berhubungan atau berpasangan. Misalkan kita akan menguji apakah ada beda rata-rata berat badan bulan ini dengan berat badan bulan lalu.LANGKAH PENGUJIAN :Dari layar data view, Klik : ANALYZE, pilih : COMPARE MEANS, klik : PAIRED SAMPLES T TESTDari kotak dialog, klik : BBLALU, klik : BBINIMasukkan kedalam kotak : Paired VariablesTekan : OKe. PEMBACAAN HASIL :Out put hasil manghasilkan 3 tabel. Rata-rata berat badan bulan ini dan bulan lalu dikatakan berbeda bila pada tabel Paired Samples Test, nilai pada kolom : Sig (2-tailed) nilainya lebih kecil [ < ] dari 0,05.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :5. ONE WAY ANOVAProsedur ini digunakan untuk menguji beda rata-rata dari 3 kelompok atau lebih, yang tidak saling berhubungan. Misalkan kita akan menguji apakah ada beda rata-rata berat badan bulan lalu, antara balita dari rt 6 rt 7 rt 8 dan rt 9.LANGKAH PENGUJIAN :Dari layar data view, Klik : ANALYZE, pilih : COMPARE MEANS, klik : ONE WAY ANOVA.Dari kotak dialog, masukkan variabel : BBLALU kedalam kotak : Dependent List, masukkan variabel : ASALRT kedalam kotak : Factor.Bila ingin menguji perbedaan antar rt, klik : POST HOC, aktifkan fungsi [ V ] LSD ATAU SHCEFFE tekan : CONTINUE. Bila ingin menguji homogenitas variance atau statistik deskriptif dari masing masing rt, klik : OPTION, aktifkan fungsi [ V ] descriptive dan [ V ] homogenity of variance test, tekan : CONTINUETekan : OKf. PEMBACAAN HASIL :1) Tabel descriptive merupakan hasil dari statistik deskripsif masing-masing rt2) Tabel kedua merupakan hasil uji homogenitas variance, dikatakan homogen bila nilai Sig. > 0,053) Tabel ketiga merupakan hasil uji anova satu jalan, berat badan bulan lalu antar rt dikatakan berbeda bila nilai Sig. < 0,05. Bila ada beda fungsi LSD / SCHEFFE dapat dilihat.4) Fungsi LSD / SCHEFFE dapat dilihat pada tabel Multiple Comparations, berat badan bulan lalu antar rt dikatakan berbeda bila pada kolom : Mean Difference (I-J) terdapat tanda asterix (*) atau pada kolom Sig. nilainya < 0,05. Fungsi LSD / SCHEFFE mirip dengan uji independent samples t test / t test bebas.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :D. GENERAL LINEAR MODE1. UNIVARIATE UNTUK ANAVA 2 JALANDari kasus sebelumnya, yaitu membandingkan berat badan bulan lalu antara balita rt 6, 7, 8 dan 9, maka digunakan uji anava satu jalan, akan tetapi bila variabel berat badan bulan lalu juga dipilah lagi menurut variabel seks (laki-laki dan perempuan) maka uji yang digunakan adalah anava dua jalan. Dalam kasus ini variabel asal rt dan jenis kelamin merupakan variabel bebas dan berat badan bulan lalu merupakan variabel terikat.S E K SASAL RTRT 6 RT 7 RT 8RT 9Laki-lakiPerempuanLANGKAH PENGUJIAN :a. Dari layar data view, Klik : ANALYZE, pilih : GENERAL LINEAR MODEL, klik : UNIVARIATE.b. Dari kotak dialog, masukkan variabel : BBLALU kedalam kotak : Dependent Variable, masukkan variabel : ASALRT dan SEKS, kedalam kotak : Fixed Factor(s).c. Bila ingin menguji perbedaan berat badan bulan lalu antar rt, klik : POST HOC, aktifkan fungsi [ V ] LSD ATAU SHCEFFE tekan : CONTINUE. d. Tekan : OKe. PEMBACAAN HASIL :1) Tabel 1, menunjukkan jumlah data untuk setiap vatiabel bebas2) Untuk pengetahui perbedaan untuk masing-masing variabel bebas dan interaksi antar variabel bebas dilihat pada tabel : Test of Between-Subject Effect pada baris : ASALRT, SEKS DAN SEKS*ASALRT. Dikatakan berbeda bila nilai Sig. < 0,05. Bila ada beda fungsi LSD / SCHEFFE dapat dilihat.3) Fungsi LSD / SCHEFFE dapat dilihat pada tabel Multiple Comparations, berat badan bulan lalu antar rt atau seks dikatakan berbeda bila pada kolom : Mean Difference (I-J) terdapat tanda asterix (*) atau pada kolom Sig. nilainya < 0,05. BILA SUB VARIABEL DARI VARIABEL BEBAS HANYA ADA 2 KATAGORI MAKA FUNGSI POST HOC TIDAK PERLU DIGUNAKAN.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :2. MULTIVARIATE 1 JALURDari contoh data yang ada, kita mencoba membandingkan antara balita yang divaksinasi atau tidak (variabel bebas) apakah mempunyai pengaruh pada berat badan balita bulan ini dan bulan lalu (variabel terikat)VAKSINTIDAK DI VAKSINBB BLN LALUBB BLN INIBB BLN LALUBB BLN INILANGKAH PENGUJIAN :a. Dari layar data view, Klik : ANALYZE, pilih : GENERAL LINEAR MODEL, klik : MULTIVARIATE.b. Dari kotak dialog, masukkan variabel : BBLALU dan BBINI kedalam kotak : Dependent Variable, masukkan variabel : VAKSINASI, kedalam kotak : Fixed Factor(s).c. Fungsi POST HOC adalah untuk membandingkan variabel terikat dari sub variabel bebas. Bila ingin menguji perbedaan berat badan bulan lalu dan berat badan bulan ini antara balita yang divaksin dengan yang tidak divaksin, klik : POST HOC, aktifkan fungsi [ V ] LSD ATAU SHCEFFE tekan : CONTINUE. d. Tekan : OKe. PEMBACAAN HASIL :1) Tabel 1, menunjukkan jumlah data untuk setiap sub vatiabel bebas2) Untuk pengetahui pengaruh variabel bebas terhadap bebarapa variabel terikat, dapat dilihat pada tabel : Test of Between-Subject Effect pada baris : VAKSINASI. Dikatakan berbeda bila nilai Sig. < 0,05. 3) Fungsi LSD / SCHEFFE dapat dilihat pada tabel Multiple Com-parations, dikatakan berbeda bila pada kolom : Mean Difference (I-J) terdapat tanda asterix (*) atau pada kolom Sig. nilainya < 0,05. BILA SUB VARIABEL DARI VARIABEL BEBAS HANYA ADA 2 KATAGORI MAKA FUNGSI POST HOC TIDAK PERLU DIGUNAKAN.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :2. MULTIVARIATE 2 JALURDari contoh data yang ada, kita mencoba membandingkan antara balita yang divaksinasi /tidak dan seks (variabel bebas) apakah mempunyai pengaruh pada berat badan balita bulan ini dan bulan lalu (variabel terikat)SEKSVAKSINTIDAK DI VAKSINBB BLN LALUBB BLN INIBB BLN LALUBB BLN INILaki-lakiPerempuanLANGKAH PENGUJIAN :a. Dari layar data view, Klik : ANALYZE, pilih : GENERAL LINEAR MODEL, klik : MULTIVARIATE.b. Dari kotak dialog, masukkan variabel : BBLALU dan BBINI kedalam kotak : Dependent Variable, masukkan variabel : VAKSINASI, dan SEKS kedalam kotak : Fixed Factor(s).c. Fungsi POST HOC adalah untuk membandingkan variabel terikat dari sub variabel bebas. Bila ingin menguji perbedaan berat badan bulan lalu dan berat badan bulan ini antara balita yang divaksin dengan yang tidak divaksin, klik : POST HOC, aktifkan fungsi [ V ] LSD ATAU SHCEFFE tekan : CONTINUE. d. Tekan : OKe. PEMBACAAN HASIL :1) Tabel 1, menunjukkan jumlah data untuk setiap sub vatiabel bebas2) Untuk pengetahui pengaruh variabel bebas terhadap beberapa variabel terikat, dapat dilihat pada tabel : Test of Between-Subject Effect pada baris : SEKS dan VAKSINASI. Dikatakan berbeda bila nilai Sig. < 0,05. 3) Fungsi LSD / SCHEFFE dapat dilihat pada tabel Multiple Com-parations, dikatakan berbeda bila pada kolom : Mean Difference (I-J) terdapat tanda asterix (*) atau pada kolom Sig. nilainya < 0,05. BILA SUB VARIABEL DARI VARIABEL BEBAS HANYA ADA 2 KATAGORI MAKA FUNGSI POST HOC TIDAK PERLU DIGU-NAKAN.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :E. UJI BEDA NON PARAMETRIC TESTSUji non parametrik biasanya digunakan bagi data yang berskala nominal atau ordinal atau data yang mempunyai skala interval atau ratio tetapi tidak normal.1. 2 INDEPENDENT SAMPLESFungsi uji ini mirip dengan T TEST BEBAS. Misalkan dengan menggunakan uji : MANN WHITNEY U, akan diuji apakah ada beda berat badan bulanlalu antara balita laki-laki dengan balita perempuanLANGKAH PENGUJIAN :a. Dari layar data view, Klik : ANALYZE, pilih : NON PARAMETRIC TEST, Klik : 2 INDEPENDENT SAMPLESb. Dari kotak dialog, pilihan uji Mann Whitney U telah aktif [ V ] masukkan : BBLALU kedalam kotak : Test variable list. c. Masukkan : SEKS kedalam kotak : Grouping variable. Klik : Define group, masukkan angka : 1 ke kotak group 1 dan angka : 2 ke kotak group 2. Tekan : Continued. Tekan : OKe. PEMBACAAN HASIL :Dari tabel : Test Statistics, bila nilai Asym.sig (2-tailed) < 0,05, maka Ho ditolak dan Ha diterima atau ada beda berat badan bulan lalu antara balita laki-laki dan perempuan.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :2. 2 RELATED SAMPLESFungsi uji ini hampir mirip dengan T TEST TERIKAT. Misalkan dengan menggunakan uji : WILCOXON, akan diuji apakah ada beda berat badan bulan lalu dengan bulan ini.LANGKAH PENGUJIAN :Dari layar data view, Klik : ANALYZE, pilih : NON PARAMETRIC TEST, klik : 2 RELATED SAMPLESb. Dari kotak dialog, terliha pilihan uji : WILCOXON TELAH AKTIF [v], klik : BBLALU, klik : BBINI. Masukkan kedalam kotak : Test pair(s) listc. Tekan : OKd. PEMBACAAN HASIL :Dari tabel : Test Statistics, bila nilai Asym.sig (2-tailed) < 0,05, maka Ho ditolak dan Ha diterima atau ada beda berat badan antara bulan ini dan bulan lalu.TULISKAN HASIL ANALISIS DAN KESIMPULAN SAUDARA :3. K-INDEPENDENT SAMPLESFungsi uji ini mirip dengan ONE WAY ANOVA. Misalkan dengan menggunakan uji : KRUSKAL WALLIS, akan diuji apakah ada beda berat badan bulan ini antara asal rt dari balitaLANGKAH PENGUJIAN :a. Dari layar data view, Klik : ANALYZE, pilih : NON PARAMETRIC TEST, Klik : K-INDEPENDENT SAMPLESb. Dari kotak dialog, pilihan uji KRUSKAL WALLIS H telah aktif [ V ] masukkan : BBINI kedalam kotak : Test variable list. c. Masukkan : ASALRT ke dalam kotak : Grouping Variable. Klik : Define range, masukkan angka : 6 ke kotak minimum dan angka : 9 ke kotak maximun. Tekan : Continued. Tekan : OKe. PEMBACAAN HASIL :Dari tabel : Test Statistics, bila nilai Asym.sig (2-tailed) < 0,05, maka Ho ditolak dan Ha diterima atau ada beda berat badan bulan ini antara balita yang berasal dari rt 6, rt 7, rt 8 dan rt 9.TULISKAN HASIL ANALISIS SAUDARA :F. CORRELATE1. BIVARIATEProsedur ini digunakan untuk melihat hubungan antara dua variabel. Dalam korelasi product moment dari Karl Pearson, arah hubungan dinyatakan hasil perhitungannya negatif atau positif dan biasanya digunakan untuk menguji data yang mempunyai skala interval atau ratio, sedangkan uji Kendalls Tau dan Spearman, biasanya untuk menguji data yang mempunyai skala ordinal, interval atau ratio. Misalkan akan kita uji apakah ada hubungan antara : BBLALU dengan BBINI.LANGKAH PENGUJIAN :Dari layar data view, Klik : ANALYZE, pilih : CORRELATE, klik : BIVARIATE.Masukkan variabel : BBLALU dan BBINI, kedalam kotak : VariablesPastikan pada Correlation Coefficient, pilihan uji ditetapkan, dengan memberi tanda [ V ].Tekan : OKe. PEMBACAAN HASIL :Dari tabel correlation, perhatikan 3 angka pada sel (pertemuan antara baris dan kolom samples) angka pertama menunjukkan besarnya nilai r hitung, angka kedua menunjukkan nilai signifikansinya, bila nilai Sig (2-tailed) lebih kecil [ < ] dari 0,05 maka Ho ditolak dan Ha diterima (ada hubungan), sedangkan angka ketiga menunjukkan banyaknya data yang diuji.TULISKAN HASIL ANALISIS SAUDARA :G. ANALISIS REGRESI1. ANALISIS REGRESI LINEARAnalisis regresi mempunyai beberapa fungsi, antara lain : 1. Mencari korelasi antara (beberapa) prediktor (X) dengan kriterium (Y). 2. Mencari persamaan garis regresi, yang dinyatakan dalam persamaan garis regresi. Garis regresi dapat berbentuk garis lurus (linier) atau lengkung (parabolik atau hiperbolik). 3. Memberi dasar untuk untuk memprediksi suatu krite-rium melalui satu atau beberapa prediktor. 4. Menentukan prediktor yang paling berpengaruh terhadap kriterium, bila prediktornya lebih dari 1.STATISTIK (X1)M. RISET (X2)MKK (X3)SKRIPSI (Y)887.587777.2567879768697677876887.5887888886977.25Dari tabel di atas akan dicari persamaan garis regresi, dengan menggunakan 3 prediktor (X1, X2 dan X3) serta prediktor yang paling berpengaruh terhadap kriterium (Y).LANGKAH PENGUJIAN :a. Dari layar data view, Klik : ANALYZE, pilih : REGRESSION, Klik : LINEARb. Dari kotak dialog, masukkan variabel : SKRIPSI kedalam kotak : Dependent. Masukkan variabel : STAT, RISET dan MKK ke dalam kotak : Independent(s)c. Tekan : OKd. PEMBACAAN HASIL :Dari output dihasilkan 4 tabel.Tabel ke 2 : Model Summary, menunjukkan persentase kontribusi nilai prediktor terhadap nilai kriterium. Bila prediktornya hanya 1 digunakan R square, bila prediktornya lebih dari 1 gunakan adjusted R square. Dari tabel tersebut dapat dilihat bahwa nilai adjusted R square = 0.458, nilai ini menunjukkan pengaruh dari 3 prediktor terhadap kriterium besarnya 55,7% sedangkan 44,3% dipengaruhi oleh prediktor lain.Tabel ke 3 : ANOVA, bila nilai sig. pada tabel ini < 0,05, maka persamaan garis regresi yang diperoleh, bila digunakan untuk mem-prediksi, hasilnya dapat diterima/dipercaya.Tabel 4 : Coefficient, pada tabel ini ditunjukkan persamaan garis regresi yaitu : Y (skripsi) = 0,584 X1 (stat) + 0,065 X2 (riset) + 0.213 W3 (mkk) dari ketiga prediktor bila dibandingkan pengaruhnya terhadap kriterium maka hanya prediktor STAT yang bermakna, karena nila sig. < 0,05, sedangkan yang lain > 0,05. Bila ada lebih dari 1 prediktor yang nilai sig. < 0,05, maka yang nilai sig. lebih kecil, mempunyai pengaruh lebih besar dibandingkan prediktor lainnya.TULISKAN HASIL ANALISIS SAUDARA :2. REGRESI LOGISTICSebagaimana metode regresi biasa, regresi logistik dapat dibedakan menjadi 2, yaitu: Binary Logistic Regression (Regresi Logistik Biner) dan Multinomial Logistic Regression (Regresi Logistik Multinomial). Regresi Logistik biner digunakan ketika variabel respon/kriterium (Y), hanya ada 2 kemungkinan : misal 1(YA) dan 0 (TIDAK). Sedangkan Regresi Logistik Multinomial digunakan ketika pada variabel respon (Y) terdapat lebih dari 2 kategorisasi. Sedangkan variabel prediktornya (X) dapat berskala nominal, ordinal, interval atau ratio.H. CHI SQUAREChi square termasuk uji non parametrik, yang biasanya digunakan untuk menguji independence antar 2 variabel yang mempunyai skala ordinal atau nominal. Bila data yang akan diuji mempunyai skala interval atau ratio, maka data tersebut harus diubah menjadi ordinal dengan cara melakukan transformasi data.1. TRANSFORMASI DATA.Sebagai contoh data berikut ini akan di transformasikan, dengan ketentuan bila : nilai pengetahuan 80 100 digolongkan dalam golongan pandai (kode=1), nilai : 65 - 79 digolongkan dalam golongan cukup pandai (kode=2) dan nilai : < 65 digolongkan dalam golongan kurang pandai (kode=3). Nilai ketrampilan : 75 100 digolongkan trampil (kode=4) dan nilai