PENGANTAR ANALISIS DATA

Prof.DR.dr. Rizanda Machmud MkesProgram Studi S2 Biomedik

Pascasarjana Universitas Andalas

1. Pendahuluan

Setelah kita selesai melakukan pengolahan data, maka langkah selanjutnya adalah

menganalisis data. Data mentah (raw data) yang sudah susah payah kita kumpulkan tidak akan

ada artinya jika tidak dianalisis. Analisis data merupakan kegiatan yang sangat penting dalam

suatu penelitian, karena dengan analisislah data dapat mempunyai arti/makna yang dapat berguna

untuk memecahkan masalah penelitian.

Analisis mempunyai posisi strategis dalam suatu penelitian. Namun perlu dimengerti

bahwa dengan melakukan analisis tidak dengan sendirinya dapat langsung memberi jawaban

penelitian, untuk itu perlu diketahui bagaimana menginterpretasi hasil penelitian tersebut.

Menginterpretasi berarti kita menjelaskan hasil analisis guna memperoleh makna/arti.

Interpretasi mempunyai dua bentuk, yaitu arti sempit dan arti luas. Interpretasi dalam arti

sempit (deskriptif) yaitu interpretasi data dilakukan hanya sebatas pada masalah penelitian yang

diteliti berdasarkan data yang dikumpulkan dan diolah untuk keperluan penelitian tersebut.

Sedangkan interpretasi dalam arti luas (analitik) yaitu interpretasi guna mencari makna data hasil

penelitian dengan jalan tidak hanya menjelaskan/menganalisis data hasil penelitian tersebut,

tetapi juga melakukan inferensi (generalisasi) dari data yang diperoleh dengan teori-teori yang

relevan dengan hasil-hasil penelitian tersebut.

Pada umumnya analisis data bertujuan untuk:

a. Memperoleh gambaran/deskripsi masing-masing variabel

b. Membandingkan dan menguji teori atau konsep dengan informasi yang ditemukan

c. Menemukan adanya konsepbaru dari data yang dikumpulkan

d. Mencari penjelasan apakah konsep baru yang diuji berlaku umum atau hanya berlaku pada

kondisi tertentu

Seberapa jauh analisis suatu penelitian akan dilakukan tergantung dari:

a. Jenis penelitian

b. Jenis sampel

c. Jenis data/variabel

1

d. Asumsi kenormalan distribusi data

a. Jenis Penelitian

Jika ingin mengeahui bagaimana pada umumnya (secara rata-rata) pendapat masyarakat

akan suatu hal tertentu, maka pengumpulan data dilakukan dengan survei. Dari kasus ini maka

dapat dilakukan analisis data dengan pendekatan kuantitatif. Namun bila kita menginginkan

untuk mendapatkan pendapat/gambaran yang mendalam tentang suatu fenomena, maka data

dapat dikumpulkan dengan fokus grup diskusi atau observasi, maka analisisnya menggunakan

pendekatan analisis kualitatif.

b. Jenis Sampel

Analisis sangat tergantung pada jenis sampel yang dibandingkan, apakah kedua sampel

independen atau dependen. Misalnya pada penelitian survei yang tidak menggunakan sampel

yang sama, dapat digunakan uji statistik yang mengasumsikan sampel yang independen.

Misalkan survei untuk mengetahui apakah ada perbedaan berat badan bayi antara bayi-bayi yang

dilahirkan dari ibu perokok dengan bayi-bayi dari ibu yang tidak merokok. Disini berarti

kelompok ibu perokok dan kelompok ibu bukan perokok bersifat independen.

Sedangkan untuk penelitian eksperimen yang sifatnya pre dan post (sebelum dan sesudah

adanya perlakuan tertentu dilakukan pengukuran) maka uji yang digunakan adalah uji statistik

untuk data yang dependen. Misalnya, suatu penelitian ingin mengetahui pengaruh penelitian

manajemen terhadap kinerja petugas kesehatan. Pertanyaan penelitiannya “Apakah ada

perbedaan kinerja petugas kesehatan antara sebelum dan sesudah mendapatkan pelatihan

manajemen?”. Dalam penelitian ini sampel kelompok petugas kesehatan bersifat dependen,

karena pada kelompok (orang) yang sama diukur dua kali yaitu pada saat sebelum pelatihan (pre

test) dan sesudah dilakukan pelatihan (Post Test).

c. Jenis Data/Variabel

Data denganjenis katagori berbeda cara analisisnya dengan data jenis numerik. Beberapa

pengukuran/uji statistik hanya cocok untuk jenis data tertentu. Sebagai contoh, nilai

proporsi/persentase (pada analisis univariat) biasanya cocok untuk menjelaskan data berjenis

katagorik, sedangkan untuk data jenis numerik biasanya dapat menggunakan nilai rata-rata untuk

2

menjelaskan karakteristiknya. Untuk analisis hubungan dua variabel (analsis bivariat), uji kai

kuadrat hanya dapat dipakai untuk mengetahui hubungan data katagori dengan data katagori.

Sebaliknya untuk mengetahui hubungan numerik dengan numerik digunakan uji korelasi/regresi.

d. Asumsi Kenormalan

Jenis analisis yang akan dilakukan sangat tergantung dari bentuk distribusi datanya. Bila

distribusi datanya tidak normal, maka sebaiknya digunakan prosedur uji statitik nonparametrik.

Sedangkan bila asumsi kenormalan dapat dipenuhi maka dapat digunakan uji statistik

parametrik.

Berikut ini akan dijelaskan langkah-langkah analisis (pendekatan kuantitatif):

1. Analisis Deskriptif (Univariat)

Tujuan dari analisis ini adalah untuk menjelaskan/mendiskripsikan karakteristik masing-

masing variabel yang diteliti. Bentuknya tergantung dari jenis datanya. Untuk data numerik

digunakan nilai mean (rata-rata), median, standard deviasi dan inter kuartil range, minimal

maksimal.

2. Analisis Analitik (Bivariat)

Setelah diketahui karakteristik masing-masing variabel dapat diteruskan analisis lebih lanjut.

Apabila diinginkan analisis hubungan antar dua variabel, maka analisis dilanjutkan pada

tingkat bivariat. Misalnya ingin diketahui hubungan antara berat badan dengan tekanan

darah. Untuk mengetahui hubungan dua variabel tersebut biasanya digunakan pengujian

statistik. Jenis uji statistik yang digunakan sangat tergantung jenis data/variabel yang

dihubungkan.

3. Analisis Multivariat

Merupakan analisis yang menghubungkan antara beberapa variabel independen dengan satu

variabel dependen.

3

STATISTIK PARAMETRIK

ANALISIS DATA UJI RERATA 2 KELOMPOK

Uji t

Di bidang kesehatan sering kali kita harus menarik kesimpulan apakah parameter dua

populasi berbeda atau tidak. Misalnya, apakah ada perbedaan tekanan darah penduduk dewasa

orang kota dengan orang desa. Atau, apakah ada perbedaan berat badan antar sebelum mengikuti

program diet dengan sesudahnya. Uji statistik yang membandingkan mean dua kelompok data ini

disebut uji beda dua mean. Pendekatan ujinya dapat menggunakan pendekatan distribusi Z dan

distribusi t , sehingga pada uji beda dua mean bisa menggunakan uji Z atau uji t, namun lebih

sering digunakan uji t.

Sebelum kita melakukan uji statistik dua kelompok data, kita perlu mengetahui apakah

dua kelompok data tersebut berasal dari dua kelompok yang independen atau berasal dari dua

kelompok yang dependen/pasangan. Dikatakan kelompok independen bila data kelompok

yang satu tidak tergantung dari kelopok kedua, misalnya membandingkan mean tekanan darah

sistolik orang desa dengan orang kota. Tekanan darah orang kota independen (tidak tergantung)

dengan orang desa. Dilain pihak, kedua kelompok data dikatakan dependen/pasangan bila

kelompok data yang dibandingkan datanya saling mempunyai ketergantungan, misalnya data

berat badan sebelum dan sesudah mengikuti program diet berasal dari orang yang sama (data

sesudah dependen/tergantung dengan data sebelum).

Berdasarkan karakteristik data tersebut maka uji beda dua mean dibagi dalam dua

kelompok, yaitu: uji beda mean independen (uji T independen) dan uji beda mean dependen (uji

T dependen).

1. Uji beda dua mean independen

Tujuan: untuk mengetahui perbedaan mean dua dua kelompok data independen, syarat yang

harus dipenuhi:

a. Data berdistribusi normal/simetris.

b. Kedua kelompok data independen.

4

X1 – X2T = Sp (1/n1) + (1/n2)

(n1 - 1)S12 + (n2 - 1) S22Sp2 = n1 - n2 - 2

X1 – X2T = (S12/n1) + (S22/n2)

[(S12/n1) + (S22/n2)]2df = [(S12/n1)2/(n1-1)] + [(S22/n2)2/(n2-1)]

c. Variabel yang dihubungkan berbentuk numerik dan katagorik (ket: variabel katagorik hanya

dengan dua kelompok).

Prinsip pengujian dua mean dua mean adalah melihat perbedaan variasi kedua kelompok data.

Oleh karena itu dalam pengujian ini diperlukan informasi apakah varian kedua kelompok yang

diuji sama atau tidak. Bentuk varian kedua kelompok data akan berpengaruh pada nilai standar

error yang akhirnya akan membedakan rumus pengujiannya.

a. Uji untuk varian sama

Uji beda dua mean dapat dilakukan dengan menggunakan uji Z atau uji T. Uji Z dapat

digunakan bila standar deviasi populasi (σ) diketahui dan jumlah sampel besar (>30).

Apabila kedua syarat tersebut tidak terpenuhi maka dilakukan uji . pada umumnya nilai σ

sulit diketahui, sehingga uji beda dua mean biasanya menggunakan uji T (T Test). Untuk

varian yang sama maka bentuk ujinya sbb:

df = n1 – n2 - 2

Ket :

n1 atau n2 = jumlah sampel kelompok 1 atau 2

S1 atau S2 = standar deviasi sampel kelompok 1 atau 2

b. Uji untuk varian berbeda

5

S12F = S22

dT = S_d / n

c. Uji homogenitas varian

Tujuan dari uji ini adalah untuk mengetahui varian antara kelompok data satu apakah sama

dengan kelompok data yang kedua.

df1 = n1-1 dan df2 = n2-1

Pada perhitungan uji F, varian yang lebih besar sebagai pembilang dan varian yang lebih

kecil sebagai penyebut.

2. Uji beda dua mean dependen (Paired sample)

Tujuan : Untuk menguji perbedaan mean anatara dua kelompok data yang

dependen. Contoh kasus:

o Apakah ada perbedaan tingkat pengetahuan antara sebelum dan sesudah dilakukan pelatihan.

o Apakah ada perbedaan berat badan antara sebelum dan sesudah mengikuti program diet.

Syarat :

a. Distribusi data normal

b. Kedua kelompok data dependen/pair

c. Jenis variabel: numerik dan katagorik (dua kelompok)

Formula :

d = rata-rata deviasi/selisih sampel 1 dengan sampel 2

S_d = standar deviasi dari deviasi/selisih sampel sampel 1 dan sampel 2

KASUS:

6

UJI t INDEPENDEN DAN UJI t DEPENDEN

1. Uji t independen

Sebagai contoh kita gunakan data “ASI.SAV” dengan melakukan uji hubungan perilaku

menyusui dengan kadar Hb (misal digunakan variabel Hb1), apakah ada perbedaan kadar Hb

antara ibu yang menyusui eksklusif dengan ibu yang menyusuinya tidak eksklusif, caranya:

1. Aktifkan/bukalah file data “ASI.SAV”

2. Dari menu utama SPSS, pilih menu ‘Analyze”, kemudian pilih sub menu “Compare Means’,

lalu pilih “Independen-Samples T Test”

3. Pada layar tampak kotak yang di dalamnya ada kotak ‘Test variable (s)’I dan ‘Grouping

Variable’. Ket: kotak test varibles tempat memasukkan variable numeriknya, sedangkan

kotak grouping variable untuk memasukkan variabel katagoriknya, ingat jangan sampai

terbalik.

4. Klik ‘hb1’ dan msukkan ke kotak ‘Test variable’

5. Klik variabel ‘eksklu’ dan masukkan ke kotak ‘Grouping Variable’.

6. Klik ‘Define Group’, kemudian di layar nampak kotak isian. Anda diminta mengisi kode

variabel ‘menyusui’ ke dalam kedua kotak. Pada contoh ini, kita tahu bahwa ‘0’ kode untuk

yang tidak eksklusif dan kode ‘1’ untuk Yang eksklusif. Jadi ketiklah 0 pada Group 1” dan 1

pada “Group 2”

7

7. Klik “Continue”

8. Klik “OK” untuk menjalankan prosedur perintahnya, dan hasilnya sbb:

T-Test

Group Statistics

status menyusui asi N Mean Std. Deviation

Std. Error

Mean

kadar hb pengukuran tdk EKSKLUSIVE

pertama EKSKLUSIVE

24

26

10.421

10.277

1.4712

1.3228

.3003

.2594

Independent Samples Test

Levene's Testfor Equality ofVariances

t-test for Equality of Means

FSig.

tdf

Sig.(2-taile

d)

MeanDifferen

ce

Std.Error

Difference

95% ConfidenceInterval of the

Difference

Lower Upperkadar hb Equalpengukur variancesan assumedpertama Equal variances not assumed

.072 .790 -.364

-.363

48

46.4

.717

.719

-.1439

-.1439

.3951

.3968

-.9384

-.9425

.6505

.6547

Pada tampilan di atas dapat dilihat nilai rata-rata, standar deviasi dan standar error kadar

Hb ibu untuk masing-masing kelompok. Rata-rata kadar Hb ibu yang menyusui ekslusif adalah

10,277 gr% dengan standar deviasi 1,322 gr%, sedangkan untuk ibu yang menyusui non

eksklusif, rata-rata kadar Hb-nya adalah 10,421 gr% dengan standar deviasi 1,471 gr%.

8

Hasil uji T dapat dilihat pada tabel bawah, SPSS akan menampilkan dua uji T, yaitu uji T

dengan asumsi varian kedua kelompok sama (equal variances assumed) dan uji T dengan asumsi

varian kedua kelompok tidak sama (equal variances not assumed). Untuk, memilih uji mana

yang kita pakai, dapat dilihat uji kesamaan varian melalui uji Levene. Lihat nilai p Levene test,

nilai p < alpha (0,05) maka varian berbeda dan bila nilai p > alpha (0,05) maka varian sama

(equal). Pada uji Levene di atas menghasilkan nilai p = 0,790 sehingga dapat disimpulkan bahwa

pada alpha 5%, didapat tidak ada perbedaan varian (varian kedua kelompok sama). Selanjutnya

dicari p value uji t pada bagian varian sama (equal variances) di kolom sig (2 tailed) ,yaitu

sebesar p=0,717 artinya tidak ada perbedaan yang signifikan rata-rata kadar Hb antara ibu yang

menyusui eksklusif dengan ibu yang menyusui non eksklusif.

Penyajian dan Interpretasi di laporan penelitian:

Seperti pada analisis deskriptif, print out di atas tidak boleh langsung di copy dan disajikan di

laporan penelitian. Pada laporan penelitian kita harus membuat tabel baru untuk menyajikan

hasil print out analisis di atas. Adapun bentuk penyajian dan interpretasinya adalah sbb:

Tabel …

Distribusi Rata-Rata Kadar Hb Responden Menurut Perilaku Menyusui di..th..

Menyusui Mean SD SE P value N

Ya Eksklusif

Tdk Eksklusif

10,277

10,421

1,322

1,471

0,259

0,300

0,717 26

24

Rata-rata kadar Hb ibu yang menyusui eksklusif adalah 10,277 gr% dengan standar deviasi 1,322

gr%, sedangkan untuk ibu yang menyusui non eksklusif rata-rata kadar Hb-nya adalah 10,421 gr

% dengan standar deviasi 1,471 gr%. Hasil uji statistik didapatkan nilai p=0,717, berarti pada

alpha 5% terlihat tidak ada perbedaan yang signifikan rata-rata kadar Hb antara ibu yang

menyusui secara eksklusif dengan non eksklusif.

2. Uji T Dependen

Uji T dependen seringkali disebut uji T Paired/Related atau pasangan. Uji T dependen

sering digunakan pada analisis data penelitian eksperimen. Seperti sudah dijelaskan di depan

bahwa disebut kedua sampel bersifat dependen kalau kedua kelompok sampel yang

9

dibandingkan mempunyai subyek yang sama. Dengan kata lain disebut dependen bila responden

diukur dua kali/diteliti dua kali, sering orang mengatakan penelitian pre dan post. Misalnya kita

ingin membandingkan berat badan antara sebelum dan sesudah mengikuti program diet.

Untuk contoh ini akan dilakukan uji beda rata-rata kadar Hb antara kadar Hb pengukuran

pertama dengan kadar Hb pengukuran kedua, ingin diketahui apakah ada perbedaan kadar Hb

antara pengukuran pertama dengan pengukuran kedua. Disini terlihat sampelnya dependen

karena orangnya sama diukur dua kali. Adapun langkahnya:

1. Pastikan anda berada di file “ASI.SAV”, jika belum aktifkan/bukalah file ini.

2. Dari menu utama SPSS, pilih menu ‘Analyze”, kemudian pilih sub menu “Compare Means’,

lalu pilih “Paired-Samples T Test”

3. Klik ‘hb1’

4. Klik ‘hb2’

5. Klik tanda panah sehingga kedua variabel masuk kotak sebelah kanan

6. Klik ‘OK’ hasilnya tampak sbb:

T-Test

Paired Samples Statistics

Mean N Std. Deviation Std. ErrorMean

Pair kadar hb pengukuran

1 pertama

kadar hb pengukuran

10.346

10.860

50

50

1.3835

1.0558

.1957

.1493

10

kedua

Paired Samples Correlations

N Correlation Sig.

Pair Kadar hb pengukuran pertama

1 & kadar hb pengukuran kedua

50 .707 .000

Paired Samples Test

Paired Differences

tdf

Sig.(2-

tailed)

MeanStd.

Deviation

Std.Error Mean

95% ConfidenceInterval of the

DifferenceLower Upper

Pair kadar hb1 pengukuran pertama - kadar hb pengukuran kedua

-.5140 .9821 .1389 -.7931 -.2349 -3.701 49 .001

Pada tabel pertama terlihat statistik deskriptif berupa rata-rata dan standar deviasi kadar

Hb antara pengukuran pertama dan pengukuran kedua. Rata-rata kadar Hb pada pengukuran

pertama (hb1) adalah 10,346 gr% dengan standar deviasi 1,38 gr%. Pada pengukuran kedua

(hb2) didapat rata-rata kadar Hb adalah 10,860 gr% dengan standar deviasi 1,05 gr%.

Uji T berpasangan dilaporkan pada tabel kedua, terlihat nilai mean perbedaan antara

pengukuran pertama dan kedua adalah 0,514 dengan standar deviasi 0,982. perbedaan ini diuji

dengan uji T berpasangan menghasilkan nilai p yang dapat dilihat pada kolom “Sig (2-tailed)”.

Pada contoh di atas didapatkan nilai p=0,001, maka dapat disimpulkan ada perbedaan yang

signifikan kadar hb antara pengukuran pertama dengan pengukuran kedua.

Penyajian dan Interpretasi di laporan penelitian:

Dari hasil yang didapat di atas kemudian angka-angka disusun dalam tabel yang disajikan

dalam laporan penelitian. Bentuk penyajian dan interpretasinya sbb:

Tabel …

Distribusi Rata-Rata Kadar Hb Responden Menurut Pengukuran pertama dan

Kedua di …. Th……

Variabel Mean SD SE P value N

11

Kadar Hb

Pengukuran I

Pengukuran II

10,346

10,860

1,38

1,05

0,19

0,14

0,001 50

Rata-rata kadar Hb pada pengukuran pertama adalah 10,346 gr% dengan standar deviasi 1,38 gr

%. Pada pengukuran kedua didapat rata-rata kadar Hb adalah 10,860 gr% dengan standar deviasi

1,05 gr%. Terlihat nilai mean perbedaan antara pengukuran pertama dan kedua adalah 0,514

dengan standar deviasi 0,982. hasil uji statistik didapatkan nilai 0,001 maka dapat disimpulkan

ada perbedaan yang signifikan antara kadar Hb pengukuran pertama dan kedua.

12

Sb2F = Sw2

ANALISIS DATA UJI RERATA 3 KELOMPOK ATAU LEBIH

UJI ANOVA

Pada bab terdahulu telah dijelaskan uji beda mean dua kelompok data baik yang

independen maupun dependen. Namun seringkali kita jumpai jumlah kelompok yang lebih dari

dua, misalnya ingin mengetahui perbedaan mean berat badan bayi untuk daerah Bekasi, Bogor

dan Tangerang. Dalam menganalisis data seperti ini (> 2 kelompok) sangat tidak dianjurkan

menggunakan uji T. kelemahan menggunakan uji T adalah; pertama kita melakukan uji berulang

kali sesuai kombinasi yang mungkin, kedua, bila melakukan uji T berulang kali akan

meningkatkan (inflasi) nilai α, artinya akan meningkatkan peluang hasil yang keliru.

Perubahan inflasi α sebesar = 1 – (1-α)n

Untuk mengatasi masalah tersebut maka uji statistik yang dianjurkan (uji yang tepat) dalam

menganalisis beda lebih dari dua mean adalah uji ANOVA atau uji F.

Prinsip uji ANOVA adalah melakukan telaah variabilitas data menjadi dua sumber

variasi yaitu variasi dalam kelompok (within) dan variasi antar kelompok (between). Bila variasi

within dan between sama (nilai perbandingan kedua varian sama dengan 1) maka mean-mean

yang dibandingkan tidak ada perbedaan, sebaliknya bila hasil perbandingan tersebut

menghasilkan lebih dari 1, maka mean yang dibandingkan menunjuk ada perbedaan.

Analisis varian (ANOVA) mempunyai dua jenis analisi varian satu faktor (one way) dan

analisis faktor (two way). Pada bab ini hanya akan dibahas analisis varian satu faktor (one way).

Beberapa asumsi yang harus dipenuhi pada uji ANOVA adalah:

1. Varian homogen

2. Sampel/kelompok independen

3. Data berdistribusi normal

4. Jenis data yang dihubungkan adalah : Numerik dengan katagori (untuk katagori yang lebih

dari 2 kelompok.

Perhitungan uji ANOVA

13

(n1-1)S12 + (n2-1)S22 + ……..+ (nk-1)Sk2Sw2 = N-k

n1(X1-X)2 + n2(X2-X)2 + ………+ nk(Xk-X)2Sb2 = k - 1

n1.X1 + n2.X2 + ……. + nk.XkX = N

Xi - Xj tij = Sw2[(1/ni) +(1/nj)]

αα* = (k2)

df = k-1 → untuk pembilang

n-k → untuk penyebut

Ket N = jumlah seluruh data (n1 + n2 + ….. + nk)

Analisis Multi Comparison (POSTHOC TEST)

Analisis ini bertujuam untuk mengetahui lebih lanjut kelompok mana saja yang berbeda

mean-nya bilamana pada pengujian ANOVA dihasilkan ada perbedaan yang bermakna (Ho

ditolak). Ada berbagai jenis analisis multiple comparasion diantaranya adalah Bonferroni,

Honestly Significant different (HSD), Scheffe dan lain-lain. Pada modul ini yang akan dibahas

adalah metode Bonferroni.

Perhitungan Bonfrroni adalah sbb:

df = n – k

Dengan level of significance (α) sbb:

14

Kasus:

UJI ANOVA

Pada contoh ini aka dicoba dihubungkan antara tingkat pendidikan dengan berat badan bayi.

Variabel pendidikan merupakan variabel katagorik dengan 4 katagori. Variabel berat bayi

berbentuk numerik sehingga uji yang digunakan ANOVA. Adapun caranya sbb:

1. Aktifkan/bukalah file data “ASI.SAV”

2. Dari menu utama SPSS, pilih menu ‘Analyze”, kemudian pilih sub menu “Compare Means’,

lalu pilih “One-Way ANOVA” sesaat akan muncul menu One Way ANOVA

3. Dari menu One way ANOVA, terlihat bahwa kotak Dependent List dan kotak Factor perlu

diisi variabel. Kotak ‘dependent’ diisi variabel numerik dan kotak ‘factor’ diisi variabel

katagoriknya. Pada contoh ini berarti pada kotak Dependen diisi variabel “bbbayi” pada

kotak Factor diisi variabel “Didik”.

4. Klik tombol ‘Options” tandai dengan √ pada kotak “Descriptive”

5. Klik “Continue”

15

6. Klik tombol “Post Hoc”, tandai dengan √ pada kotak “Bonferroni”

7. Klik “Continue”

8. Klik “OK”

16

Oneway

Descriptives

berat badan bayi

N MeanStd.

DeviationStd.

Error

95% Confidence Interval forMean Minim

umMaxim

umLower Bound Upper BoundSD

SMP

SMU

PT

Total

10

11

16

13

50

2470.00

2727.27

3431.25

3761.54

3170.00

249.666

241.209

270.108

386.304

584.232

78.951

72.727

67.527

107.141

82.623

2291.40

2565.23

3287.32

3528.10

3003.96

2648.60

2889.32

3575.18

3994.98

3336.04

2100

2100

3000

3000

2100

2900

3000

4000

4100

4100

Test of Homogeneity of Variances

berat badan bayi

Levene

Statistic df1 df2 Sig.

2.506 3 46 .071

ANOVA

berat badan bayi

Sum of

Squares df Mean Square F Sig.

Between Groups

Within Groups

Total

12697038

4027962

16725000

3

46

49

4232345.862

87564.400

48.334 .000

17

Post Hoc Tests

Multiple Comparisons

Dependent Variable: berat badan bayi

Bonferroni

(I)pendidikan formalibu

(J)pendidikanformal ibumenyusui

MeanDifference

(I-J) Std. Error Sig.

95% Confidence Interval

Lower Bound Upper BoundSD SMP

SMUPT

-257.273-961.250*

-1291.538*

129.294119.286124.468

.315

.000

.000

-613.76-1290.14-1634.72

99.21-632.36-948.36

SMP SDSMUPT

257.273-703.977*

-1034.266*

129.294115.902121.228

.315

.000

.000

-99.21-1023.54-1368.51

613.76-384.42-700.02

SMU SDSMPPT

961.250*-703.977*-330.288*

119.286115.902110.492

.000

.000

.027

632.36384.42

-634.93

1290.141023.54

-25.64PT SD

SMPSMU

1291.538*1034.266*330.288*

124.468121.228110.492

.000

.000

.027

948.36700.0225.64

1634.721368.51634.93

*. The mean difference is significant at the .05 level.

Dari print out ini diperoleh rata-rata berat bayi dan standar deviasi masing-masing kelompok.

Rata-rata berat bayi pada mereka yang berpendidikan SD adalah 2470,0 gram dengan standar

deviasi 249,6 gram. Pada mereka yang berpendidikan SMP rata-rata berat bayinya adalah 2727,2

gram dengan standar deviasi 241,2 gram. Pada mereka yang berpendidikan SMU rata-rata berat

bayinya adalah 3431,2 gram dengan standar deviasi 270,1 gram. Pada mereka yang

berpendidikan PT rata-rata berat bayinya adalah 3761,5 gram dengan standar deviasi 386,3 gram.

Pada hasil di atas nilai p uji ANOVA dapat diketahui pada kolom “F” dan “Sig”, terlihat p=0,000

(kalau desimalnya 0, maka penulisannnya menjadi p=0,0005), berarti pada alpha 5%, dapat

disimpulkan ada perbedaan berat bayi diantara keempat jenjang pendidikan.

Pada Box paling bawah terlihat hasil dari uji ‘Multiple Comparisons Bonferroni” yang berguna

untuk menelusuri lebih lanjut kelompok mana saja yang berhubungan signifikan. Untuk

mengetahui kelompok yang signifikan dapat terlihat dari kolom Sig. Ternyata kelompok

signifikan adalah tingkat pendidikan SD dengan SMU, SD dengan PT, SMP dengan SMU, SMP

dengan PT dan SMU dengan PT.

18

Penyajian dan Interpretasi di laporan Penelitian

Tabel …

Distribusi Rata-Rata berat Bayi Menurut Tingkat pendidikan

Variabel Mean SD 95% CI P value

Pendidikan

- SD

- SMP

- SMU

- PT

2470,0

2727,2

3431,2

3761,5

249,6

241,2

270,1

386,3

2291,4 – 2648,6

3565,2 – 2889,3

3287,3 – 3575,1

3528,1 – 3994,9

0,0005

Rata-rata berat bayi pada mereka yang berpendidikan SD adalah 2470,0 gram dengan

standar deviasi 249,6 gram. Pada mereka yang berpendidikan SMP rata-rata berat bayinya adalah

2727,20 gram dengan standar deviasi 241,2 gram. Pada mereka yang berpendidikan SMU rata-

rata berat bayinya adalah 3431,2 gram dengan standar deviasi 270,1 gram. Pada mereka yang

berpendidikan PT rata-rata berat bayinya adalah 3761,5 gram dengan standar deviasi 386,3 gram.

Hasil uji statistik didapat niali p=0,0005, berarti pada alpha 5% dapat disimpulkan ada perbedaan

berat bayi diantara keempat jenjang pendidikan. Analisis lebih lanjut membuktikan bahwa

kelompok yang berbeda signifikan adalah tingkat pendidikan SD dengan SMU, SD dengan PT,

SMP dengan SMU,SMP dengan PT dan SMU dengan PT.

19