PENGANTAR DASAR STATISTIK

DAN BIOSTATISTIK
A. Editing, melakukan Pengecekan isi kuisioner

B. Coding, merubah data berbentuk huruf menjadi data

berbentuk angka/bilangan

C. Processing, melakukan entry data (dari excel ke

SPSS)

D. Cleaning, pengecekan data yang sudah dientry

 DATA
NOMINAL NUMERIC
Nominal Ordinal Rasio (Absolut) Interval

Jenis Kelamin Pengetahuan Tinggi Badan Suhu

Agama Jenjang Sekolah Berat Badan

Pekerjaan 0 - 10

• Uji Normalitas
• Analisis
• Penyajian
• Interprestasi
 MEMBERI
KODING
 Transform

 Recode Into Diff… Variables

 Masukan Yang ingin di koding ke Numeric

Variable

 Ganti nama di Output Variable

 Old and New Values

 Value → 2

 Highest → 2

 Lowest → 1

 Continue

 OK
 UJI INSTRUMENT/ALAT
PENELITIAN
 Instrumen yang didesain oleh peneliti

 Uji Kalibrasi : Glico meter, sphygmomanometer, thermometer

 Uji Instrumen : Kuisioner

 Validitas : Kuisioner Valid apabila pertanyaan

• Face Validity, Uji Expert → Temui pakar

• Construct Validity → Valid dengan analisis

• Criterion Validity → Mengukur dari responden yang berbeda

• Teknik korelasi yg digunakan dg pearson product moment.

• Bila r hitung (r pearson)>r tabel, maka Ho ditolak, artinya pertanyaan valid

 Reliabilitas : Pertanyaan reliabel jika

• jawaban konsisten atau stabil dari waktu ke waktu

• Reapeated Measure

• One shot atau diukur sekali saja

• Bila r alpha>konstanta (0.7) atau r tabel maka pertanyaan reliabel

 Uji Korelasi
Product Moment
 Katagortik koding (1, 2, 3, 4)

 Uji Validitas

• Analyze – Scale - Reliability Analysis

• Masukan Semua Variabel Pertanyaan

• Statistic

•  Item Scale  Scale If item deleted

Terdapat 20 data yang semuanya
• Contineu – OK
diproses (tidak ada data yang missing
 Cara Baca atau hilang), sehingga tingkat
• R Tabel : N = Jumlah Responden atau DF kevalidannya 100%. Dengan N = 20
= N-2 Maka RTabel pada DF yaitu N-2 (20-
• Item-Total Statistics, Corrected Item- 2) = 18, dengan Probabilitas 0.05
Total Correlation adalah 0.444

• r hasil > r tabel, maka pertanyaan Valid

• r hasil < r tabel, maka pertanyaan Tidak

Valid
 Uji Korelasi
Product Moment

Tanda
Variabel R Hitung R Tabel Ket

P1 0.977 > Valid

P2 0.977 > Valid

P3 0.318 < Tdk Valid

P4 0.977 > Valid

P5 0.931 > Valid

0.444

P6 0.977 > Valid

P7 0.977 > Valid Dari data Corrected Item-Total Correlation diatas

didapatkan bahwa pertanyaan 2 Tidak Valid, karena Rhitung
P8 0.977 > Valid
< Rtabel yaitu 0.425 < 0.444. Untuk itu pertanyaan 2
P9 0.931 > Valid harus diganti atau dicoba diresponden yang berbeda, atau
dihilangkan jika pertanyaan lain dapat mewakili
P10 0.137 < Tdk Valid
pertanyaan 2.

Uji Hipotesis II
 Uji Korelasi
Product Moment
Variabel R Hitung Tanda R Tabel Ket

P1 0.996 > Valid

P2 0.996 > Valid

P4 0.996 > Valid

P5 0.949 > Valid

0.444

P6 0.996 > Valid

Setelah semua pertanyaan dipastikan
P7 0.996 > Valid
valid, lanjut ke reliabilitas
P8 0.996 > Valid

P9 0.949 > Valid

Cronbach’s Alpha > Rtabel :
Data Reliabel
 Uji Korelasi
Person
 Numerik koding (1, 2, 3, 4, Total Score)

 Uji Validitas

• Analyze – Correlate - Bivariate

• Masukan Semua Pertanyaan dan Total Score

• Pearson Two-Tailed  Flag Significant

• OK

 Cara Baca

• R Tabel :

N = Jumlah Responden atau DF = N - 2

• Pearson Correlation - Score Total

• r hasil>r tabel, maka pertanyaan Valid

• r hasil<r tabel, maka pertanyaan Tidak

Valid
Uji Korelasi
Person
 Analisis deskriptif
(Analisis Univariat)
• Numerik ( frekuensi, mean, median, standard deviasi)

• Numerik

Analyze – descriptive statistic – descriptive – pindahkan ke kanan –

option  mean,  std deviasi,  min,  max

• Katagorik

Analyze – descriptive statistic – frequencies – pindahkan ke kanan –

option  mean, median, mode,  std deviasi,  min,  max

• Cara baca : Distribusi … dan ..

 Jenis Uji
VARIABLE VARIABLE JENIS UJI
KETERANGAN
INDEPENDENT DEPENDENT Parametrik Non Parametrik

Katagorik Katagorik Chi Square Hubungan

Numerik Numerik Pearson Spearmen Hubungan

Numerik Numerik T Dependent Wilcox on Beda mean

Katagorik 2 klmp Numerik T Independent Mann Whitney Beda mean

Katagorik >2 klmp Numerik One Way Anova Kruskall Wallis Beda mean
 Uji Kai – Kuadrat
Chi-Square
• Tidak ada uji normalitas

• Katagorik (N, O, 1, 2, 3) dan Katagorik

• Menguji Hubungan
 Uji Kai – Kuadrat
Chi - Square
a. Tidak boleh nilai harapan <1 Terpenuhi
b. Tidak boleh nilai harapan <5 >20% Continuity Correction
c. 2x2  Risk

a. Tidak boleh nilai harapan <1

Tidak Terpenuhi
b. Tidak boleh nilai harapan <5 >20% Fisher’s Exact
c. 2x2  Risk

a. Tidak boleh nilai harapan <1

Terpenuhi
b. Tidak boleh nilai harapan <5 >20% Pearson Chi Square
c. 2xK

a. Tidak boleh nilai harapan <1

Tidak Terpenuhi
b. Tidak boleh nilai harapan <5 >20% Merge Cell
c. 2xK
 Uji Chi Square
 Katagorik (1, 2, 3) & Katagorik  Uji Chi Square

 Uji Rata-rata (Bila Perlu) • Analyze, Descriptive Static

• Analyze, Descriptive Statis, Frequencies • Crosstabs, Pindahkan Datanya Ke Kanan

• Masukan ke kanan • Statistics,  Chi-square  Risk(2x2)

• Statistic ( yang perlu), OK • Cell,  Observed,  Expected,  Row, 

 Beri koding atau buat variabel baru Column,  Total

 Cara Baca

• Chi-square Tests, Asymp (2-tailed)

• nilai >0.05, maka tdk ada hubungan
• nilai <0.05, maka ada hubungan
• Interprestasi: Ada hubungan antara
Sebelum Belajar Uji Beda dan Sesudah
Belajar Uji Beda
 Uji Chi Square
 Penyajian Data

Prematur
Merokok Tidak Total P Value
1 2 3
Pernah
46 20 25 10 101
Tidak
45.5% 19.8% 24.8% 9.9% 100 %
0.009
20 18 36 5 79
Merokok
25.3% 22.8% 45.6% 63% 100%
 Uji Beda Dua mean
>dua Kelompok

One Way Kruskall

Anova Walis
 One Way
Anova
 Numerik (23, 25, 70, 90)  Test One Way Anova

 Test Uji Normalitas • Analyze

• Jika responden > 50, maka menggunakan • Compare Means

Sig. Kolmogorov-Smirnov • One Way ANOVA
• Jika responden ≤ 50, maka menggunakan • Pindahkan Datanya Ke Kanan
Sig. Shapiro-Wilk • Ok
• Data akan memiliki distribusi NORMAL jika  Cara Baca
p ≥ 0.05 (LIHAT DI SIG.)
• Anova, Sig (2-tailed)
• Interprestasi: Jadi variable Sebelum • nilai >0.05, maka tdk ada perbedaan
Belajar Uji Beda dan Sesudah Belajar Uji • nilai <0.05, maka ada perbedaan
Beda memiliki distribusi data yang Normal. • Interprestasi: Ada perbedaan antara
Sebelum Belajar Uji Beda dan Sesudah
• Distribusi data Belajar Uji Beda
 Uji Kruskal
Wallis
 Numerik (23, 25, 70, 90)  Uji Kruskal Wallis

 Test Uji Normalitas • Analyze, Nonparametric Tests

• Sajikan Mean, Std Deviation, Max, Min • K Independent Samples

dan Median • Pindahkan Ke Kanan  Kruskal Wallis
• Jika responden > 50, maka menggunakan • Ok
Sig. Kolmogorov-Smirnov  Cara Baca
• Jika responden ≤ 50, maka menggunakan • Test Statistics, Asymp. Sig (2-tailed)
Sig. Shapiro-Wilk

• Data akan memiliki distribusi TIDAK

NORMAL jika p < 0.05 (LIHAT DI SIG.)

• Interprestasi: Jadi variable Sebelum

Belajar Uji Beda dan Sesudah Belajar Uji
Beda memiliki distribusi data yang Tidak
• nilai >0.05, maka tdk ada perbedaan
Normal.
• nilai <0.05, maka ada perbedaan
• Interprestasi: Ada perbedaan antara
Pengethuan Sebelum dan Sesudah
Penyuluhan dengan P Value 0.032
 Uji beda Mean
Dua Kelompok
Kelompok Kelompok Tidak
Berpasangan Berpasangan

Uji Uji
Paired Unpaired

Uji Uji Mann

Wilcoxon Whitney
 Uji P Paired
 Numerik (23, 25, 70, 90)  P Paired Test / T Dependent

 Test Uji Normalitas • Analize

• Sajikan Mean, Std Deviation, Max, Min • Compare Means

dan Median • Paired-Samples T Test
• Jika responden > 50, maka menggunakan • Pindahkan Datanya Ke Kanan
Sig. Kolmogorov-Smirnov • Ok
• Jika responden ≤ 50, maka menggunakan  Cara Baca (Copy Semua T Test)
Sig. Shapiro-Wilk
• Paired Sample Statistics, Mean
• Data akan memiliki distribusi NORMAL jika
Nilai rata” 30 orang sebelum … adalah …
p ≥ 0.05 (LIHAT DI SIG.)
Nilai rata” 30 orang sesudah … adalah …
• Interprestasi: Jadi variable Sebelum
• Paired Samples Test, Sig (2-tailed)
Belajar Uji Beda dan Sesudah Belajar Uji
• nilai >0.05, maka tdk ada perbedaan
Beda memiliki distribusi data yang Normal.
• nilai <0.05, maka ada perbedaan
• Interprestasi: Ada perbedaan antara
• Distribusi data Sebelum Belajar Uji Beda dan Sesudah
Belajar Uji Beda
 Uji Wilcoxon
 Numerik (23, 25, 70, 90)  Uji Wilcoxon

 Test Uji Normalitas • Analize, Nonparametric Tests

• Sajikan Mean, Std Deviation, Max, Min • 2 Related Samples

dan Median • Pindahkan Ke Kanan (Variabel 1, Variabel 2)
• Jika responden > 50, maka menggunakan • Ok
Sig. Kolmogorov-Smirnov  Cara Baca
• Jika responden ≤ 50, maka menggunakan • Test Statistics, Asymp. Sig (2-tailed)
Sig. Shapiro-Wilk

• Data akan memiliki distribusi TIDAK

NORMAL jika p < 0.05 (LIHAT DI SIG.)

• Interprestasi: Jadi variable Sebelum

Belajar Uji Beda dan Sesudah Belajar Uji
Beda memiliki distribusi data yang Tidak
• nilai >0.05, maka tdk ada perbedaan
Normal.
• nilai <0.05, maka ada perbedaan
• Interprestasi: Ada perbedaan antara
Pengethuan Sebelum dan Sesudah
Penyuluhan
 Uji Unpaired
 Numerik (1, 2, 3, 47, 89, 90)  Unpaired Test / Uji T Independent

 Test Uji Normalitas • Analize → Compare Means

• Analyze → Descirptice Statistic → • Independent-Samples T Test

Explore
• Dependent List → (Score)
• Factor List → (Koding) Dipengaruhi
• Plots →  Normality plots with test
 Cara Baca
• Tests of Normality, Sig.
• Data akan memiliki distribusi NORMAL jika
p ≥ 0.05 (LIHAT DI SIG.)
• Test Variables → (Score)
• Grouping Variable → (Koding)
• Define Groups (1,2)
• Ok
 Cara Baca
• Independent Samples Test, Sig 2 tailed.
• nilai >0.05, maka tdk ada perbedaan
• nilai <0.05, maka ada perbedaan

• Interprestasi: Jadi variable Didampingi • Interprestasi: Ada perbedaan antara

Suami dan Tidak Didampingi Suami Score Ansietas terhadap kelompok

Terhadap Ansietas memiliki distribusi data didampingi suami dan tidak didampingi

yang Normal. suami

 Uji Mann
Whitney
 Numerik (1, 2, 3, 47, 89, 90)  Uji Mann Whitney

 Test Uji Normalitas • Analize, Nonparametric Tests

• Analyze → Descirptice Statistic → • 2 Independent Samples

Explore • Test Variable List → (Score)
• Dependent List → (Score) • Grouping Variable → (Koding)
• Factor List → (Koding) Dipengaruhi • Define Groups (1,2)
• Plots →  Normality plots with test • Ok
 Cara Baca  Cara Baca
• Tests of Normality, Sig. • Test Statistics, Asymp. Sig (2-tailed)
• Data akan memiliki distribusi TIDAK • nilai >0.05, maka tdk ada perbedaan
NORMAL jika p < 0.05 (LIHAT DI SIG.) • nilai <0.05, maka ada perbedaan

• Interprestasi: Jadi tingkat ekonomi tinggi • Interprestasi: Tidak Ada perbedaan

dan rendah terhada Terhadap BMI memiliki antara Tingkat ekonomi terhadap BMI

distribusi data yang Tidak Normal.

 Uji Korelasi dan Regresi
Linear Sederhana
• Untuk menguji hubungan hipotesis

• Data numerik dan numerik

 Uji Korelasi
Pearson
 Numerik (13 26 30)  Uji Korelasi

 Test Uji Normalitas • Analize, Correlate, Bivariate

• Analyze → Descirptice Statistic → • Bivariate Correlations, pindahkan variabel

Explore • Pearson
• Plots →  Normality plots with test  Cara Baca
 Cara Baca • Correlations, Asymp. Sig (2-tailed)
• Tests of Normality, Sig. • nilai >0.05, maka tdk ada hubungan

• Data akan memiliki distribusi NORMAL jika • nilai <0.05, maka ada hubungan/korelasi

p > 0.05 (LIHAT DI SIG.) • Interprestasi : Berdasarkan output diatas,

• Interprestasi: Distribusi … Normal. diketahui nilai signifikansi atau Sig. (2-

tailed) sebesar 0.452 karena nilai sig 2
tailed) 0.452 > 0.05 maka artinya tidak ada
hubungan yang signifikan antara variabel
usia responden dengan sistol responden
 Uji Korelasi
Pearson
 Penyajian Data  Interprestasi:

Berdasarkan tabel correlations diatas, diperoleh

Variabel N R P Value angka koefesien atau R 0.099. Artiya, tingkat
Usia keeratan hubungan (korelasi) antara varibel umur
60 0.099 0.452
Sistole dengan sistole menunjukkan hubungan yang TIDAK
ADA KORELASI

 Arah Hubungan (Pearson Correlation)

 Keeratan Hubungan atau R (Pearson Correlation)
• (+) Semakin tinggi … maka semakin tinggi …
• 0.00 – 0.20 Tidak ada korelasi
• (-) Semakin tinggi … maka semakin rendah …
• 0.21 – 0.40 Korelasi lemah
 Interprestasi :
• 0.41 – 0.60 Korelasi sedang
angka koefisien korelasi pada hasil diatas, bernilai
• 0.61 – 0.80 Korelasi kuat
positif, yaitu 0.099, sehingga hubungan kedua
• 0.81-1.00 Korelasi sempurna variabel tersebut bersifat searah, dengan demikian

Nilai Sig. tepat di 0.05, bandingkan Pearson Correlation dapat diartikan bahwa semakin tinggi umur

dengan r tabel responden maka semakin tinggi juga tekanan darah

• Pearson Correlation > r tabel = berhubungan sistole

• Pearson Correlation < r tabel = tidak berhubungan

 Uji Korelasi Rank
Spearman
 Numerik (1, 2, 3)  Uji Korelasi

 Test Uji Normalitas • Analize, Correlate, Bivariate

• Analyze → Descirptice Statistic → • Bivariate Correlations, pindahkan variabel

Explore • spearman Ok
• Plots →  Normality plots with test  Cara Baca
 Cara Baca • Correlations, Asymp. Sig (2-tailed)
• Tests of Normality, Sig. • nilai >0.05, maka tdk ada hubungan

• Data akan memiliki distribusi TIDAK • nilai <0.05, maka ada hubungan/korelasi

NORMAL jika p < 0.05 (LIHAT DI SIG.) • Interprestasi : Berdasarkan output diatas,

• Interprestasi: Distribusi … Tidak Normal.
diketahui nilai signifikansi atau Sig. (2-
tailed) sebesar 0.890 karena nilai sig 2
tailed) 0.890 > 0.05 maka artinya tidak ada
hubungan yang signifikan antara variabel
umur responden dengan sistol saat hamil
 Uji Korelasi Rank
Spearman
 Penyajian Data  Interprestasi:

Berdasarkan tabel correlations diatas, diperoleh

Variabel N R P Value angka koefesien atau R 0.010. Artiya, tingkat
Umur keeratan hubungan (korelasi) antara varibel umur
180 0.010 0.890
Sistole dengan sistole menunjukkan hubungan yang LEMAH
atau TIDAK ADA HUBUNGAN

 Arah Hubungan (Correlation Coefficient)

 Keeratan Hubungan atau R (Correlation
• (+) Semakin tinggi … maka semakin tinggi …
Coefficient)
• (-) Semakin tinggi … maka semakin rendah …
• 0.00 – 0.25 Tidak ada hubungan atau lemah
 Interprestasi :
• 0.26 – 0.50 Cukup Erat
angka koefisien korelasi pada hasil diatas, bernilai
• 0.51 – 0.75 Erat
positif, yaitu 0.848, sehingga hubungan kedua
• 0.76 – 1 Sangat erat atau Sempurna
variabel tersebut bersifat searah, dengan demikian
dapat diartikan bahwa semakin tinggi umur
responden maka semakin tinggi juga tekanan darah
sistole