Manajemen Data

P ENGENALAN SPSS
Pengantar SPSS merupakan program komputasi statistik yang mula-mula diperuntukkan bagi pengolahan statistik untuk ilmu sosial, sehingga SPSS adalah singkatan dari Statistical Package for the sosial sciences, seiring dengan perkembangannya SPSS digunakan oleh berbagai user sehingga SPSS berubah menjadi kepanjangan dari Statistical product and service solution. Pengguna SPSS dapat memperoleh hasil perhitungan statistik secara lebih cepat, karena hanya mendesain variabel yang akan dianalisis, memasukkan data, dan melakukan perhitungan dengan menggunakan tahapan yang ada, pengguna dapat menafsirkan angka-angka yang dihasilkan oleh SPSS. Memulai dan Mengakhiri SPSS Cara memulai SPSS ialah: Klik dua kali icon SPSS pada desktop. (pastikan program SPSS sudah ter-instal pada komputer) Jika icon SPSS tidak terdapat pada desktop, maka Pilih menu Start dari Window. Pilih menu program. Pilih SPSS 13.0 for windows. Komputer akan menampilkan data editor window. Pilih menu File, lalu klik Exit Atau klik [X] pada tampilan layar di atas kanan.

Cara mengakhiri SPSS ialah:

Pengenalan Menu SPSS 1. Menu File, digunakan untuk membuka, menutup file dan yang berkaitan dengan pemrosesan, serta membuat file baru. Untuk membuat file data yang baru, bisa dipilih submenu NEW, selanjutnya pilih DATA, maka data window akan bersih (kosong). 2. Menu Edit, digunakan untuk proses editing, pilihan CUT untuk menghapus data dari sel, tetapi data yang dihapus masih disimpan dalam clipboard, sehingga masih bisa dipindahkan ke sel lain. COPY perintah untuk menyalin data ke sel lain, dengan memberikan perintah PASTE. Sebelum memberikan perintah CUT, COPY dan CLEAR sel yang dikenai tindakan tersebut harus diblok. 1

3. Menu View, digunakan untuk melihat tampilan SPSS. 4. Menu Data, digunakan untuk melakukan pemrosesan data, submenunya ialah insert variable, insert case, go to case, select case, weight case dan split file. Untuk membuat adanya variabel baru diantara dua variabel yang sudah dibuat digunakan pilihan Insert Variable, dengan terlebih dahulu meletakkan kursor pada variabel yang akan disisipi variabel baru. Untuk menyisipkan baris dipilih Insert Case. Untuk mengurutkan data dipilih Sort Cases (Ascending untuk mengurutkan data dari kecil ke besar, Descending untuk mengurutkan data dari besar ke kecil). 5. Menu Trasform. Digunakan untuk melakukan perubahan-perubahan data, misalnya data yang mau diolah bukan aslinya tapi kuadratnya, nilai akar pangkat duanya, atau fungsi-fungsi lainnya maka submenu Compute merupakan pilihan. 6. Menu Analyze, digunakan untuk melakukan analisis data yang telah dimasukkan ke dalam komputer yang merupakan menu terpenting karena semua pemrosesan dan analisis data dilakukan dengan menggunakan menu ini, misalnya Correlate, Compare Means, Regression dan lain-lain. Untuk membuat tabel frekuensi dipilih submenu Descriptive Statistics, lalu klik Frequencies, selanjutnya dipilih peubah (Variabel) yang dibuat tabel frekuensinya. Untuk menampilkan nilai-nilai statistik seperti rataan dan ragam dipilih Option Statistics. Untuk membuat grafik digunakan perintah Option Charts, pilihan Bar Chart untuk diagram batang, Pie Chart untuk diagram lingkaran dan pilihan Histogram. Untuk mengolah data multivariat dengan menggunakan menu analyze dengan submenu General Linear Model, lalu klik Multivariat digunakan untuk pengujian vektor nilai tengah dan analisis ragam multivariat (MANOVA) submenu Data Reduction, lalu klik factor atau Correspondence analysis untuk mengolah data multivariat dengan menggunakan analisis Faktor atau korespondensi. 7. Menu Graphs, digunakan untuk membuat grafik diantaranya Bar, Line, Pie dan lain-lain. 8. Menu Utilities, digunakan untuk mengetahui ionformasi variabel, file dan lainlain. 9. Menu Add-Ons, digunakan untuk mengerjakan berbagai metode statistik tingkat lanjut. 10. Menu Windows, digunakan untuk melakukan perintah perpindahan (Switch) dari satu file ke file lain. 11. Menu Help, digunakan untuk membantu pengguna dalam memahami perintahperintah SPSS jika menemui kesulitan. Data Editor Window SPSS dengan dua Window utama di SPSS, yakni : 1. Data Editor Window, untuk menampilkan data, pengeditan data dan tindakan lain terhadap data (berfungsi sebagai tempat input data). 2. Output Window, untuk menampilkan hasil pengolahan data berupa tabel, grafik atau teks.

Data Editor Window terdapat dua tampilan (view), yakni : 1. Data View yang digunakan untuk menampilkan data. 2. Variable View digunakan untuk menampilkan berbagai hal tentang variabel yang ada. Deklarasi variabel pada Variable View Untuk menyusun variabel, posisi tampilan SPSS harus berada pada Variable View, yang memiliki kolom antara lain : 1. Name, untuk memasukkan nama variabel dengan lebih dari 8 karakter yang memuat abjad, angka, underscore. 2. Type, untuk mendefinisikan tipe variabel seperti : Numeric untuk data berupa angka, string untuk data berupa teks, dan Date untuk data berupa tanggal. 3. Width, untuk menuliskan panjang pendek variabel (width = 8, berarti panjang karakter maksimum 8). 4. Decimals, untuk menuliskan jumlah desimal dibelakang koma. 5. Label, untuk menuliskan Label Variabel (bisa diisi atau tidak) 6. Values, untuk menuliskan nilai kuantitatif dari variabel yang skala pengukurannya adalah ordinal dan nominal bukan scale (data numerik). 7. Missing, untuk menuliskan ada tidaknya jawaban kosong (data yang hilang). 8. Columns, untuk menuliskan lebar kolom. 9. Align, untuk menuliskan rata kiri (LEFT), rata kanan (RIGHT), atau tengah (CENTER) penempatan teks atau angka di Data View. 10. Measure, untuk menentukan skala pengukuran variabel misalnya nominal, ordinal dan scale. Contoh Desain Variabel Tabel 1 Nama Pasien Usia Minah 35 Joko 27 Doni 29 Azizah 60 Rita 15

Gender perempuan laki-laki laki-laki perempuan perempuan

Penyakit yang diderita Kanker rahim Ginjal Diabetes Radang Paru Demam berdarah

Variabel 1. Nama pasien (digunakan nominal) Variabel 2. Usia (digunakan scale) Variabel 3. Gender dengan diberi nilai/values : Laki-laki=1 dan perempuan = 2 (nominal) Variabel 4. Penyakit yang diderita (digunakan nominal) Variabel nominal cara pengisian values adalah : Klik dua kali pada bagian values sampai muncul kotak dialog.

Isikan angka 1 pada value dan kata laki-laki pada value label, kemudian klik Add. Isikan angka 2 pada value dan kata perempuan pada value label, kemudian klik Add. Jika terjadi kesalahan, pilihlah perintah remove Variabel Scale, pengisian pada kolom value label adalah None pada kolom Missing selalu isikan none

Cara menganalisis Pilihlah menu Analyze Jika diinginkan melakukan korelasi antara Gender dan Penyakit yang diderita tahapannya : 1. Analyze, lalu klik 2. Correlate Uji Satu Sampel Misalkan menguji Informasi dari Industri farmasi Isi rata-rata obat suntik adalah 4,04 mL. Suatu sampel acak 10 kaleng telah diukur, hasilnya adalah : 4,02 4,01 3,99 4,00 4,02 4,03 4,00 4,04 3,98 4,05 Masukkan data dengan nama Variabel misalnya obat suntik Klik Analyze Klik Compare means Klik one sample + test Sorot Variabel obat suntik lalu pindahkan variabel tersebut kekotak variabel dengan cara mengklik tanda > Ketik angka 10 pada kotak test value Klik options, ketik nilai selang kepercayaan 95% Klik OK

ANALISIS BIVARIAT Korelasi Bivariat kasus Penelitian ini ingin mengetahui apakah ada hubungan antara kebiasaan merokok di dalam rumah dengan ISPA, disebabkan 10 kuesioner dengan data hasil penelitian sebagai berikut: Responden Merokok 1 1 2 2 3 1 4 1 5 2 6 2 7 1 8 1 9 2 10 1 Keterangan : Merokok : 1. Ada yang merokok di rumah 2. Tidak ada yang merokok ISPA : 1. Menderita 2. Tidak menderita ISPA 2 1 1 2 1 1 2 2 2 1

Penyelesaian I. Merumuskan masalah Masalah yang diteliti ialah Apakah ada hubungan antara kebiasaan merokok di dalam rumah dengan ISPA ? berapa besar hubungan kebiasaan merokok di dalam rumah dengan ISPA? II. Membuat desain variabel Untuk membuat desain variabel, masuklah ia perintah variabel view. III. Memasukkan data ke SPSS Untuk memasukkan data, masuklah ke perintah data view, setelah itu masukkan data dari datake 1 sampai data ke 10 dari kiri atas ke bawah.

IV. Menganalisis data di SPSS Untuk melakukan analisis, lakukanlah langkah-langkah sebagai berikut : 1. Klik Analyze, lalu 2. Correlate, lalu 3. Bivariate, diperoleh :

4. Pindahkan variabel merokok dan ISPA ke kolom variabel 5. Currelation coefficient : pilih person 6. Test of Significance Correlation 7. Option : missing values, pilihan exclude cases pairwise, tekan Continue. 8. Klik OK untuk proses. Setelah di proses maka diperoleh keluaran (out put)
C rre tio o la ns K ebiasaan m erokok K ebiasaan m erokok P earson C orrelation S (2 ig. -tailed) N P earson C orrelation S (2 ig. -tailed) N 1 10 -.408 .2 42 10 kejadian IS A P -.408 .2 42 10 1 10

kejadian IS A P

V. Melakukan penafsiran / interprestasi Signifikansi hubungan dua variabel dapat di analisis dengan ketentuan sebagai berikut : Jika probabilitas < 0,05, maka hubungan kedua variabel signifikan. Jika Probabilitas > 0,05 maka hubungan kedua variabel tidak signifikan. Menafsir angka korelasi perhitungan 0 0,25 : korelasi sangat lemah (tidak ada) > 0,25 0,25 : korelasi cukup (sedang) > 0,5 0,75 : korelasi kuat > 0,75 - 1 : korelasi sangat kuat Koefisien korelasi (r) diperoleh -0,408, artinya hubungan antara kebiasaan merokok dan kejadian ISPA sangat lemah/tidak ada hubungan. Data tersebut juga dapat dianalisis dengan menggunakan uji chi-square ( 2), sebagai berikut: Setelah data dimasukkan dalam SPSS seperti pada contoh diatas selanjutnya dianalisis dengan langkah-langkah sebagai berikut: 1. Untuk menampilkan frekuensi masing-masing variabel (analisis univariat), klik analyze, lalu klik descriptive statistics, lalu klik frequencies tampak dilayar sebagai berikut:

Masukkan Kebiasaan merokok dirumah dan kejadian ISPA pada kotak variable(s) Selanjutnya klik OK, diperoleh output SPSS sebagai berikut:
kebiasaan merokok di rumah Frequency Valid Ada yang merokok di rumah Tidak ada yang merokok Total 7 4 11 Percent 63.6 36.4 100.0 Valid Percent 63.6 36.4 100.0 Cumulative Percent 63.6 100.0

kejadian ISPA Frequency 5 6 11 Percent 45.5 54.5 100.0 Valid Percent 45.5 54.5 100.0 Cumulative Percent 45.5 100.0

Valid

menderita tidak menderita Total

2. Untuk mengolah data dengan menggunakan Crosstab (table silang) analisis bivariat, klik analyze, lalu klik descriptive statistics, lalu klik crosstabs.. tampak dilayar sebagai berikut:

Masukkan kebiasaan merokok dirumah pada kotak row(s) Masukkan kejadian ISPA pada kotak column(s) Selanjutnya: klik statistics, lalu klik chi-square, diperoleh tampilan sebagai berikut:

Selanjutnya klik continue.. Klik cells, lalu klik row dan column diperoleh tampilan berikut:

Selanjutnya klik, continue dan OK. Diperoleh output SPSS sebagai berikut:
kebiasaan merokok di rumah * kejadian ISPA Crosstabulation kejadian ISPA tidak menderita menderita 2 5 28.6% 40.0% 3 75.0% 60.0% 5 45.5% 100.0% 71.4% 83.3% 1 25.0% 16.7% 6 54.5% 100.0%

Total 7 100.0% 63.6% 4 100.0% 36.4% 11 100.0% 100.0%

kebiasaan merokok di rumah

Ada yang merokok di rumah

Tidak ada yang merokok

Total

Count % within kebiasaan merokok di rumah % within kejadian ISPA Count % within kebiasaan merokok di rumah % within kejadian ISPA Count % within kebiasaan merokok di rumah % within kejadian ISPA

Chi-Square Tests Value 2.213b .737 2.284 2.012 11 df 1 1 1 1 Asymp. Sig. (2-sided) .137 .391 .131 .156 .727c Exact Sig. (2-sided) Exact Sig. (1-sided)

Pearson Chi-Square a Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association McNemar Test N of Valid Cases

.242

.197

a. Computed only for a 2x2 table b. 4 cells (100.0%) have expected count less than 5. The minimum expected count is 1.82. c. Binomial distribution used.

Risk Estimate 95% Confidence Interval Lower Upper .008 2.181

Value Odds Ratio for kebiasaan merokok di rumah (Ada yang merokok di rumah / Tidak ada yang merokok) For cohort kejadian ISPA = menderita For cohort kejadian ISPA = tidak menderita N of Valid Cases .133

.381 2.857 11

.104 .491

1.399 16.621

Interprestasi: Hipotesis (dugaan): Ho : tidak terdapat hubungan kebiasaan merokok dirumah dengan kejadian ISPA..... H1 : terdapat hubungan kebiasaan merokok dirumah dengan kejadian ISPA..... Pengambilan keputusan: jika nilai signifikan (sig.) > maka Ho diterima jika nilai signifikan (sig.) < maka Ho ditolak nilai signifikan diperoleh pada tabel output chi-square tests jika pada bagian b tertulis o cells (0%) maka digunakan nilai pearson chi-square yakni 0,137, tapi karena pada bagian b diperoleh 4 cells (100%) maka digunakan nilai sig. = 0,242. Karena 0,242 > 0,05 maka Ho diterima. Keputusannya: karena Ho diterima maka keputusannya: tidak terdapat hubungan kebiasaan merokok dirumah dengan kejadian ISPA..... UJI REGRESI Regresi bertujuan untuk menguji pengaruh antara satu variabel dengan variabel lain. Uji regeresi ada dua: 1. Regresi linier sederhana 2. Regresi linier berganda REGRESI LINIER SEDERHANA Regresi yang memiliki satu variabel dependen dan satu variabel independen. Model persamaan berikut: Y = a + b1X1 (persamaan regresi): latihan: No X (Jumlah kunjungan) Y (jumlah tetrasiklin) 1 20 60 2 30 100 3 20 60 4 40 70 5 50 100 6 50 100 7 50 90 8 50 100 9 20 80

10

10 10 100 11 50 70 12 50 80 13 50 80 14 40 70 15 50 90 16 50 100 17 40 80 18 40 80 19 40 70 20 30 60 21 40 100 22 30 100 23 20 80 24 40 100 25 40 100 Ingin mengetahui apakah ada pengaruh jumlah kunjungan pasien (X) dengan jumlah tetrasiklin (Y) di puskesmas baolan. Langkah-langkahnya: Masukkan data tersebut pada jendela data view, selanjunya lakukan analisis: Klik analize, lalu Klik regression, lalu Klik linier Masukkan jumlah kunjungan ke kotak dependent Masukkan jumlah tetrasiklin ke kotak independent(s), Diperoleh tampilan sebagai berikut:

Output SPSS Regression

11

M de Sum a o l m ry M odel 1 R .2 63
a

RS quare .069

A djusted RS quare .02 9

S E td. rror of the E stim ate 14.541

a. P redictors: (C onstant), skor berpikir kritis

Nilai kontribusi antara jumlah kunjungan terhadap jumlah tetrasiklin 6,90%. Berdasarkan nilai koefisien determinan tersebut dapat disimpulkan bahwa kontribusi pengaruh jumlah kunjungan terhadap jumlah tetrasiklin adalah 6,90%..
Coefficientsa Unstandardized Coefficients B Std. Error 72.767 9.657 .317 .242 Standardized Coefficients Beta .263

Model 1

(Constant) skor berpikir kritis

t 7.535 1.307

Sig. .000 .204

a. Dependent Variable: nilai hasil belajar

Nilai t berdasarkan perhitungan adalah 1,307 Nilai t berdasarkan tabel adalah 1,71 ( = 0,05) thitung ttabel Nilai pada persamaan regresi: y = a + bx Y = 72,767 + 0,317 X Dimana: Nilai a = 72,767 Nilai b = 0,317 Jika x = 25,5 y = a + bx y = 72,767 + 0,317 (25,5) = 80,8505 Hipotesis (dugaan): Ho: tidak ada pengaruh jumlah kunjungan dengan jumlah tetrasiklin dipuskesmas Baolan. H1: ada pengaruh jumlah kunjungan dengan jumlah tetrasiklin dipuskesmas Baolan. Jika nilai signifikan (sig.) > 0,05 maka Ho diterima Jika nilai signifikan (sig.) < 0,05 maka Ho ditolak. Dari hasil analisis diperoleh Nilai signifikan (sig.) adalah 0,204, karena 0,204 > 0,05 maka Ho diterima. Keputusan: 1. Karena Ho diterima maka kesimpulannya adalah tidak ada pengaruh jumlah kunjungan dengan jumlah tetrasiklin dipuskesmas Baolan.

12

13