MANAJEMEN dan ANALISA DATA Dengan Komputer

Penyusun: BESRAL
Departemen Biostatistika dan Kependudukan Fakultas Kesehatan Masyarakat UNIVERSITAS INDONESIA, Depok 2005

1

KATA PENGANTAR
Pengelolaan data merupakan tahapan yang sangat vital dalam suatu kegiatan penelitian, dengan pengelolaan data yang baik maka akan dapat dilakukan analisa dan pengambilan kesimpulan dengan cepat. Pada umumnya, program komputer untuk pengelolaan data yang sering digunakan adalah dBase, Foxpro, dan Acces karena mempunyai fasilitas untuk dapat diprogram sesuai keinginan kita. Namun, tidak semua orang mampu menggunakan program tersebut untuk pengelolaan data, karena membutuhkan pengetahuan dasar tentang pemrograman komputer. Panduan ini dibuat untuk mengelola data menggunakan program komputer yang sangat sederhana yaitu EPI Data, sehingga semua orang bisa menggunakannya dengan mudah dan cepat. Program EPI Data merupakan versi windows dari EPI INFO. Program ini tidak diperdagangkan (gratis). Analisa Data dibuat dengan menggunakan program SPSS (Sementara masih menunggu selesainya program analisa data dari EPI Data). Analisa yang diuraikan terbatas pada analisa deskriptif (univariat) dan hubungan antara dua variabel (Bivariat). Program SPSS berlisensi versi student tersedia di laboratorium Departemen Biostatistika FKM UI. Kritik dan saran untuk penyempurnaan akan penulis terima dengan senang hati. Akhirul kalam, wassalamualaikum warahmatullahi wabarakatu. Depok, Maret 2005

BESRAL

2

DAFTAR ISI
1. PENGANTAR: 1.1. Menginstall EPI Data ver si 3.0 1.2. Mengaktifkan Epi Data 2. TEMPLATE 2.1. Define Data 2.1.1. Persyaratan Variabel 2.1.2. Symbol Ruang Entry 2.1.3. Kaitan Variabel dg Ruang Entry 2.2. Make Data File 3. CHECKS: Membuat batasan nilai yang boleh masuk & alur loncatan 3.1. 3.2. 3.3. 3.4. 3.5. 3.6. 3.7. 3.8. Daftar/list Variabel Range Jump Must Enter Repeat Value Label Edit Save 10 10 11 11 17 18 20 21 21 22 22 22 22 22 4 8

4. ENTER Data: (Memasukkan data ke komputer ) 5. EXPORT Data: (Mengeksport Data REC ke Format lain (SPSS) 25 23

3

6. IMPORT Data pada SPSS 6.1. 6.2. 6.3. Memulai SPSS Import (Open) File DBF Save file data SAV

27 27 28 30

7. STATISTIK DESKRIPTIF 7.1. 7.2. 7.3. 7.4. 7.5. 7.6. 7.7. Analisa deskriptif data kategorik Variabel label & Value label Penyajian data kategorik Analisa deskriptif data numerik Confidence Interval 95% Grafik Histogram Penyajian data numerik 31 32 34 35 36 37 37

8. Uji beda 2 rata-rata 8.1. 8.2. Uji beda 2 rata-rata independen Penyajian uji beda 2 rata-rata independen 38 40

9. Uji beda lebih dari 2 rata-rata 9.1. 9.2. Uji Anova (beda >=2 rata-rata independen) Penyajian hasil uji Anova 41 45

10. Uji beda proporsi 10.1. Uji beda proporsi (Chi-square) 10.2. Penyajian uji beda proporsi 46 50

4

BAB 1. PENGANTAR
DESKRIPSI Tujuan Pada akhir sessi ini peserta diharapkan mampu untuk: - Memahami ruang lingkup Epi-Data - Memahami manfaat Epi-Data - Memahami perbedaan Epi-Data dengan Epi-Info - Mampu menginstall Epi-Data - Mampu mengaktifkan Epi-Data 50 menit

Waktu

Program Epi-Data merupakan program yang digunakan untuk melakukan pengelolaan terhadap berbagai bentuk data penelitian. Pengelolaan data yang benar dan terjamin validitasnya sangat diperlukan agar data dapat dianalisa dengan baik. Bentuk Pengolaan data tersebut adalah 1) mulai dari mendefinisikan variabel untuk membuat program pemasukan data ke komputer, 2) membuat batasan nilai yang boleh masuk agar tidak terjadi kesalahan pada waktu memasukkan data ke komputer, 3) membuat alur loncatan agar proses pemasukan data lebih cepat dan efisien, 4) memasukkan data itu sendiri ke komputer, 5) menggabung beberapa file data, serta 5) merubah format data dari format EPI-INFO (EPI-Data) ke format basis data lainnya seperti dBase, Excell, Lotus, dll. Analisis data merupakan bagian yang terpisah, yang tidak tersedia pada EPI-Data. Analisa data dapat dilakukan dengan Epi-Info, SPSS, STATA, dll. Namun untuk analisis sederhana (Statistik deskriptif) seperti distribusi frekuensi (persentase), ukuran pemusatan data (mean), dan ukuran persebaran data (standar deviasi, minimum--maksimum) dapat dilakukan oleh EPI-Data. Dengan kata lain, bila Anda mempunyai kuesioner atau bentuk formulir lainnya yang sudah diisi dan ingin dimasukkan ke komputer, maka Anda dapat menggunakan program Epi-Data untuk pemasukan datanya. Setelah selesai dimasukkan datanya, Anda ingin melakukan analisis dengan program SPSS misalnya, maka Anda cukup mengeksport data tersebut ke format data SPSS. Kelebihan dari program Epi-Data antara lain adalah 1) mudah digunakan, mudah didapatkan (sifatnya public domain), 2) programnya tidak membutuhkan kapasitas yang besar (hanya satu disket), 3) kelebihan yang paling utama adalah tampilannya

5

Odense Denmark.EXE” di drive A: 2. Program Epi-Info dikembangkan (mengacu pada EPI-INFO versi 6. Pilih Next.0) oleh Lauritsen JM & Bruus M. Dari Explorer. 2003. MENGINSTALL EPI-Data Sebelum Anda bekerja dengan program Epi-Data. dengan langkah sebagai berikut: 1. A comprehensive tool for validated entry and documentation of data. Pilih Yes. anda harus menginstall terlebih dahulu program Epi-Data tersebut. The EpiData Association. Masukkan disket berisi file “ setup_epidata30. sehingga muncul Licence Aggrement: 6 .dalam bentuk Windows. 1.1. sehingga muncul: 3. double klik file tersebut. EpiData (version 3).0 yang berbentuk DOS. sehingga muncul: 4. yang sering jadi keluhan pada EPI-INFO 6.

kemudian pilih Next.5. Anda juga dapat merubah directorynya. Epi-Data akan diinstall ke c:\Program file\Epi-Data. Pilih “ I accept the agreement”. setelah itu pilih Next: 7 . sehingga muncul directory tempat epi-data akan diinstall: 6. pilih Next jika anda setuju.

klik “Finish” 8 . pilih next: 8. pilih dan aktifkan “Create a Quick lunch icon”. dan pilih/aktifkan“Automatic fild naming (First 10 caracters on a line like Epi-Info v 6”. (yang terakhir ini penting untuk penamaan field/variabel pada pembuatan template) kemudian pilih next: 9. Menu yang akan dimunculkan pada Start Program adalah EpiData.7. Pilih/aktifkan “Create a dekstop icon”. Proses installasi selesai.

txt). Enter Data. namun filenya akan disimpan sebagai TEXTFile (*. MENGAKTIFKAN PROGRAM EPI-DATA Sebelum Anda bekerja dengan program Epi-Data.0. Export Data. Make File Data. pilih EpiData 3. Make Data File. dan 6. Documents. Define Data.0 Gambar 1 MENU UTAMA EPI-DATA Menu Utama Epi-Data yang sering digunakan adalah 1. Seperti program pengolah kata lainnya.2. WordPerfect. Program. atau MsWord. Urutan langkah-langkah yang dilakukan untuk membuat program Entry Data dimulai dari: (tidak boleh dibolak balik) 1. anda dapat mengaktifkannya dengan cara berikut: Bila sudah.0”. berfungsi untuk menyiapkan file REC dari TEMPLATE yang sudah ada. Jika template belum ada. Sama persis dengan EPI-Info. Cara pertama: periksa di layar monitor menu berikut: EpiData 3.QES) 2. 4. 5. EPI-Data.lnk Double klik menu “EpiData 3. periksa terlebih dahulu apakah program Epi-Data tersebut sudah diinstall ke dalam komputer Anda. Pada pembuatan template. Define Data. 3.1. 2. kita dapat mengetik seperti biasanya di Wordstar. maka Make Data File tidak bisa 9 . untuk mengaktifkan EPI-Data Cara kedua: Pilih Start. filenya otomatis akan tersimpan dengan extensi QES (nama file. Checks. berfungsi untuk membuat TEMPLATE yang berisi struktur data dari kuesioner yang akan dimasukkan ke komputer.

jika terjadi perubahan pada nama field/variabel maka database yang sudah anda entry akan hilang. 5. Karena. Export.0. Enter data. 3. Check hanya bisa dijalankan setelah dibuat TEMPLATE dan MAKE DATA FILE. berfungsi untuk mentransfer data dari format REC ke format dBase atau lainnya.dijalankan. 4. berfungsi untuk 1) membuat Codebook 2) Validate data file yg sudah dientry 3) dan lain-lain 6. Document. berfungsi untuk membuat alur lompatan dan batasan nilai minimal—maksimal yang boleh masuk. Make Data File perlu dijalankan setiap melakukan perubahan terhadap TEMPLATE. yang mana prinsipnya hampir sama dengan EPI INFO 6. untuk menghindarinya kita harus memilih prosedur REVICE Data File. Apabila Make Data File dijalankan pada file yang sudah berisi data (sudah dientry) maka database yang ada dalam file REC tersebut akan terhapus. File REC hasil Make Data File nantinya akan berfungsi sebagai tempat menyimpan sebelum database memilih yang ENTER dientry DATA atau melalui sebelum Epi-data. Checks. Sebaiknya dijalankan setelah dibuat program CHECK dengan lengkap. Jika anda belum yakin dengan kelengkapan CHECK. CHECK. Berikut ini uraian lengkap satu per satu dari proses pembuatan program entry data pada EPI Data. berfungsi untuk memasukkan data ke komputer. 10 . dari Menu TOOLS. jangan pilih ENTER Data.

Memahami simbol ruang entry untuk setiap jenis data 50 menit + Tugas: 50 menit Total : 100 menit Agar dapat membuat program entry data (template) harus ada beberapa prosedur yang harus dibuat. Define Data (membuat template). Pembuatan Ruang Entry Data. efisien. 2. yaitu 1. Setiap data yang akan dientry harus dibuatkan variabel dan ruang entrynya. Waktu 2. misalnya {P01umur1} } 2. Ketiga menu itu tersedia di layar EPI Data. DEFINE DATA DESKRIPSI SINGKAT Tujuan Pada akhir sessi ini peserta diharapkan mampu untuk: . 2.Memahami penggunaan Define Data untuk membuat TEMPLATE . string/huruf.BAB 2. misalnya {P01} 11 . & tanggal/date) . Make Data File. Ada 3 langkah utama yang harus dilakukan sebelum proses pemasukan data ke komputer. Maksimum 8 karakter.Memahami persyaratan pembuatan variabel/field . dan bersih dari kesalahan. TEMPLATE Program Entry Data perlu dibuat agar proses pemasukan data ke komputer dapat dilakukan dengan cepat. Variabel harus diawali dengan huruf (bukan angka). dan 3.1.1. Variabel harus dibatasi oleh tanda kurung kurawal { 3. Checks.1 Persyaratan Pembuatan Variabel: 1.Memahami jenis data yang akan dientry (angka /numerik. Pembuatan Variabel dan 2. yaitu 1.

misalnya umur. Angka Numerik. Huruf/String. Variabel harus mendahului ruang entry Contoh: {Nama1} anak pertama <A {Nama2} anak kedua atau {P01a} Nama anak pertama <A {P02a} Nama anak kedua Contoh yang salah: <A > {Nama1} anak pertama <A Umur1 ## anak pertama {Nama2} anak kedua > ## {Umur2} anak kedua <A > {P01b} Umur anak pertama ## > {P02b} Umur anak kedua ## <A > {Umur1} anak pertama ## > {Umur2} anak kedua ## 12 .1. sesuai dengan yang dientry (huruf kapital atau small) <A > 12 digit. misalnya 17-08-1945 2.3.2 Simbol Ruang Entry Data: Setiap variabel memerlukan ruang entry agar data bisa dimasukkan. tanggal/date Jenis Data 1. huruf/string/karakter. Setiap ruang entry harus memiliki variabel 2. Simbol untuk Ruang entry data tergantung pada data yang akan dientry (yang akan dimasukkan ke komputer).# : dua digit dan satu desimal Memakai garis bawah. jumlah pagar/cross mencerminkan berapa digit data yang akan dientry # : satu digit ### : tiga digit ##. angka/numerik. semua jadi huruf KAPITAL <dd/mm/yyyy> untuk format: tgl/bulan/tahun <mm/dd/yyyy> untuk format: bulan/tgl/tahun 3. misalnya nama Simbol Ruang Entry Memakai tanda pagar/cross. 2. Secara umum ada 3 jenis data yang akan dientry. Variabel harus berada pada satu baris yang sama dengan ruang entry 3. yaitu 1. kadarHb 2.2. dan 3. Tanggal/date.1. Kaitan Variabel dengan Ruang Entry: 1. jumlah garis bawah mencerminkan jumlah digit data yang akan dientry __________ 12 digit.

Jawaban hanya Y (yes) atau N (No) Bulan/hari/tahun Hari/bulan/tahun Hari/bulan Nomor telepon lokal. Isian dari variabel adalah sesuai dengan bentuk huruf yang dimasukkan (small atau kapital) dan tidak diubah menjadi huruf besar/kapital.2. titik (. 3. {Nama}: _______________________ (garis bawah) Tipe data dari variabel nama adalah string. misalnya ##.) pemisah desimal Semua karakter diubah menjadi huruf besar. Bila penulisan tanda koma. secara otamatis terisi berutan pada file data 1. 2. 13 . (xxx)xxx-xxxx Tanggal hari ini Nomor identifikasi.4 Jenis Data & Simbol untuk Ruang Entry Jenis Data Karakter Numerik Karakter Logika Tanggal Tanggal Tanggal Numerik Numerik Tanggal Numerik Simbol Ruang Entry ______ # atau #. maksimum 80 karakter Satu # = satu angka. Panjang antara sampai tanda penutup > menunjukkan lebar karakter (jumlah digit) yang akan dimasukkan. Penulisan satu tanda pagar (#) berarti satu digit.# <A > <Y> <mm/dd/yy> <dd/mm/yy> <dd/mm> <phonemun> <long distance> <today> <IDNUM> Keterangan Satu _ = satu karakter. Status per{kawin}an: # Tipe data dari variabel Kawin adalah numerik (angka).1. (xxx)xxx-xxxx Nomor telepon interlokal. Tanggal {lahir} : <dd/mm/yy> Tipe data dari variabel Lahir adalah tipe tanggal (date) dengan format penulisan hari-bulan-tahun. dua tanda pagar (##) berarti dua digit dan seterusnya. {Nama} : <A Tanda huruf A didalam tanda <A > > adalah penulisan huruf akan besar (KAPITAL) meskipun diubah secara otomatis menjadi huruf <A pada saat pemasukan data yang ditulis huruf kecil.# berarti satu digit dibelakang koma.

1. Ya 2. Tidak 2. 6. Tidak sekolah 4. Tidak tamat SD 5. buatlah templatenya seperti pada halaman berikut: 14 . Perempuan Setelah lahir. Tanggal lahir : …. Siapa yang pertama kali menolong ibu bersalin ? 1.. darah : 1. apakah ibu melakukan pemeriksaan kehamilan ? 1.../……. 2004 Nomor klaster : Nama responden : _____________________ Tanggal wawancara : …. Dukun 6. Ya d. Dokter 3. Ya b. 2. Tidak ---> lanjutkan ke pertanyaan nomor 7 Berapa kali ibu melakukan pemeriksaan kehamilan ? TM-1 ___ ___kali TM-2 ___ ___kali TM-3 ___ ___kali 2. sebutkan ______________________ 2. Kader 7. Akademi/perguruan tinggi Apakah ibu bekerja ? 1. Pemeriksaan tek. Keluarga/tetangga/teman 5. Tamat SLTA/sederajat 3. Berapa umur ibu sekarang ? ___ ___tahun Nomor responden : Apa pendidikan tertinggi ibu ? 1. Ya 7./…. Laki-laki 2. Dari kuesioner tersebut. Imunisasi TT : 1./…. Tamat SD 6. Penimbangan : 1./……. Tidak tahu/Tidak jawab Apa jenis kelamin bayi ibu yang terakhir ? 1. 10.CONTOH QUESIONER Survei Cepat Pemeriksaan Kehamilan di Kabupaten Tangerang. Lain-lain. sebutkan ______________ 4. apakah bayi ditimbang ? 1. 9. Ya 2. Pemeriksaan perut : 1. Perawat 8.. Tamat SLTP/sederajat 2. Pemeriksaan/tindakan apa saja yg didapat pada waktu memeriksakan kehamilan? a. Tidak 3. 4. Ya. Tidak 2. Tidak --> selesai 3. 5. Tidak Pada kehamilan yang terakhir. Tidak tahu/Tidak jawab --> selesai Berapa berat bayi waktu lahir: ___ ___ ___ ___ gram (9999=tidak tahu/tidak jawab) 8. Tidak 2. Bidan/bidan di desa 2. Ya c.

Dokter 3. Darah : 1. Pemeriksaan tek. Tamat SLTA/sederajat 3. 7. Penimbangan : 1.gram {V10} #### Ketik TEMPLATE ini di 1. 9. 2. Pemberian tablet Fe : 1. Ya 2. sebutkan {V07a} ______________ 4. Perempuan Setelah lahir. Tidak Pada kehamilan yang terakhir. Dukun 6. Tidak --. Ya 2. Tamat SLTP/sederajat 2. Berapa umur ibu sekarang ? {V01} ## tahun Apa pendidikan tertinggi ibu ? {V02} # 1. Tidak tahu/Tidak jawab -. Tidak {V06b} # c. apakah ibu melakukan pemeriksaan kehamilan ? {V04} # 1. Imunisasi TT : 1. apakah bayi ditimbang ? {V09} # 1. Tidak tamat SD 5.Contoh TEMPLATE Survei Cepat Pemeriksaan Kehamilan di Kabupaten Tangerang. Ya 2.selesai 3. Akademi/perguruan tinggi Apakah ibu bekerja ? {V03} # 1. sebutkan jenis pekerjaannya {V03a} __________________ 2. Ya 2.selesai 3. Tamat SD 6. Perawat 8. 4. Berapa berat bayi waktu lahir: ----. 6. 10. Tidak {V06e} # Siapa yang pertama kali menolong ibu bersalin ? {V07} # 1. Tidak sekolah 4. 5. Ya 2. Kader 7. Bidan/bidan di desa 2. Laki-laki 2. 2004 Nomor {klaster}: ## {Nama} responden: <A_________________> {Tgl1} wawancara : <dd/mm/yyyy> {Tgl2} lahir balita : <dd/mm/yyyy> Nomor {resp}onden : ### 1. Tidak tahu/Tidak jawab Apa jenis kelamin bayi ibu yang terakhir ? {V08} # 1. Ya 2. Tidak {V06c} # d. Tidak {V06d} # e. Tidak -. 8. Ya. dengan tampilan sbb: 15 . Pemeriksaan perut : 1. Lain-lain. Ya 2. Tidak {V06a} # b. Define Data pada Epi data. Keluarga/tetangga/teman 5.lanjutkan ke pertanyaan nomor 7 Berapa kali ibu melakukan pemeriksaan kehamilan ? TM1 {V05a} # kali TM2 {V05b} # kali TM3 {V05c} # kali Pemeriksaan/tindakan apa saja yg didapat pada waktu memeriksakan kehamilan? a.

Tidak {V06a} # b. Ya 2. Pemeriksaan perut : 1. Jenis pertanyaan dengan hanya satu jawaban atau lebih dari satu jawaban. Tidak {V06c} # d. Ya 2. Darah : 1. Tidak {V06b} # c. Penimbangan : 1. Ya 2. Misalnya pertanyaan nomor 6. No 6. sehingga untuk setiap pilihan jawaban perlu dibuat variabel dan ruang entry . yang perlu diperhatikan adalah: 1. Ya 2. Imunisasi TT : 1. jawabannya lebih dari satu.Dalam pembuatan TEMPLATE. Tidak {V06d} # 16 . Pemeriksaan tek. Pemeriksaan/tindakan apa saja yg didapat pada waktu memeriksakan kehamilan? a.

Bidan/bidan di desa 2. Tidak tahu/Tidak jawab 2.1..Sedangkan pertanyaan nomor 7 hanya satu jawabannya. Perawat 8. Dukun 6.qes) 17 . Seperti berikut: No 7.0 (KIA. sedangkan pertanyaan nomor 7. Lain-lain. Dokter 3.0 (Untitled) menjadi EPI DATA 3. kombinasi (terbuka & tertutup). 8) dengan satu jawaban terbuka.d. yaitu lain-lain (v07a). jawabannya adalah kombinasi tertutup (yaitu 1 s.d. jangan lupa untuk menyimpannya dengan cara mengklik gambar disket. Misalnya pertanyaan nomor 6 (6a s. Pada kota File Name. Kader 7. 6d) jawabannya tertutup (yaitu 1 dan 2). tertutup. Keluarga/tetangga/teman 5. 2. atau pilih File kemudian Save. Jenis pertanyaan dengan jawaban terbuka. Siapa yang pertama kali menolong ibu bersalin ? {V07} # 1. sebutkan {V07a} ______________ 4. misalnya KIA Kemudian klik SAVE Secara otomatis Epi data akan memberi extensi QES pada file template Perhatikan di Kiri Atas akan berubah dari EPI DATA 3. Tulis nama file.5 Menyimpan Template Setelah selesai pembuatan template.

REC berguna untuk tempat menyimpan database dan sebagai acuan dalam pembuatan 3. namun tidak dianjurkan untuk memasukkan data sebelum membuat program CHECK (menu nomor 3 Checks) terlebih dahulu.REC. Proses memasukkan sudah bisa anda lakukan. Biasanya secara otomatis pada box “Enter nama of QES file” akan muncul KIA. Enter Data. Jika tidak muncul. 18 . Langkah selanjutnya anda bisa memilih menu nomor 4. muncul KIA.QES. Miaslnya: “Survei Ibu Hamil di Tanggerang 2004”. Enter Data. pilih OK. Epi Data memberitahukan bahwa file C:KIA. (Jika anda tidak mau menuilis deskripsinya. File. yang bertujuan untuk membuat file yang berextensi REC dari file . MAKE DATA FILE Setelah selesai pembuatan TEMPLATE. maka akan muncul menu sbb: Cari file KIA. Make Data File. kosongkan saja) Kemudian klik OK.QES.QES (dimana anda menyimpannya) Kemudian pada kotak “Enter nama of QES file” akan Tulis deskripsi tentang isi data file KIA tersebut.2. anda harus mencari file KIA. Langkah selanjutnya adalah memilih menu nomor 2.REC telah dibuat.Checks dan 4. Klik menu nomor 2 Make Data File. kemudian klik OK.QES.2.

yang boleh masuk hanya angka 1 dan 2 saja. Misalnya ingin diketik 2. Risiko salah ketik sering terjadi saat enter data. 2. namun jika CHECK tidak dibuat maka yang bisa masuk angka 1 sampai 9. setelah file check dibuat. Misalnya suatu Kuesioner di rumah tangga yang ada pertanyaan tentang balita dan ibu hamil. Membuat link antar file dalam proses memasukkan data (misalnya rumah tangga Waktu 19 .BAB 3. Memudahkan dalam proses pemasukan (entry) data.Membuat alur lompatan . maka pertanyaan tentang balita tidak perlu diisi atau harus dilompati lanjut ke pertanyaan berikutnya. Syarat membuat file check adalah membuat file check pada data yang masih kosong (sebelum data dientry). jika tidak ada balita. sehingga secara otomatis kursor bergerak ke pertanyaan tertentu yg telah diprogram dengan CHECK. Wanita. 3. dengan individu). Bila file data sudah diisi/dientry sebelum dibuat file check. misalnya JENIS KELAMIN 1. Pria 2.Membuat batasan nilai minimum & maksimum .Membuat Label (jika diperlukan) 50 menit + Tugas 50 menit = Total : 100 menit Program CHECK dibuat dengan tujuan 1. CHECKS DESKRIPSI SINGKAT Tujuan Pada akhir sessi ini peserta diharapkan mampu untuk: .Memahami penggunaan CHECK untuk membuat alur loncatan dan membatasi nilai yang boleh masuk . Menghindari risiko salah ketik dalam memasukkan data. maka fungsi file check hanya berlaku untuk pemasukan data berikutnya. namun bisa jadi terketik angka 5. apabila program CHECK dibuat maka komputer akan menolak angka 5 tsb. Kemudahan dalam proses enter data didapatkan apabila dibuat alur lompatan yang jelas. Wanita.

kemudian aktifkan [2. Daftar/list VARIABEL Berisikan semua variabel yang telah dibuat pada TEMPLATE dengan tanda kurung kurawal { }. Contoh variabel yang aneh/salah: Cara memperbaiki variabel: Close program CHECK.Make Data File]. jawab Yes untuk menimpa file yang sudah ada sebelumnya. kemudian baru aktifkan kembali [3. buka file. 3 selalu berurutan. diloncati dari 1 langsung ke 3. Define Data]. apa bila ada variabel yang aneh atau tidak anda kenal.Menu utama CHECK berisikan fungsi-fungsi berikut: 3. Contoh variabel yang betul: Perintah 1. tidak boleh 20 . Jangan membuat program CHECK. kemudian aktifkan [1. perbaiki TEMPLATE. 2. Langkah pertama pada CHECK adalah memastikan apakah ada variabel yang aneh atau tidak.1.QES. Check]. jika ada yang aneh maka harus diperbaiki terlebih dahulu.

3. maka simpan dan pindah ke record berikutnya Pada V09.selesai 9.9>v04 Pada V04. Tidak -. Pada kehamilan yang terakhir.3.lanjutkan ke pertanyaan nomor 7 Pada V03. Jump Jump berfungsi untuk memudahkan dalam proses entry data misalnya jika ada pengisian yang dilompati. Apakah ibu bekerja ? {V03} # 1. sehingga penulisannya 1-2. Legal Jump 1-2. Ya 2. Contoh pertanyaan no. apakah ibu melakukan pemeriksaan kehamilan ? {V04} # 1. 3 jika tidak bekerja atau data hilang. 9>WRITE 21 . checknya dibuat: Range. Tidak 9. yang boleh masuk hanya angka 1 dan 2 saja. Ya. Tidak --. checknya dibuat: 1-2. 9 2>WRITE. Legal Jump 2>V04. Pria 2.selesai Jika jawabnya 2 atau 9. Ya 2. apakah bayi ditimbang ? {V09} # 1. sebutkan [v03a} _____________________ 2. Misalnya JENIS KELAMIN 1.9 3. 3. 1-2 2>V07 Setelah lahir. maka pada Range ditambahkan Legal angka 9. maka V3a tdk perlu diisi.2. Data hilang (missing) 4. atau dilompati langsung ke V04. Legal Jump 9. Tidak tahu/Tidak jawab -. checknya dibuat: Range. Wanita. maka pada kotak Range ditulis menjadi Range Legal Jika ada kode untuk data hilang (missing) 1-2 misalnya 9. Range Range berfungsi untuk membuat batasan nilai yang boleh masuk.9 Range.

3.Close: Berfungsi untuk keluar dari program CHEK 22 . Editnya akan muncul sbb: v03 RANGE 1 2 JUMPS 2 v04 9 v04 END END 3.6.4. dengan mengetik langsung pada ruangan yang disediakan. karena malah akan menyulitkan dalam proses entry data.3.8. Jangan semua variabel dibuat must enter. Repeat Repeat berfungsi untuk mengulangi data yang pernah dimasukkan pada record sebelumnya. Value Label Value label berfungsi untuk membuat Label dari Value/Nilai atau Kode yang dientry. silakan klik tanda + kemudian selipkan ketikan antara variabel dengan end sbb: VARIABEL 1 2 END Kemudian Klik “Accept and Close” Laki-laki Perempuan 3.5. Pada V03.CHK 3. biasanya digunakan pada nomor identifikasi dan variabel penting lainnya. Edit Edit berfungsi untuk menampilkan sebagian besar isi dari program Check.7. Save: Berfungsi untuk menyimpan program CHEK dalam file KIA. jika kita ingin membuat label. misalnya Jenis kelamin dengan kode 1 dan 2.9. Anda dapat menambahkan program check lainnya jika diperlukan. misalnya jika Responden/Record 1 pada variabel Propinsi di isi “DKI JAKARTA” maka dengan perintah repeat pada Responden/Record 2 dan seterusnya variabel Propinsi telah berisi “DKI JAKARTA” sehingga petugas entry data tidak perlu mengetik berulang-ulang hal yang sama 3. Must enter Must enter berfungsi untuk memberitahu kepada pengentri data bahwa variabel ini tidak boleh kosong.

ENTER DATA DESKRIPSI SINGKAT Tujuan Pada akhir sessi ini peserta diharapkan mampu untuk: . dan begitulah seterusnya. ini berarti record yang dientry belum ada (nol) dan form yang terlihat adalah form baru (New). Menu Enter data sangat sederhana dan mudah dioperasikan. Pada awal pemasukan data.Mencari dan memperbaiki data yang sudah pernah dimasukkkan 50 menit + Tugas 50 menit = Total : 100 menit Program Enter Data berfungsi untuk memasukkan data (enter data) ke komputer. Jangan melakukan enter data sebelum anda membuat program CHECK dengan lengkap.Memahami PROSES memasukkan data ke komputer (Enter Data) . Pindah ke record sebelumnya maka anda dapat mengklik tanda panah ke kiri. maka file akan tersimpan dan angka 0 akan berubah menjadi angka 1. Apa bila anda selesai memasukkan data. maka Epidata akan menanyakan apakah file tersebuat akan disimpan atau tidak? Jika anda jawab Yes. perhatikan kontrol menu di kiri bawah. tetap berbasiskan EPI Info yaitu file. 23 . Walaupun databasenya Waktu Apabila anda ingin berpindah record: 1.REC Gambar berikut adalah jendela tampilan Enter Data.BAB 4. dan memiliki tampilan yang lebih baik dibandingkan dengan EPI Info. akan terlihat New/0.Memasukan data (Enter data) ke komputer .

Enter Data. Pilih menu Goto. DOCUMENT kemudian pilih VIEW DATA. Ingin ke record tertentu. tampilannya seperti berikut: Data ini hanya bisa dilihat dan tidak bisa diedit. 24 . dan selanjutnya dapat anda masukkan datanya di program 4. padahal anda sudah memasukkan banyak data (misalny 50 record). kemudian tulis nomor record yang anda tuju (misalnya record ke 51) kemudian tekan enter 4. Checks untuk membuat program CHECK. Define Data. Menu Goto menjelaskan cara berpindah ke record tertentu dengan detail Apabila ada penambahan variabel. jika ingin pindah ke record selanjutnya dapat mengklik tanda panah ke kanan 3. kemudian pilih OK. tetapi pilihlah menu Toolls kemudian pilih Revice Data File. Data View Data yang telah dientry dapat dilihat dengan memilih menu 5. Make data file (karena data yg 50 record akan di delete). kemudian jangan pilih 2. untuk mengedit harus melalui Program ENTER Data.REC.2. kemudian pilih nama file yang datanya akan dilihat misalnya TNG. maka penambahan variabel dapat saja dilakukan dengan menambahkannya di program 1. Baru kemudian 3.

Pilih 6. EXPORT DATA File data dalam format Epi-Data (ekstensi REC) dapat diekspor ke format lain. Pilih program/format yang diinginkan.REC yang akan diexport. berikut: 1. Langkah-langkah melakukan ekspor data dari format Epi-Data ke format lainnya adalah sebagai 4. Pilih OK. EXPORT DATA 3. misalnya dBase.BAB 5. Kemudian klik OPEN.REC. Pilih nama file. Excel dan format data lainnya. 25 . Buka program Epi-Data 2. misalnya KIA. sehingga muncul menu berikut: 5. SAS. Lotus. dan proses EXPORT dilaporkan sbb. misalnya dBase III. Pada menu berikut pilih (open) nama file.REC yang akan diexport.

artinya 30 record atau responden telah diexport dari KIA. dan proses Export Selesai Data KIA. 26 . Epidata melaporkan bahwa ” 30 Record Exported”.6.DBF dapat dilihat dengan Windows Explorer. Pilih OK.DBF dapat dibuka dengan program SPSS atau Excel untuk dilakukan pengolahan lebih lanjut.DBF. Jangan lupa mencatat lokasi tempat penyimpanan file (drive dan direktory nya) Setelah itu. data KIA.REC ke KIA.

IMPORT DATA PADA SPSS 6. MEMULAI SPSS Pertamakali anda harus memastikan bahwa komputer anda sudah diinstall program SPSS for Windows.1.0 for Windows. untuk mengaktifkan SPSS dimulai dari menu Start 1. Klik Start Program SPSS for Windows SPSS 10.BAB 6. 2. maka tampilannya masih kosong. 27 . Karena belum ada data. Perhatikan di kiri bawah ada dua Jendela yaitu (1) Data View dan (2) Variabel View. Layar akan terbuka “Untitled .x) akan muncul jendela sebagai berikut: 3. 4. 5. . Pada menu SPSS tertentu (versi 10.SPSS Data Editor” seperti pada gambar berikut: Selanjutnya disebut sebagai Jendela Data Editor. Silakan klik ( ) Type in data kemudian tekan Enter atau klik OK. Sama seperti program Windows lainnya.

sebagai berikut: 1. Misalnya anda punya data Tangerang. Lotus.DBF yang disimpan di Disket atau di Hardisk. Pada Look in. Pastikan anda berada di layar “SPSS Data Editor”. IMPORT (OPEN) file. 2. 3.DBF SPSS punya kemampuan untuk membuka data dari Format lain seperti Dbase. kemudian pilihlah menu File Open Pada File of type. Foxpro. Excell. pilihlah dBase (*. jika data anda ada di Disket 28 . pilihlah Floppy:A.2.dbf). dll. silakan buka dengan SPSS.6.

Laporan dari proses konversi data dari dBase tersebut akan dimunculkan di “Output – SPSS Viewer” Sbb: Datanya sendiri akan muncul di Data View. Secara otomatis akan muncul list file yang berekstensi DBF. klik file yang ingin dibuka. Maka data KIA.4. sbb: 29 . 5.DBF akan muncul di “Untitled – SPSS Data Editor”. misalnya file KIA kemudian klik Open.

3. Setelah klik save. Listrik mati. Agar data tersebut tersimpan dalam bentuk file SPSS (*. misalnya “KIA”. maka anda tidak kehilangan data.SAV). 30 . SAVE file data SPSS (SAV) 6. maka anda harus menyimpannya dengan cara mengklik gambar disket di kiri atas atau pilih menu File Save. Isi kotak File dengan nama yang anda inginkan. Pastikan anda menyimpan setiap saat data yang sudah diolah.6. agar jika sewaktu-waktu komputer mengalami kerusakan (mis. pastikan kiri atas layar monitor anda yang sebelumnya muncul “Untitled – SPSS Data Editor” telah berubah menjadi “KIA – SPSS Data Editor”. komputer hang). Klik Save untuk menjalankan prosedur penyimpanan.

jika sudah ketemu klik file tsb. sehingga V02 pindah ke kotak kanan.SAV. 6. 4. tersedia daftar variabel di sebelah kiri (tanpa label). Kita akan coba membuat tabel distribusi frekuensi pendidikan ibu dari file KIA. variabel pendidikan adalah V02 silakan klik. sehingga data tampak di jendela Data Editor (Jika belum. Data. 3. 1. ANALYSIS DESKRIPTIF DATA KATEGORIK Cara yang paling sering digunakan untuk menampilkan data katagorikal adalah dengan menggunakan tabel distribusi frekuensi. 2. SE.BAB 7.1. Pada kotak dialog tersebut. Pilih 5. Open. sedangkan distribusi berupa nilai tengah dan nilai sebaran (mean. Pastikan file KIA. 3. 31 . Prosedur untuk menampilkan distribusi frekuensi adalah sebagai berikut: Dari menu utama. File. 7. seperti gambar diatas. Klik OK untuk menjalankan prosedur. STATISTIK DESKRIPTIF Statistik deskriptif berupa frekuensi dan distribusi. File name (cari nama file). Pada jendela output tampak hasil seperti berikut: 4. Frekuensi biasanya dimunculkan dalam bentuk proporsi atau persentase. dll). Look in (cari directory/folder tempat menyimpan file. Kemudian klik tanda >. Klik Open).SAV sudah dibuka. pilihlah: Analyze Descriptive Statistic < Frequencies… Pada layar tampak kotak dialog seperti gambar berikut: 2. SD. anda dapat mengikuti prosedur untuk membuka file sbb: 1. & 7. median.

VARIABEL LABEL & VALUE LABEL Jika anda lihat tabel diatas. Pada baris ke-7 (V02) pada kolom Label ketiklah PENDIDIKAN RESPONDEN (sebagai label untuk variabel v02) 3.3 26. 1.2 48.8 95.0 7.7 28.9 13.9 22. 6? Untuk itu.9 77.8 4.0 Valid 1 2 3 4 5 6 Total Frequency 8 12 24 26 16 4 90 Percent 8. anda perlu membuat Label dan Value. Bukalah jendela VARIABEL VIEW.0 Valid Percent 8. sulit untuk dibaca.9 17. 2.9 13. 5. Klik tanda hitam diujung kanan.6 100. 3. SBB 2.4 100.3 26.9 17. sbb: 32 . Pada baris ke-7 (V02) pada kolom Value.7 28.V02 Cumulative Percent 8.8 4. misalnya apa itu V02? Apa itu Valid 1. 4.2.4 100.

4. & Klik Add Pada kotak value ketik angka 3.4. Kemudian klik OK utk menjalankan prosedur.3. pada kotak value label ketik TIDAK SEKOLAH. Jalankan Prosedur untuk menampilkan distribusi frekuensi utk variabel V02. pada kotak value label ketik Tamat SD. sbb: 5.2. sebagai berikut: Dari menu utama.. pada kotak value label ketik SD tdk Tamat .5) Pada kotak value ketik angka 1. & Klik Add Pada kotak value ketik angka 2. 33 . sekarang menjadi PENDIDIKAN RESPONDEN (V02). Lihat perubahan vo2. Akan muncul menu Value Label (membuat label untuk value 1. pilihlah: Analyze Descriptive Statistic < Frequencies… 6. & Klik Add Dst.

9 13. kemudian diikuti oleh tamat SD sebanyak 26. ada 22.8 4.9 13. Buat Penyajian distribusi frekuensi semua variabel kategorik 34 . 11. terlihat bahwa sebagian besar responden adalah tamat SMP (28. Cumulative Percent menjelaskan tentang persen kumulatif. Proporsi dapat dilihat pada kolom Percent.3 26.8 4.” TUGAS: 1. Jadi pada contoh di atas.3%). 8.7 28.6 100. jangan semua output komputer disajikan dalam laporan.4 100. Pada contoh di atas.9% + 13. ada 8. jadi pada contoh di atas.9 77.0 Valid Tdk sekolah SD tdk tamat Tamat SD Tamat SMP Tamat SMU Tamat D3/PT Total Frequency 8 12 24 26 16 4 90 Percent 8.2% ibu yang berpendidikan Tidak sekolah atau Tidak tamat SD (8.9 17.7 28.7% dan tamat SMU (17.0 Pada kolom Frequency menunjukkan jumlah kasus dengan nilai yang sesuai. kolom Percent dan Valid Percent memberikan hasil yang sama karena pada data ini tidak ada missing cases.3. PENYAJIAN DATA KATEGORIK Penyajian data mempunyai prinsip efisiensi.7.0 Contoh Interpretasi: “Distribusi frekuensi tingkat pendidikan responden dapat dilihat pada Tabel-1.8 4. Hasilnya sbb: PENDIDIKAN RESPONDEN Cumulative Percent 8. Kolom Valid Percent menampilkan proporsi jika missing cases tidak diikutsertakan sebagai penyebut. 7. 10.9 13.8 95. pada contoh di atas. Contoh penyajian data kategorik sbb: PENDIDIKAN RESPONDEN Frequency Valid Tdk sekolah SD tdk tamat Tamat SD Tamat SMP Tamat SMU Tamat D3/PT Total 8 12 24 26 16 4 90 Percent 8. BUAT LABEL & VALUE utk semua varibel kategorik 2.9% ibu yang berpendidikan Tidak pernah Sekolah.4 100. artinya sajikan hanya informasi penting saja. 9.9 17.3 26.7 28.8%).3 26.9%). ada 8 ibu yang berpendidikan Tidak sekolah dari 90 ibu yang ada.9 17.2 48.0 Valid Percent 8.4 100.9 22.

ANALYSIS DESKRIPTIF DATA NUMERIK Pada data numerik atau kontinyu. Sebagai contoh. Kemudian klik tanda >. Pastikan file KIA. Pada layar tampak hasil seperti berikut: Descriptive Statistics N UMUR Valid N (listwise) 90 90 Minimum 18 Maximum 35 Mean 28. Sedangkan ukuran sebaran yang dapat digunakan adalah nilai minimum. Dari menu utama. sehingga data tampak di jendela Data Editor. sbb: 3. Klik OK untuk menjalankan prosedur. maksimum. range. standar deviasi dan persentil. Dari ukuranukuran tersebut. klik pada variabel UMUR (v01) yang terdapat pada kotak sebelah kiri. 2.50 Nilai rata-rata dapat dilihat pada kolom Mean. 35 .4.SAV sudah dibuka. Pada contoh di atas.7.8 tahun dengan standar deviasi 4. 4. peringkasan data dapat dilakukan dengan melaporkan ukuran tengah dan sebarannya. pilihlah: Analyze Descriptive Statistic < Descriptive … Pada kotak dialog tersebut.28 Std. Deviation 4. sehingga UMUR (v01) pindah ke kotak kanan. median dan modus. rata-rata umur ibu adalah 28. sedangkan nilai standar deviasi dapat dilihat pada Std Devation.5 tahun dan umur minimun 18 tahun serta umur maksimum 35 tahun. 1. kita akan coba mencari ukuran tengah dan sebaran dari UMUR RESPONDEN & BERAT BAYI LAHIR. Ukuran tengah yang dapat digunakan adalah rata-rata. yang paling sering digunakan adalah rata-rata dan standar deviasi.

Cara yang lain untuk mengeluarkan nilai statistik deskriptif dari data numerik (nilai rata-rata/mean std.22kg. Error .5.503 Std. 36 . artinya kita 95% yakin bahwa rata-rata umur ibu di populasi berada pada kisaran 27.00 20. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis 28. Dev) beserta 95% confidence interval adalah sebagai berikut: Dari menu utama. ANALYSIS DATA NUMERIK dan 95% confidence Interval 1.7. sehingga ketiga variabel tersebut masuk ke kota Dependent List seperti gambar berikut: 2. klik pada variabel UMUR (v01) yang terdapat pada kotak sebelah kiri.254 .28 27. Kemudian klik tanda >.00 -.50 18 35 17 5.225 4. Klik OK untuk menjalankan prosedur.890 .47 Nilai rata-rata dan 95% confidence interval dari Umur responden yaitu 28.22).34 29.28 kg (27.34—29.34 sampai 29. 3.153 .48 29.22 28. sehingga hasilnya seperti gambar berikut: Descriptives Statistic UMUR Mean 95% Confidence Interval Lower Bound for Mean Upper Bound 5% Trimmed Mean Median Variance Std. pilihlah: Analyze Descriptive Statistic < Explore… Pada kotak dialog tersebut.

5 25.2/2800 SD 4.04 216. Dev = 4.6. Kemudian klik OK untuk menjalankan prosedur.81 95% CI Mean 27. artinya sajikan hanya informasi penting saja.5 TUGAS: Buat penyajian + grafik semua variabel numerik 37 . seperti berikut: 2.7.00 UMUR 7.7—29.0 22.5 30.5 20. agar pindah ke kanan. klik pada variabel UMUR (v01) yang terdapat pada kotak sebelah kiri.7.50 Mean = 28.5 35. 1. Contoh penyajian data numerik sbb: Variabel Umur ibu Berat bayi Jumlah 90 90 Min--Max 18—35 2350--3100 Mean/Median 28.9—2874.0 N = 90. pilihlah: Graphs Histogram… Pada kotak dialog tersebut. Hasilnya sbb: 40 30 20 10 Std.3 0 17. Kemudian klik tanda >. Salah satu Grafik yang cocok untuk data numerik adalah HISTOGRAM.0 32.0 27.7 2767. PENYAJIAN DATA NUMERIK Penyajian data mempunyai prinsip efisiensi.7/29. Dari menu utama. jangan semua output komputer disajikan dalam laporan.0 2821. Klik Display normal curve (untuk menampilkan garis distribusi normal). GRAFIK HISTOGRAM PADA DATA NUMERIK Analisis data Numerik akan lebih lengkap apabila dilengkapi dengan grafik. 3.

sehingga data tampak di Data editor window. Dari menu utama. 38 . UJI BEDA >2RATA-RATA INDEPENDEN Kelompok independen artinya ada dua kelompok sampel/populasi yang tidak saling berkaitan antara satu dengan lainnya.BAB 8. 1. pilihlah: Analize < Compare Mean < Independent-Samples T-test…. Pastikan file KIA. 2. UJI BEDA 2-RATA-RATA 8.SAV telah dibuka.1. Misalnya membandingkan kelompok intervensi dengan kelompok kontrol atau kelompok ibu-ibu perokok dengan ibu-ibu bukan perokok atau membandingkan antara ibu yang memeriksa kehamilan dengan yang tidak memriksakan kehamilan. Pada analisis ini kita akan melihat apakah ada perbedaan berat bayi yang lahir dari ibu yang memeriksa kehamilan dengan yang tidak memriksakan kehamilan Kita akan melakukan uji hipotesis apakah ada perbedaan rata-rata berat bayi yang lahir dari ibu yang periksa hamil dengan rata-rata berat bayi yang lahir dari ibu yang tidak periksa hamil. dengan langkahlangkah sebagai berikut.

59 Uji-t independen menyajikan dua buah uji statistik. . Tetapi jika p-value dari uji Levene’s kecil atau sama dengan nilai α (0. Pertama adalah uji Levene’s untuk melihat apakah ada perbedaan varians antara kedua kelompok atau tidak.000 . Kemudian klik tanda > untuk memasukkannya ke dalam kotak Test variable(s).65 Hasil tersebut memperlihatkan bahwa ada 54 ibu yang periksa hamil dan mereka mempunyai rata-rata berat bayi sebesar 2842.367 5. (2-tailed) Mean Difference . Deviation Std. hal ini berarti bahwa varians kedua kelompok adalah tidak sama. Independent Samples Test Levene's Test for Equality of Variances F Berat bayi lahir Equal variances assumed Equal variances not assumed 2.00 Std.3.000 267. Pilih variabel Berat bayi lahir (v10) dengan cara mengklik variable tersebut.59 2575.05). Sedangkan 12 ibu yang tidak periksa hamil melahirkan bayi yang lebih rendah beratnya yakni rata-rata 2575. 39 .pada Group-1 dan isi angka 2 (dua) -kode untuk tidak periksa. Kemudian pilih Continue. hal ini berarti varians kedua kelompok adalah sama. 4.103 t 4. 5.pada Group-2.00 gram.551 t-test for Equality of Means df 64 22.42 39. Jika p-value (Sig. maka signifikansi uji-t yang dibaca adalah pada baris kedua (Equal variances not assumed). 6.59 267.05).59 gram. Pilih variabel Periksa hamil (v04) dan masukkan ke dalam kotak Grouping variable. Kedua adalah uji-t untuk melihat apakah ada perbedaan rata-rata kedua kelompok atau tidak.34 27.) dari uji Levene’s besar dari nilai α (0.743 Sig.950 Sig. Pada layar Output tampak hasil seperti berikut: Group Statistics Periksa kehamilan (ANC) Berat bayi lahir Ya Tidak N 54 12 Mean 2842. Error Mean 201. maka signifikansi uji-t yang dibaca adalah pada baris pertama (Equal variances assumed). dan isi angka 1 (satu) -kode untuk periksa.51 137. Klik OK untuk menjalankan prosedur. Kemudian klik menu Define group.

000 Hasil tersebut memperlihatkan bahwa ada 54 ibu yang periksa hamil dan mereka mempunyai rata-rata berat bayi sebesar 2482 gram.Ya .000).Pada contoh diatas signifikansi uji Levene’s adalah 0. 8.367 p-value 0.5 137. Sedangkan 12 ibu yang tidak periksa hamil melahirkan bayi dengan berat yang lebih rendah yakni rata-rata 2575 gram. Distribusi nilai rata-rata berat bayi yang dilahirkan oleh ibu yang periksa hamil dibandingkan dengan ibu yang tidak periksa hamil Variabel Ibu Periksa hamil . Dari hasil uji statistik dapat kita simpulkan bahwa terdapat perbedaan yang bermakna antara berat bayi dari populasi ibu periksa hamil dibandingkan dengan ibu yang tidak periksa hamil (nilai-p = 0.103. berarti varians kedua kelompok adalah sama. (Jika uji yang kita lakukan adalah uji 1-sisi maka nilai p-value harus dikalikan 2 sehingga menjadi 0.Tidak n 54 12 Mean 2842 2575 SD 201.2.000).) adalah 0.3 T (t-test) 4. atau Secara statistik rata-rata berat bayi yang lahir dari populasi ibu yang tidak periksa hamil lebih rendah dari populasi ibu periksa hamil (p-value = 0.000). maka hasil uji-t pada baris pertama memperlihatkan p-value (sig.000 untuk uji 2-sisi. PENYAJIAN HASIL UJI-T INDEPENDEN Tabel …. Dapat kita simpulkan bahwa secara statistik rata-rata berat bayi yang lahir dari populasi ibu yang tidak periksa hamil lebih rendah daripada populasi ibu yang periksa hamil (nilai-p=0.000).. 40 .

1. tinggi). 2. UJI ANOVA (BEDA > 2 RATA-RATA) Uji-Anova digunakan untuk melihat perbedaan rata-rata dari dua atau lebih kelompok independen (data yang tidak saling berkaitan antara satu dengan lainnya). Tamat SMA. tampak pada jendela Data editor.. Dari menu utama. 41 . dan Akademi/PT. Tamat SMP. dengan langkah-langkah sebagai berikut. Kita akan melakukan uji hipotesis apakah ada perbedaan rata-rata berat bayi yang lahir dari ibu dari jenis pendidikan yang berbeda.BAB 9. Tamat SD. Tidak tamat SD. pilihlah Analyze < Compare Means < One-way ANOVA . UJI BEDA 2-RATA-RATA/LEBIH 9. sedang.. Pastikan file KIA.1. Pada contoh analisis ini kita akan melihat apakah ada perbedaan berat bayi yang lahir dari ibu yang berpendidikan Tidak sekolah. Misalnya membandingkan pengaruh dari 3 jenis intervensi atau membandingkan rata-rata berat bayi menurut status pendidikan ibu (rendah.SAV sudah dibuka.

Tamat SMP = 2788 gr. nilai minimum-maximun.94 9. Tamat SMU 3000 gr.00 2400.41 26.82 217. 42 .58 40.73 20. Klik variabel pendidikan (v02).96 32.06 Std. Pada menu Options.25 2788. dan pada ibu berpendidikan D3/PT adalah 2400 gram. pada ibu dengan SD tdk Tamat = 2738gr.88 141.46 3000.87 25. klik Deskriptive dan Homegeneity of varians. Deviation 47. Error 23. Hasilnya tampak di output seperti berikut: Descriptives Berat bayi lahir N Tdk sekolah SD tdk tamat Tamat SD Tamat SMP Tamat SMU Tamat D3/PT Total 4 8 16 26 8 4 66 Mean 2412. Tamat SD=2906gr. dan klik tanda > untuk memasukkannnya kotak Factor.27 193. Klik Continue dan Klik OK untuk menjalankan prosedur.55 92.15 35. 4.3. dan interval 95% tingkat kepercayaan juga diperlihatkan (namun tidak dimunculkan di lembar ini).75 2906.50 2768. Standar deviasi dan Standar error. 5.32 37. Klik variabel Berat bayi lahir (v10).94 Std.72 Pada hasil di atas terlihat bahwa rata-rata berat bayi pada ibu dengan pendidikan Tidak sekolah adalah 2412 gram.00 2793.. 6. dan klik tanda > untuk memasukkannnya ke kotak Dependent List.

Dengan uji ANOVA saja kita belum tahu kelompok mana yang berbeda. Jika varians tidak sama. Hipotesis nol pada uji ANOVA adalah tidak ada perbedaan rata-rata berat bayi antara kelompok ibu dengan pendidikan SD. Dengan menggunakan α=0.758 df 5 60 65 Mean Square 350019.001). SMP.055 df1 5 df2 60 Sig.962 3062575. uji Anova tidak valid untuk dipakai.959 21874.000 Salah satu asumsi dari uji Anova adalah varians masing-masing kelompok harus sama.000 Pada hasil di atas diperoleh nilai ANOVA F = 16.001 dengan p-value=0. Untuk menjawab pertanyaan ini kita harus melakukan uji banding ganda.) lebih kecil dari nilai α=0.796 1312475.05.599 F 16.000 (dalam keadaan ini boleh juga ditulis p < 0. apakah antara pendidikan SD dengan SMP.Test of Homogeneity of Variances Berat bayi lahir Levene Statistic 6. kita belum tahu kelompok mana yang berbeda antara satu dengan yang lainnya.05. dan SMA. sbb: ANOVA Berat bayi lahir Sum of Squares Between Groups Within Groups Total 1750099. Untuk melakukan uji banding ganda. Sedangkan hipotesis alternatifnya adalah salah satu nilai rata-rata berat bayi berbeda dengan lainnya. berarti varians antar kelompok adalah tidak sama. Sehingga kita menyimpulkan ada perbedaan berat badan bayi dari ke tiga kelompok ibu tersebut (setidaknya salah satu nilai mean berbeda dengan lainnya). Namun. 43 . . dari hasil di atas kita menolak hipotesis nol. Untuk itu dilakukan uji homogenitas varians yang hasilnya memperlihatkan bahwa p-value (sig. Seandainya variannya kita asumsikan sama. kita harus klik menu Post Hoc… pada kotak dialog ANOVA. maka selanjutnya adalah melihat hasil uji anova. . SD dengan SMA.001 Sig. atau SMP dengan SMA.

Begitu seterusnya. Klik Continue. Klik OK. (Tidak sekolah) berbeda bermakna dengan Tidak tamat SD. dan Tamat SMU.Kemudian klik Bonferroni untuk meminta agar uji tersebut dilakukan oleh komputer. Namun.05 yang ditandai dengan tanda bintang (*). Tamat SD. Hasil output SPSS adalah sama dengan hasil uji ANOVA sebnelumnya dan ditambah dengan tampilan berikut: (output tidak diperlihatkan semua) Pada hasil di atas terlihat perbedaan yang “bermakna” pada α=0. Pada baris pertama. tidak berbeda bermakna dengan D3/PT. Tamat SMP. 44 .

9 25. dan pada ibu berpendidikan D3/PT adalah 2400 gram.5 3000.8 2906.05 Analisis lebih lanjut memperlihatkan bahwa ada perbedaan rata-rata berat bayi antara ibu berpendidikan Tidak sekolah dengan SD..2. Signifikansi perbedaan rata-rata berat bayi menurut Pendidikan ibu (Hasil Uji-Bonferroni) Pendidikan Tdk sekolah vs SD tdk tamat Tamat SD Tamat SMP Tamat SMU Tamat D3/PT Tamat SD Tamat SMP Tamat SMU Tamat D3/PT Tamat SMP Tamat SMU Tamat D3/PT Tamat SMU Tamat D3/PT Tamat D3/PT p-value * * Simpulan Berbeda bermakna Berbeda bermakna Berbeda bermakna Berbeda bermakna * * Tidak berbeda bermakna Tidak berbeda bermakna Tidak berbeda bermakna * * Berbeda bermakna Berbeda bermakna SD tdk tamat Tamat SD Tidak berbeda bermakna * * * * Berbeda bermakna Berbeda bermakna Berbeda bermakna Berbeda bermakna Tamat SMP Tamat SMU * lebih kecil dari 0. 45 .000).1 Nilai-F 16 nilai-p 0. PENYAJIAN HASIL UJI ANOVA Tabel …. SMU.3 193. Hasil uji Anova memperlihatkan bahwa ada perbedaan yang bermakana pada rata-rata berat bayi menurut tingkat pendidikan ibu (nilai-p 0..9 SD 47. pada ibu dengan SD tdk Tamat = 2738gr. SMP.0 2400. Tamat SMU 3000 gr.5 2768.6 92.3 2788.000 Pada hasil di atas terlihat bahwa rata-rata berat bayi pada ibu dengan pendidikan Tidak sekolah adalah 2412 gram. Tamat SMP = 2788 gr. Tabel …. Rata-rata berat bayi menurut status pendidikan ibu Pendidikan ibu Tdk sekolah SD tdk tamat Tamat SD Tamat SMP Tamat SMU Tamat D3/PT Total N 4 8 16 26 8 4 66 Mean 2412. Tamat SD=2906gr. Dan seterusnya….8 217. dan Tidak ada perbedaan rata-rata berat bayi antara ibu berpendidikan Tidak sekolah dengan D3/PT.6 40.0 2793.9 141.9.

BAB 10. Pastikan file KIA. UJI BEDA PROPORSI (x2) 10. kita akan membuat tabel silang (crosstab) dari file KIA. 46 . Pilih variabel Periksa kehamilan (v04). data tampak di jendela Data Editor Dari menu utama. 1. Agar memudahkan dalam penyajian datanya.1. kemudian klik tanda > untuk memasukkannya ke kotak Row(s) Pilih variabel Penolong Persalinan (v07). UJI BEDA PROPROSI (χ2) CHI-SQUARE Dalam contoh ini. 8. pilihlah: Analyze < Descriptif statistic < Crosstabs… 7.SAV sudah dibuka.SAV. kita akan menguji apakah ada hubungan antara periksa hamil dengan penolong persalinan (nakes vs bukan nakes). kemudian klik tanda > untuk memasukkannya ke kotak Colom(s). 2.

Klik OK untuk menjalankan prosedur.0% 24 100.1% 22 33.4% 42 46.3% 20 83. Kemudian Klik Continue. maka tanda “√” akan hilang. hanya ada 4 orang (16.7%) yang persalinannya ditolong oleh Bidan 47 .0% Periksa kehamilan Ya (ANC) Tidak Count % within Periksa kehamilan (ANC) Count % within Periksa kehamilan (ANC) Total Count % within Periksa kehamilan (ANC) Ibu yang periksa hamil cenderung bersalin dengan tenaga kesehatan Bidan. Dari tabel silang tersebut terlihat bahwa dari 66 ibu-ibu periksa hamil.5%) persalinannya ditolong oleh Bidan.9% Perawat 8 12.0% Total 66 100.3% 4 4. Dari 24 ibuibu yang tidak periksa hamil. Jika anda klik sekali lagi. 11. Klik menu “Cells”.1% Bidan 32 48. Pada menu “Statistics” pilih Chi-Square dengan mengklik kotak disampingnya hingga muncul tanda “√”. sedangkan ibu yang tidak periksa hamil cenderung bersalin ke Dukun.5% 4 16. Pada layar tampak hasil seperti berikut: Periksa kehamilan (ANC) * Penolong persalinan Crosstabulation Penolong persalinan Keluarga Dukun 4 6.7% 8 8. Kemudian Klik Continue.9. 10.0% 90 100.7% 36 40. ada 32 orang (48. kemudian aktifkan Observed pada menu Count dan aktifkan Rows pada menu Percentages hingga muncul tanda “√”.

0% Tuliskan Inerpretasi anda …. Supaya tidak ada sel yang kosong.000 . Ibu yang periksa ANC cenderung minta tolong untuk bersalin ke nakes (60. Nilai-p Pearson dan Likelihood Ratio hampir sama yaitu 0.001 . Artinya hubungan antara periksa hamil dengan penolong persalinan secara statistik sangat bermakna. Chi-Square Tests Asymp.07.1% Total 66 100. Hasilnya dapat dilihat sbb: Periksa ANC) * Penolong Persalinan Crosstabulation Penolong Persalinan nakes Periksa Ya ANC) Tidak Total Count % within Periksa ANC) Count % within Periksa ANC) Count % within Periksa ANC) 40 60.6% 4 16. digabungkan jadi 2 kategori saja yaitu nakes (Bidan/ perawat) dan bukan nakes (keluarga/dukun).Untuk menguji apakah hubungan tersebut bermakna secara statistik. maka harus dilakukan penggabungan kategori. The minimum expected count is 1. hal ini disebabkan oleh adanya sel yang kosong.000 . Sig.6%).897 14. dalam uji ini.7% 44 48.0%) have expected count less than 5.000 . 48 .140 10.0% 90 100.000 .592 b.000 .3% 46 51. (2-sided) 3 3 1 .000 Exact Sig. Namun.5% sel yang nilai harapannya (expected count) kurang dari 5 (padahal batasnya tidak boleh lebih dari 20%). Computed only for a 2x2 table a df 13. Sig. misalnya penolong persalinan.599b 11. (2-sided) Exact Sig.4% 20 83. 0 cells (. The minimum expected count is 11.000 .5%) have expected count less than 5. 3 cells (37.0% 24 100.448 90 . maka kita harus melihat hasil uji chi-square sebagai berikut: Chi-Square Tests Asymp.9% non-nakes 26 39.247a df a.000 13.001 Value Pearson Chi-Square Continuity Correction Likelihood Ratio Linear-by-Linear Association N of Valid Cases 21.73.114 90 18. sedangkan ibu yang tidak periksa ANC hanya 16.7% yang persalinannya oleh nakes. chi square tidak valid karena sebanyak 37. (2-sided) 1 1 1 1 . (1-sided) Value Pearson Chi-Square Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases a.

atau Fisher’s Exact Test. apabila nilai frekuensi harapan (expected) yang kurang dari 5 tidak lebih dari 20%. Catt: Jika nilai expected yang kurang dari 5 lebih dari 20% atau ada nilai expected yang kurang dari 1. Untuk tabel 2 x 2. seperti Pearson Chi-square. Pada tabel lebih dari 2x2 (misalnya 3x2 atau 3x3). ada atau tidak ada nilai frekuensi harapan yang kurang dari 5. maka nilai p-value dari Fisher’s Exact Test yang harus kita laporkan. Fisher’s Exact Test adalah nilai-p yang paling exact/pasti. sehingga dapat selalu kita laporkan. 2. kita harus berpedoman pada asumsi-asumsi yang terkait dengan uji χ2. Untuk memilih nilai χ2 atau p-value yang paling sesuai. maka nilai χ2 atau p-value dari Pearson Chi-square atau Likelihood Ratio dapat kita laporkan. Masing-masing uji tersebut dilengkapi dengan p-value untuk test 2-sisi. maka hasil uji chi-square tidak valid. Antara lain: 1. 3.0 (karena ada sell yang kosong). Continuity Correction. akan didapat OR (Odds Ratio) sebagai berikut: 49 .Output SPSS menampilkan semua nilai chi-square dari berbagai macam uji. Tetapi jika nilai frekuensi harapan kurang dari 5. Dengan menambahkan item RISK pada menu Statistics. nilai χ2 atau p-value dari Continuity Correction dapat kita laporkan. harus dilakukan pengelompokan ulang terlebih dahulu.

2. Variabel Distribusi Persalinan Nakes menurut Periksa ANC Persalinan Nakes Ya Tidak n (%) n (%) 40 (60.3—25.6% persalinannya ditolong oleh nakes.670 OR 7.7% persalinannya ditolong oleh nakes.Ya .000 Hubungan antara Periksa ANC dengan Penolong persalinan terlihat bahwa ibu yang periksa ANC besar kemungkinan pertolongan persalinannya adalah nakes.6 kali untuk ditolong persalinannya oleh nakes dibandingkan dengan ibu yang tidak periksa ANC.6 berarti..084 .0 0.4) 20 (83.Tidak 66 24 7.692 3.360 1.Risk Estimate 95% Confidence Interval Value Odds Ratio for Periksa ANC) (Ya / Tidak) For cohort Penolong Persalinan = nakes For cohort Penolong Persalinan = non-nakes N of Valid Cases 7.6) 4 (16.074 9. 10.334 Upper 25. Sebaliknya.473 90 Lower 2. hanya 16.7) 26 (39. Dari 66 ibu periksa ANC. Ibu yang periksa ANC cenderung 7.456 .636 . 50 .6 (2. dari 24 ibu yang tidak periksa hamil. Penyajian Hasil Uji Beda Proprosi (Chi-Square) Tabel …. sebanyak 60.0) 1.3) Total OR (95%CI) p-value Periksa ANC .

Sign up to vote on this title
UsefulNot useful