modul aplikasi komputer

of 29 /29
7/24/2019 Modul Aplikasi Komputer http://slidepdf.com/reader/full/modul-aplikasi-komputer 1/29  MODUL APLIKASI KOMPUTER APLIKASI MENGGUNAKAN SPSS Oleh : Ratna Muliawati, S.KM PROGRAM STUDI KESEHATAN MASYARAKAT SEKOLAH TINGGI ILMU KESEHATAN KENDAL

Author: ratna-muliawati

Post on 21-Feb-2018

236 views

Category:

Documents


0 download

Embed Size (px)

TRANSCRIPT

  • 7/24/2019 Modul Aplikasi Komputer

    1/29

    MODUL APLIKASI KOMPUTER

    APLIKASI MENGGUNAKAN SPSS

    Oleh :

    Ratna Muliawati, S.KM

    PROGRAM STUDI KESEHATAN MASYARAKAT

    SEKOLAH TINGGI ILMU KESEHATAN KENDAL

  • 7/24/2019 Modul Aplikasi Komputer

    2/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data ii

    KATA PENGANTAR

    Dalam melakukan penelitian, diperlukan kemampuan untuk menguasai berbagai

    komponen metodologis yang meliputi desain penelitian, pengukuran, pemilihan sampel,

    perhitungan besar sampel, pengolahan data, dan analisis data. Pengolahan data dan

    analisis data merupakan dua proses penting dalam pengelolaan data untuk dapat menjadi

    suatu informasi.

    Dalam buku ini diberikan contoh-contoh dalam pengolahan dan analisis data beserta

    tabel penyajian data dan interpretasinya. Analisis data dalam buku ini dibatasi pada analisis

    sederhata yaitu hubungan antara dua variabel (bivariat).

    Semoga buku ini dapat memberikan kemudahan bagi mahasiswa Program Studi

    Kesehatan Masyarakat ataupun program studi yang lain untuk mempelajari pengolahan dan

    analisis data. Pengetahuan tentang pengolahan dan analisis data ini diharapkan dapat

    membantu saat penyelesaian skripsi ataupun tugas akhir mahasiswa. Kritik dan saran kami

    terima dengan senang hati demi perbaikan dan kesempurnaan buku ini.

    Kendal, 6 Juni 2013

  • 7/24/2019 Modul Aplikasi Komputer

    3/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data iii

    DAFTAR ISI

  • 7/24/2019 Modul Aplikasi Komputer

    4/29

    ENTRY D T

    SPSS merupakan perangkat lunak statistik yang bermanfaat untuk mengolah dan

    mengalisis data penelitian. Sebelum memulai mengolah data, kemampuan dasar yang harus

    Anda miliki adalah memasukkan (entry) data dengan benar.

    LATIHAN 1:

    Anda memperoleh data sebagai berikut. Anda ingin memasukkan ke dalam program SPSS.

    No. Nama Berat Badan Tinggi Badan Jenis Kelamin

    1. Bahar 60 170 Laki-laki

    2. Rizqi 50 160 Perempuan

    3. Mita 45 156 Perempuan

    4. Yoni 60 165 Laki-laki

    5. Ulum 75 170 Laki-laki

    6. Anwar 55 167 Laki-laki

    7. Endang 42 154 Perempuan

    8. Bayu 58 168 Laki-laki

    9. Adib 65 166 Laki-laki

    10. Tiara 44 154 Perempuan

    Bagaimana memasukkan data ke dalam

    ro ram SPSS?

    1

  • 7/24/2019 Modul Aplikasi Komputer

    5/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 2

    1. Buka atau aktifkan program SPSS Anda.

    2. Pada menu SPSS akan muncul tampilan sebagai berikut.

    3. Silakan klik Type in data (.), kemudian klik OK.

    4. Layar akan terbuka seperti pada gambar berikut. Karena data belum dimasukkan,

    tampilan masih kosong.

    5. Aktifkan variable viewsehingga muncul tampilan sebagai berikut.

  • 7/24/2019 Modul Aplikasi Komputer

    6/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 3

    Pada tampilan Variable Viewakan didapatkan kata Name, Type, Width, Decimals, Label,

    Values, Columns, Align, Measure. Berikut penjelasan dari masing-masing istilah tersebut.

    Name Kata yang mewakili nama variabel. Diisi dengan kata yang mudah

    diingat yang berkaitan dengan nama variabel, misal sex untuk

    variabel jenis kelamin.

    Type Tipe data yang dimasukkan. Pilihan yang paling umum adalah

    numeric (karena semua proses uji dalam SPSS dapat dilakukan

    dalam bentuk numeric) dan string (apabila data yang dimasukkan

    dalam bentuk huruf/kata/kalimat seperti nama responden).

    Widht Jumlah digit data yang akan dimasukkan.

    Decimals Jumlah digit di belakang koma.

    Labels Penjelasan rinci dari kolom name. Misalnya, dalam kolom name

    Anda mengetik sex, labelnya adalah jenis kelamin responden.

    Values Kode yang Anda berikan apabila variabel merupakan variabel

    kategorik (nominal dan ordinal). Misalnya, kode 1 untuk laki-laki,

    dan kode 2 untuk perempuan.

    Column Lebar kolom.

    Align Pilihan tampilan variabel (rata kiri, rata kanan, atau rata tengah)

    Measures Skala pengukuran variabel (nominal, ordinal, scale). Dalam

    program SPSS, variabel interval dan rasio disebut sebagai scale.

  • 7/24/2019 Modul Aplikasi Komputer

    7/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 4

    Dari data latihan, Anda diminta untuk memasukkan empat variabel yaitu nama (string), berat

    badan (rasio/scale), tinggi badan (rasio/scale), dan jenis kelamin (kategorik nominal).

    a. Pengisian Variabel View untuk variabel nama.

    Name Isikan dengan mengetik nama.

    Type Isi dengan string.

    Widht Isi dengan 10 (untuk keseragaman). Pemilihan lebar kolom

    tergantung dari berapa karakter nama terpanjang.

    Decimals Tidak aktif.

    Labels Isi dengan nama responden.

    Values Tidak diisi.

    Column 10 (untuk keseragaman).

    Align Terserah Anda.

    Measures Tidak aktif.

    b. Pengisian Variabel View untuk berat badan.

    Name Isikan dengan mengetik bb.

    Type Isi dengan numeric.

    Widht 2

    Decimals Pilih 0

    Labels Isi dengan berat badan responden.

    Values Tidak diisi.

    Column Terserah Anda

    Align Terserah Anda.

    Measures Pilih scale.

    c. Pengisian Variabel View untuk tinggi badan.

    Name Isikan dengan mengetik tb.

    Type Isi dengan numeric.

    Widht 3

    Decimals Pilih 0

    Labels Isi dengan tinggi badan responden.

    Values Tidak diisi.

    Column Terserah Anda

    Align Terserah Anda.

    Measures Pilih scale.

    d. Pengisian Variabel View untuk jenis kelamin.

    Name Isikan dengan mengetik sex.

    Type Isi dengan numeric.

  • 7/24/2019 Modul Aplikasi Komputer

    8/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 5

    Widht Terserah Anda

    Decimals Pilih 0

    Labels Isi denganjenis kelamin responden.

    Values Klik kotak kecil pada sisi kanan kolom values, akan terlihat

    tampilan sebagai berikut.

    Ketik 1 pada value.

    Ketik laki-laki pada label.

    Klik add.

    Ketik 2 pada value.

    Ketik perempuan pada label.

    Klik add.

    Akan terlihat tampilan sebagai berikut.

    Klik OK.

    Column Terserah Anda

    Align Terserah Anda.

    Measures Pilih scale.

  • 7/24/2019 Modul Aplikasi Komputer

    9/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 6

    Apabila Anda melakukan dengan benar, pada variable viewakan memberikan tampilan

    secara lengkap sebagai berikut.

    6. Selanjutnya, aktifkan data view, lalu isikan sesuai dengan data pada latihan yang

    diberikan. Apabila sudah selesai dan Anda mengisi dengan benar, Anda akan

    memperoleh tampilan sebagai berikut.

    Apabila yang Anda pilih pada menu Viewadalah view labels, maka tampilan yang muncul

    adalah sebagai berikut.

  • 7/24/2019 Modul Aplikasi Komputer

    10/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 7

    7. Simpan file dengan nama: latihan entry data(file save as latihan entry).

  • 7/24/2019 Modul Aplikasi Komputer

    11/29

    TR NSFORM SI D T

    Transformasi data yaitu melakukan perubahan data dari satu skala ke skala yang lain

    atau dari satu variabel ke variabel lain. Data awal yang dimasukkan dalam program SPSS

    ada saatnya harus Anda ubah ke dalam skala atau variabel lain karena kepentingan tertentu.

    LATIHAN 2:

    Dari data yang telah diperoleh pada latihan 1, Anda ingin menambahkan variabel indeks

    massa tubuh (IMT) berdasarkan variabel yang telah ada sebelumnya yaitu variabel berat

    badan dan tinggi badan.

    Indeks Massa Tubuh =

    ( )2

    1. Buka file latihan entry.

    2. Aktifkan data view.

    3. Lakukan langkah-langkah berikut. Transform compute variable.

    Pada target variable masukkan nama variabel baru yang akan dibuat, yaitu IMT.

    Pada numeric expressionisikan rumus perhitungannya, yaitu

    ()

    Tampilan pada layar sebagai berikut.

    Bagaimana langkah yang dilakukan dalam

    ro ram SPSS?

    2

  • 7/24/2019 Modul Aplikasi Komputer

    12/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 9

    Klik OK.

    Sekarang sudah muncul variabel baru dengan nama IMT seperti yang ditampilkan

    pada data viewsebagai berikut.

    Pada variable view, lengkapi labelsdengan mengetikkan indeks massa tubuh.

  • 7/24/2019 Modul Aplikasi Komputer

    13/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 10

    Proses telah selesai.

    LATIHAN 3:

    Dari data yang telah diperoleh pada latihan 2, Anda ingin mengategorikan IMT responden

    menjadi dua kelompok, yaitu IMT 25 dikatakan sebagai obesitas, dan IMT < 25 dikatakan

    sebagai normal. (Dalam hal ini, Anda mengubah variabel numerik menjadi variabel

    kategorik/ordinal).

    1. Klik transform recode into different variables.

    2. Masukkan variabel IMT ke dalam input variable.

    3. Ketik kat_IMT ke dalam name output variable, dan kategori IMT pada label output

    variable.

    4. Klik change. Setelah proses ini, Anda akan melihat tampilan seperti gambar berikut.

    Bagaimana caranya?

  • 7/24/2019 Modul Aplikasi Komputer

    14/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 11

    5. Klik old and new values.

    6. Isilah kotak old value dan kotak new valuemengikuti logika berpikir.

    Semua IMT 25 diubah menjadi kode 1.

    IMT < 25 diubah menjadi kode 2.

    7. Dengan logika di atas, isikan old value dan new valuesebagai berikut.

    Old value : range 25 through highest, new value 1, klik add.

    Old value : range lowest through 25, new value 2, klik add.

    8. Proses selesai, klik continue.

    9. Klik OK. Lihat hasilnya.

  • 7/24/2019 Modul Aplikasi Komputer

    15/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 12

    10. Selanjutnya, lakukan pengisian pada variable view untuk variabel kat_IMT, masukkan

    kode 1 untuk obesitas, dan kode 2 untuk normal. Anda akan melihat tampilan sebagai

    berikut.

  • 7/24/2019 Modul Aplikasi Komputer

    16/29

    N LISIS UNIV RI T

    Analisis univariat disebut juga sebagai analisis deskriptif. Hal ini dikarenakan pada

    analisis univariat bertujuan menggambarkan atau mendeskripsikan karakteristik dari

    variabel.

    ANALISIS UNIVARIAT VARIABEL KATEGORIK

    LATIHAN 4:

    Anda melakukan penelitian dan sudah mengumpulkan dan memasukkan data ke SPSS.

    Salah satu variabel adalah jenis kelamin. Anda ingin melakukan analisis univariat terhadap

    variabel jenis kelamin. Seperti yang Anda ketahui bahwa varibel jenis kelamin merupakan

    variabel kategorik, maka Anda ingin mengetahui distribusi jenis kelamin dalam bentuk tabel

    dan grafik.

    1. Buka file data yang akan Anda analisis.

    2. Lakukan proses sebagai berikut.

    Analyzedescriptive statistics frequencies.

    Masukkan variabel jenis kelamin ke dalam kotak variable(s).

    Bagaimana langkah yang dilakukan dalam

    program SPSS?

    3

  • 7/24/2019 Modul Aplikasi Komputer

    17/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 14

    Klik kotak charts.

    Pilihpie pada chart type.

    Pilihpercentages pada chart values.

    Klik continue. Proses selesai, klik OK.

    OUTPUT SPSS

    Statistics

    Jenis Kelamin Responden

    N Valid 40

    Missing 0

  • 7/24/2019 Modul Aplikasi Komputer

    18/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 15

    Jenis Kelamin Responden

    Frequency Percent Valid Percent

    Cumulative

    PercentValid laki-laki 15 37,5 37,5 37,5

    perempuan 25 62,5 62,5 100,0

    Total 40 100,0 100,0

    Penyajian Data

    Tabel 1. Distribusi Frekuensi Jenis Kelamin Responden

    No Jenis Kelamin Responden Frekuensi (f) %

    1 Laki-laki 15 37,5

    2 Perempuan 25 62,5

    Jumlah 40 100,0

    Interpretasi Hasil

    Berdasarkan tabel di atas dapat diketahui bahwa lebih dari separuh (62,5%) responden

    berjenis kelamin perempuan, lebih banyak daripada responden berjenis kelamin laki-laki

    (37,5%).

  • 7/24/2019 Modul Aplikasi Komputer

    19/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 16

    ANALISIS UNIVARIAT VARIABEL NUMERIK

    LATIHAN 5:

    Anda melakukan penelitian dan sudah mengumpulkan dan memasukkan data ke SPSS.

    Salah satu variabel adalah berat badan. Anda ingin melakukan analisis univariat terhadap

    variabel berat badan. Seperti yang Anda ketahui bahwa varibel berat badan merupakan

    variabel numerik, maka Anda ingin mengetahui distribusi berat badan dalam bentuk tabel.

    1. Buka file data yang akan Anda analisis.

    2. Lakukan proses sebagai berikut.

    Analyzedescriptive statisticsfrequencies.

    Masukkan variabel berat badan ke dalam kotak variable(s).

    Klik statistic. Pilih mean, median, modus pada central tendency pilih standard

    deviation, variance, minimum, maksimumpada dispersion.

    Klik continue, lalu klik chartpilih histogram dan aktifkan with normal curve.

    Bagaimana langkah yang dilakukan dalam

    program SPSS?

  • 7/24/2019 Modul Aplikasi Komputer

    20/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 17

    Klik continue, klik OK.

    Penyajian Data

    Tabel 2. Analisis Univariat Berat Badan RespondenNo Variabel Mean Median Modus SD Min-Maks

    1 Berat badan responden 53,15 50,00 48 8,769 40-75

    Interpretasi Hasil

    Berdasarkan tabel di atas dapat diketahui bahwa rata-rata berat badan responden sebesar

    53 kg. Berat badan responden terendah adalah 40 kg, dan tertinggi 75 kg.

  • 7/24/2019 Modul Aplikasi Komputer

    21/29

    N LISIS BIV RI T

    Analisis bivariat disebut juga sebagai analisis analitik. Hal ini dikarenakan pada analisis

    bivariat bertujuan untuk mengetahui ada tidaknya hubungan antara dua variabel.

    UJI CHI SQUARE

    LATIHAN 6:

    Anda ingin mengetahui hubungan antara kebiasaan merokok dengan penyakit jantung

    koroner. Hipotesis penelitian Anda adalah ada hubungan antara kebiasaan merokok dengan

    penyakit jantung koroner. Penelitian dilakukan dengan menggunakan desain studi kasus-

    kontrol.

    Tabel 3. Pemilihan Uji Hipotesis

    MasalahPenelitian

    Jenis Hipotesis

    Komparatif Korelatif

    2 kelompok > 2 kelompok 2 kelompok > 2 kelompok

    Numerik Uji t tidakberpasangan*

    One wayanova*

    Uji tberpasangan*

    RepeatedAnova*

    Pearson*

    Kategorik Mann Whitney Kruskal-Wallis

    Wilcoxon Friedman Spearman

    Sommers

    Gamma

    Kategorik Chi Square

    Fisher

    Kolmogorov-Smirnov

    Mc. Nemar, Cochran

    Marginal Homogenesity

    Wilcoxon, Friedman

    KoefisienKontingensi

    LambdaSumber: Dahlan, M.S. 2010. Statistika untuk Kedokteran dan Kesehatan: Deskriptif, Bivariat,

    dan Multivariat Menggunakan SPSS. Edisi 4. Jakarta: Salemba Medika.

    Uji Apakah yang cocok digunakan dalam

    penelitian tersebut?

    3

  • 7/24/2019 Modul Aplikasi Komputer

    22/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 19

    Variabel yang diteliti adalah variabel kebiasan merokok (kategorik) dan kejadian penyakit

    jantung koroner (katogerik). Jenis hipotesis adalah komparatif, dan data tidak

    berpasangan. Melihat bantuan tabel pemilihan uji hipotesis, dengan set data yang Anda

    miliki berarti uji hipotesis yang cocok digunakan adalah chi square testapabila memenuhi

    syarat dan apabila tidak memenuhi syarat digunakan uji alternatifnya yaitu fisher exact.

    1. Buka file data yang akan Anda analisis.

    2. Klik analyze descriptive statistics crosstabs.

    3. Masukkan variabel rokok(variabel independen) ke dalam rows.

    4. Masukkan variabelpjk(variabel dependen) ke dalam columns.

    5. Klik statistics, lalu pilih chi squaredan risk (untuk mengetahui nilai odds ratio/relative

    riskpada penelitian kejadian penyakit atau kematian) lalu continue.

    Bagaimana cara melakukannya dalam

    program SPSS?

  • 7/24/2019 Modul Aplikasi Komputer

    23/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 20

    6. Klik cell, pilih observed (untuk menampilkan nilai pengamatan), dan expected (untuk

    menampilkan nilai harapan). Pada percentages klik row apabila penelitian

    menggunakan desain studi kohort dan cross-sectional, klik column apabila desain studi

    yang digunakan kasus-kontrol.

    7. Klik continue OK.

  • 7/24/2019 Modul Aplikasi Komputer

    24/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 21

    OUTPUT SPSS

    Kebiasaan Merokok * Penyakit Jantung Koroner Crosstabulation

    Penyakit JantungKoroner

    TotalYa Tidak

    Kebiasaan Merokok merokok Count 159 1343 1502

    Expected Count 122,4 1379,6 1502,0

    % within PenyakitJantung Koroner

    61,9% 46,4% 47,6%

    tidak merokok Count 98 1554 1652

    Expected Count 134,6 1517,4 1652,0

    % within PenyakitJantung Koroner

    38,1% 53,6% 52,4%

    Total Count 257 2897 3154

    Expected Count 257,0 2897,0 3154,0

    % within PenyakitJantung Koroner

    100,0% 100,0% 100,0%

    Chi-Square Tests

    Value dfAsymp. Sig. (2-

    sided)Exact Sig. (2-

    sided)Exact Sig. (1-

    sided)

    Pearson Chi-Square 22,764a 1 ,000

    Continuity Correction 22,147 1 ,000

    Likelihood Ratio 22,863 1 ,000

    Fisher's Exact Test ,000 ,000

    Linear-by-LinearAssociation

    22,757 1 ,000

    N of Valid Cases 3154

    a. 0 cells (,0%) have expected count less than 5. The minimum expected count is 122,39.b. Computed only for a 2x2 table

    Risk Estimate

    Value

    95% Confidence Interval

    Lower Upper

    Odds Ratio for KebiasaanMerokok (merokok / tidakmerokok)

    1,877 1,445 2,440

    For cohort Penyakit Jantung

    Koroner = Ya

    1,784 1,401 2,273

    For cohort Penyakit JantungKoroner = Tidak

    ,951 ,931 ,971

    N of Valid Cases 3154

    PENYAJIAN DAN INTERPRETASI

    Hasil analisis hubungan antara kebiasan merokok dengan penyakit jantung koroner disajikan

    dalam tabel berikut.

  • 7/24/2019 Modul Aplikasi Komputer

    25/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 22

    Tabel 4. Tabel silang hubungan antara kebiasaan merokok dengan penyakit jantung koroner

    Kebiasaan Merokok Penyakit Jantung Koroner Nilai p OR (95% CI)

    Ya Tidak

    Merokok 159 (61,9%) 1343 (46,4%) < 0,0001 1,877 (1,445-2,440)

    Tidak Merokok 98 (38,1%) 1554 (53,6%

    Total 257 (100%) 2897 (100%)

    Berdasarkan di atas dapat diketahui persentase orang yang memiliki kebiasaan

    merokok yang mengalami penyakit jantung koroner (61,9%) lebih besar daripada yang tidak

    mengalami penyakit jantung koroner (46,4%).

    Hasil uji statistik dengan menggunakan chi square testdengan taraf signifikansi 95%

    diperoleh nilai p < 0,0001 (p

  • 7/24/2019 Modul Aplikasi Komputer

    26/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 23

    1. Buka file data yang akan Anda analisis.

    2. Klik analyze descriptive statistics crosstabs.

    3. Masukkan variabel sosek(variabel independen) ke dalam rows.

    4. Masukkan variabel obes(variabel dependen) ke dalam columns.

    5. Klik statistics, lalu pilih chi squaredan risk (untuk mengetahui nilai odds ratio/relative

    riskpada penelitian kejadian penyakit atau kematian) lalu continue.

    6. Klik cell, pilih observed (untuk menampilkan nilai pengamatan), dan expected (untuk

    menampilkan nilai harapan). Pada percentages klik row apabila penelitian

    menggunakan desain studi kohort dan cross-sectional, klik column apabila desain studi

    yang digunakan kasus-kontrol.

    7. Klik continue OK.

    Bagaimana cara melakukannya dalam

    program SPSS?

  • 7/24/2019 Modul Aplikasi Komputer

    27/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 24

    OUTPUT

    Tingkat Sosial Ekonomi * Obesitas Crosstabulation

    Obesitas

    Totalobesitas normalTingkat Sosial Ekonomi tinggi Count 6 8 14

    Expected Count 5,6 8,4 14,0

    % within Tingkat SosialEkonomi

    42,9% 57,1% 100,0%

    rendah Count 4 7 11

    Expected Count 4,4 6,6 11,0

    % within Tingkat SosialEkonomi

    36,4% 63,6% 100,0%

    Total Count 10 15 25

    Expected Count 10,0 15,0 25,0

    % within Tingkat SosialEkonomi

    40,0% 60,0% 100,0%

    Chi-Square Tests

    Value dfAsymp. Sig. (2-

    sided)Exact Sig. (2-

    sided)Exact Sig. (1-

    sided)

    Pearson Chi-Square ,108a 1 ,742

    Continuity Correction ,000 1 1,000

    Likelihood Ratio ,109 1 ,742

    Fisher's Exact Test 1,000 ,534

    Linear-by-LinearAssociation

    ,104 1 ,747

    N of Valid Cases 25

    a. 1 cells (25,0%) have expected count less than 5. The minimum expected count is 4,40.

    b. Computed only for a 2x2 table

    Risk Estimate

    Value

    95% Confidence Interval

    Lower Upper

    Odds Ratio for TingkatSosial Ekonomi (tinggi /rendah)

    1,313 ,259 6,643

    For cohort Obesitas =obesitas

    1,179 ,439 3,167

    For cohort Obesitas =normal

    ,898 ,475 1,697

    N of Valid Cases 25

    Apabila dilihat dari tabel di atas, tidak memenuhi syarat uji chi square, karena ada 25%

    sel yang memiliki frekuensi harapan kurang dari 5. Oleh karena itu, uji yang digunakan

    adalah uji fisher.

    PENYAJIAN DAN INTERPRETASI

    Hasil analisis hubungan antara tingkat sosial ekonomi dengan obesitas disajikan dalam tabel

    berikut.

  • 7/24/2019 Modul Aplikasi Komputer

    28/29

    Ratna Muliawati, S.KM|Pengolahan dan Analisis Data 25

    Tabel 4. Tabel silang hubungan antara tingkat sosial ekonomi dengan obesitas.

    Tingkat SosialEkonomi

    Status Obesitas Total Nilai p

    Obesitas NormalTinggi 6 (42,9%) 8 (57,1%) 14 (100%) 1,000

    Rendah 4 (36,4%) 7 (63,6%) 11 (100%)

    Berdasarkan di atas dapat diketahui persentase kejadian obesitas pada kelompok

    sosial-ekonomi tinggi (42,9%) tidak jauh berbeda dengan kelompok sosial-ekonomi rendah

    (36,4%).

    Hasil uji statistik dengan menggunakan chi square testdengan taraf signifikansi 95%

    diperoleh nilai p = 1,000 (p > 0,05) sehingga dapat dikatakan bahwa secara statistik tidak

    ada hubungan antara kebiasaan merokok dengan kejadian penyakit jantung koroner.

  • 7/24/2019 Modul Aplikasi Komputer

    29/29

    DAFTAR PUSTAKA

    Dahlan, M.S. 2012. Langkah-langkah Membuat Proposal Penelitian Bidang Kedokteran dan

    Kesehatan. Edisi 2. Jakarta: Sagung Seto.

    Dahlan, M.S. 2013. Statistik untuk Kedokteran dan Kesehatan: Deskriptif, Bivariat, dan

    Multivariat, Dilengkapi Aplikasi dengan Menggunakan SPSS Edisi 5. Cetakan Ketiga.

    Jakarta: Salemba Medika.

    Junaedi, P. 1995. Pengantar Analisis Data. Jakarta: Rineka Cipta.

    Riwidikdo, H. 2012. Statistik Kesehatan, Belajar Mudah Teknik Analisis Data dalam

    Penelitian Kesehatan (Plus Aplikasi Software SPSS).