1. Buatlah variabel Indeks Massa Tubuh dan sajikan dalam bentuk Frekuensi distribusi ! - Buat variabel baru IMT transform compute variabel isi target variabel (IMT); type & label (Indeks Massa Tubuh); Numeric expressiom (berat/ (tinggi/100*tinggi/100) - Karena variabel IMT 2 desimal, maka saat membuat frekuensi distribusi harus 2 desimal juga - Transform recode into different varibael, Input variabel IMT. Output name : KatIMT, Label : kategori Indeks Massa Tubuh - Klik Change, lalu klik old and new value - Isi old value and new value berdasarkan tabel IMT, misalnya Old (the lowest : 18,5) New value 1, dst (ingat 2 desimal) - Variabel view, beri keterangan pada value, misalnya 1 underweight, dst - Analyzedes. Statistic frequencies masukan pada variabel (kategori IMT) pada charts (barcharts) ok Kategori Indeks Massa Tubuh Frequency Percent Valid Percent Cumulative Percent Valid Underweight 40 30,1 30,1 30,1 Healthy Weight 32 24,1 24,1 54,1 Overweighty 17 12,8 12,8 66,9 Heavily Weight 26 19,5 19,5 86,5 Obese 18 13,5 13,5 100,0 Total 133 100,0 100,0 2. Buatlah frekuensi distribusi umur penderita ! - Transform Recode into dif. Varibabel Input variabel umur. Output Nama : KatUmur, Label : kategori umur - Change, klik old and new value - Hitung banyak kelas : 1 + 3,3 log 133 = 7.99 6 - u/ mempermudah kategorisasi interval diambil 10 - Proses old value and new value, misal 1 22-31, dst - Variabel view beri keterangan pada value, cth : 1 22- 31, dst
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
1. Buatlah variabel Indeks Massa Tubuh dan sajikan dalam bentuk Frekuensi distribusi !- Buat variabel baru IMT transform compute variabel isi target variabel (IMT);
type & label (Indeks Massa Tubuh); Numeric expressiom (berat/ (tinggi/100*tinggi/100)- Karena variabel IMT 2 desimal, maka saat membuat frekuensi distribusi harus 2 desimal
juga- Transform recode into different varibael, Input variabel IMT. Output name : KatIMT,
Label : kategori Indeks Massa Tubuh- Klik Change, lalu klik old and new value- Isi old value and new value berdasarkan tabel IMT, misalnya Old (the lowest : 18,5)
New value 1, dst (ingat 2 desimal)- Variabel view, beri keterangan pada value, misalnya 1 underweight, dst- Analyze des. Statistic frequencies masukan pada variabel (kategori IMT)
pada charts (barcharts) ok
Kategori Indeks Massa Tubuh
Frequency Percent Valid Percent
Cumulative
Percent
Valid Underweight 40 30,1 30,1 30,1
Healthy Weight 32 24,1 24,1 54,1
Overweighty 17 12,8 12,8 66,9
Heavily Weight 26 19,5 19,5 86,5
Obese 18 13,5 13,5 100,0
Total 133 100,0 100,0
2. Buatlah frekuensi distribusi umur penderita !- Transform Recode into dif. Varibabel Input variabel umur. Output Nama :
KatUmur, Label : kategori umur- Change, klik old and new value- Hitung banyak kelas : 1 + 3,3 log 133 = 7.99 6- u/ mempermudah kategorisasi interval diambil 10- Proses old value and new value, misal 1 22-31, dst- Variabel view beri keterangan pada value, cth : 1 22-31, dst- Analyze des. Statistic frequencies masukan pada variabel (kategori umur)
pada charts (barcharts) ok
Kategori Umur
Frequency Percent Valid Percent
Cumulative
Percent
Valid 22-31 10 7,5 7,5 7,5
32-41 25 18,8 18,8 26,3
42-51 36 27,1 27,1 53,4
52-61 38 28,6 28,6 82,0
62-71 17 12,8 12,8 94,7
72-81 7 5,3 5,3 100,0
Total 133 100,0 100,0
3. Hitunglah korelasi umur dan tekanan darah sistolik, berapa nilai P buat intepretasinya !
- Analyze correlate bivariate masukan umur dan sistik pada variabel
Correlations
Umur Sistolik
Umur Pearson Correlation 1 ,095
Sig. (2-tailed) ,275
N 133 133
Sistolik Pearson Correlation ,095 1
Sig. (2-tailed) ,275
N 133 133
4. Apakah ada perbedaan antara tekanan darah sistolik antar kelompok IMT ?
- Analyze compare means -> oneway anova dep. List (sistolik), faktor (Kat.IMT)
post hoc (bonferroni ) continue
- Ho ditolak ada perbedaan bermaknan anatr tekanan sistolik dan kelompok IMT
5. Ujilh apakah umur berdistribusi normal!
ANOVA
Sistolik
Sum of Squares df Mean Square F Sig.
Between Groups 9745,377 4 2436,344 5,589 ,000
Within Groups 55795,555 128 435,903
Total 65540,932 132
- Analyze des. Statistic explore masukan umur pada dep. List -> plot : normality plot with test
- Liat hasl do Kormogorof – Smirnof, sig : 0,2- Distribusi normal : sig > 0, 05 ; tidak normal : < 0, 05
NOMOR DUA 1. Buatlah Variabel Indeks Massa tubuh dan sajikan dalam bentuk Frekuensi distribusi untuk data Kualitatif.
kategori IMT
Frequency Percent Valid Percent
Cumulative
Percent
Valid underweight 40 30,1 30,1 30,1
healthy weight 32 24,1 24,1 54,1
overweight 17 12,8 12,8 66,9
heavily overweight 26 19,5 19,5 86,5
obese 18 13,5 13,5 100,0
Total 133 100,0 100,0
2. Buatlah Frekuensi distribusi Berat penderitajumlah kelas = 1+3,3 log 134 = 8Interval kelas = max-min / jlh kelas = 106-30 / 8 = 9,5 bulatkan jadi 10
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Umur ,052 133 ,200* ,989 133 ,406
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Statistics
kategori berat
N Valid 133
Missing 0
Mean 3,3835
Median 3,0000
Mode 3,00
Std. Deviation 1,45499
Minimum 1,00
Maximum 8,00
kategori berat
Frequency Percent Valid Percent
Cumulative
Percent
Valid 30-39 8 6,0 6,0 6,0
40-49 31 23,3 23,3 29,3
50-59 40 30,1 30,1 59,4
60-69 29 21,8 21,8 81,2
70-79 11 8,3 8,3 89,5
80-89 10 7,5 7,5 97,0
90-99 3 2,3 2,3 99,2
100-109 1 ,8 ,8 100,0
Total 133 100,0 100,0
3. Hitunglah korelasi berat dan tekanan darah Diastolik berapa nilai p dan t
Correlations
Berat Diastolik
Berat Pearson Correlation 1 ,148
Sig. (2-tailed) ,090
N 133 133
Diastolik Pearson Correlation ,148 1
Sig. (2-tailed) ,090
N 133 133
Pearson untuk tingkat korelasiSig untuk kemaknaan korelasip = 0,090 p>0,05 Ho diterima (tidak ada korelasi yang bermakna / tidak ada hub. Antara berat dan TD diastolik)t = 0,148 korelasi lemah (0,00-0,25)
4. Apakah ada perbedaan tekanan darah sistolik antar kelompok Total kolesterolIndependent Samples Test
Levene's Test for
Equality of
Variances t-test for Equality of Means
F Sig. t df
Sig. (2-
tailed)
Mean
Difference
Std. Error
Difference
95% Confidence
Interval of the
Difference
Lower Upper
Sistolik Equal
variances
assumed
,026 ,872 -,27
7
131 ,782 -1,131 4,076 -9,195 6,933
Equal
variances not
assumed
-,27
8
91,902 ,782 -1,131 4,074 -9,223 6,960
Lihat levene test bagian sig . Sig 0,872 >0,05 berarti varians sama
Lalu lihat equal variances assumed , sig.(2-tailed) 0,782 >0,05 = Ho diterima
Artinya tidak ada perbedaan TD sistolik antar kelompok total kolesterol.
5. Apakah variabel Berat berdistribusi normal
Tests of Normality
Kolmogorov-SmirnovaShapiro-Wilk
Statistic df Sig. Statistic df Sig.
Berat ,087 133 ,015 ,964 133 ,001
a. Lilliefors Significance Correction
Sig. 0,015 berarti variabel berat tidak berdistribusi normal
Keterangan : normal jika sig >0,05
Tidak normal jika sig <0,05
NOMOR TIGA
1 Buatlah Variabel Indeks Massa tubuh dan sajikan dalam bentuk Frekuensi distribusi untuk data Kualitatif.
2 Buatlah Frekuensi distribusi Tinggi penderitaa. Hitung jumlah kelas interval
*. The mean difference is significant at the 0.05 level.
Yang berbeda rata-rata kadar ureum secara bermakna yaitu
Kelompok Gentamisin 40 mg/kg BB dengan Aquades 5 ml,
Kelompok Gentamisin 40 mg/kg BB dengan SBM 3 gr/kg BB
Kelompok Gentamisin 40 mg/kg BB dengan SBM 6 gr/kg BB
4. Ujilah secara statistik apakah ada perbedaan kadar kreatinin antara ke 4 kelompok 2 minggu pasca intervensiKarena kreatinin tidak berdistribusi normal maka di pakai uji non parametris kruskal- wallis
Test Statisticsa,b
Kadar Kreatinin
Chi-square 23.732df 3Asymp. Sig.
.000
a. Kruskal Wallis Testb. Grouping Variable: Kategori kelompok
P= 0.000 ada perbedaan rata-rata yang bermakna kadar kreatinin antar kelompok 2
minggu pasca intervensi
- Tapi bila data dianggap berdistribusi normal maka pakai uji anova
ANOVAKadar Kreatinin
Sum of Squares df Mean Square F Sig.
Between Groups
44.352 3 14.784 26.142 .000
Within Groups 20.359 36 .566Total 64.711 39
P= 0.000 ada perbedaan rata-rata yang bermakna kadar kreatinin antar kelompok 2
minggu pasca intervensi
Multiple ComparisonsKadar KreatininBonferroni
(I) Kategori kelompok
(J) Kategori kelompok Mean Difference (I-
J)Std.
Error Sig.
95% Confidence Interval
Lower Bound
Upper Bound
Aquades 5 ml
Gentamisin 40 mg/kg BB
-2.47500* .33631 .000 -3.4140 -1.5360
SBM 3 gr/kg BB -.06900 .33631 1.000 -1.0080 .8700
SBM 6 gr/kg BB -.06300 .33631 1.000 -1.0020 .8760
Gentamisin 40 mg/kg BB
Aquades 5 ml 2.47500* .33631 .000 1.5360 3.4140
SBM 3 gr/kg BB 2.40600* .33631 .000 1.4670 3.3450
SBM 6 gr/kg BB 2.41200* .33631 .000 1.4730 3.3510
SBM 3 gr/kg BB
Aquades 5 ml .06900 .33631 1.000 -.8700 1.0080
Gentamisin 40 mg/kg BB
-2.40600* .33631 .000 -3.3450 -1.4670
SBM 6 gr/kg BB .00600 .33631 1.000 -.9330 .9450
SBM 6 gr/kg BB
Aquades 5 ml .06300 .33631 1.000 -.8760 1.0020
Gentamisin 40 mg/kg BB
-2.41200* .33631 .000 -3.3510 -1.4730
SBM 3 gr/kg BB -.00600 .33631 1.000 -.9450 .9330
*. The mean difference is significant at the 0.05 level.
Yang berbeda rata-rata kadar kreatinin secara bermakna yaitu
Kelompok Gentamisin 40 mg/kg BB dengan Aquades 5 ml,
Kelompok Gentamisin 40 mg/kg BB dengan SBM 3 gr/kg BB
Kelompok Gentamisin 40 mg/kg BB dengan SBM 6 gr/kg BB
File ke 2 Minggu ke 25. Buatlah tabel frekuensi distribusi kadar ureum 2 Minggu 2
Banyak kelas: 1 + 3.3 log n= 1+ 3.3 log 40= 1+ 3.3 x 1.60= 6.29= 6
SBM 6gr/kgBB Aquades 5 ml -.06000 .11409 1.000 -.3785 .2585
Gentamisin 40mg/kgBB
-.45800* .11409 .002 -.7765 -.1395
SBM 3 gr/kgBB -.14000 .11409 1.000 -.4585 .1785
*. The mean difference is significant at the 0.05 level.
Kruskal-Wallis Test
Ranks
Kelompok N Mean Rank
Kadar Kreatinin
Aquades 5 ml 10 18.50
Gentamisin 40mg/kgBB
10 29.30
SBM 3 gr/kgBB 10 19.90
SBM 6gr/kgBB 10 14.30
Total 40
Test Statisticsa,b
Kadar Kreatinin
Chi-square 8.812df 3Asymp. Sig.
.032
a. Kruskal Wallis Testb. Grouping Variable: Kelompok
File ke 2 minggu ke 41. Ujilah apakah ada perbedaan rata-rata kadar ureum antara kelompok 2 minggu dan 4 minggu
a. Pada variable view Ubah Waktu observasi 1=2 minggu, 2= 4 minggub. Ubah type kadar ureum jadi nominal, desimal jadi 2, dan measure jadi scalec. Klik analyze pilih compare mean pilih independent T-testd. Pada test variable dengan kadar ureum dan grouping variable diisi dengan waktu observasi
Equality of Variances t-test for Equality of Means
F Sig. t df Sig. (2-tailed) Mean Difference
Kadar Ureum Equal variances
assumed
25.518 .000 2.991 78 .004 35.89850
Equal variances not
assumed
2.991 41.067 .005 35.89850
Hasil: Ho ditolak, ada perbedaan
2. Ujilah apakah ada perbedaan rata-rata kadar kreatinin antara kelompok 2 minggu dan 4 minggu a. Ubah type kadar kreatinin jadi nominal, desimal jadi 2, dan measure jadi scaleb. Klik analyze pilih compare mean pilih independent T-testc. Pada test variable dengan kadar kreatinin dan grouping variable diisi dengan waktu
observasi dan define group isikan 1 dan 2d. Continue dan OK
Group Statistics
Waktu Observasi N Mean Std. Deviation Std. Error Mean
Kadar Kreatinindimension1
2 minggu 40 1.2988 1.28812 .20367
4 minggu 40 .7795 .30341 .04797
Independent Samples Test
Levene's Test for Equality of
Variances t-test for Equality of Means
F Sig. t df
Sig. (2-
tailed)
Mean
Difference Std. Error Difference
Kadar Kreatinin Equal variances
assumed
24.155 .000 2.482 78 .015 .51925 .20924
Equal variances
not assumed
2.482 43.314 .017 .51925
Hasil: Ho ditolak, ada perbedaan3. Ujilah apakah ada perbedaan proporsi nekrosis antara kelompok 2 minggu dan 4 minggu
a. Ubah nekrosis 0= tidak ada nekrosis, 1= ada nekrosisb. Analyse pilih descriptive lalu pilih crosstabc. Pada row masukkan waktu observasi dan pada colom isikan nekrosisd. Klik statistic pilih chi-, contingentcy, phi dan pada cell isi expect dan rowe. OK
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Waktu Observasi * nekrosis 80 100.0% 0 .0% 80 100.0%
Waktu Observasi * nekrosis Crosstabulation
nekrosis
Total
tidak ada
nekrosis ada nekrosis
Waktu Observasi 2 minggu Count 30 10 40
Expected Count 30.0 10.0 40.0
% within Waktu Observasi 75.0% 25.0% 100.0%
4 minggu Count 30 10 40
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Expected Count 30.0 10.0 40.0
% within Waktu Observasi 75.0% 25.0% 100.0%
Total Count 60 20 80
Expected Count 60.0 20.0 80.0
% within Waktu Observasi 75.0% 25.0% 100.0%
Chi-Square Tests
Value df
Asymp. Sig. (2-
sided)
Exact Sig. (2-
sided)
Exact Sig. (1-
sided)
Pearson Chi-Square .000a 1 1.000
Continuity Correctionb .000 1 1.000
Likelihood Ratio .000 1 1.000
Fisher's Exact Test 1.000 .602
Linear-by-Linear Association .000 1 1.000
N of Valid Cases 80
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 10.00.
b. Computed only for a 2x2 table
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal Phi .000 1.000
Cramer's V .000 1.000
Contingency Coefficient .000 1.000
N of Valid Cases 80
4. Ujilah apakah ada perbedaan luas nekosis antara kelompok 2 minggu dan 4 minggu
Langkah sama seperti di atas
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Waktu Observasi * luas
nekrosis
80 100.0% 0 .0% 80 100.0%
Chi-Square Tests
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Value df
Asymp. Sig. (2-
sided)
Pearson Chi-Square 20.000a 2 .000
Likelihood Ratio 27.726 2 .000
Linear-by-Linear Association 2.548 1 .110
N of Valid Cases 80
a. 0 cells (.0%) have expected count less than 5. The minimum expected
count is 5.00.
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal Phi .500 .000
Cramer's V .500 .000
Contingency Coefficient .447 .000
N of Valid Cases 80
5. Ujilah apakah ada perbedaan atrofi tubulus antara kelompok 2 minggu dan 4 minggu
Langkah sama seperti di atas
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Waktu Observasi * Tubulus
atrofi
80 100.0% 0 .0% 80 100.0%
Waktu Observasi * Tubulus atrofi Crosstabulation
Tubulus atrofi
Total
tidak ada atrofi
tubulus
ada atrofi
tubulus
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Waktu Observasi 2 minggu Count 30 10 40
Expected Count 30.0 10.0 40.0
% within Waktu Observasi 75.0% 25.0% 100.0%
4 minggu Count 30 10 40
Expected Count 30.0 10.0 40.0
% within Waktu Observasi 75.0% 25.0% 100.0%
Total Count 60 20 80
Expected Count 60.0 20.0 80.0
% within Waktu Observasi 75.0% 25.0% 100.0%
Chi-Square Tests
Value df
Asymp. Sig. (2-
sided)
Exact Sig. (2-
sided)
Exact Sig. (1-
sided)
Pearson Chi-Square .000a 1 1.000
Continuity Correctionb .000 1 1.000
Likelihood Ratio .000 1 1.000
Fisher's Exact Test 1.000 .602
Linear-by-Linear Association .000 1 1.000
N of Valid Cases 80
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 10.00.
b. Computed only for a 2x2 table
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal Phi .000 1.000
Cramer's V .000 1.000
Contingency Coefficient .000 1.000
N of Valid Cases 80
6. Ujilah apakah ada perbedaan atrofi tubulus obliterasi antara kelompok 2 minggu dan 4
minggu
Langkah sama seperti di atas
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Waktu Observasi * Tubulus
Obliterasi
80 100.0% 0 .0% 80 100.0%
Waktu Observasi * Tubulus Obliterasi Crosstabulation
Tubulus Obliterasi
Total
tidak ada
tubulus
obliterasi
ada tubulus
obliterasi
Waktu Observasi 2 minggu Count 30 10 40
Expected Count 30.0 10.0 40.0
% within Waktu Observasi 75.0% 25.0% 100.0%
4 minggu Count 30 10 40
Expected Count 30.0 10.0 40.0
% within Waktu Observasi 75.0% 25.0% 100.0%
Total Count 60 20 80
Expected Count 60.0 20.0 80.0
% within Waktu Observasi 75.0% 25.0% 100.0%
Chi-Square Tests
Value df
Asymp. Sig. (2-
sided)
Exact Sig. (2-
sided)
Exact Sig. (1-
sided)
Pearson Chi-Square .000a 1 1.000
Continuity Correctionb .000 1 1.000
Likelihood Ratio .000 1 1.000
Fisher's Exact Test 1.000 .602
Linear-by-Linear Association .000 1 1.000
N of Valid Cases 80
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 10.00.
b. Computed only for a 2x2 table
Symmetric Measures
Value Approx. Sig.
Nominal by Nominal Phi .000 1.000
Cramer's V .000 1.000
Contingency Coefficient .000 1.000
N of Valid Cases 80
OSCE 1 No.6
1 Buatlah Variabel Indeks Massa tubuh dan sajikan dalam bentuk Frekuensi distribusi untuk data Kualitatif.
2 Buatlah Frekuensi LDL penderita3 Hitunglah korelasi HDLdan IMT berapa nilai p dan t4 Apakah ada perbedaan LDL antar kelompok Umur 2 kategori5 Apakah variabel Gula Darah berdistribusi normal
Jawaban:
1. Frekuensi Distribusi Variabel Indeks Massa Tubuh
Statistics
Kategori IMT
N Valid 133
Missing 0
Mean 2.62
Std. Deviation 1.433
Minimum 1
Maximum 5
Kategori IMT Asian People
Kategori IMT
Frequency PercentValid
PercentCumulative
Percent
Valid underweight 40 30.1 30.1 30.1
healthy weight 32 24.1 24.1 54.1
overweight 17 12.8 12.8 66.9
heavily overweight
26 19.5 19.5 86.5
obese 18 13.5 13.5 100.0
Total 133 100.0 100.0
2. Frekuensi LDL
Statistics
kategori LDL
N Valid 133
Missing 0
Mean .71
Std. Deviation .453
Minimum 0
Maximum 1
kategori LDL
Frequency PercentValid
PercentCumulative
Percent
Valid LDL normal 38 28.6 28.6 28.6
LDL tinggi 95 71.4 71.4 100.0
Total 133 100.0 100.0
3. Korelasi HDL dan IMT (nilai p dan t)
Descriptives
StatisticStd.
ErrorHDL Mean 34,23 1,153
95% Confidence Interval for Mean
Lower Bound 31,94Upper Bound 36,51
5% Trimmed Mean 33,53Median 30,00Variance 176,934Std. Deviation 13,302Minimum 15Maximum 68Range 53Interquartile Range 17Skewness ,897 ,210Kurtosis ,082 ,417
Kategori IMT Mean 2,62 ,12495% Confidence Interval for Mean
Lower Bound 2,38Upper Bound
2,87
5% Trimmed Mean 2,58Median 2,00Variance 2,055Std. Deviation 1,433Minimum 1
Maximum 5Range 4Interquartile Range 3Skewness ,342 ,210Kurtosis -1,285 ,417
Tests of Normality
Kategori IMT
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
HDL underweight .196 40 .000 .881 40 .001
healthy weight .166 32 .025 .923 32 .024
overweight .180 17 .147 .903 17 .076
heavily overweight
.132 26 .200* .950 26 .232
obese .304 18 .000 .758 18 .000
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Hasil distribusi HDL dan kategori IMT tidak normal dimana p (value) < 0,05, maka digunakan korelasi spearman’s.
Correlations
HDLKategori
IMTSpearman's rho
HDL Correlation Coefficient
1,000 -,087
Sig. (2-tailed) . ,321N 133 133
IMT Correlation Coefficient
-,087 1,000
Sig. (2-tailed) ,321 .N 133 133
Nilai p (value) = 0,321Nilai t = 0,087, tidak ada korelasi atau korelasi sangat kecil
4. Perbedaan LDL dan antar Umur 2 kategori
Statistics
umur
N Valid 133
Missing 0
Mean 50.59
Std. Deviation 12.825
Minimum 22
Maximum 80
Menentukan jumlah kelas dan interval kelasJumlah kelas = 1+3.3 log n = 1+3.3 log 133 = 8Interval kelas = nilai maksimum-nilai minimum Jumlah kelas
= (80-22) / 8 = 7.25, namun untuk mempermudah digunakan
intervalnya 10, dan jumlah kelasnya menjadi 6 (karena nilai minimum dan maksimum sudah termasuk dalam kelas).
3. Hitunglah korelasi LDL dan tekanan darah Diastolik berapa nilai p dan t
Correlations
LDL diastolik
LDL Pearson Correlation
1 .005
Sig. (2-tailed) .958
N 133 133
diastolik Pearson Correlation
.005 1
Sig. (2-tailed) .958
N 133 133
P = 0,005korelasi lemah
Sig (2-tailed) = 0,958 > 0,05 = Ho diterima = tidak ada korelasi LDL dan TD diastolik
4. Apakah ada perbedaan tekanan darah Diastolik antar kelompok LDL?
Lavene’s test = 0,563 > 0,05 = varian samaKarena varian sama maka kita membaca data pada aqual variances assummed Sig = 0,883 > 0,05 = Ho diterima = tidak ada perbedaan TD diastolik antar kelompok LDL
5. Apakah variabel LDL berdistribusi normal
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
LDL .084 133 .024 .936 133 .000
a. Lilliefors Significance Correction
Sig. = 0,024 < 0,05 distribusi data tidak normal
^^Ve^^054
8
1 Buatlah Variabel baru dengan label VLDL dengan formula (kolesterol – HDL) -
(Trigliserid/4) dan sajikan dalam bentuk Frekuensi distribusi
Range (R) = Xmax- Xmin = 280.75 – 25.00 = 255.75Jumlah kelas (K) = 1 + 3,3 log n
Hasil Levene's Test for Equality of Variances pada kolom Sig adalah 0,01, atau < 0,05, berarti varian berbeda, sehingga Sig (2 tailed) yang dilihat adalah baris kedua yaitu 0,740. Karena p (0,740) > α (0,05) berarti Hipotesis Ho diterima, atau tidak ada perbedaan VLDL antara kelompok non DM dan DM.
Nilai p 0.740 > α (0.05) ,berarti H0 diterima dengan demikian tidak ada perbedaan VLDL antara kelompok non DM dan DM.
5 Apakah variabel HDL berdistribusi normal
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
HDL .181 133 .000 .903 133 .000
a. Lilliefors Significance Correction
Karena sampel yang digunakan lebih dari 50 yaitu 133 maka uji yang digunakan adalah Uji
Kolmogorov-Smirnov. Dari hasil diatas diperoleh nilai p = 0.000. Karena nilai p < 0,05 maka
“distribusi HDL tidak normal”.
8
6 Buatlah Variabel baru dengan label VLDL dengan formula (kolesterol – HDL) -
(Trigliserid/4) dan sajikan dalam bentuk Frekuensi distribusi
Range (R) = Xmax- Xmin = 280.75 – 25.00 = 255.75Jumlah kelas (K) = 1 + 3,3 log n
Hasil Levene's Test for Equality of Variances pada kolom Sig adalah 0,01, atau < 0,05, berarti varian berbeda, sehingga Sig (2 tailed) yang dilihat adalah baris kedua yaitu 0,740. Karena p (0,740) > α (0,05) berarti Hipotesis Ho diterima, atau tidak ada perbedaan VLDL antara kelompok non DM dan DM.
Nilai p 0.740 > α (0.05) ,berarti H0 diterima dengan demikian tidak ada perbedaan VLDL antara kelompok non DM dan DM.
10 Apakah variabel HDL berdistribusi normal
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
HDL .181 133 .000 .903 133 .000
a. Lilliefors Significance Correction
Karena sampel yang digunakan lebih dari 50 yaitu 133 maka uji yang digunakan adalah Uji
Kolmogorov-Smirnov. Dari hasil diatas diperoleh nilai p = 0.000. Karena nilai p < 0,05 maka
“distribusi HDL tidak normal”.
131 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol)
dan sajikan dalam bentuk Frekuensi distribusi
Statistics
LDLX
N Valid 133
Missing 0
Mean 126.2574
Std. Error of Mean 2.70393
Median 123.4060
Mode 86.80a
Std. Deviation 31.18326
Range 171.60
Minimum 75.93
Maximum 247.53
a. Multiple modes exist. The smallest value
is shown
Kategori LDLX
Frequency Percent Valid Percent
Cumulative
Percent
Valid 75.00-97.00 21 15.8 15.8 15.8
97.01-119.00 39 29.3 29.3 45.1
119.01-141.00 36 27.1 27.1 72.2
141.01-163.00 25 18.8 18.8 91.0
163.01-185.00 8 6.0 6.0 97.0
207.01-229.00 2 1.5 1.5 98.5
229.01-251.00 2 1.5 1.5 100.0
Total 133 100.0 100.0
2 Buatlah Frekuensi distribusi LDLX berdasarkan kelompok umur
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Kategori LDLX * Kategori
Umur
133 100.0% 0 .0% 133 100.0%
Kategori LDLX * Kategori Umur Crosstabulation
Count
Kategori Umur
Total22-30 31-39
40-
48 49-57 58-66 67-75 76-84
Kategori LDLX 75.00-97.00 2 6 3 1 5 3 1 21
97.01-119.00 3 4 11 11 6 3 1 39
119.01-141.00 3 1 12 7 8 5 0 36
141.01-163.00 2 3 7 4 6 2 1 25
163.01-185.00 0 0 4 2 2 0 0 8
207.01-229.00 0 0 0 2 0 0 0 2
229.01-251.00 0 0 1 1 0 0 0 2
Total 10 14 38 28 27 13 3 133
3 Hitunglah korelasi LDLX dan Trigliserid berapa nilai p dan t.
Correlations
LDLX Triglecerid
LDLX Pearson Correlation 1 .448**
Sig. (2-tailed) .000
Sum of Squares and Cross-
products
128356.236 164049.161
Covariance 972.396 1242.797
N 133 133
Triglecerid Pearson Correlation .448** 1
Sig. (2-tailed) .000
Sum of Squares and Cross-
products
164049.161 1045059.444
Covariance 1242.797 7917.117
N 133 133
**. Correlation is significant at the 0.01 level (2-tailed).
Nilai p = 0.000Nilai t = 5.76
4 Apakah ada perbedaan LDLX antar kelompok PJK positif dan Negatif.
ANOVA
PJK
Sum of Squares df Mean Square F Sig.
Between Groups 1.458 6 .243 1.192 .315
Within Groups 25.685 126 .204
Total 27.143 132
Tidak ada perbedaan antara kadar LDLX antar kelompok PJK positif dan negatif
Multiple Comparisons
PJK Bonferroni
(I) Kategori LDLX (J) Kategori LDLX Mean
Difference
(I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
dimensi
on2
75.00-97.00dimension3
97.01-119.00 -.216 .122 1.000 -.60 .16
119.01-141.00 -.163 .124 1.000 -.55 .22
141.01-163.00 -.057 .134 1.000 -.47 .36
163.01-185.00 -.357 .188 1.000 -.94 .22
207.01-229.00 .143 .334 1.000 -.89 1.18
229.01-251.00 -.357 .334 1.000 -1.39 .68
97.01-119.00
dimension3
75.00-97.00 .216 .122 1.000 -.16 .60
119.01-141.00 .053 .104 1.000 -.27 .38
141.01-163.00 .159 .116 1.000 -.20 .52
163.01-185.00 -.141 .175 1.000 -.68 .40
207.01-229.00 .359 .327 1.000 -.66 1.37
229.01-251.00 -.141 .327 1.000 -1.16 .87
119.01-141.00
dimension3
75.00-97.00 .163 .124 1.000 -.22 .55
97.01-119.00 -.053 .104 1.000 -.38 .27
141.01-163.00 .106 .118 1.000 -.26 .47
163.01-185.00 -.194 .176 1.000 -.74 .35
207.01-229.00 .306 .328 1.000 -.71 1.32
229.01-251.00 -.194 .328 1.000 -1.21 .82
141.01-163.00
dimension3
75.00-97.00 .057 .134 1.000 -.36 .47
97.01-119.00 -.159 .116 1.000 -.52 .20
119.01-141.00 -.106 .118 1.000 -.47 .26
163.01-185.00 -.300 .183 1.000 -.87 .27
207.01-229.00 .200 .332 1.000 -.83 1.23
229.01-251.00 -.300 .332 1.000 -1.33 .73
163.01-185.00
dimension3
75.00-97.00 .357 .188 1.000 -.22 .94
97.01-119.00 .141 .175 1.000 -.40 .68
119.01-141.00 .194 .176 1.000 -.35 .74
141.01-163.00 .300 .183 1.000 -.27 .87
207.01-229.00 .500 .357 1.000 -.61 1.61
229.01-251.00 .000 .357 1.000 -1.11 1.11
207.01-229.00
dimension3
75.00-97.00 -.143 .334 1.000 -1.18 .89
97.01-119.00 -.359 .327 1.000 -1.37 .66
119.01-141.00 -.306 .328 1.000 -1.32 .71
141.01-163.00 -.200 .332 1.000 -1.23 .83
163.01-185.00 -.500 .357 1.000 -1.61 .61
229.01-251.00 -.500 .451 1.000 -1.90 .90
229.01-251.00dimension3
75.00-97.00 .357 .334 1.000 -.68 1.39
97.01-119.00 .141 .327 1.000 -.87 1.16
119.01-141.00 .194 .328 1.000 -.82 1.21
141.01-163.00 .300 .332 1.000 -.73 1.33
163.01-185.00 .000 .357 1.000 -1.11 1.11
207.01-229.00 .500 .451 1.000 -.90 1.90
5 Apakah variabel LDLX berdistribusi normal.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
LDLX .081 133 .034 .932 133 .000
a. Lilliefors Significance Correction
Karena nilai p (0.034) < 0.05, maka data LDLX tidak berdistribusi normal.
141 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol)
dan sajikan dalam bentuk Frekuensi distribusi. Sama dengan di atas
2 Buatlah Frekuensi distribusi LDLX berdasarkan kelompok umur.Sama dengan di atas
3 Hitunglah korelasi LDLX dan Total Kolesterol berapa nilai p dan t.
Correlations
LDLX
Total
Cholesterol
LDLX Pearson Correlation 1 1.000**
Sig. (2-tailed) .000
Sum of Squares and Cross-
products
128356.236 224399.015
Covariance 972.396 1699.993
N 133 133
Total Cholesterol Pearson Correlation 1.000** 1
Sig. (2-tailed) .000
Sum of Squares and Cross-
products
224399.015 392305.970
Covariance 1699.993 2972.015
N 133 133
**. Correlation is significant at the 0.01 level (2-tailed).
Nilai p = 0.000
Nilai t = ~ (tidak terhingga)4 Apakah ada perbedaan LDLX antar kelompok Genetik PJK positif dan Negatif.
ANOVA
Genetik
Sum of Squares df Mean Square F Sig.
Between Groups 1.133 6 .189 1.284 .269
Within Groups 18.536 126 .147
Total 19.669 132
Nilai p = 0,269 >0.05 maka, tidak ada perbedaan kadar LDLX antara kelompok genetik
PJK positif dan PJK negatif
Multiple Comparisons
Genetik
Bonferroni
(I) Kategori LDLX (J) Kategori LDLX Mean Difference
(I-J) Std. Error Sig.
95% Confidence Interval
Lower Bound Upper Bound
dimensi
on2
75.00-97.00
dimension3
97.01-119.00 -.161 .104 1.000 -.48 .16
119.01-141.00 -.016 .105 1.000 -.34 .31
141.01-163.00 -.065 .114 1.000 -.42 .29
163.01-185.00 -.280 .159 1.000 -.77 .21
207.01-229.00 .095 .284 1.000 -.78 .98
229.01-251.00 -.405 .284 1.000 -1.28 .48
97.01-119.00
dimension3
75.00-97.00 .161 .104 1.000 -.16 .48
119.01-141.00 .145 .089 1.000 -.13 .42
141.01-163.00 .096 .098 1.000 -.21 .40
163.01-185.00 -.119 .149 1.000 -.58 .34
207.01-229.00 .256 .278 1.000 -.61 1.12
229.01-251.00 -.244 .278 1.000 -1.11 .62
119.01-141.00
dimension3
75.00-97.00 .016 .105 1.000 -.31 .34
97.01-119.00 -.145 .089 1.000 -.42 .13
141.01-163.00 -.049 .100 1.000 -.36 .26
163.01-185.00 -.264 .150 1.000 -.73 .20
207.01-229.00 .111 .279 1.000 -.75 .98
229.01-251.00 -.389 .279 1.000 -1.25 .48
141.01-163.00dimension3
75.00-97.00 .065 .114 1.000 -.29 .42
97.01-119.00 -.096 .098 1.000 -.40 .21
119.01-141.00 .049 .100 1.000 -.26 .36
163.01-185.00 -.215 .156 1.000 -.70 .27
207.01-229.00 .160 .282 1.000 -.71 1.03
229.01-251.00 -.340 .282 1.000 -1.21 .53
163.01-185.00
dimension3
75.00-97.00 .280 .159 1.000 -.21 .77
97.01-119.00 .119 .149 1.000 -.34 .58
119.01-141.00 .264 .150 1.000 -.20 .73
141.01-163.00 .215 .156 1.000 -.27 .70
207.01-229.00 .375 .303 1.000 -.57 1.32
229.01-251.00 -.125 .303 1.000 -1.07 .82
207.01-229.00
dimension3
75.00-97.00 -.095 .284 1.000 -.98 .78
97.01-119.00 -.256 .278 1.000 -1.12 .61
119.01-141.00 -.111 .279 1.000 -.98 .75
141.01-163.00 -.160 .282 1.000 -1.03 .71
163.01-185.00 -.375 .303 1.000 -1.32 .57
229.01-251.00 -.500 .384 1.000 -1.69 .69
229.01-251.00
dimension3
75.00-97.00 .405 .284 1.000 -.48 1.28
97.01-119.00 .244 .278 1.000 -.62 1.11
119.01-141.00 .389 .279 1.000 -.48 1.25
141.01-163.00 .340 .282 1.000 -.53 1.21
163.01-185.00 .125 .303 1.000 -.82 1.07
207.01-229.00 .500 .384 1.000 -.69 1.69
5 Apakah variabel Gula Darah berdistribusi normal.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Gula Darah Sewaktu .288 133 .000 .507 133 .000
a. Lilliefors Significance Correction
Nilai p=0.000 < 0.05 maka variabel gula darah tidak berdistribusi normal
151. Buatlah variable indeks massa tubuh dan sajikan dalam bentuk frekuensi distribusi
untuk data kualitatif
Buat variable IMT :Transform Compute Variabel Isi target variable IMTMasukkan numeric expression dengan rumus mencari IMT : (berat)/(tinggi/100*tinggi/100) OK
Buat Kategori IMT :Transform Recode into different variable Isi input variable IMT Isi output variable Name : KatIMT, Label : Kategori IMT CHANGEIsi Old and New Value masukkan nilai Klasifikasi IMT berdasarkan Asia (lihat panduan)
Lowest thru 18,5 value : 1Range 18,5 – 22,99 value : 2Range 23 – 24,99 value : 3Range 25 – 29,99 value : 4Highest thru 30 value : 5
CONTINUEOK
Kemudian masuk ke variable view, ubah decimal jadi 0, measure jadi nominal, dan isi nilai value KatIMT :1 underweight2 healthy weight3 overweight4 heavily overweight5 obese
Kemudian kita akan menampilkan distribusi dan bar chart untuk KatIMT, caranya :Analyze Descriptive Statistic FrequenciesMasukkan variable KatIMTPada Statistic mean, std.dev, maximum, minimum.Pada Charts bar ChartOK
2. Buatlah distribusi frekuensi umur penderitaPertama, kita harus menentukan jumlah kelas dan interval kelas :Jumlah kelas = 1+ 3,3 log n
= 1+ 3,3 log 133 = 8
Interval kelas = nilai maksimum – nilai minimumJumlah kelas
= (80-22)/8= 7,25, namun untuk mempermudah kita gunakan intervalnya 10, dan jumlah kelasnya
menjadi 6 (karena nilai minimum dan maksimum sudah termasuk dalam kelas)
Jadi ditribusi frekuensi umurnya menjadi :22-3132-4142-51
52-6162-7172-81
Sekarang distribusi umur :Isi input variable umurIsi output variable Name : KatUmur, Label : Kategori Umur CHANGEIsi Old and New Value masukkan nilai Klasifikasi IMT berdasarkan Asia (lihat panduan)
Range 22-31 value : 1Range 32-41 value : 2Range 42-51 value : 3Range 52-61 value : 4Range 62-71 value : 5Range 72-81 value : 6
CONTINUEOKKemudian masuk ke variable view, ubah decimal jadi 0, measure jadi nominal, dan isi nilai value KatUmur 1 22-312 32-413 42-514 52-615 62-716 72-81
3. Hitunglah korelasi umur dan tekanan darah sistolik berapa nilai p buatlah interpretasinya
Analyze Correlate bivariate (data Numeric vs Numeric)Isi variable UMUR dan SISTOLIKOK
Interpretasi :
lihat di sig (nilai p) untuk mengetahui kemaknaan korelasi<0,05 = h0 ditolak>0,05 = h0 diterimaPada kasus = 0,275 = >0,05 = h0 diterima = tidak ada korelasi umur dan TD sistolik
Lihat di pearson untuk mengetahui tingkat korelasi0 – 0,25 = korelasi Lemah0,25-0,5 = korelasi Sedang0,5-0,75 = korelasi Kuat0,75-1,0 = korelasi sangat kuat
Pada kasus (nilai r) : 0,095 = korelasi lemah (nilai t) = rV(n-2) / V(1-r2)
(V = bentuk akar) = 1.0868 / (1-0.009025) = 1.096
4. Apakah ada perbedaan TD sistolik antara kelompok IMTKarena mencari perbedaan rata-rata > 2 kelompok (kelompok IMT terdiri dari 5 kelompok) ANOVAData: numeric- kategoriAnalyze compare mean one way anovaIsi dependent list sistolik
Isi factor list Kat IMTPost hoc BonferonniCONTINUEOK
Interpretasi hasil : lihat nilai sig 0.000 (< 0,05, makan H0 ditolak Ada perbedaan bermakna antara Tekanan darah statistic antara kelompok.
5. Apakah variable umur berdistribusi normalAnalyze descriptive statistic exploreDependent list umurPlots stem leaf, histrogram, dan normality plot with testCONTINUEOKData numerikInterpretasi :Lihat Hasil di Kolmogrov-Smirnov, pada signifikasi = 0.200 (pada kasus berdistribusi normal)Interpretasi :Berdistribusi Normal : jika pada sig > 0,05Berdistribusi tidak normal : jika nilai sig < 0,05
Tests of NormalityKolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.Umur .052 133 .200* .989 133 .406 a. Lilliefors Significance Correction*. This is a lower bound of the true significance.
161. Buatlah variable indeks massa tubuh dan sajikan dalam bentuk frekuensi distribusi
untuk data kualitatif
Buat variable IMT :Transform Compute Variabel Isi target variable IMTMasukkan numeric expression dengan rumus mencari IMT : (berat)/(tinggi/100*tinggi/100) OK
Buat Kategori IMT :Transform Recode into different variable Isi input variable IMT Isi output variable Name : KatIMT, Label : Kategori IMT CHANGEIsi Old and New Value masukkan nilai Klasifikasi IMT berdasarkan Asia (lihat panduan)
Lowest thru 18,5 value : 1Range 18,5 – 22,99 value : 2Range 23 – 24,99 value : 3Range 25 – 29,99 value : 4Highest thru 30 value : 5
CONTINUEOKKemudian masuk ke variable view, ubah decimal jadi 0, measure jadi nominal, dan isi nilai value KatIMT :1 underweight2 healthy weight3 overweight4 heavily overweight
5 obese
Kemudian kita akan menampilkan distribusi dan bar chart untuk KatIMT, caranya :Analyze Descriptive Statistic FrequenciesMasukkan variable KatIMTPada Statistic mean, std.dev, maximum, minimum.Pada Charts bar ChartOK
2. Buatlah distribusi frekuensi berat badan penderitaPertama, kita harus menentukan jumlah kelas dan interval kelas :Jumlah kelas = 1+ 3,3 log n
= 1+ 3,3 log 133 = 8
Interval kelas = nilai maksimum – nilai minimumJumlah kelas
= (106-30)/8= 9,5, namun untuk mempermudah kita gunakan intervalnya 10
Jadi panjang kelas beratnya menjadi :30-3940-4950-5960-6970-7980-8990-99100-109
Sekarang distribusi berat :
Isi input variable beratIsi output variable Name : KatBerat, Label : Kategori Berat CHANGEIsi Old and New Value masukkan nilai Klasifikasi berat berdasarkan panjang kelas
Range 30-39 value : 1Range 40-49 value : 2Range 50-59 value : 3Range 60-69 value : 4Range 70-79 value : 5Range 80-89 value : 6Range 90-99 value : 7Range 100-109 value : 8
CONTINUEOKKemudian masuk ke variable view, ubah decimal jadi 0, measure jadi nominal, dan isi nilai value KatBerat :1 30-392 40-493 50-594 60-695 70-796 80-897 90-998 100-109
Kategori Berat
Frequency Percent Valid PercentCumulative
PercentValid 30-39 tahun 8 6.0 6.0 6.0
40-49 tahun 31 23.3 23.3 29.350-59 tahun 40 30.1 30.1 59.460-69 tahun 29 21.8 21.8 81.270-79 tahun 11 8.3 8.3 89.580-89 tahun 10 7.5 7.5 97.090-99 tahun 3 2.3 2.3 99.2100-109 tahun 1 .8 .8 100.0Total 133 100.0 100.0
3. Hitunglah korelasi berat dan tekanan darah sistolik berapa nilai p buatlah interpretasinyaAnalyze Correlate bivariate (data Numeric vs Numeric)Isi variable BERAT dan SISTOLIKOK
Interpretasi :lihat di sig (nilai p) untuk mengetahui kemaknaan korelasi<0,05 = h0 ditolak>0,05 = h0 diterimaPada kasus nilai p (sig 2 tailed) 0,000 = >0,05 = h0 ditolak = ada korelasi berat badan dan TD sistolik
Lihat di pearson( nilai r) untuk mengetahui tingkat korelasi0 – 0,25 = korelasi Lemah0,25-0,5 = korelasi Sedang0,5-0,75 = korelasi Kuat0,75-1,0 = korelasi sangat kuat
Pada kasus nilai r (pearson correlation) 0,302 = korelasi sedang
**. Correlation is significant at the 0.01 level (2-tailed).
4. Apakah ada perbedaan tekanan darah sistolik antar kelompok Total kolesterol
Bagilah total kolesterol menjadi <200 dan >200 dengan membuat KatTotal beri label 0 dan 1Buatlah variable baru KatTotal, caranya :Transform recode into different variableInput variable Total KolesterolOutput variable KatTotal, Kategori Total Kolesterol CHANGEMasukkan old and new value :Lowest 200 value 0All other value value 1OK
Ganti variable view, decimal 0, measure nominal. Dan ganti value : 0 = Total Kolesterol normal, 1 = Total Kolesterol Tinggi
Apakah ada perbedaan tekanan darah sistolik antara kelompok Total kolesterol?Karena mencari perbedaan rata-rata antara 2 kelompok, 2 variabel kategorik (kelompok Total Kolesterol terdiri dari 2 kelompok = total kolesterol normal, Total Kolesterol tinggi ) uji T
Analyze compare mean independent samples T-testIsi test variabel sistolikIsi grouping variabel KatTotalDefine group use specific value group 1= 0, group 2 =1CONTINUEOK
Interpretasi :a. Lihat pada levene test test for equality of variances (signifikasi) :
Bila > 0,05 = varians sama baca data pada equal variances assumed Bila < 0,05 = varians beda baca data pada equal variances not assumedPada kasus 0,872 > 0,05 varians sama
b. Karena varian sama, maka kita membaca data pada equal variances assumed = sig 0,782 > 0,05 = H0 diterima = tidak ada perbedaan tekanan darah antara kelompok Total Kolesterol
T-Test
Group StatisticsKategori Total Kolesterol
N Mean Std. DeviationStd. Error
MeanSistolik d
i1
Total Kolesterol normal 87 143.59 22.376 2.399Total Kolesterol tinggi 46 144.72 22.333 3.293
Independent Samples TestLevene's Test for Equality of
5. Apakah variable berat badan berdistribusi normalAnalyze descriptive statistic exploreDependent list berat badanPlots stem leaf, histrogram, dan normality plot with testCONTINUEOKData numerikInterpretasi :Lihat Hasil di Kolmogrov-Smirnov, pada signifikasi = 0,015 (pada kasus berdistribusi tidak normal)Interpretasi :Berdistribusi Normal : jika pada sig > 0,05Berdistribusi tidak normal : jika nilai sig < 0,05
Tests of NormalityKolmogorov-Smirnova Shapiro-Wilk
**. Correlation is significant at the 0.01 level (2-tailed).
Interpretasi :Lihat di spearman untuk mengetahui tingkat korelasi
0 – 0,25 = korelasi Lemah0,25-0,5 = korelasi Sedang0,5-0,75 = korelasi Kuat0,75-1,0 = korelasi sangat kuat
Pada kasus nilai t 0,347 = korelasi sedang
Kemudian lihat di sig untuk mengetahui kemaknaan korelasi<0,05 = h0 ditolak>0,05 = h0 diterimaPada kasus nilai p (sig 2 tailed) 0,000 = >0,05 = h0 ditolak = ada korelasi berat badan dan TD sistolik
17
Ujian Praktikum Piranti Lunak Biostatistik Blok 20Sabtu- 31 Oktober- 2009
Penjelasan
1 Dari data yang tersedia pada CD dalam bentuk Excel pindahkanlah kedalam format SPSS 16 dengan tahap pertama membuat dulu format data Entry SPSS.
2 Dari Data yang sudah di entry ke SPSS jawablah soal soal dibawah ini:
1 Buatlah Variabel Indeks Massa tubuh dan sajikan dalam bentuk Frekuensi distribusi untuk data Kualitatif.
KATEGTORI IMT
Frequency Percent Valid Percent
Cumulative
Percent
Valid UNDER WEIGHT 40 30.1 30.1 30.1
HEALTHY WEIGHT 32 24.1 24.1 54.1
HEAVY WEIGHT 17 12.8 12.8 66.9
VERY HEAVY WEIGHT 26 19.5 19.5 86.5
OBESE 18 13.5 13.5 100.0
Total 133 100.0 100.0
2 Buatlah Frekuensi distribusi Tinggi penderita
KATEGORI TINGGI
Frequency Percent Valid Percent
Cumulative
Percent
Valid 1.00 39 29.3 29.3 29.3
2.00 41 30.8 30.8 60.2
3.00 34 25.6 25.6 85.7
5.00 19 14.3 14.3 100.0
Total 133 100.0 100.0
3 Hitunglah korelasi Tinggi dan tekanan darah Diastolik berapa nilai p dan t
Karena katanya data di anggap normal galo pake pearson jadinyo
Correlations
Tinggi Diastolik
Tinggi Pearson Correlation 1 -,169
Sig. (2-tailed) ,051
N 133 133
Diastolik Pearson Correlation -,169 1
Sig. (2-tailed) ,051
N 133 133
Nilai sig(0.051) di atas 0,05(tipis bro),,katek hubungan,,nilai p=0,051 dan t=-0,169,,
4 Apakah ada perbedaan tekanan darah sistolik antar kelompok TrigliseridBuat dlu kelompok tigleserida,,<200=normal dan >200 = tidak normal,,basing kawan2 nak buat cak mano,,cz dak ado ketentuan juga,,na karena data dianggep normal jadi kito pake independent t-test
Group Statistics
kategori trigleserida N Mean Std. Deviation Std. Error Mean
Dari data,,dak ado perbedaan tekanan darah sistolik antara kelompok trigleserida
5 Apakah variabel Tinggi berdistribusi normal
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Tinggi ,106 133 ,001 ,947 133 ,000
a. Lilliefors Significance Correction
Nilai sig di bawah 0,05,,jadi katek hubungan…
18
Soal nomor 18. 1
Statistics
Kategori IMt
N Valid 133
Missing 0
Kategori IMt
Frequency Percent Valid Percent
Cumulative
Percent
Valid under weight 40 30.1 30.1 30.1
healthy weight 32 24.1 24.1 54.1
over weight 17 12.8 12.8 66.9
heavily overweight 26 19.5 19.5 86.5
Obese 18 13.5 13.5 100.0
Total 133 100.0 100.0
2. kito buat dlu kemompok tek.sistolik,,karena dak ado ketentuan kami buat dewe,, <120=normal,120-140=prehipertensi,>140=hipertensi,,men ada yg nak buat sesuai JNC VII silakan,, pilihan ada pada temen2 mau buat kelompok nyo,,
Statistics
Kategori Sistolik
N Valid 133
Missing 0
Kategori Sistolik
Frequency Percent Valid Percent
Cumulative
Percent
Valid Normal 22 16.5 16.5 16.5
Prehipertensi 53 39.8 39.8 56.4
Hipertensi 58 43.6 43.6 100.0
Total 133 100.0 100.0
3. Di dapatkan dari data distribusi tidak normal
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Diastolik .173 133 .000 .848 133 .000
a. Lilliefors Significance Correction
Kolesterol
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Total Cholesterol .081 133 .034 .932 133 .000
a. Lilliefors Significance Correction
Data tidak berdistribusi normal..jadi pake Spearman
Total Cholesterol Correlation Coefficient .116 1.000
Sig. (2-tailed) .182 .
N 133 133
Signifikansi lebih dari 0.05 sehingga tidak ada korelasi. Nilai P = 0.182 dan t= 0.116,,
Na berhubung semua data katanya harus di anggap norma walau tidak normal jadi pake pearson
ok,,nig an hasilnyo..kwkkwkw
Correlations
Diastolik
Total
Cholesterol
Diastolik Pearson Correlation 1 ,013
Sig. (2-tailed) ,880
N 133 133
Total Cholesterol Pearson Correlation ,013 1
Sig. (2-tailed) ,880
N 133 133
Sig. di atas 0.05 jadi dak ado hubungan,,nilai p=0,880 dan t=0,013
4. sebelumnyo kito buat kelompok trigleserid,,brhubung dak ado ketentuan buat dewe jadi,, <200= normal,>200= tidak normal,,jadi ada 2 kelompok.signifikansi kurang dari 0.05 data tidak normal.
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Triglecerid .204 133 .000 .770 133 .000
a. Lilliefors Significance Correction
na dari tes normalitas data dak normal,,cari perbedaannyo pake Mann-Whitney,,tapi berhubung
data di anggep normal p jadi pake independent T-test,,okokokok
Group Statistics
kategori trigleserida N Mean Std. Deviation Std. Error Mean
P<0,05 menggunakan angka significancy pada baris kedua (Equal
Variances not assumed)
P>0,05 menggunakan angka significancy pada baris pertama (Equal variances
assumed) Jawab: nilai p adalah 0,740 (>0,05) tidak ada perbedaan bermakna antara
VLDL dan kelompok DM dan nonDM
5 Apakah variabel HDL berdistribusi normal Analisis, descriptive, explore, masukan HDL pada Dependent List. Lihat plot,
cek pada Normality plots with test: hasilnya sbb:
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
HDL ,181 133 ,000 ,903 133 ,000
a. Lilliefors Significance Correction
Nilai p pada Kolmogoroc-Smirnov adalah 0,00 (<0,05) berarti distribusi tidak normal.
23
1 Buatlah Variabel baru dengan label VLDL dengan formula (kolesterol – HDL) -(Trigliserid/4.25) dan sajikan dalam bentuk Frekuensi distribusi Caranya:1. Klik Transform > Compute Variable
- Kadar Ht terbanyak pada kasus adalah 48 sebesar 21.1 %
3 Hitunglah korelasi Hemotokrit dan Total Kolesterol berapa nilai p dan tCaranya:1. Uji normalitas data Ht dan total Kolesterol
Klik Analyze > Desecriptive Statistics > Explore > Masukkan variable HEMATOKRIT dan Kolesterol pada dependent List > Klik Plots > Pilih Normality > Klik Continue > Klik OK
Hasil Uji Normalitas
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Hematokrit ,164 133 ,000 ,898 133 ,000
Total Cholesterol ,081 133 ,034 ,932 133 ,000
a. Lilliefors Significance Correction
Untuk variable Ht, Nilai p = 0.000 (p < 0,05) maka H0 ditolak pada = 0.05, artinya variable Hematokrit tidak berdistribusi normal. Begitu pula dengan variable Total Kolesterol, nilai p = 0.034 (p < 0,05), maka H0 ditolak pada = 0.05, artinya variable Total Kolesterol tidak berdistribusi normal. Untuk menghemat waktu dianggap variable Ht dan Total Kolesterol berdistribusi normal.
2. Menentukan korelasiKlik Analyze > Klik Correlate > Klik Bivariate > Masukkan variable total Kolesterol dan Hematokrit > Klik OK
Correlations
Hematokrit
Total
Cholesterol
Hematokrit Pearson Correlation 1 ,003
Sig. (2-tailed) ,975
N 133 133
Total Cholesterol Pearson Correlation ,003 1
Sig. (2-tailed) ,975
N 133 133
Nilai p = 0.975 (p > 0.05) maka H0 gagal ditolak pada α=0,05, yaitu tidak ada korelasi
antara total kolesterol dan kadar hematokrit.
Nilai r = 0.003, artinya korelasi sangat lemah
Nilai t = r √n-2/√1-r2 = 0.0343
t tabel = 1.96 dengan df= 131, t hitung< t tabel
H0 gagal ditolak artinya tidak ada korelasi antara kolesterol dan kadar Ht.
Cara lain: gunakan korelasi non parametrik (spearman)
Total Cholesterol Correlation Coefficient ,035 1,000
Sig. (2-tailed) ,686 .
N 133 133
Nilai p=0.686p>0.05Ho gagal ditolaktidak ada korelasi signifikan antara hematokrit dan total kolesterolNilai r=0.035korelasi lemah dan tidak signifikan (lihat nilai p)
Nilai t= r √n-2/√1-r2 = 0.4
t tabel = 1.96 dengan df= 131, t hitung< t tabel
H0 gagal ditolak artinya tidak ada korelasi antara kolesterol dan kadar Ht.
4 Apakah ada perbedaan LDL antar kelompok Genetik PJK positif dan Negatif.1. Buat kategori LDL, caranya:
Klik Transform > Recode into Different variables > Masukkan variable LDL > Klik Old and New Values > Klik Continur > Klik OK > Ubah ke Variabel View > Masukin Value 0 = Normal 1=tinggi
2. Buat Kategori Genetik PJK Pada variable view > masukkan Values
NB: TYPE PADA VARIABEL GENETIK ITU kan dalam bentuk STRING, ubah dulu ke NUMERIC
3. Uji independent sample t-testKlik Analyze > Compare Means > Independent Samples T-test > masukkan variable kategori LDL pd test-variable dan genetic PJK pada grouping Variable > Klik Define Groups > Group 1 = 0, Group 2 = 1 > Klik Continue > Klik OK
Nilai signifikan pada Levene’s Test = 0.020 (<0.05) H0 gagal ditolak artinya ada perbedaan varians
Nilai p adalah 0.160 (p > 0.05), artinya H0 gagal ditolak, tidak ada perbedaan rata-rata kadar LDL pada kelompok tidak ada genetik PJK dan ada genetic PJK
5 Apakah variabel Hemotokrit berdistribusi normalKlik Analyze > Dexcriptive Statistics > Explore > Masukkan variable Hematokrit pada Dependent List >Klik Plots > Centang Normality plots > Klik Continue > Klik OK
HASIL OUTPUT
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Hematokrit ,164 133 ,000 ,898 133 ,000
a. Lilliefors Significance Correction
Nilai p= 0.000 (p<0.05) artinya H0 ditolak, variable Hematokrit tidak berdistribusi normal.
241 Buatlah Variabel baru dengan label VLDL dengan formula (kolesterol – HDL)
-(Trigliserid/5) dan sajikan dalam bentuk Frekuensi distribusi 1. Klik Transform > Compute Variable
2. Masukkan Rumus Sesuai dengan soal
3. Cari Nilai tertinggi dan terendah variable VLDL untuk menghitung lebar kelas intervalKlik Analyze > Descriptive Statistics > Frequencies > Masukkan variable VLDL > Klik Statistics > Centang Minimum and Maximum
Hasil Tabel Output
Statistics
VLDL
N Valid 133
Missing 0
Minimum 50,00
Maximum 296,80
Banyak kelas interval = 1 + 3.3 log n = 1 +3.3 log 133 = 8Lebar kelas interval = (296.8 – 50.0) : 8 = 30.85 = 31
4. Buat kategori VLDL dengan 8 kelas dan lebar interval 31Klik transform > Recode into different variables > Masukkan variable VLDL > Pada output variables ketik KatVLDL >Klik Change > Klik Old and New Values > Klik Continue > Klik OK
Masukkan variable VLDL untuk menampilkan mean modus Klik Analyze > Descriptive Statistics > Frequencies > Klik Statistics > Centang mean, median, …. > Klik Continue > Klik OK
6. HASIL Tabel output
Statistics
VLDL
N Valid 133
Missing 0
Mean 129,0361
Median 120,8000
Mode 145,00
Std. Deviation 45,47873
Variance 2068,315
Range 246,80
Minimum 50,00
Maximum 296,80
Frequency Percent
Valid 50-80,99 15 11,3
81-111,99 40 30,1
112-142,99 32 24,1
143-173,99 26 19,5
174-204,99 13 9,8
205-235,99 2 1,5
236-266,99 2 1,5
267-297,99 3 2,3
Total 133 100,0
Rata-rata kadar VLDL 129.0361
Kadar VLDL terndah adalah 50.00 dan tertinggi 296.80
Kadar VLDL terbanyak berada pada rentang 81-111.99 sebanyak 30.1%
2 Buatlah Frekuensi distribusi Kejadian PJK berdasarkan kelompok umur1. Buat Kategori Umur
Cari batas umur terendah dan umur tertinggi, Klik Analayze > Descriptive Statistics > Frequencies > Masukin variable Umur > Klik Statistics > Centang minimum dan maximum > Klik Continue > Klik OK
Statistics
Umur
N Valid 133
Missing 0
Minimum 22
Maximum 80
Banyak kelas interval = 1 + 3.3 log 133 = 8Lebar kelas interval = (80-22) : 8 = 7.25 = 8
2. Membuat Kategori UmurKlik Transform > Recode into Different Variables > Masukkan Variabel Umur > Klik Change > Klik Old and New Values > Klik Continue >Klik OK
3. Pada variable view, masukkan vakues > Klik OK
4. Pada variable view buat values PJK > Klik OK
5. Membuat table kejadian PJK berdasarkan frekuensi distribusi umurKlik Analyze > Descriptive Statistics > Crosstabs > Masukkan Kategori Umur pada Rows dan PJK pada Columns > Klik Cells > Klik TOTAL pada PERCENTAGES untuk menampilkan persentase > Klik Continue > Klik OK
6. Hasil Output
Kategori Umur * PJK Crosstabulation
PJK
TotalTidak PJK PJK
Kategori Umur 22-29 Count 3 1 4
% of Total 2,3% ,8% 3,0%
30-37 Count 10 6 16
% of Total 7,5% 4,5% 12,0%
38-45 Count 21 9 30
% of Total 15,8% 6,8% 22,6%
46-53 Count 21 4 25
% of Total 15,8% 3,0% 18,8%
54-61 Count 24 10 34
% of Total 18,0% 7,5% 25,6%
62-69 Count 9 3 12
% of Total 6,8% 2,3% 9,0%
70-77 Count 5 4 9
% of Total 3,8% 3,0% 6,8%
78-85 Count 2 1 3
% of Total 1,5% ,8% 2,3%
Total Count 95 38 133
% of Total 71,4% 28,6% 100,0%
Pada kasus sebanyak 95 pasien tidak menderita PJK dan 38 menderita PJK Penderita PJK terbanyak pada umur 38- 45 tahun dan paling sedikit ditemukan pada
umur 22-29 tahun dan 78-85 tahun
3 Hitunglah korelasi Hemotokrit dan LDL berapa nilai p dan t1. Uji Normalitas Data dulu
Nilai p untuk Variabel Hematokrit = 0.000 (p < 0.05), H0 ditolak, artinya variable
hematokrit tidak berdistribusi normal
Nilap p untuk variable LDL = 0.024 (p < 0.05), H0 ditolak artinya variable LDL tidak
berdistribusi normal
TAPI DIANGGAP BERDISTRIBUSI NORMAL
2. Menghitung korelasiKlik Analyze > Correlate > Bivariate > Masukkan variable LDL dan Hematokrit > Centang Pearson dan Two Tailed > Klik OK
3. Hasil OUTPUT
Correlations
LDL Hematokrit
LDL Pearson Correlation 1 ,071
Sig. (2-tailed) ,420
N 133 133
Hematokrit Pearson Correlation ,071 1
Sig. (2-tailed) ,420
N 133 133
Nilai p = 0.420 (p > 0.05), artinya H0 gagal ditolak, tidak ada korelasi antara hematokrit dan LDL.
Nilai r = 0.071, artinya korelasi sangat lemah Nilai t = r √n-2/√1-r2 = 0.815 t tabel dengan df = 131 ada;ah 1.96 t hitung < t tabel, artinya H0 gagal ditolak, tidak ada korelasi antara Hematokrit
dan LDL
Cara lain: gunakan analisa korelasi non parametrik (spearman)
Nilai p=0.319p>0.05Ho gagal ditolaktidak ada korelasi signifikan antara hematokrit dan LDLNilai r=0.087korelasi lemah dan tidak signifikan (lihat nilai p)Nilai t= r √n-2/√1-r2 = 0.99=1t tabel=1.96, t hitung< t tabelHo gagal ditolaktidak ada korelasi signifikan
4 Apakah ada perbedaan LDL antar kelompok PJK positif dan Negatif
1. Buat kategori LDL, caranya:Klik Transform > Recode into Different variables > Masukkan variable LDL > Klik Old and New Values > Klik Continur > Klik OK > Ubah ke Variabel View > Masukin Value 0 = Normal 1=tinggi
2. Buat Kategori PJKPada variable view > masukkan Values
3. Uji independent sample t-testKlik Analyze > Compare Means > Independent Samples T-test > masukkan variable kategori LDL pd test-variable dan PJK pada grouping Variable > Klik Define Groups > Group 1 = 0, Group 2 = 1 > Klik Continue > Klik OK
2 Buatlah Frekuensi distribusi Kejadian PJK berdasarkan Jenis kelamin
Tabel frekuensi distribusi
sex * PJK Crosstabulation
Count
PJK
Totalpjk negatif pjk positif
Sex laki-laki 42 22 64
perempuan 53 16 69
Total 95 38 133
Statistics
kategori VLDL
N Valid 133
Missing 0
Mean 3.0602
Median 3.0000
Range 7.00
Minimum 1.00
Maximum 8.00
kategori VLDL
Frequency Percent Valid Percent
Cumulative
Percent
Valid 53-83.99 15 11.3 11.3 11.3
84-114.99 41 30.8 30.8 42.1
115-145.99 31 23.3 23.3 65.4
146-176.99 27 20.3 20.3 85.7
177-207.99 12 9.0 9.0 94.7
208-238.99 3 2.3 2.3 97.0
239-269.99 1 .8 .8 97.7
270-300.99 3 2.3 2.3 100.0
Total 133 100.0 100.0
3 Apakah ada perbedaan kejadian PJK berdasarkan jenis kelamin berapa p
Independent Samples Test
Levene's Test
for Equality of
Variances t-test for Equality of Means
F Sig. t Df
Sig. (2-
tailed)
Mean
Difference
Std. Error
Difference
95% Confidence
Interval of the
Difference
Lower Upper
PJK Equal variances
assumed
7.931 .006 1.427 131 .156 .112 .078 -.043 .267
Equal variances
not assumed
1.421 126.278 .158 .112 .079 -.044 .268
Kesimpulan : dari table diatas diketahui bahwa nilai sig = 0,006 < 0,05 berarti variansnya tidak sama. Karena varians tidak sama kita melihat nilai P atau sig (2-tailed) yang Equal variances not assumed yang nilainya 0,158 > dari 0,05 bearti tidak ada perbedaan antara kejadian PJK antar kelompok laki-laki dan perempuan.
4 Hitunglah korelasi Gula darah dan LDL berapa nilai p dan t
Correlations
Gula Darah
Sewaktu LDL
Gula Darah Sewaktu Pearson Correlation 1 .210*
Sig. (2-tailed) .015
N 133 133
LDL Pearson Correlation .210* 1
Sig. (2-tailed) .015
N 133 133
*. Correlation is significant at the 0.05 level (2-tailed).
Terlihat dari table diatas t (pearson correlation) = 0,210 termasuk kategori korelasi Lemah (0-0,25)
Nilai P (sig (2-tailed)) = 0,015 <0,05 ada Korelasi
5 Apakah ada perbedaan LDL antar kelompok Laki laki & wanita.
Kesimpulan : dari table diatas diketahui bahwa nilai sig = 0,588 > 0,05 berarti variansnya sama. Karena varians sama kita melihat nilai P atau sig (2-tailed) yang Equal variances assumed yang nilainya 0,786 > 0,05 berarti tidak ada perbedaan nilai LDL antar kelompok laki-laki dan perempuan.
26
1 Buatlah Variabel baru dengan label VLDLF dengan formula (-27.6+0.81 Total kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
Statistics
VLDLF
N Valid 133
Missing 0
Minimum 53
Maximum 296
Diketahui: n=133
data minimum variabel VLDLF =53
data minimum variabel VLDLF 296,,
selanjutnya kita akan membuat tabel distribusi frekuensinya dg menggunakan rumus sturges
1. K=1+3,3 log133=1+3.3x2.9=1+6,9=7,9≈8
Jadi jumlah kelas interval 8 kelas
2. Data maksimum-data minimum/ jumlah kelas interval= 296-53/8=30,375≈31
Jadi Panjang kelas=31
No.kelas Kelas interval
1 53-83,99
2 84-114,99
3 115-145,99
4 146-176,99
5 177-207,99
6 208-238,99
7 239-269,99
8 270-300,99
Setelah data di entri kespss,, berikut output distribusi frekuensinya
kategori VLDLF
Frequency Percent Valid Percent
Cumulative
Percent
Valid 53-83,99 22 16,5 16,5 16,5
84-114,99 38 28,6 28,6 45,1
115-145,99 36 27,1 27,1 72,2
146-176,99 25 18,8 18,8 91,0
177-207,99 8 6,0 6,0 97,0
239-269,99 2 1,5 1,5 98,5
270-300,99 2 1,5 1,5 100,0
Total 133 100,0 100,0
Kesimpulan: dari 133 data yang ada,, frekuensi VLDLF terbanyak berada pada kelompok
VLDLF 84-114,99 yaitu sebesar 38%, dan paling sedikit pada kelompok 239-269,99 dan 270-
300,99 yaitu sebesar 2%saja.
2 Buatlah Frekuensi distribusi VLDLF Kejadian PJK
kategori VLDLF * PJK Crosstabulation
Count
PJK
TotalPJK Negatif PJK Positif
kategori VLDLF 53-83,99 19 3 22
84-114,99 24 14 38
115-145,99 25 11 36
146-176,99 20 5 25
177-207,99 4 4 8
239-269,99 2 0 2
270-300,99 1 1 2
Total 95 38 133
Kesimpulan: dari tabel di atas terlihat bahwa kejadian PJK positif paling banyak pada
kelompok VLDLF 84-114,99 dan kejadian PJK negatif paling banyak pada kelompok
VLDLF 115-145,99
3 Hitunglah korelasi Trigliserid dan VLDLF berapa nilai p dan t
*. Correlation is significant at the 0.01 level (2-tailed).
Kesimpulan:
Diketahui dari soal nomor5 bahwa variabel VLDLF tidak berdistribusi normal,
maka untuk korelasi dihitung menggunakan uji spearman
1. Terlihat dari tabel diatas t = pearson correlationnya 0,410 termasuk kategori
korelasi sedang
0-0,25 lemah
0,25-0,5 sedang
0,5-0,75 kuat
>0,75 sangat kuat
2. Nilai p = Sig. (2-tailed) 0,000 kurang dari 0,05 ada korelasi
4 Apakah ada perbedaan VLDF antar kelompok PJK positif dan Negatif.
Independent Samples Test
Levene's Test for
Equality of Variances t-test for Equality of Means
F Sig. t df
Sig. (2-
tailed)
Mean
Differenc
e Std. Error Difference
VLDLF Equal variances
assumed
,309 ,579 -,853 131 ,395 -7,239 8,485
Equal variances
not assumed
-,868 70,692 ,389 -7,239 8,344
Kesimpulan: dari tabel di atas diketahui bahwa nilai sig. nya = 0,579,, lebih besar dari
0,05 berarti varians nya sama
Karena varians sama kita melihat nilai p atau Sig. (2-tailed) yang equal variances
assumed yaitu 0,395,, lebih besar dari 0,05 berarti tidak ada perbedaan VLDF antar
kelompok PJK positif dan Negatif
5 Apakah variabel VLDLF berdistribusi normal
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
VLDLF ,081 133 ,034 ,932 133 ,000
a. Lilliefors Significance Correction
Kesimpulan: karena N=133,, lebih dari 50 maka untuk tes normalitas kita melihat
yang kolmogorov
Pada tabel di atas nilai sig. pada kolmogorov = 0,034,, lebih kecil dari 0,05 berarti
variabel VLDLF tidak berdistribusi normal
27
Ujian Praktikum Piranti Lunak Biostatistik Blok 20Sabtu- 31 Oktober- 2009
Penjelasan
1 Dari data yang tersedia pada CD dalam bentuk Excel pindahkanlah kedalam format SPSS 16 dengan tahap pertama membuat dulu format data Entry SPSS.
2 Dari Data yang sudah di entry ke SPSS jawablah soal soal dibawah ini:
1 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
2 Buatlah Frekuensi distribusi LDLX berdasarkan kelompok umur3 Hitunglah korelasi LDLX dan Trigliserid berapa nilai p dan t4 Apakah ada perbedaan LDLX antar kelompok PJK positif dan Negatif.5 Apakah variabel LDLX berdistribusi normal
c. Lihat pada levene test test for equality of variances (signifikasi) :
Bila > 0,05 = varians sama baca data pada equal variances assumed
Bila > 0,05 = varians sama baca data pada equal variances not aassumed
Pada kasus 0,309 >0,05 varians sama
d. Karena varian sama, maka kita membaca data pada equal variances assumed = sig
0,579 > 0,05 = H0 diterima = tidak ada perbedaan tekanan darah antara kelompok
LDLx
5. Analyze descriptive statistic explore
Dependent list ldlx
Plots stem leaf, histrogram, dan normality plot with test
CONTINUE
OK
Interpretasi :
Lihat Hasil di Kolmogrov-Smirnov, pada signifikasi = 0,000 (pada kasus berdistribusi
tidak normal)
Interpretasi :
Berdistribusi Normal : jika pada sig > 0,05
Berdistribusi tidak normal : jika nilai sig < 0,05
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
LDLX ,081 133 ,034 ,932 133 ,000
a. Lilliefors Significance Correction
warninggg
Nah no 3 bingung, dak norml distrbusi ldlxnyo baru kejingokan setelah no 5 tejawab jadi ngulang lagi yeee,,, pake spearmean smo be cak caro no3 diatas tp spearmeannyo di centang gek hasilnyo keluar cak ini
5. Apakah variable gula darah berdistribusi normal?
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic Df Sig.
Gula Darah Sewaktu .288 133 .000 .507 133 .000
a. Lilliefors Significance Correction
Pada hasil output diatas, hasil di kolmogrov-smirnov, pada signifikasi=0,000
berdistribusi tidak normal
29
Ujian Praktikum Piranti Lunak Biostatistik Blok 20Sabtu- 31 Oktober- 2009
Penjelasan
1 Dari data yang tersedia pada CD dalam bentuk Excel pindahkanlah kedalam format SPSS 16 dengan tahap pertama membuat dulu format data Entry SPSS.
2 Dari Data yang sudah di entry ke SPSS jawablah soal soal dibawah ini:
1 Buatlah Variabel baru dengan label KolesterolX dengan formula (163 + 0.175 X Gula Darah ) dan sajikan dalam bentuk Frekuensi distribusi
2 Buatlah Frekuensi distribusi Kolesterol X .3 Hitunglah korelasi kolesterol X dan Total Kolesterol berapa nilai p dan t4 Apakah ada perbedaan kolesterolX antar kelompok Genetik PJK positif dan Negatif.5 Apakah variabel kolesterol X Darah berdistribusi normal
1. Buatlah Variabel baru dengan label KolesterolX dengan formula (163 + 0.175 X Gula Darah ) dan sajikan dalam bentuk Frekuensi distribusi
Buat variable kolestrolX :
Transform Compute Variabel
Isi target variable KolesterolX
Masukkan numeric expression dengan rumus mencari kolestrolX : (163 + 0.175 X
Gula Darah ) OK
2. Buatlah distribusi frekuensi kolestrol x
Pertama, kita harus menentukan jumlah kelas dan interval kelas :
Jumlah kelas = 1+ 3,3 log n
= 1+ 3,3 log 133
= 8
Interval kelas = nilai maksimum – nilai minimum
Jumlah kelas
= (114059-13380)/8
= 12584,875 namun untuk mempermudah kita gunakan intervalnya 13000,
dan jumlah kelasnya menjadi 8 (karena nilai minimum dan maksimum
sudah termasuk dalam kelas)
13380-26380
26381-39381
39382-52382
52383-65383
65384-78384
78385-91385
91386-104386
104387-117387
Sekarang distribusi kolestrol x :
Isi input variable kolestrol x
Isi output variable Name : Katkolestrolx, Label : Kategori kolestrol x CHANGE
Isi Old and New Value masukkan nilai Klasifikasi kolestrol x berdasarkan perhitungan
diatas(lihat panduan)
Range 13380-26380 value : 1
Range 26381-39381 value : 2
Range 39382-52382 value : 3
Range 52383-65383 value : 4
Range 78385-91385 value : 5
Range 78385-91385 value : 6
Range 91386-104386 value : 7
Range 104387-117387 value : 8
CONTINUE
OK
Kemudian masuk ke variable view, ubah decimal jadi 0, measure jadi nominal, dan isi
nilai value KatUmur :
1 13380-26380
2 .......
3 .......
4........
8104387-117387
A. Buatlah table frekuensi kolestrol x
Kemudian kita akan menampilkan distribusi dan bar chart untuk KatUmur, caranya :
Analyze Descriptive Statistic Frequencies
Masukkan variable Katkolestrol x
Pada Statistic mean, std.dev, maximum, minimum.
Pada Charts bar Chart
OK
Frequencies
Statistics
kategori kolestrol x
N Valid 133
Missing 0
Mean 1,35
Median 1,00
Std. Deviation 1,102
Minimum 1
Maximum 8
kategori kolestrol x
Frequency Percent Valid Percent
Cumulative
Percent
Valid 1 112 84,2 84,2 84,2
2 13 9,8 9,8 94,0
3 2 1,5 1,5 95,5
5 2 1,5 1,5 97,0
6 3 2,3 2,3 99,2
8 1 ,8 ,8 100,0
Total 133 100,0 100,0
3. Hitunglah korelasi kolesterol X dan Total Kolesterol berapa nilai p dan t
Descriptive Statistics
Mean Std. Deviation N
Total Cholesterol 187,98 54,516 133
kolestrol x 22727,95 14503,625 133
Correlations
Total
Cholesterol kolestrol x
Total Cholesterol Pearson Correlation 1 ,285**
Sig. (2-tailed) ,001
N 133 133
kolestrol x Pearson Correlation ,285** 1
Sig. (2-tailed) ,001
N 133 133
**. Correlation is significant at the 0.01 level (2-tailed).
Interpretasi :
Lihat di pearson untuk mengetahui tingkat korelasi
0 – 0,25 = korelasi Lemah
0,25-0,5 = korelasi Sedang
0,5-0,75 = korelasi Kuat
0,75-1,0 = korelasi sangat kuat
Nilai t=0,285 korelasi sedang
Kemudian lihat di sig untuk mengetahui kemaknaan korelasi
<0,05 = h0 ditolak
>0,05 = h0 diterima
Nilai p=0,001 Ho ditolak “ada korelasi kolesterol X dan Total Kolesterol”
4. Apakah ada perbedaan kolesterolX antar kelompok Genetik PJK positif dan Negatif.
Interpretasi :
e. Lihat pada levene test test for equality of variances (signifikasi) :
Bila p>0,05 = varians sama baca data pada equal variances assumed
Bila p<0,05 = varians tidak sama baca data pada equal variances not aassumed
Pada kasus 0,957 >0,05 varians sama
f. Karena varian sama, maka kita membaca data pada equal variances assumed = sig
0,957> 0,05 = H0 diterima = tidak ada perbedaan kolesterolX antar kelompok
Genetik PJK positif dan Negatif”
5. variabel kolesterol X Darah berdistribusi normalAnalyze Descriptive Explore
Isi dependent list kolestrol x
Plot normality plot with test
OK
Lihat Hasil di Kolmogrov-Smirnov, pada signifikasi = 0,000 (pada kasus berdistribusi
normal)
Interpretasi :
Berdistribusi Normal : jika pada sig > 0,05
Berdistribusi tidak normal : jika nilai sig < 0,05
Maka kolestrol x ”kolestrol x berdistribusi tidak normal”
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
kolestrol x ,288 133 ,000 ,507 133 ,000
a. Lilliefors Significance Correction
30
Ujian Praktikum Piranti Lunak Biostatistik Blok 20Sabtu- 31 Oktober- 2009
Penjelasan
1 Dari data yang tersedia pada CD dalam bentuk Excel pindahkanlah kedalam format SPSS 16 dengan tahap pertama membuat dulu format data Entry SPSS.
2 Dari Data yang sudah di entry ke SPSS jawablah soal soal dibawah ini:
1 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
2 Buatlah Frekuensi distribusi LDLX berdasarkan jenis kelamin3 Hitunglah korelasi LDLX dan Total Kolesterol berapa nilai p dan t4 Apakah ada perbedaan LDLX antar kelompok Genetik PJK positif dan Negatif.5 Apakah variabel Gula Darah berdistribusi normal
Jawab:1. Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol)
dan sajikan dalam bentuk Frekuensi distribusi
Langkah-langkaha. Buat variable baru dengan label LDLX:
1) Transform Compute Variabel 2) Isi target variable LDLX3) Masukkan numeric expression dengan rumus: (18.73 + 0.572X kolesterol) OK
Pertama, kita harus menentukan jumlah kelas dan interval kelas :Jumlah kelas = 1+ 3,3 log n
= 1+ 3,3 log 133 = 8
Interval kelas = nilai maksimum – nilai minimum Jumlah kelas
= (247.53-75.93)/8= 21,45, namun untuk mempermudah kita gunakan intervalnya 50, dan
jumlah kelasnya menjadi 4 (karena nilai minimum dan maksimum sudah termasuk dalam kelas)
Jadi distribusi frekuensi LDLXnya menjadi : 75.00 – 124.99125.00 – 174.99175.00 – 224.99225.00 – 274.99
b. Buat Kategori LDLX:1) Transform Recode into different variable 2) Isi input variable LDLX3) Isi output variable Name : Kat LDLX, Label : Kategori LDLX CHANGE4) Isi Old and New Value masukkan nilai Klasifikasi LDLX
Range 75.00-124.99 value : 1Range 125.00-174.99 value : 2Range 175.00-224.99 value : 3Range 225.00-274.99 value : 4
5) CONTINUE6) OK
Kemudian buka variable view: Ubah type menjadi string, Ubah decimal menjadi 0, Isi nilai value KatLDLX :
c.Kemudian kita akan menampilkan distribusi dan bar chart untuk KatLDLX, caranya :1) Analyze Descriptive Statistic Frequencies2) Masukkan variable KatLDLX3) Pada Statistic mean, std.dev, maximum, minimum.4) Pada Charts bar Chart5) OK
2. Buatlah Frekuensi distribusi LDLX berdasarkan jenis kelaminLangkah-langkah:a. Ganti value pada jenis kelamin
Buka variable view: Ubah decimal menjadi 0, Isi nilai value Jenis Kelamin :
1 Laki-laki2 Perempuan
Ubah measure jadi nominal,
b. Lalu buat table Frekuensi distribusi LDLX berdasarkan jenis kelamin:1) Analyze descriptive statistic cross tab2) Isi ROW KatLDLX3) Isi COLUMN Jenis Kelamin4) OK
Hasil Output :
Kategori LDLX * Jenis Kelamin CrosstabulationCount
Jenis Kelamin
TotalLaki - laki Perempuan
Kategori LDLX
1,00 34 36 70
2,00 26 31 57
3,00 3 1 4
4,00 1 1 2Total 64 69 133
1 Hitunglah korelasi LDLX dan Total Kolesterol berapa nilai p dan tLangkah-langkah:
1) Analyze Correlate bivariate (data Numeric vs Numeric)2) Isi variable LDLX dan Total Kolesterol3) OK
Interpretasi :Lihat di Pearson Correlation untuk mengetahui tingkat korelasi
0 – 0,25 = korelasi Lemah0,26-0,5 = korelasi Sedang0,51-0,75 = korelasi Kuat0,76-1,0 = korelasi sangat kuat
Kemudian lihat di Sig. (2-tailed) untuk mengetahui kemaknaan korelasi>0,05 = h0 diterima<0,05 = h0 ditolak
Hasil Output :
Correlations
LDLXTotal
Cholesterol
LDLX Pearson Correlation
1 1,000**
Sig. (2-tailed) ,000
N 133 133
Total Cholesterol
Pearson Correlation
1,000** 1
Sig. (2-tailed) ,000
N 133 133
**. Correlation is significant at the 0.01 level (2-tailed).
Pearson ( r ) 1,000 korelasi sangat kuat Sig (2 tailed) 0,000 <0,05 H0 ditolak ada korelasi antara LDLX dan Total Cholesterol
4. Apakah ada perbedaan LDLX antar kelompok Genetik PJK positif dan Negatif.a. Buka variable view, isi value genetic 0 = genetic negative, 1 = genetic postitifb. Kunci: Karena mencari perbedaan rata-rata antara 2 kelompok (kelompok Genetik
PJK terdiri dari 2 kelompok = Genetik PJK positif dan Negatif) pakai uji T
Cara:1) Analyze compare mean independent samples T-test2) Isi test variabel LDLX3) Isi grouping variabel Genetik PJK4) Define group use specific value group 1= 0, group 2 =15) CONTINUE6) OK
Interpretasi :Lihat pada levene test test for equality of variances (signifikasi) :
Bila > 0,05 = varians sama baca data Sig. (2-tailed) pada t-test for Equality of Means pada equal variances assumed >0,05 H0 diterima
Bila < 0,05 = varians beda baca data Sig. (2-tailed) pada t-test for Equality of Means pada equal variances not assumed
Interpretasi Kasus: Sig. pada levene test test for equality of variances 0,444 >0,05 varians sama Karena varian sama, maka kita membaca Sig. (2-tailed) pada t-test for Equality of Means
pada equal variances assumed = sig 0,318 > 0,05 = H0 diterima = tidak ada perbedaan LDLX antar kelompok Genetik PJK positif dan Negatif.
5. Apakah variabel Gula Darah berdistribusi normal
Langkah-langkah:Kunci : mencari distribusi normal atau tidak Data numerik
1) Analyze Descriptive Explore 2) Isi dependent list Gula Darah Sewaktu3) Plot normality plot with test4) OK
Lihat signifikasi di Kolmogorov-SmirnovInterpretasi :
Berdistribusi Normal : jika pada sig > 0,05Berdistribusi tidak normal : jika nilai sig < 0,05
Hasil Output:
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Gula Darah Sewaktu ,288 133 ,000 ,507 133 ,000
a. Lilliefors Significance Correction
Interpretasi kasus:Signifikasi pada Kolmogorov-Smirnov 0,000 <0,05 Gula Darah Sewaktu
berdistribusi tidak normal.
31BY : Ristari Okvaria
Ujian Praktikum Piranti Lunak Biostatistik Blok 20Sabtu- 31 Oktober- 2009
Penjelasan
1 Dari data yang tersedia pada CD dalam bentuk Excel pindahkanlah kedalam format SPSS 16 dengan tahap pertama membuat dulu format data Entry SPSS.
2 Dari Data yang sudah di entry ke SPSS jawablah soal soal dibawah ini:
1 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
2 Buatlah Frekuensi distribusi LDLX berdasarkan kelompok IMT3 Hitunglah korelasi LDLX dan Trigliserid berapa nilai p dan t4 Apakah ada perbedaan LDLX antar kelompok Genetik PJK positif dan Negatif.5 Apakah variabel IMT berdistribusi normal
Jawab:3. Langkah-langkah
d. Buat variable baru dengan label LDLX:4) Transform Compute Variabel 5) Isi target variable LDLX6) Masukkan numeric expression dengan rumus: (18.73 + 0.572X kolesterol) OK
Pertama, kita harus menentukan jumlah kelas dan interval kelas :Jumlah kelas = 1+ 3,3 log n
= 1+ 3,3 log 133 = 8
Interval kelas = nilai maksimum – nilai minimumJumlah kelas
= (247.53-75.93)/8= 21,45, namun untuk mempermudah kita gunakan intervalnya 50, dan
jumlah kelasnya menjadi 4 (karena nilai minimum dan maksimum sudah termasuk dalam kelas)
Jadi distribusi frekuensi LDLXnya menjadi : 75.00 – 124.99125.00 – 174.99175.00 – 224.99225.00 – 274.99
Atau Bisa Juga Dengan Distribusi(terserahhh sihhh..hehhe): 51.00-100.99101.00-150.99151.00-200.99201.00-250.99
e. Buat Kategori LDLX:7) Transform Recode into different variable 8) Isi input variable LDLX9) Isi output variable Name : Kat LDLX, Label : Kategori LDLX CHANGE10) Isi Old and New Value masukkan nilai Klasifikasi LDLX
Range 75.00-124.99 value : 1Range 125.00-174.99 value : 2Range 175.00-224.99 value : 3Range 225.00-274.99 value : 4
11) CONTINUE12) OK
Kemudian buka variable view: Ubah type menjadi string, Ubah decimal menjadi 0, Isi nilai value KatLDLX :
f. Kemudian kita akan menampilkan distribusi dan bar chart untuk KatLDLX, caranya :6) Analyze Descriptive Statistic Frequencies7) Masukkan variable KatLDLX8) Pada Statistic mean, std.dev, maximum, minimum.9) Pada Charts bar Chart
4. Buatlah Frekuensi distribusi LDLX berdasarkan kelompok IMTLangkah-langkah:c. Buat variable IMT :
1) Transform Compute Variabel 2) Isi target variable IMT3) Masukkan numeric expression dengan rumus mencari IMT :
(berat)/(tinggi/100*tinggi/100) OK
d. Buatlah Kategori IMT, caranya :1) Transform Recode into different variable 2) Isi input variable IMT 3) Isi output variable Name : KatIMT, Label : Kategori IMT CHANGE4) Isi Old and New Value masukkan nilai Klasifikasi IMT berdasarkan Asia (lihat
panduan)Lowest thru 18,5 value : 1Range 18,5 – 22,99 value : 2Range 23 – 24,99 value : 3
Range 25 – 29,99 value : 4Highest thru 30 value : 5
5) CONTINUE6) OK
Kemudian buka variable view: Ubah type menjadi string, Ubah decimal menjadi 0, Isi nilai value KatIMT :
e. Lalu buat table Frekuensi distribusi LDLX berdasarkan kelompok IMT:5) Analyze descriptive statistic cross tab6) Isi ROW KatLDLX7) Isi COLUMN KatIMT8) OK
5. Hitunglah korelasi LDLX dan Trigliserid berapa nilai p dan t
Langkah-langkah:4) Analyze Correlate bivariate (data Numeric vs Numeric)5) Isi variable LDLX dan Trigliserid6) OK
Interpretasi :Lihat di Pearson Correlation untuk mengetahui tingkat korelasi
0 – 0,25 = korelasi Lemah0,26-0,5 = korelasi Sedang0,51-0,75 = korelasi Kuat0,76-1,0 = korelasi sangat kuat
Kemudian lihat di Sig. (2-tailed) untuk mengetahui kemaknaan korelasi>0,05 = h0 diterima<0,05 = h0 ditolak
Hasil Kasus:
Pearson ( r ) 0,448 korelasi sedangSig (2 tailed) 0,000 <0,05 H0 ditolak ada korelasi antara LDLX dan Trigliserid
Lanjutan Soal ke-31 (By : Ristari Okvaria)
6. Apakah ada perbedaan LDLX antar kelompok Genetik PJK positif dan Negatif.c. Buka variable view, isi value genetic 0 = genetic negative, 1 = genetic postitifd. Kunci: Karena mencari perbedaan rata-rata antara 2 kelompok (kelompok Genetik
PJK terdiri dari 2 kelompok = Genetik PJK positif dan Negatif) pakai uji T
Cara:7) Analyze compare mean independent samples T-test8) Isi test variabel LDLX9) Isi grouping variabel Genetik PJK10) Define group use specific value group 1= 0, group 2 =1
Correlations
LDLX Triglecerid
LDLX Pearson Correlation 1 .448**
Sig. (2-tailed) .000
N 133 133
Triglecerid
Pearson Correlation .448** 1
Sig. (2-tailed) .000
N 133 133
**. Correlation is significant at the 0.01 level (2-tailed).
11) CONTINUE12) OK
Interpretasi :Lihat pada levene test test for equality of variances (signifikasi) :
Bila > 0,05 = varians sama baca data Sig. (2-tailed) pada t-test for Equality of Means pada equal variances assumed >0,05 H0 diterima
Bila < 0,05 = varians beda baca data Sig. (2-tailed) pada t-test for Equality of Means pada equal variances not assumed
Equal variances not assumed -.911 30.949 .369 -7.04811
Interpretasi Kasus: Sig. pada levene test test for equality of variances 0,444 >0,05 varians sama Karena varian sama, maka kita membaca Sig. (2-tailed) pada t-test for Equality of Means
pada equal variances assumed = sig 0,318 > 0,05 = H0 diterima = tidak ada perbedaan LDLX antar kelompok Genetik PJK positif dan Negatif.
7. Apakah variabel IMT berdistribusi normalCara:Kunci : mencari distribusi normal atau tidak Data numerik
5) Analyze Descriptive Explore 6) Isi dependent list IMT7) Plot normality plot with test8) OK
Lihat signifikasi di Kolmogorov-SmirnovInterpretasi :
Berdistribusi Normal : jika pada sig > 0,05Berdistribusi tidak normal : jika nilai sig < 0,05
Hasil :
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Indeks Massa Tubuh .069 133 .200* .957 133 .000
a. Lilliefors Significance Correction*. This is a lower bound of the true significance.
Interpretasi kasus:Signifikasi pada Kolmogorov-Smirnov 0,2 >0,05 IMT berdistribusi normal
32By : Echa
1 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
2 Apakah ada Hubungan Genetik PJK dan PJK buktikan3 Hitunglah korelasi LDLX dan Trigliserid berapa nilai p dan t4 Apakah ada perbedaan LDLX antar kelompok PJK positif dan Negatif.5 Apakah variabel IMT berdistribusi normal
JAWABAN :Langkah Awal : buka spss, buka file excel (udah tau semua kan teman?), ubah beberapa
variable view.
1 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
Buat variable LDLX :Transform Compute Variabel Isi target variable LDLXMasukkan numeric expression dengan rumus mencari LDLX : (18.73 + (0.572xkolesterol)) OK
Sajikan dalam bentuk distribusi frekuensiBuat Kategori LDLX :Transform Recode into different variable
Isi input variable LDLX Isi output variable Name : KatLDLX, Label : Kategori LDLX CHANGEIsi Old and New Value masukkan nilai distribusi. Biar lebih mudah, kita buat interval kelasnya 50 aja ya teman (nilai minimum LDLX = 75,93, nilai maximum = 247, 53). Tapi kalo temen2 pake interval lain/ pake rumus 1+3,3 log n silahkan ajaa
Range 51,00-100,99 value : 1Range 101,00-150,99 value : 2Range 151,00-200,99 value : 3Range 201,00-250,99 value : 4
CONTINUEOKKemudian masuk ke variable view, ubah decimal jadi 0, measure jadi nominal, dan isi nilai value KatLDLX :1 51,00-100,992 101,00-150,993 151,00-200,994 201,00-250,99
Kemudian kita akan menampilkan distribusi dan bar chart untuk KatLDLX, caranya :Analyze Descriptive Statistic FrequenciesMasukkan variable KatLDLXPada Statistic mean, std.dev, maximum, minimum.Pada Charts bar ChartOK
Hasil :
2 Apakah ada Hubungan Genetik PJK dan PJK buktikanKe variable view, isi value genetic 0 = genetic negative, 1 = genetic postitifHubungan Chi Square kategorik-kategorik genetikPJK dengan PJK
Analyze descriptive statistic Cross tab
Kategori LDLX
Frequency Percent Valid PercentCumulative
Percent
Valid 51.00-100.99 24 18.0 18.0 18.0
101.00-150.99 86 64.7 64.7 82.7
151.00-200.99 19 14.3 14.3 97.0
201.00-250.99 4 3.0 3.0 100.0
Total 133 100.0 100.0
Rows Genetik PJKColumns PJKStatistics Chi squareCONTINUEOK
Interpretasi lihat di chi square Jika table 2x2, nilai expected tidak ada yang < 5, maka yang dibaca adalah
continuity correction Jika table 2x2, nilai expected ada yang < 5, maka yang dibaca adalah fisher’s
exact test Jika table > 2x2, tanpa melihat nilai expected, maka yang dibaca adalah
pearson chi square
Chi-Square Tests
Value df
Asymp. Sig. (2-
sided)
Exact Sig. (2-
sided)
Exact Sig. (1-
sided)
Pearson Chi-Square 73.211a 1 .000
Continuity Correctionb 69.003 1 .000
Likelihood Ratio 75.556 1 .000
Fisher's Exact Test .000 .000
N of Valid Cases 133
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.86.
b. Computed only for a 2x2 table
0 cells have count less <5 Lihat continuity, sig 0,000 <0,05 H0 ditolak ada hubungan antara genetic PJK dan PJK
3 Hitunglah korelasi LDLX dan Trigliserid berapa nilai p dan tAnalyze Correlate bivariate (data Numeric vs Numeric)
Isi variable LDLX dan trigliserida
OK
Correlations
LDLX Trigliserida
LDLX Pearson Correlation 1 .448**
Sig. (2-tailed) .000
N 133 133
Trigliserida Pearson Correlation .448** 1
Sig. (2-tailed) .000
N 133 133
**. Correlation is significant at the 0.01 level (2-tailed).
Interpretasi :
Nilai r/t Lihat di pearson untuk mengetahui tingkat korelasi
0 – 0,25 = korelasi Lemah
0,25-0,5 = korelasi Sedang
0,5-0,75 = korelasi Kuat
0,75-1,0 = korelasi sangat kuat
t= 0,448 Korelasi sedang
Nilai p Kemudian lihat di sig untuk mengetahui kemaknaan korelasi
<0,05 = h0 ditolak
>0,05 = h0 diterima
P = 0,000 H0 ditolak Ada korelasi antara LDLX dan trigliserida
4 Apakah ada perbedaan LDLX antar kelompok PJK positif dan Negatif.Karena mencari perbedaan rata-rata antara 2 kelompok, 2 variabel kategorik (kelompok
PJK terdiri dari 2 kelompok = PJK positif, PJK Negatif ) uji T
Analyze compare mean independent samples T-test
Isi test variabel LDLX
Isi grouping variabel PJK
Define group use specific value group 1= 0, group 2 =1
CONTINUE
OK
Hasil :
Lihat di Lampiran
Interpretasi :
g. Lihat sig pada levene test test for equality of variances (signifikasi) :
Bila > 0,05 = varians sama baca data pada equal variances assumed
Bila < 0,05 = varians beda baca data pada equal variances not assumed
Pada kasus 0,579 > 0,05 varians sama
h. Karena varian sama, maka kita membaca data pada equal variances assumed = sig
0,395 > 0,05 = H0 diterima = tidak ada perbedaan LDLx pada kelmpok PJK positif
dan PJK negatif
5 Apakah variabel IMT berdistribusi normal?Buat variable IMT :
Transform Compute Variabel
Isi target variable IMT
Masukkan numeric expression dengan rumus mencari IMT :
(berat)/(tinggi/100*tinggi/100) OK
Analyze descriptive statistic explore
Dependent list IMT
Plots normality plot with test
CONTINUE
OK
Hasil :
Interpretasi :
Lihat Hasil di Kolmogrov-Smirnov,
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Indeks Massa Tubuh .069 133 .200* .957 133 .000
a. Lilliefors Significance Correction
*. This is a lower bound of the true significance.
Berdistribusi Normal : jika pada sig > 0,05
Berdistribusi tidak normal : jika nilai sig < 0,05
Interpretasi :
pada signifikasi = 0,200, >0,05 (pada kasus berdistribusi normal)
Kategori VLDL N Mean Std. Deviation Std. Error Mean
Gula Darah Sewaktu Normal 40 136.07 83.427 13.191
Hiperlipidemia 93 140.67 91.534 9.492
Independent Samples Test
Levene's Test for Equality of
Variances
F Sig. t df Sig. (2-tailed) Mean Difference
Gula Darah Sewaktu Equal variances assumed .002 .963 -.272 131 .786
Equal variances not
assumed
-.283 80.673 .778
37
Ujian Praktikum Piranti Lunak Biostatistik Blok 20
Penjelasan
1 Dari data yang tersedia pada CD dalam bentuk Excel pindahkanlah kedalam format SPSS 16 dengan tahap pertama membuat dulu format data Entry SPSS.
2 Dari Data yang sudah di entry ke SPSS jawablah soal soal dibawah ini:
1 Buatlah Variabel baru dengan label VLDL dengan formula (kolesterol – HDL) -(Trigliserid/5) dan sajikan dalam bentuk Frekuensi distribusi
2 Buatlah Frekuensi distribusi Kejadian PJK berdasarkan kelompok umur3 Hitunglah korelasi Hemotokrit dan LDL berapa nilai p dan t4 Apakah ada perbedaan LDLantar kelompok PJK positif dan Negatif.5 Apakah variabel Hemotokrit berdistribusi normal
JAWABAN
1. Bentuk Frekuensi distribusi VLDL
Banyak kelas interval adalah : 1+3.3 log n = 1+3.3 log 133 = 7.99 = 8Panjang kelas interval adalah : (nilai maks - nilai min)/banyak kelas = (297-50)/8 = 30,875 ; tetapi untuk mempermudah perhitungan lebar kelas dipilih 30
kategori VLDL
Frequency Percent Valid Percent
Cumulative
Percent
Valid 50-79.99 13 9.8 9.8 9.8
80-109.99 39 29.3 29.3 39.1
110-139.99 33 24.8 24.8 63.9
140-169.99 26 19.5 19.5 83.5
170-199.99 14 10.5 10.5 94.0
200-229.99 3 2.3 2.3 96.2
230-259.99 2 1.5 1.5 97.7
260-289.99 1 .8 .8 98.5
290-319 2 1.5 1.5 100.0
Total 133 100.0 100.0
2. Frekuensi distribusi Kejadian PJK berdasarkan kelompok umur :
kategori umur * PJK Crosstabulation
Count
PJK
Totaltidak PJK PJK
kategori umur 22-31 7 3 10
32-41 18 7 25
42-51 28 8 36
52-61 26 12 38
62-71 11 6 17
72-81 5 2 7
Total 95 38 133
3. korelasi Hemotokrit dan LDL berapa nilai p dan t
Correlations
Hemotokrit LDL
Hemotokrit Pearson Correlation 1 .071
Sig. (2-tailed) .420
N 133 133
LDL Pearson Correlation .071 1
Sig. (2-tailed) .420
N 133 133
- Pada Pearson Correlation Hemotokrit-LDL (nilai r) = 0.071 artinya tidak ada hubungan /
hubungan lemah (0 – 0.25)
- Nilai p = 0.420
t = r n-2 = 0.071 133-2 = 0.071 131 = 0.81468
1- r2 1 – 0.0712 0.994959
Maka nilai t = 0.814
4. Apakah ada perbedaan LDLantar kelompok PJK positif dan Negatif.
- Pada Levene's Test for Equality of Variances (sig.) = 0.957 > 0.05 berarti varian sama
- Karena varian sama maka pada t-test for Equality of Means ( sig. 2-tailed) = 0.720
> 0.05 berarti Ho diterima “ tidak ada perbedaan LDL antar kelompok PJK positif dan
Negatif ”5. Apakah variabel Hemotokrit berdistribusi normal
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Hemotokrit .164 133 .000 .898 133 .000
Pada Kolmogorov-Smirnova (sig.) = 0.000 artinya variable hemotokrit tidak berdistribusi normal
(< 0.05)
381.Frekuensi distribusi VLDL
kategori VLDL
Frequency Percent Valid Percent
Cumulative
Percent
Valid 51-75 10 7.5 7.9 7.9
76-100 19 14.3 15.1 23.0
101-125 34 25.6 27.0 50.0
126-150 24 18.0 19.0 69.0
151-175 19 14.3 15.1 84.1
176-200 12 9.0 9.5 93.7
201-225 3 2.3 2.4 96.0
226-250 2 1.5 1.6 97.6
276-300 3 2.3 2.4 100.0
Total 126 94.7 100.0
Missing System 7 5.3
Total 133 100.0
2.
PJK * Sex Crosstabulation
Count
Sex
Total1 2
PJK 0 42 53 95
1 22 16 38
Total 64 69 133
3 tidak ada perbedaan karena p hasil=0.217>0.05
Chi-Square Tests
Value df
Asymp. Sig. (2-
sided)
Exact Sig. (2-
sided)
Exact Sig. (1-
sided)
Pearson Chi-Square 2.036a 1 .154
Continuity Correctionb 1.525 1 .217
Likelihood Ratio 2.040 1 .153
Fisher's Exact Test .181 .108
Linear-by-Linear Association 2.021 1 .155
N of Valid Cases 133
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 18.29.
b. Computed only for a 2x2 table
4.p=0.05 dan t=0.015 dan memiliki korelasi lemah antara gula darah sewaktu dengan LDL
Correlations
Gula Darah
Sewaktu LDL
Gula Darah Sewaktu Pearson Correlation 1 .210*
Sig. (2-tailed) .015
N 133 133
LDL Pearson Correlation .210* 1
Sig. (2-tailed) .015
N 133 133
*. Correlation is significant at the 0.05 level (2-tailed).
5.karena p hasil = 0.301>0.05 berarti h0 diterima berarti tidak ada perbedaan rata-rata antara
LDL laki-laki dan perempuan
ANOVA
kategori LDL
Sum of Squares df Mean Square F Sig.
Between Groups 3.433 1 3.433 1.082 .301
Within Groups 342.785 108 3.174
Total 346.218 109
39
Ujian Praktikum Piranti Lunak Biostatistik Blok 20
1 Buatlah Variabel baru dengan label VLDLF dengan formula (-27.6+0.81 Total kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
2 Buatlah Frekuensi distribusi VLDLF Kejadian PJK 3 Hitunglah korelasi Trigliserid dan VLDLF berapa nilai p dan t4 Apakah ada perbedaan VLDF antar kelompok PJK positif dan Negatif.5 Apakah variabel VLDLF berdistribusi normal
Jawaban Soal Nomor 1
Kategori VLDLF
Frequency Percent Valid Percent
Cumulative
Percent
Valid 51-81 19 14.3 14.3 14.3
82-112 40 30.1 30.1 44.4
113-143 35 26.3 26.3 70.7
144-174 26 19.5 19.5 90.2
175-205 8 6.0 6.0 96.2
206-236 1 .8 .8 97.0
237-267 2 1.5 1.5 98.5
268-298 2 1.5 1.5 100.0
Total 133 100.0 100.0
Jawaban Soal Nomor 2
Kategori VLDLF * PJK Crosstabulation
Count
PJK
TotalPJK Positif PJK Negatif
Kategori VLDLF 51-81 17 2 19
82-112 26 14 40
113-143 23 12 35
144-174 21 5 26
175-205 5 3 8
206-236 0 1 1
237-267 2 0 2
268-298 1 1 2
Total 95 38 133
Jawaban Soal Nomor 3
Correlations
Triglecerid VLDLF
Triglecerid Pearson Correlation 1 .448**
Sig. (2-tailed) .000
N 133 133
VLDLF Pearson Correlation .448** 1
Sig. (2-tailed) .000
N 133 133
**. Correlation is significant at the 0.01 level (2-tailed).
Nilai p : 0,0005
Jawaban Soal Nomor 4
Independent Samples Test
Levene's Test for
Equality of
Variances t-test for Equality of Means
F Sig. t df
Sig. (2-
tailed)
Mean
Differenc
e
Std. Error
Difference
95% Confidence Interval of the
Difference
Lower
Kategori VLDLF Equal variances
assumed
.510 .476 -.717 131 .475 -.195 .272 -.732
Equal variances not
assumed
-.720 68.875 .474 -.195 .270 -.734
Sig(2-tailed) 0,475 >0,05 : Ho Diterima.. Tidak ada hubungan
5. Jawaban soal nomor 5
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
VLDLF .081 133 .034 .932 133 .000
a. Lilliefors Significance Correction
Hasil : 0,034 < 0,05 Distribusi tidak normal
40
1 Buatlah Variabel baru dengan label LDLX dengan formula (18.73 + 0.572X kolesterol) dan sajikan dalam bentuk Frekuensi distribusi
LDLX
Frequency Percent Valid Percent
Cumulative
Percent
Valid normal 125 94.0 94.0 94.0
hiperkolestrol 8 6.0 6.0 100.0
Total 133 100.0 100.0
2. Buatlah Frekuensi distribusi LDLX berdasarkan kelompok umur
kategori umur * LDLX Crosstabulation
Count
LDLX
Totalnormal hiperkolestrol
kategori umur 20-30 10 0 10
31-40 22 1 23
41-50 35 2 37
51-60 34 3 37
61-70 17 2 19
71-80 7 0 7
Total 125 8 133
3. Hitunglah korelasi LDLX dan Trigliserid berapa nilai p dan t
Correlations
LDLX Triglecerid
LDLX Pearson Correlation 1 .109
Sig. (2-tailed) .213
N 133 133
Triglecerid Pearson Correlation .109 1
Sig. (2-tailed) .213
N 133 133
4. Apakah ada perbedaan LDLX antar kelompok PJK positif dan Negatif.