1 MODUL NON PARAMETRIK (PROGRAM SPSS) DI SUSUN OLEH Dr. Nugroho Susanto, SKM, M.Kes FAKULTAS ILMU KESEHATAN UNIVERSITAS RESPATI YOGYAKARTA 2017
1
MODUL
NON PARAMETRIK
(PROGRAM SPSS)
DI SUSUN
OLEH
Dr. Nugroho Susanto, SKM, M.Kes
FAKULTAS ILMU KESEHATAN
UNIVERSITAS RESPATI YOGYAKARTA
2017
2
STATISTIK NON PARAMETRIK 1
A. PENGANTAR
Pengunaan uji statistik non parametrik tidak mensyaratkan distribusi data
harus normal dan variansi data harus sama. Dalam bidang kesehatan
statistik non parametrik cenderung digunakan dengan berbagai alasan
diantarannya skala data yang dihasilkan dari variabel penelitian berupa data
kategorik/nominal sehingga pengunaan statistik non parametrik lebih sesuai.
Hasil pengukuran variabel-variabel yang sulit/ tidak dalam bentuk numerik
misalnya sakit vs tidak sakit cenderung mengunakan uji statistik non
parametrik.
B. KELEBIHAN DAN KEKURANGAN STATISTIK NON PARAMETRIK
Kelebihan statistik non parametrik
Uji statistik non parametrik tidak mensyaratkan distribusi data normal dan
variansi sama.
Merupakan cerminan dari hasil pengukuran median dan modus sehingga
lebih mudah dalam aplikasi.
Kekurangan statistik non parametrik
Kekuatan uji yang cenderung lemah dibanding dengan statistik parametrik.
C. UJI CHI SQUARE
1. Pengantar
Dalam kerangka pengunaan uji chi square, terdapat beberapa uji chi square
diantarannya uji chisquare untuk goognes of fit dan uji chi square untuk
independensi. Uji statistik chi square dapat digunakan untuk menguji
hipotesis bila data populasi terdiri dari 2 atau lebih kelas dan data berbentuk
nominal.
Sampel independensi biasanya digunakan dalam penelitian yang
mengunakan pendekatan survey, sedangkan sampel yang berpasangan
sering di gunakan dalam penelitian eksperimen.
3
2. Chi square (uji independensi)
Untuk menlakukan analisis chi square kita memerlukan tabel bantu untuk
mempermudah perhitungan dengan mengunakan uji chi square. Tabel yang
biasa seperti pada format berikut:
Sebuah contoh ilustrasi:
Variabel
Variable dependent (kejadian infeksi)
RP/OR/RR
X2 P CI 95%
Ya Tidak
Variable independent (kepatuhan bidan)
Ya A B
Tidak C D
Rumus
dcdbcada
nbcadnX
2
22/1
Keterangan
Sel A adalah faktor yang terpapar (tidak patuh ) dan terjadi infeksi.
Sel B adalah faktor yang terpapar dan tidak terjadi infeksi
Sel C adalah faktor yang tidak terpapar dan kejadian infeksi
Sel D adalah faktor yang tidak terpapar dan tidak terjadi infeksi.
Suatu contoh
Seorang manajer rumah sakit ingin mengetahui apakah terdapat perbedaan
antara laki-laki dan perempuan dalam kedisiplinan bekerja. Kedisiplinan bekerja
dalam kasus ini diukur dengan kelengkapan absensi kehadiran kerja setiap hari
selama 1 bulan. Jika asumsi kedisiplinan kerja dihitung dengan jumlah tidak
pernah absen dalam satu bulan dimana dalam satu bulan terdapat 26 hari kerja
efektif. Berdasarkan hasil pengamatan diperoleh data sebagai berikut:
ID Jenis kelamin
Kedisiplinan ID Jenis kelamin
Kedisiplinan
4
1 Laki-laki 24 16 Perempuan 23
2 Laki-laki 25 17 Perempuan 24
3 Laki-laki 25 18 Perempuan 23
4 Laki-laki 26 19 Perempuan 23
5 Laki-laki 26 20 Perempuan 23
6 Laki-laki 26 21 Perempuan 23
7 Laki-laki 26 22 Perempuan 26
8 Perempuan 24 23 Perempuan 26
9 Perempuan 22 24 Laki-laki 25
10 Perempuan 23 25 Laki-laki 25
11 Perempuan 24 26 Laki-laki 26
12 Perempuan 23 27 Laki-laki 26
13 Perempuan 23 28 Laki-laki 26
14 Perempuan 23 29 Laki-laki 26
15 Perempuan 23 30 Laki-laki 26
Dari tabel tersebut diatas kita coba mengunakan tabel bantu sebagai berikut
Variabel
Kedisiplinan RP/OR/RR
X2 P CI 95%
Ya Tidak
Jenis kelamin
Laki-laki 9 5 12.6 6.54 0.011 1.58-128.38
Perempuan 2 14
Kemudian masukkan nilai tersebut kedalam rumus yang ada:
dcdbcaba
nbcadnX
2
22/1
dcdbcaba
nbcadnX
2
22/1
X2=
5
APLIKASI UJI CHI SQUARE
Pengantar
Analisis kategorik disyaratkan skala data dalam bentuk kategorik. Sebelum
masuk ke analisis lebih lanjut kita harus memahami apa dan bagaimana yang
dimaksud dengan skala data. Skala data yang dikenal selama ini antara lain
skala rasio, skala interval, skala ordinal dan skala nominal. Sifat yang prinsip
dari sekala data adalah skala rasio dapat intervalkan, skala interval dapat di
ordinalkan, skala ordinal dapat di nominalkan.
Skala rasio lebih menekankan pada hasil pengukuran dengan salah satu sifat
adalah jarak antara satu pengamatan dengan pengamatan lain mempunyai
jarak yang sama dan tidak memiliki nilai nol absolut. Skala interval hampir sama
dengan skala rasio tetapi mempunyai nilai nol absolut. Skala ordinal memiliki
sifat jarak antara satu pengamatan dengan pengamatan satunnya tidak
mengharuskan memiliki jarak yang sama dan skala nominal lebih menekankan
pada kaitannya mutually eksklusif (satu meniadakan yang lainnya).
Studi kasus
Seorang manajer rumah sakit ingin mengetahui apakah terdapat perbedaan
antara laki-laki dan perempuan dalam kedisiplinan bekerja. Kedisiplinan bekerja
dalam kasus ini diukur dengan kelengkapan absensi kehadiran kerja setiap hari
selama 1 bulan. Jika asumsi kedisiplinan kerja dihitung dengan jumlah tidak
pernah absen dalam satu bulan dimana dalam satu bulan terdapat 26 hari kerja
efektif. Berdasarkan hasil pengamatan diperoleh data sebagai berikut:
ID Jenis kelamin
Kedisiplinan ID Jenis kelamin
Kedisiplinan
1 Laki-laki 24 16 Perempuan 23
2 Laki-laki 25 17 Perempuan 24
3 Laki-laki 25 18 Perempuan 23
4 Laki-laki 26 19 Perempuan 23
5 Laki-laki 26 20 Perempuan 23
6
6 Laki-laki 26 21 Perempuan 23
7 Laki-laki 26 22 Perempuan 26
8 Perempuan 24 23 Perempuan 26
9 Perempuan 22 24 Laki-laki 25
10 Perempuan 23 25 Laki-laki 25
11 Perempuan 24 26 Laki-laki 26
12 Perempuan 23 27 Laki-laki 26
13 Perempuan 23 28 Laki-laki 26
14 Perempuan 23 29 Laki-laki 26
15 Perempuan 23 30 Laki-laki 26
Pada kasus diatas didapatkan bahwa jenis skala data untuk variabel jenis
kelamin adalah kategorik sedangkan pada variabel kedisiplinan skala data
adala rasio.
Langkah penyelesaian
Merubah skala data dari rasio ke kategorik
Langkah-langkah
1. Buka program spss, kemudian buat variabel jenis kelamin dan
kedisiplinan.
2. Isikan data pada tabel tersebut ke dalam program spss. Sebelum data
diisi ke dalam spss kita rubah dulu cara pemasukan data kedalam spss
dimana yang jenis kelamin laki-laki kita beri kode 1 sedangkan
perempuan kita beri kode 2. jadi yang dimasukan kedalam program spss
adalah kodenya.
3. Setelah data terisi akan tampak seperti gambar berikut:
7
4. Setelah data dimasukan kedalam program spss. Kemudian langkah
selanjutnya memberi label pada jenis kelamin yaitu dengan memberi
label 1 adalah laki-laki dan 2 adalah perempuan dan merubah skala data
variabel kedisiplinan menjadi 2 kategori yaitu disiplin dan tidak disiplin.
Untuk merubah variabel kedisiplinan pada menu utama spss pilih
Transform kemudian pilih Recode in to different variabel. Seperti terlihat
pada gambar berikut:
8
Kemudian rubah kode kedisiplinan dengan 1 adalah disiplin dan 2 tidak
disiplin. Seperti pada gambar berikut:
Pada variabel jenis kelamin beri label untuk 1 adalah laki-laki dan 2 adalah
perempuan dan variabel kategori kedisiplinan diberi label 1 adalah disiplin
dan 2 adalah tidak disiplin. Seperti pada gambar berikut:
9
5. Setelah data dikategorikan. Akan terlihat seperti gambar berikut:
6. Kemudian lakukan analisis data. Dari menu utama spss pilih Analize
kemudian sub menu Deskriptif statistik, kemudian Crosstabs. Seperti
pada gambar berikut:
10
7. Setelah itu masukan variabel jenis kelami kedalam kotak rows dan
kategori kedisiplinan kedalam Coloums. Seperti tampak pada gambar
berikut:
8. Pilih menu statistik untuk melakukan analisis atau menu yang lain sesuai
dengan keinginan. Pada menu statistik pilih chi square dan risk.
11
9. Hasil analisis akan tampak pada gambar berikut:
CROSSTABS
/TABLES=jeniskelamin BY kategorikedisiplinan
/FORMAT= AVALUE TABLES
/STATISTIC=CHISQ RISK
/CELLS= COUNT
/COUNT ROUND CELL .
Crosstabs [DataSet1]
Case Processing Summary
30 100,0% 0 ,0% 30 100,0%jeniskelamin *
kategori kedisiplinan
N Percent N Percent N Percent
Valid Missing Total
Cases
Table ini menujukan bahwa jumlah sample yang dianalisis
sebanyak 30 subjek dengan kategori missing variable tidak
ada.
12
jeniskelamin * kategori kedisiplinan Crosstabulation
Count
9 5 14
2 14 16
11 19 30
laiki-laki
perempuan
jeniskelamin
Total
disiplin tidak disiplin
kategori kedisiplinan
Total
Berdasarkan analisis tabulasi silang diperoleh hasil bahwa
laki-laki sebanyak 14 subjek perempuan 16 subjek sedang
pada kedisiplinan 11 subjek yang tidak disiplin 19 subjek.
Chi-Square Tests
8,623b 1 ,003
6,537 1 ,011
9,124 1 ,003
,007 ,005
8,335 1 ,004
30
Pearson Chi-Square
Continuity Correctiona
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
Value df
Asy mp. Sig.
(2-sided)
Exact Sig.
(2-sided)
Exact Sig.
(1-sided)
Computed only f or a 2x2 tablea.
0 cells (,0%) hav e expected count less than 5. The minimum expected count is
5,13.
b.
Analisis data chi square menunjukan bahwa nilai chi square
8.623, sedangkan nilai probabilitas signifikansi 0.003. hal
ini menunjukan bahwa jika dibandingkan dengan standar
normal kemaknaan hipotesis pada tingkat kemaknaan α = 0.05
dapat disimpulkan bahwa hipotesis nol ditolak. Ini memberi
arti bahwa terdapat perbedaan tingkat kedisiplinan karyawan
antara laki-laki dan perempuan.
13
Risk Estimate
12,600 1,999 79,436
5,143 1,328 19,916
,408 ,197 ,844
30
Odds Ratio for
jeniskelamin (laiki-laki
/ perempuan)
For cohort kategori
kedisiplinan = disiplin
For cohort kategori
kedisiplinan = tidak
disiplin
N of Valid Cases
Value Lower Upper
95% Conf idence
Interv al
Jika dilihat dari aspek risiko jenis kelamin mempunyai
risiko untuk disiplin sebesar 12,6 kali jika disbanding
dengan perempuan.
14
STATISTIK NON PARAMETRIK 2
(UJI SAMPEL INDEPENDENT MANN WITNEY)
Test mann-whitney biasa digunakan untuk menguji hipotesis komparatif
dua sampel independen. U- test juga digunakan pada hasil penelitian jika
datanya berbentuk ordinal. Pengujian dengan mengunakan U-test
mengisyaratkan bahwa data harus melalui bentuk rangking sehingga datanya
berbentuk ordinal (tingkatan). Jika data dalam bentuk interval atau rasio maka
data terlebih dahulu dirubah kedalam bentuk ordinal (rangking).
Pengunaan uji U-test juga mengisyaratkan bahwa sampel data yang
diteliti bersifat independent atau variabel satu tidak tergantung oleh variabel
satunya dalam pengukuran/pengamatan. Pengunaan uji U-test diasumsikan jika
analisis yang lebih tajam (parametrik mis: t-test) beberapa asumsi tidak
terpenuhi seperti distribusi data harus normal dan variansi harus sama.
RUMUS
Terdapat dua rumus dalam pengujian dengan U-test yaitu.
1
11211
2
1R
nnnnU
Dan
2
22212
2
1R
nnnnU
Keterangan;
N1 = Jumlah sampel 1
N2 = Jumlah sampel 2
U1 = Jumlah sampel 1
U2 = Jumlah sampel 2
R1 = Jumlah sampel 1
R2 = Jumlah sampel 2
15
STUDI KASUS
Latihan
Suatu penelitian dilakukan di Rumah sakit PKU untuk mengetahui pengaruh
diterapkannya metode baru (metode kanggoru) terhadap peningkatan suhu
tubuh bayi. Untuk mengetahui pengaruh metode kanggoru maka dilakukan
penelitian eksperimen dengan mengunakan 2 kelompok yaitu kelompok
pertama (A) dengan metode inkubator dan kelompok kedua (B) dengan metode
kanggoru. Jumlah sampel pada kelompok A sebanyak 12 orang pada kelompok
B sebanyak 15 orang. Berdasarkan hasil penelitian diperoleh data sebagai
berikut:
Klp A Suhu
bayi
Klp B Suhu
bayi
1 16 1 19
2 18 2 19
3 10 3 21
4 12 4 25
5 16 5 26
6 14 6 27
7 15 7 23
8 10 8 27
9 12 9 19
10 15 10 19
11 16 11 25
12 11 12 27
13 23
14 19
15 29
Pertanyaan
Apakah metode kanggoru lebih efektif dalam meningkatkan suhu tubuh bayi
dibanding dengan metode inkubator...?
16
Penyelesaian
1. Tentukan Hipotesis
Ho; tidak terdapat perbedaan peningkatan suhu tubuh bayi antara
pengunaan metode inkubasi dan metode kanggoro.
Ho; Terdapat perbedaan suhu bandan antara metode inkubasi dengan
metode kanggoru dimana metode kanggoru lebih meningkatkan suhu badan
bayi lebih tinggi.
2. Tentukan daerah penerimaan Hipotesis
Alfa = 0, 05
U tabel = 42 (diperoleh dari N1 = 12 dan N2 = 15)
3. Perhitungan
1
11211
2
1R
nnnnU
2
22212
2
1R
nnnnU
Tabel bantu
Klp A
Suhu bayi
Peringkat
Klp B
Suhu bayi
Peringkat
1 16 10 1 19 15
2 18 12 2 19 15
3 10 1,5 3 21 18
4 12 4,5 4 25 21,5
5 16 10 5 26 23
6 14 6 6 27 25
7 15 7,5 7 23 19,5
8 10 1,5 8 27 25
9 12 4,5 9 19 15
10 15 7,5 10 19 15
11 16 10 11 25 21
12 11 3 12 27 25
13 23 19,5
14 19 15
15 29 27
17
Nb; Untuk mencari peringkat data terlebih dahulu diurutkan dari yang
terkecil ke terbesar atau sebaliknya. Cara membuat peringkat misalkan
angka 10 ada dua pada kelompok A maka yang harusnya 1 dan 2
peringkatnya diambil tengah-tengah menjadi 1,5 dan 1,5.
Setelah rangking kita dapatkan maka kita masukan ke dalam rumus yang
ada.
1
11211
2
1R
nnnnU
78
2
1121215*121
U
1801 U
2
22212
2
1R
nnnnU
300
2
1151515*122
U
02 U
4. Hasil
Untuk melakukan interpretasi kita mengunakan perhitunggan U2
U-test tabel > U-test hitung.
5. Kesimpulan
Ho Ditolak
6. Arti
Ada perbedaan penurunan suhu tubuh antara pengunaan metode inkubator
dengan metode kanggoru.
PRAKTIKUM UJI MANN-WITHNEY U TEST
Studi kasus (membuktikan perhitungan manual dengan program spss)
Suatu penelitian dilakukan di Rumah sakit PKU untuk mengetahui pengaruh
diterapkannya metode baru (metode kanggoru) terhadap peningkatan suhu
18
tubuh bayi. Untuk mengetahui pengaruh metode kanggoru maka dilakukan
penelitian eksperimen dengan mengunakan 2 kelompok yaitu kelompok
pertama (A) dengan metode inkubator dan kelompok kedua (B) dengan metode
kanggoru. Jumlah sampel pada kelompok A sebanyak 12 orang pada kelompok
B sebanyak 15 orang. Berdasarkan hasil penelitian diperoleh data sebagai
berikut:
Klp metode kanggoro
Suhu bayi
Klp metode inkubator
Suhu bayi
1 16 1 19
2 18 2 19
3 10 3 21
4 12 4 25
5 16 5 26
6 14 6 27
7 15 7 23
8 10 8 27
9 12 9 19
10 15 10 19
11 16 11 25
12 11 12 27
13 23
14 19
15 29
Pertanyaan
Apakah metode kanggoru lebih efektif dalam meningkatkan suhu tubuh bayi
dibanding dengan metode inkubator...?
Penyelesaian
1. Masukan data pada menu spss, seperti terlihat pada gambar berikut:
19
2. Lakukan analisis data dengan mengaktifkan menu ANALIZE dan pilih uji
independent seperti terlihat pada gambar berikut:
3. Kemudian klik sehingga pada layar akan terlihat gambar berikut:
Aktifkan uji
mann withney
20
4. Masukan vairable suhu badan kedalam kottak tes variabel list dan masukan
kelompok kedalam group kotak bawah kemudian Ok, sehingga hasil analisis
dapat terlihat.
5. Hasil analisis
6. Hasil analisis menunjukkan hasil yang sama antara perhitungan secara
manual dengan perhitungan mengunakan program SPSS.
Nilai uji mann
withney
21
UJI NON PARAMETRIK 3
(UJI MC NEMAR)
Pendahuluan
If your data are binary, use the McNemar test. This test is typically used in a
repeated measures situation, in which each subject's response is elicited twice,
once before and once after a specified event occurs. The McNemar test
determines whether the initial response rate (before the event) equals the final
response rate (after the event). This test is useful for detecting changes in
responses due to experimental intervention in before-and-after designs.
If your data are categorical, use the marginal homogeneity test. This test is an
extension of the McNemar test from binary response to multinomial response. It
tests for changes in response (using the chi-square distribution) and is useful
for detecting response changes due to experimental intervention in before-and-
after designs. The marginal homogeneity test is available only if you have
installed Exact Tests.
Rumus
DA
DAX
2
21
Pengunaan
Teknik statistik ini digunakan untuk menguji komparasi dua sampel yang
berkorelasi bila datanya berbentuk nominal/diskrit. Rancangan penelitian yang
digunakan bersifat sebelum dan sesudah ada perlakuan (treatment). Menilai
dampak dari suatu intervensi.
Studi kasus
Suatu penelitian dilakukan untuk mengetahui dampak adanya penyuluhan
tentang bahaya merokok pada masyarakat terhadap kebiasaan merokok pada
masyarakat di desa A. Berdasarkan hasil penelitian diperoleh hasil sebagai
berikut:
22
Sebelum
penyuluhan
Setelah
penyuluhan
Tidak merokok 50 125
Merokok 150 75
200 200
keterangan:
jika setelah dilakukan penyuluhan didapatkan bahwa yang sebelumnya
merokok menjadi tidak merokok sebanyak 85, tetap tidak merokok 40, tetap
merokok 65, tidak merokok menjadi merokok 10.
Penyelesaian secara manual
1. Judul penelitian
” Pengaruh penyuluhan tentang bahaya merokok terhadap perilaku
kebiasaan merokok pada masyarakat A”
2. Variabel Penelitian
Variabel independent penyuluhan bahaya merokok
Variabel dependent kebiasaan merokok
3. Masalah Penelitian
” adakah pengaruh penyuluhan bahaya merokok terhadap kebiasaan
merokok pada masyarakat A”
4. Jumlah populasi/sampel
Besar sampel sebanyak 200 responden
5. Desain Penelitian
Desain penelitian
Eksperiment dengan desai ”pre post test design”
Gambar
23
6. Hipotesis
Ho = tidak terdapat perbedaan kebiasaan merokok sebelum dan
sesudah ada penyuluhan bahaya merokok
Ho = terdapat perbedaan kebiasaan merokok sebelum dan sesudah ada
penyuluhan bahaya merokok
7. Kriteria Pengujian
Ho diterima jika harga chi square hitung lebih kecil dari harga tebel pada
taraf kemaknaan 5%.
8. Perhitungan
Tabel bantu
Sebelum
penyuluhan
Setelah
penyuluhan
Tidak merokok 50 125
Merokok 150 75
200 200
Terjadinya perubahan akibat dari penyuluhan seperti terlihat pada tabel
berikut:
Perilaku merokok Tidak
merokok
Merokok
Merokok 85 65
Tidak Merokok 40 10
Kebiasaan
Merokok
Masyarakat
Kebiasaan
Merokok
Masyarakat
Perlakuan
(penyuluhan Bahaya
Merokok)
24
Jadi
DA
DAX
2
21
1085
110852
2
X
642,572 X
9. Hasil
Harga chi square tersebut selanjutnya dibandingkan dengan harga chi
square tabel. Pada tabel dengan DF = 1 dan taraf signifikan 5% maka
harga chi square tabel = 3,894. berdasarkan hasil perhitungan maka H0
di tolak.
10. Kesimpulan
Terdapat perbedaan yang signifikan perilaku kebiasaan meroko sebelum
dan sesudah adanya penyuluhan tentang bahaya merokok.
25
APLIKASI SOFWARE SPSS PADA KASUS DIATAS
KASUS
Suatu penelitian dilakukan untuk mengetahui dampak adanya penyuluhan
tentang bahaya merokok pada masyarakat terhadap kebiasaan merokok pada
masyarakat di desa A. Berdasarkan hasil penelitian diperoleh hasil sebagai
berikut:
Sebelum
penyuluhan
Setelah
penyuluhan
Tidak merokok 50 125
Merokok 150 75
200 200
keterangan:
jika setelah dilakukan penyuluhan didapatkan bahwa yang sebelumnya
merokok menjadi tidak merokok sebanyak 85, tetap tidak merokok 40, tetap
merokok 65, tidak merokok menjadi merokok 10.
LANGKAH PENYELESAIAN
1. Buka lembar kerja baru spss
2. Kemudian buat variabel sebelum dan sesudah
3. Masukan data kedalam format spss seperti terlihat pada gambar berikut:
4. Aktifkan menu ANALIZE, kemudian pilih
26
5. Masukan variabel sebelum pada variabel 1 dan variabel sesudah pada
variabel 2, kemudian Pilih uji MC Nemar test, sehingga pada layar terlihat
gambar berikut:
6. Hasil Out put spss
Aktifkan menu
2 related
sample
Aktifkan menu
test McNemar
Masukan variable
yang akan dianalisis
27
Hasil uji MC
Nemar
28
PERTEMUAN 14
LATIHAN
KASUS 1
Suatu penelitian dilakukan di puskesmas Kartosuro untuk mengetahui
perbedaan pertumbuhan berat badan antara bayi yang lahir dengan BBLR (bayi
berat lahir rendah) dengan bayi berat lahir normal pada bulan ke 4.
berdasarkan hasil penelitian diperoleh hasil sebagai berikut:
BBL Bulan 4
1 6.0
1 5.9
1 5.1
1 5.6
1 5.6
1 4.9
1 6.0
1 5.9
1 6.7
1 5.5
1 5.9
1 3.0
2 4.1
2 4.6
2 5.6
2 5.3
2 4.7
2 5.7
2 4.5
2 3.3
2 4.1
2 4.0
2 4.3
2 5.2
2 4.5
Pertanyaan
1. Uji statistik apa yang tepat untuk melakukan pengujian pada kasus 1 .....?
2. Lakukan pengujian kemudian sajikan seperti pada tabel pada journal
berikut:
29
3. Bagaimana hasil interpretasi dari hasil penelitian tersebut....?
KASUS 2
Suatu penelitian dilakukan untuk mengetahui faktor-faktor yang berhubungan
dengan kejadian ISPA di Kabupaten Sukoharjo. Berdasarkan hasil penelitian
diperoleh hasil sebagai berikut:
No Status ASI Status ISPA
Status gizi
Status imunisasi
pendidikan
Kode ; 1 = eksklusif; 2 = tidak eksklusif
Kode ;1 = ISPA; 2 = tidak ISPA
Kode ; 1 = Baik; 2 = buruk
Kode ;1 = lengkap; 2 = tidak
Kode ; 1 = rendah; 2 = tinggi
1 1 1 1 2 2
2 1 1 2 2 1
3 1 1 1 1 2
4 1 1 2 1 2
5 1 1 1 1 1
6 2 1 2 2 2
7 2 1 2 2 2
8 2 1 2 2 2
9 1 1 1 1 1
10 2 1 2 2 2
11 2 1 1 2 2
12 2 1 2 2 2
13 1 1 1 1 1
14 1 2 1 1 1
15 1 2 1 1 1
16 1 2 1 1 1
17 2 2 2 2 2
18 2 2 2 2 1
19 2 2 2 2 1
20 1 2 1 1 1
21 1 2 1 1 1
22 1 2 1 1 1
23 2 2 2 2 2
24 2 2 2 2 2
25 1 2 1 1 1
30
Pertanyaan
1. Ujilah data tersebut dengan uji chi square kemudian dari hasil analisis
chi square yang bermakna pada level α = 0,05 kemudian lakukan
pengujian dengan regresi logistik...
2. Berikan interpretasi untuk hasil chi square...?
3. Sajikan data tersebut seperti pada tabel dalam journal berikut:
4. Berikan interpretasi untuk hasil regresi logistik...?