All basical learning i hope that benefit for my colleague

1. Cara Menilai sebarandata:
Langkah 1
Langkah 2

2. Analisis
Tests of Normality
Kolmogorov-Smirnova
Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Age in years ,062 1048 ,000 ,979 1048 ,000
Total treatmentand
rehabilitation costs in
thousands
,124 1048 ,000 ,913 1048 ,000
a. Lilliefors Significance Correction
Interpretasi
Menggunakan analisis statistik yang dinilai melalui kolmogorov-smirnov atau shapiro-wilk:
Syaratnya bila jumlah sampel < 50 menggunakan shapiro-wilk, bila sampel > dari 50
menggunakan kolmogorov-smirnov.
df. Menunjukkanjumlahsampel
sig. Menunjukansignifikansinya
hasil diatasmenunjukansecarastatistikkeduavariabel ini secarasebarantidaknormal
cara lainmenilai sebaran
Penilaian melalui boxplot hasil diatas menandakan sebarannya normal karena tidak ada nilai
extreme

3. Gambar boxplot diatas menggambarkan sebaran yang tidak normal karena terdapat banyak
nilai extreme (bulatan yang mengandung angka contoh : 3490 berarti sampel no 349 nilainya
extreme diatas mean)
Cara membuat tabel frequency
Langkah 1

4. Langkah 2
Masukan semuavariabel yangakandihitungfrekuensinyasetelahituklikok
Hasil perhitunganfrequency

5. Interpretasi
Blood pressure
Frequency Percent Valid Percent
Cumulative
Percent
Valid Hypotension 124 11,8 11,8 11,8
Normal 633 60,4 60,4 72,2
Hypertension 291 27,8 27,8 100,0
Total 1048 100,0 100,0
Lakukanpenilaianpadavalidpercent
Melakukananalisishubunganvariabel
Untuk analisisberbagai variabel lakukanpenilaiansebaran datanyanormal atautidak,kecuali bila
keduadatanyavariabel kategorikdankategorikmakatidakperluuji normalitasotomatis
pengukurannyanonparametrik
Bilasebarandata normal maka analisisnyaparametrik
Contoh:
Index massatubuh( skalaNumerik)  tingkatkebugaran(bugar/tidak) skalakategorik.(sebaran
data normal)
Dilakukanpengujianuji Tindependen( independenkarenatidakdilakukanpemeriksaanpadaorang
yang samapre tesdan postes)

7. Independent Samples Test
Levene's Test for
Equality of
Variances t-test for Equality of Means
F Sig. t df
Sig. (2-
tailed)
Mean
Differen
ce
Std.
Error
Differen
ce
95% Confidence
Interval of the
Difference
Lower Upper
Age in
years
Equal
variances
assumed
1,287 ,257 ,673 1046 ,501 ,379 ,563 -,726 1,484
Equal
variances not
assumed
,672
1042
,155
,501 ,379 ,563 -,727 1,484
Berikutnya (numerik  kategorik > 2 kategori) sebaran normal
Kolesterol  tekanan darah (Hypotensi, normal, hipertensi) pakai uji ANOVA
Lakukan uji normalitas terlebih dahulu bila sebaran normal langsung uji ANOVA

8. Dinilai signifikansinyabila<0,05 hasilnyasignifikandisinihasilnyatidaksignifikan
ANOVA
Age in years
Sum of Squares df Mean Square F Sig.
Between Groups 5927,969 3 1975,990 25,463 ,000
Within Groups 81016,725 1044 77,602
Total 86944,694 1047
Interpretasinya signifikan karena nilainya <0,05

9. Multiple Comparisons
DependentVariable: Age in years
Bonferroni
(I) Taking anti-
clotting drugs
(J) Taking anti-
clotting drugs
Mean
Difference
(I-J)
Std.
Error Sig.
95% Confidence Interval
Lower
Bound
Upper
Bound
None Aspirin -4,294*
,681 ,000 -6,09 -2,49
Heparin -6,013*
,799 ,000 -8,13 -3,90
Warfarin -3,101*
,846 ,002 -5,34 -,87
Aspirin None 4,294*
,681 ,000 2,49 6,09
Heparin -1,718 ,888 ,320 -4,07 ,63
Warfarin 1,193 ,930 1,000 -1,27 3,65
Heparin None 6,013*
,799 ,000 3,90 8,13
Aspirin 1,718 ,888 ,320 -,63 4,07
Warfarin 2,911*
1,020 ,026 ,22 5,61
Warfarin None 3,101*
,846 ,002 ,87 5,34
Aspirin -1,193 ,930 1,000 -3,65 1,27
Heparin -2,911*
1,020 ,026 -5,61 -,22
*. The mean difference is significantatthe 0.05 level.
Dilihat nilainya mana yang paling signifikan dari signifikansinya < 0,05 dan level
kepercayaan tidak memotong angka 1
Hasilnya asprin terhadap none dan heparin terhadap none

10. Berikutnya variabel numerik  numerik ( sebaran normal  korelasi regresi pearson)
Sebelumnya lakukan uji normalitas terlebih dahulu
Langkah 1
Langkah 2
Pilih variabel yang akan dihitung korelasinya klik ok

11. Interpretasinya
Correlations
Age in years
Length of stay
for rehabilitation
Age in years Pearson Correlation 1 ,140**
Sig. (2-tailed) ,000
N 1048 787
Length of stay for
rehabilitation
Pearson Correlation ,140** 1
Sig. (2-tailed) ,000
N 787 787
**. Correlation is significantatthe 0.01 level (2-tailed).
Bila korelasinya sangat kuat nilainya <0,01 disini nilainya > 0,140 tidak ada korelasi antara
umur dan lama dirawat
Bilasebarandata tidaknormal maka analisisnyanon-parametrik atauvariabel kategorik  kategorik
Untuk varibel kategorik(2variabel)  kategorik(2variabel)analisinyamenggunakanchi square
Langkah 1

12. Langkah 2

13. Interpretasi
Chi-Square Tests
Value df
Asymptotic
Significance (2-
sided)
Exact Sig. (2-
sided)
Exact Sig. (1-
sided)
Pearson Chi-Square 27,956a
1 ,000
Continuity Correctionb
27,063 1 ,000
Likelihood Ratio 26,341 1 ,000
Fisher's Exact Test ,000 ,000
Linear-by-Linear Association 27,929 1 ,000
N of Valid Cases 1048
a. 0 cells (0,0%) have expected count less than 5.The minimum expected countis 59,95.
b. Computed onlyfor a 2x2 table
Interpretasi lihatduluapakahadaexpectedcount> 5 cell bilaada maka lihatnilai fisherexacttes,
bila< 5 lihatnilai chisquarenyadisinihasilnyasignifikanadahubunganmerokokdenganmyocard
infarckarenanilainya<0,05
Berikutnyauji numerik  numerik(sebarantidaknormal) menggunakanspearman

14. Langkah 1
Langkah 2
Interpretasi
Correlations

15. Length of stay
for rehabilitation
Total treatment
and
rehabilitation
costs in
thousands
Spearman's rho Length of stay for
rehabilitation
Correlation Coefficient 1,000 ,712**
Sig. (2-tailed) . ,000
N 787 787
Total treatmentand
rehabilitation costs in
thousands
Correlation Coefficient ,712**
1,000
Sig. (2-tailed) ,000 .
N 787 1048
**. Correlation is significantatthe 0.01 level (2-tailed).
Interpretasinyakorelasinyakurangkuatkarenanilai rhonyajauhdari 1