Statistika [PDF]

Citation preview

TUGAS PRAKTIK STATISTIKA KESEHATAN



OLEH :



KETUT HERMAWAN



(P07120217024)



SEMESTER VI / TINGKAT III S.TR. KEPERAWARAWATAN



KEMENTERIAN KESEHATAN REPUBLIK INDONESIA POLITEKNIK KESEHATAN DENPASAR JURUSAN KEPERAWATAN TAHUN AJARAN 2020



1. SOAL : Sebutkan dan jelaskan secara singkat komponen dan fungsi menu yang terdapat dalam SPSS yang sering digunakan! PEMBAHASAN : 1.



File: merupakan menu pertama dari data editor yang berfungsi mengatur operasional file-file SPSS. Komponen-komponennya ada



2.







New(membuat file yang baru),







Open (membuka file yan ada),







Save (untuk menyimpan file yang ada),







Print (jika ingin mencetak data),







Exit (untuk keluar dari tampilan data editor), dll.



Edit : digunakan untuk melakukan perbaikan atau perubahan berkenaan dengan data/kasus , menambah variable, menemukan nomor kasus, dll.



3.



View: berfungsi menyajikan penampilan data, toolbars dan output SPSS pada layar monitor. Pengerjaan pada menu ini tidak mengubah isi variable atau data juga tidak berpengaruh pada perhitungan statistic yang dilakukan. Komponen pada menu ini adalah: 



status bar (jika tampilan ini diaktifkan maka tampilan status SPSS terdapat pada bagian bawah layar SPSS processor ready adalah kalimat yang sering muncul pada status bar, yang menandakan SPSS siap mengolah data).







Toolbars (mengatur penampilan toolbars yang ada pada SPSS).







Fonts (berisi jenis shuruf, font style, dan size).







Grid Lines (jika tampilan ini dinonaktifkan garis grid baik vertical maupun horizontal akan hilang dan data editor akan tampak polos. Sebaiknya diaktifkan agar perbedaan letak terlihat jelas).



 4.



Value label (untuk melihat data yang diberi kode dan apa saja kategorinya)



Data : untuk memodifikasi data secara keseluruhan seperti mengurutkan data, menggabungkan data, dll.



5.



Transform: menstransformasikan data berdasar criteria tertentu seperti penjumlaha antar variable, recording, dll.



6.



Analyze: merupakan pusat dari SPSS, karena pada menu inilah seluruh perhitungan statistic dilakukan.



7.



Graphs: menampilkan grafik chart yang merupakan hasil perhitungan statistik data yang ada pada data editor.



8.



Utilites: berfungsi sebagai tambahan pengerjaan data statistic dengan SPSS.



9.



Statistic: untuk memilih prosedur statistic, dari yang sederhana (deskriptif) sampai yang komplek (multivariats).



10.



Windows: menampilkan window apa saja yang sekarang ada di SPSS (misal, ada satu file pada data editor dan satu file pada output navigator, maka pada wondow tampak dua file dengan nama masing-masing. Selain itu, menu ini berfungsi untuk meminimalkan tampilan SPSS.



11.



Help: memandu pengguna SPSS yang merasa kesulitan denagn kompleksitas SPSS. Menu ini berisi, Topics (untuk melihat tiap topic mengenai cara kerja SPSS), Tutorial (untuk melihat tiap topic mengenai cara kerja SPSS, bisa tiap topic yang khusus dengan mencari kata kunci lewat index tutorial berkaitan dengan topic), Statistic coach (untuk melihat tiap topic statistic yang diperlukan dan kaitannya dengan pengerjaan).



2. SOAL : Jelaskan bagian utama Data View dalam SPSS data editor! PEMBAHASAN : 1. Kolom : dengan ciri adanya kata var dalam setiap kolomnya. Kolom dalam SPSS akan diisi oleh VARIABLE (seperti No, Nama, TB, BB, Sex, dll) 2. Baris,



dengan ciri adanya angka 1,2,3 dan seterusnya. Baris dalam SPSS akan



diisi oleh DATA ( seperti nama orang: ketut) 3. SOAL : Jelaskan apa saja yang perlu diatur dalam variable view sebelum dilakukan input data statistic, berikan contohnya! PEMBAHASAN : Yang perlu diatur dalam variable view sebelum dilakukan input data statistic adalah:



1. Name



: untuk nama variable, diketik secara singkat karena karakter pada kolom



ini sangat terbatas. 2. Type



: menetukan type variabel (numerik, comma, dot, string, dll)



3. Width : menentukan lebar data/ banyaknya angka / karakter data 4. Decimal: menentukan banyaknya angka di belakang koma. 5. Label



: memberi penjelasan nama variabel yang panjang.



6. Missing : data yang hilang atau tidak ada isinya, seperti responden yang tidak punya nama dianggap missing. 7. Collum : menyediakan lebar kolom yang diperlukan untuk pemasukan data 8. Align



: posisi data (kanan, kiri, tengah sel) untuk itu tempatkan pointer pada sel



tersebut, buka kotak combo dan keseragaman pilih left/right/center. 9. Measure : hal yang penting di SPSS, karena menyangut tipe variabel yang nantinya menentukan jenis analisis yang digunakan. 4. SOAL : Anda adalah seorang sekretaris kepala bidang keperawatan di RSU Cepat Sembuh. Bulan depan akan diadakan pemilihan perawta teladan tahun 2008. Maka dilakukan serangkaian proses seleksi tahap akhir, ada 10 orang yang lulus, dan akan ditentukan yang terbaik dengan memberikan serangkaian test. Test yang akan dilakukan adalah: psiko test, TPA, test kepemimpinan, wawasan keperawatan dengan range skor 0-100. Data yang terkumpul berupa data pribadi dan data test seperti table 4. Anda akan mengolah data tersebut sesuai permintaan kepala bidang keperawatn untuk presentasi dalam rapat pimpinan RS. Inputlah data tersebut ke dalam SPSS data editor. Jelaskan langkahlangkahnya! PEMBAHASAN : Langkah-langkah menginput data ke dalam SPSS, yaitu:



1. Bukalah program SPSS 2. Klik variable view di pojok kiri bawah tampilan data editor, terdapat beberapa kolom.



3. Pada kolom name di isi dengan nama variabel data, misalnya no, na_pe, asal, sex, pe_kep, dll. (Pada variables yang karakternya panjang dapat disingkat terlebih dahulu, untuk mengganti spasi dipakai tanda (_)



4. Pada kolom type terdapat beberapa pilihan yaitu: string jika data yang ada tidak akan diolah sedangkan numeric untuk data yang akan diolah. Untuk variable no dipergunakan type string.



5. Pada kolom width dapat diubah sesuai dengan keinginan, di sini tersedia 1-255 digit untuk data bertipe string.



6. Pada kolom decimal tidak perlu diperhatikan jika data string dan jika data numeric diatur sesuai dengan keinginan.



7. Pada kolom label diisi keterangan nama variable secara lengkap, yang akan ditampilkan pada data view dan out put.



8. Pada kolom values, untuk data string dikosongkan. Tetapi untuk data numerik pada values di klik kemudian terdapat tanda kotak kecil di pojok kanan bawah, maka akan muncul kotak. Pada kotak-kotak tersebut kita mengatur kode dari data (mengkategorikan data), misalkan pada kolom value di isi angka 1 dan pada kolom label di isi laki-laki. Kemudian add. Setelah selesai membuat kode, maka klik OK.



9. Tampilan pada variable view :



10. Isi kolom-kolom tersebut dengan variabel dan kelengkapannya, setelah selesai lihat tampilannya di data view. Klik di pojok bawah kiri, maka akan muncul



tampilannya. Kemudian masukan data sesuai dengan variabel yang ada. Khusus untuk data yang berjenis numerik, maka klik di pojok kanan bawah kolom, akan muncul beberapa pilihan sesuai dengan kategori yang dimasukan tadi di variable view pada kolom values



11. Tampilan pada variable view :



5. SOAL : Anda bertugas di ruang luka bakar, RS Cepat Sembuh. Dalam rangka penelitian kualitatif yang Anda lakukan, Anda memberikan kuisioner dan melakukan observasi terhadap beberapa indicator pada pasien dengan grade luka bakar yang sama. Hasilnya adalah sebagai berikut: Tabel 1: Tabulasi hasil kuisioner dan observasi pasien luka bakar grade 2a di R Combustio



Pasien



Perseps i



Tingkat Kepatuha n



Skala nyeri



Lama Penyembuhan Luka (hari)



1



Kori



12



8



5



12



2



Lane



12



8



8



12



3



Muka



15



9



4



13



4



Nanoe



18



7



5



15



5



Orange



16



5



4



14



6



Paijo



17



7



8



12



N o



7



Quiril



17



4



7



10



8



Roro



18



2



1



13



9



Tanjun g



19



5



2



11



10



Urat



20



6



3



15



11



Versa



17



9



4



15



12



Wulan



18



8



5



14



13



Xenon



15



9



6



16



14



Yuri



12



4



8



17



15



Zuin



15



5



7



14



Anda ingin mengubah data variable di atas menjadi data ordinal dengan criteria Persepsi (Sangat baik: jika skor 18-20), Baik jika skor 12-17, Kurang baik, jika skor 0,05 atau p > a



6. Tanda (-) pada Pearson Correlation menyatakan hubungan negatif dan angka 0,212 menyatakan hubungan lemah. 7. Interpretasi : tidak terdapat hubungan bermakna antar persepsi dengan kepatuhan perawatan luka



6. SOAL : Anda ingin mengetahui apakah ada perbedaan vital sign dan kesadaran pasien post trepanasi hari ketiga yang dirawat diruang HCU RS Cepat Sembuh selama 2 minggu depan dengan menggunakan lembar evaluasi yang telah anda buat. Lembar evaluasi dan hasilnya sebagai berikut: Tabel 2: Lembar evaluasi dan hasil vital sign dan kesadaran pasien post trepanasi hari ktiga di R HCU



No



Nadi



Nama Pasie n



Pernafasan



TD Sistolik (mmHg)



Kesadran



(x/menit)



B



A



D



O



B



A



D



O



B



 



90



 



 



 



120



 



 



 



 



 



 



 



 



 



 



A



D



O



Cm



A p



C o



 



 



 







 



 



 



 



 



 



1



Soplo



2



Sare



3



Sudik



 



 



80



 



 



 



120



 



 



 



14



 



 



 



 



4



Sopor



 



 



82



 



 



 



100



 



 



 



16



 



 



 



 



5



Sade



 



 



 



 



 



 



 



100



 



 



 



 



 



6



Tora



 



98



 



 



 



110



 



 



 



7



Toni



 



 



 



 



 



 



 



8



Tono



 



96



 



 



 



110



 



 



 



9



Tani



 



 



84



 



 



 



110



 



 



 



10



Taru



 



 



86



 



 



 



110



 



 



 



11



Toro



 



 



 



88



 



 



 



 



 



12



Tero



 



 



80



 



 



 



120



 



 



100



100



30



 



  24



32



90  



22



  20



18



 



 



 



 



 



 



 



 



 



 



 



 



 



 



 



18



 



 



 



 



16



 



 



 



 



 



 



 



 



 



 



 



 



 



 



Keterangan : B (bayi), A(anak), D (dewasa), O (orang tua), Cm ( composmentis), Ap (Apatis), Co (Coma). Anda ingin memesukan ke dalam data editor SPSS. Jelaskan cara bagaimana anda menginput data tersebut ke dalam file data editor SPSS. PEMBAHASAN : Cara menginput data pada tabel 2 ke dalam 1 file data editor SPSS: a.



Bukalah data editor SPSS yang baru



b.



Klik variables view di sebelah kiri pojok bawah tampilan data editor



c.



Isi kolom name dengan variable data tersebut (No, Nama pasien, Nadi, Ra, TD Sistolik, Pernafasan, Kesadaran dan Usia)



d.



Pada kolom type pilihlah jenis data dari masing-masing variable (numerik/string)



e.



Lengkapi kolom labels dengan nama variable yang ingin ditampilkan pada data view



f.



Untuk data yang numeric yang ingin dikategorikan, aturlah kolom value. Dengan cara mengklik kolom tersebut, sehingga muncul kotak kecil di kakan bawah. Klik kotak tersebut, maka akan muncul value labels. Kategorikan data yang ada (1=BayiAdd, 2=AnakAdd, 3= Dewasa Add, 4= Orang TuaAdd)setelah selesai klik OK.



g.



Setelah selesai mengatur di variable view, lalu klik data view.



h.



Masukan data yang ada sesuai dengan variable



i.



Untuk variable yang berjenis numeric, klik pada kolom menurun pada variable tersebut, pada pojok kanan terdapat tanda panah, klik tanda tersebut, maka akan muncul pilihan kategori yang dimasukan pada values labels.



j.



Tampilan pada variabel view :



k.



Tampilan pada data view :



7. Soal : Untuk menentukan penambahan jumlah tenaga keperawtan di ruang emergency, anda ingin mengetahui bagaimana tingkat kesibukan perawat dengan menghitungjumlah pasien yang datng setiap shift jaga dan jumlah kasus yang diterima pada di masingmasing bagian setiap shift selama 1 minggu. Tabel 3: Tabulasi hasil observasi jumlah pasien yang berobat ke unti emergency Jumlah Pasien Setiap Hari



Jumlah kasus di bagian setiap shif jaga



Shif Jaga



Pagi K



B



Sore



Pagi



Sore



Malam



1



47



73



30



12



1 5



20



2



37



45



46



12



1 6



3



18



54



54



21



1 8



4



67



72



44



25



3 0



I



K



Malam



B



I



8



25



40



21



9



18



18



5



12



14



K



B



I



5



10



25



18



8



8



30



24



25



12



14



28



26



32



15



13



16



5



30



55



54



12



1 2



6



12



18



25



14



16



14



6



46



49



46



10



1 8



18



4



30



15



8



20



18



7



44



72



46



11



2 2



11



8



45



19



10



16



20



Anda ingin memasukan ke dalam data editor SPSS. Jelaskan cara bagaimana anda menginput data tersebut ke dalam 1 file data editor! Lakukan Uji Beda antara jumlah kasus di K (kebidanan) B ( Bedah) I (Interna) Cara menginput data pada tabel 3 ke dalam 1 file data editor SPSS:



1.



Bukalah data editor SPSS yang baru



2.



Klik variables view di sebelah kiri pojok bawah tampilan data editor



3.



Isi kolom name dengan variable data tersebut (hari, shif, k, b, i, dan jumlah)



4.



Pada kolom type pilihlah jenis data dari masing-masing variable (numerik/string)



5.



Lengkapi kolom labels dengan nama variable yang ingin ditampilkan pada data view



6.



Untuk data yang numeric yang ingin dikategorikan, aturlah kolom value. Dengan cara mengklik kolom tersebut, sehingga muncul kotak kecil di kakan bawah. Klik kotak tersebut, maka akan muncul value labels. Kategorikan data yang ada (misalkan pada variabel hari, kategorinya: 1= hari 1Add, 2= hari 2Add, 3= hari 3Add, dan seterusnya) setelah itu klik OK.



7.



Setelah selesai mengatur di variable view, lalu klik data view.



8.



Masukan data yang ada sesuai dengan variable



9.



Untuk variable yang berjenis numeric, klik pada kolom menurun pada variable tersebut, pada pojok kanan terdapat tanda panah, klik tanda tersebut, maka akan muncul pilihan kategori yang dimasukan pada values labels.



10. Tampilan pada variable view :



11. Tampilan pada data view :



12.



Karena yang diminta uji beda antara jumlah kasus di k-b-i maka ditambah variable data dengan name (kasus dan k-b-i)



13.



Pada kolom jenis data dari masing-masing variable (numerik)



14.



Lengkapi kolom labels dengan nama variable yang ingin ditampilkan pada data view



15.



Untuk data yang numerik yang ingin dikategorikan aturlah kolom value. Dengan cara mengklik kolom tersebut, sehingga muncul kotak kecil di kanan bawah. Klik kotak tersebut maka akan muncul value labels. Kategorikan data yang ada



(misalkan pada variable hari, kategorinya : 1 K Pagi – Add, 2 B Pagi – Add, 3 – I Pagi – Add dan seterusnya).



16.



Setelah selesai mengatur di variable view, lalu klik data view



17.



Masukkan data yang ada sesuai dengan variable



18.



Untuk variable yang berjenis numerik, klik pada kolom menurun pada variable tersebut, pada pojok kanan terdapat tanda panah, klik tanda tersebut, maka akan muncul pilihan kategori yang dimasukkan pada values label



19.



Lalu lakukan uji beda antara jumlah kasus di k-b-i yang diawali dengan melihat data



tersebut berdistribusi normal atau tidak dengan cara klik Analyze –



Descriptive statistics – Explore – masukan data jumlah kasus ke Factor List dan k-b-i Dependent List – klik Plots, pastikan Normality Plots with Test tercentang – klik Continue kemudian klik OK – keluarlah Output lalu copy Descriptive lalu salin ke excel – hitung normalitas data dengan Skew/s.e – hasil yang didapat 1.66855, 1.611541, -0.8668, 0.386249, 1.895236, 1.035457, -0.03385 dan 0,312227 sehingga data ini dikatakan data yang normalsesuai dengan aturan uji normalitas.



20.



Setelah selesai uji normalitas dilanjutkan dengan uji beda pada antara jumlah kasus di kebidanan, bedah dan interna (k-b-i), karena data yang didapatkan normal dan merupakan data interval serta tidak berpasangan yang jumlah datanya lebih dari dua maka uji beda yang dipakai adalah One-Way ANOVA dengan cara klik Analyze – Compare Means – One-Way ANOVA – masukan data k-b-i ke Dependent List dan data kasus ke Faktor – klik Options, centang Homogeneity Of Variance test – klik Continue – klik Post Hoc, centang Tukey – klik Continue – kemudian klik OK – keluarlah Output dimana didapatkan hasil sig = 0.000 artinya Ho ditolak Hi diterima (ada pengaruh bermakna antara jumlah kasus di ruangan kebidanan bedah interna)



Multiple Comparisons Dependent Variable: k_b_i Tukey HSD 95% Confidence Interval



Mean (I) kasus



(J) kasus



Difference (I-J)



Std. Error



Sig.



Lower Bound



Upper Bound



k pagi



b pagi



-4.000



3.323



.952



-14.74



6.74



i pagi



-.429



3.323



1.000



-11.16



10.31



k sore



6.143



3.323



.650



-4.59



16.88



b sore



-11.857*



3.323



.020



-22.59



-1.12



-11.857*



3.323



.020



-22.59



-1.12



k malam



4.429



3.323



.917



-6.31



15.16



b malam



.857



3.323



1.000



-9.88



11.59



-6.857



3.323



.508



-17.59



3.88



k pagi



4.000



3.323



.952



-6.74



14.74



i pagi



3.571



3.323



.975



-7.16



14.31



k sore



10.143



3.323



.078



-.59



20.88



b sore



-7.857



3.323



.324



-18.59



2.88



i sore



-7.857



3.323



.324



-18.59



2.88



k malam



8.429



3.323



.238



-2.31



19.16



b malam



4.857



3.323



.868



-5.88



15.59



i malam



-2.857



3.323



.994



-13.59



7.88



k pagi



.429



3.323



1.000



-10.31



11.16



b pagi



-3.571



3.323



.975



-14.31



7.16



k sore



6.571



3.323



.565



-4.16



17.31



b sore



-11.429



*



3.323



.029



-22.16



-.69



-11.429



*



3.323



.029



-22.16



-.69



k malam



4.857



3.323



.868



-5.88



15.59



b malam



1.286



3.323



1.000



-9.45



12.02



i malam



-6.429



3.323



.594



-17.16



4.31



k pagi



-6.143



3.323



.650



-16.88



4.59



b pagi



-10.143



3.323



.078



-20.88



.59



i pagi



-6.571



3.323



.565



-17.31



4.16



-18.000



*



3.323



.000



-28.74



-7.26



-18.000



*



3.323



.000



-28.74



-7.26



k malam



-1.714



3.323



1.000



-12.45



9.02



b malam



-5.286



3.323



.806



-16.02



5.45



-13.000



*



3.323



.007



-23.74



-2.26



k pagi



11.857



*



3.323



.020



1.12



22.59



b pagi



7.857



3.323



.324



-2.88



18.59



11.429



*



3.323



.029



.69



22.16



k sore



18.000



*



3.323



.000



7.26



28.74



i sore



.000



3.323



1.000



-10.74



10.74



k malam



16.286*



3.323



.000



5.55



27.02



b malam



*



3.323



.010



1.98



23.45



5.000



3.323



.848



-5.74



15.74



*



3.323



.020



1.12



22.59



i sore



i malam b pagi



i pagi



i sore



k sore



b sore i sore



i malam b sore



i pagi



i malam i sore



k pagi



12.714



11.857



b pagi



7.857



3.323



.324



-2.88



18.59



11.429*



3.323



.029



.69



22.16



k sore



18.000



*



3.323



.000



7.26



28.74



b sore



.000



3.323



1.000



-10.74



10.74



k malam



16.286



*



3.323



.000



5.55



27.02



b malam



12.714*



3.323



.010



1.98



23.45



5.000



3.323



.848



-5.74



15.74



k pagi



-4.429



3.323



.917



-15.16



6.31



b pagi



-8.429



3.323



.238



-19.16



2.31



i pagi



-4.857



3.323



.868



-15.59



5.88



k sore



1.714



3.323



1.000



-9.02



12.45



b sore



-16.286



*



3.323



.000



-27.02



-5.55



-16.286



*



3.323



.000



-27.02



-5.55



-3.571



3.323



.975



-14.31



7.16



*



3.323



.032



-22.02



-.55



k pagi



-.857



3.323



1.000



-11.59



9.88



b pagi



-4.857



3.323



.868



-15.59



5.88



i pagi



-1.286



3.323



1.000



-12.02



9.45



k sore



5.286



3.323



.806



-5.45



16.02



b sore



-12.714



*



3.323



.010



-23.45



-1.98



-12.714



*



3.323



.010



-23.45



-1.98



k malam



3.571



3.323



.975



-7.16



14.31



i malam



-7.714



3.323



.348



-18.45



3.02



k pagi



6.857



3.323



.508



-3.88



17.59



b pagi



2.857



3.323



.994



-7.88



13.59



i pagi



6.429



3.323



.594



-4.31



17.16



k sore



13.000*



3.323



.007



2.26



23.74



b sore



-5.000



3.323



.848



-15.74



5.74



i sore



-5.000



3.323



.848



-15.74



5.74



k malam



11.286



*



3.323



.032



.55



22.02



b malam



7.714



3.323



.348



-3.02



18.45



i pagi



i malam k malam



i sore b malam i malam b malam



i sore



i malam



-11.286



*. The mean difference is significant at the 0.05 level.



Deskripsi Hasil : Dari Post Hoc Test dengan menggunakan uji Bonferroni di atas memperlihatkan bahwa kelompok yang menunjukan adanya perbedaan rata – rata jumlah kasus ditandai dengan bintang



(*) adalah kelompok kebidanan pagi, bedah sore, interna sore, kebidanan sore, kebidanan malam, bedah malam, dan interna malam.



Denpasar, 27 Maret 2020 Mahasiswa



Ketut Hermawan NIM. P07120217024