Uji Beda (One Way Anova) Jika Data terdistribusi Normal skala numeric

- Klik Analyze
- Klik Compare Means
- Klik one Way Anova
- Klik variable ke dependent variable list
- Klik Faktor

1. Apakah ada perbedaan intake Fe pada tiga kelompok data terdistribusi normal
Apakah data homogen atau tidak?

Test of Homogeneity of Variances

intake Fe

Levene Statistic df1 df2 Sig.

.793 2 27 .463

P= 0,463 Data sig. > dari 0,05 maka datanya homogen sehingga table Anova dapat disimpulkan

ANOVA

intake Fe

Sum of Squares df Mean Square F Sig.

Between Groups 1327.400 2 663.700 32.862 .000

Within Groups 545.300 27 20.196

Total 1872.700 29

P=0,00 P<0,05 Ho ditolak kesimpulan paling tidak ada perbedaan intake fe pada 2 kelompok

Lakukan Uji post Hoct

- Klik Analyze
- Klik Compare Means
- Klik One Way Anova
- Klik variable ke dependent variable list
- Klik Faktor
- Klik Uji Post Hoct
 Multiple Comparisons

Dependent Variable:intake Fe

95% Confidence Interval

(I) kelompok (J) kelompok Mean Difference
intervensi intervensi (I-J) Std. Error Sig. Lower Bound Upper Bound

Tukey HSD control fero sulfat -15.5000* 2.0098 .000 -20.483 -10.517

multivit mineral -12.1000* 2.0098 .000 -17.083 -7.117

fero sulfat control 15.5000* 2.0098 .000 10.517 20.483

multivit mineral 3.4000 2.0098 .227 -1.583 8.383

multivit mineral control 12.1000* 2.0098 .000 7.117 17.083

fero sulfat -3.4000 2.0098 .227 -8.383 1.583

LSD control fero sulfat -15.5000* 2.0098 .000 -19.624 -11.376

multivit mineral -12.1000* 2.0098 .000 -16.224 -7.976

fero sulfat control 15.5000* 2.0098 .000 11.376 19.624

multivit mineral 3.4000 2.0098 .102 -.724 7.524

multivit mineral control 12.1000* 2.0098 .000 7.976 16.224

fero sulfat -3.4000 2.0098 .102 -7.524 .724

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

- Ada perbedaan control dengan fero sulfat P=0,00

- Ada perbedaan Control dengan Multivitamin Mineral P= 0,00
- Ada perbedaan ferro sulfat dengan Control P=0,00
- Ada perbedaan multivitamin dengan Control P=0,00
Karena P <0,05
Kesimpulan : ada perbedaan kelompok jika nilai tidak dalam satu kolom

Uji Kruskal Wallis Jika Data tidak terdistribusi Normal (non parametric)

- Klik Analyze
- Klik Non Parametrik Test
- Klik K independent Sample
 -
1. Apakah ada perbedaan kadar Hb akhir pada kelompok Intervensi

Test Statisticsa,b

kadar
hemoglobin akhir
penelitian (g/dl)

Chi-Square 17.826

df 2

Asymp. Sig. .000

a. Kruskal Wallis Test

b. Grouping Variable: kelompok

intervensi

P=0,00 paling tidak ada perbedaan Hb2 pada 2 kelompok

Uji Poshoc (memakai Mann Whitney U)
- Klik Analyze
- Klik Non Parametrik
- Klik 2 independent sample
- Klik 1 kelompok dibanding dengan kelompok lainnya

Ranks

kelompok
intervensi N Mean Rank Sum of Ranks

kadar hemoglobin akhir control 10 6.00 60.00

penelitian (g/dl)
fero sulfat 10 15.00 150.00

Total 20

Test Statisticsb

kadar
hemoglobin akhir
penelitian (g/dl)

Mann-Whitney U 5.000

Wilcoxon W 60.000
Z -3.487

Asymp. Sig. (2-tailed) .000

Exact Sig. [2*(1-tailed Sig.)] .000a

a. Not corrected for ties.

b. Grouping Variable: kelompok intervensi

Ada beda anatara kelompok control dengan kelompok fero sulfat(p= 0,00)

Ranks

kelompok
intervensi N Mean Rank Sum of Ranks

kadar hemoglobin akhir control 10 6.70 67.00

penelitian (g/dl)
multivit mineral 10 14.30 143.00

Total 20

Test Statisticsb

kadar
hemoglobin akhir
penelitian (g/dl)

Mann-Whitney U 12.000

Wilcoxon W 67.000

Z -2.987

Asymp. Sig. (2-tailed) .003

Exact Sig. [2*(1-tailed Sig.)] .003a

a. Not corrected for ties.

b. Grouping Variable: kelompok intervensi

Ada beda antara kelompok Kontrol dengan kelompok Multivit mineral P(0,003)

Ranks

kelompok
intervensi N Mean Rank Sum of Ranks

kadar hemoglobin akhir fero sulfat 10 14.05 140.50

penelitian (g/dl) multivit mineral 10 6.95 69.50

Total 20

Test Statisticsb

kadar
hemoglobin akhir
penelitian (g/dl)

Mann-Whitney U 14.500

Wilcoxon W 69.500

Z -2.701

Asymp. Sig. (2-tailed) .007

Exact Sig. [2*(1-tailed Sig.)] .005a

a. Not corrected for ties.

b. Grouping Variable: kelompok intervensi

Ada beda antara kelompok fero sulfat dengan kelompok Multivit Mineral p (0,007)

JIka ada beda proporsi jenis kelamin dan umur maka uji chisquare

Uji korealasi dengan memakai uji Pearson dengan syarat skala Numerik dan Ratio dan datanya
terdistribusi Normal

1. Apakah ada korelasi antara intake Fe dan Hb2

- Klik Analyze
- Klik Correlate
- Klik Bivariate
- Klik variable x Intake Fe dan Y hemoglobin Akhir

Correlations

kadar
hemoglobin akhir
intake Fe penelitian (g/dl)

intake Fe Pearson Correlation 1 .738**

Sig. (2-tailed) .000

N 30 30
kadar hemoglobin akhir Pearson Correlation .738** 1
penelitian (g/dl) Sig. (2-tailed) .000

N 30 30

**. Correlation is significant at the 0.01 level (2-tailed).

1. P= 0,00 P<0,05 H0 Ditolak Ada koralasi Antara Intake Fe dengan Kadar hemoglobin
Akhir
2. Nilai R 0,738 kekuatan korelasinya kuat
3. Arah korelasi Positif semakin tinggi intake Fe maka semakin tinggi kadar hemoglobin

Uji korealasi dengan memakai uji spearmen dengan datanya tidak terdistribusi Normal
1. Apakah ada korelasi berat badan dengan kadar Hb2

Correlations

kadar
hemoglobin akhir
berat badan (kg) penelitian (g/dl)

Spearman's rho berat badan (kg) Correlation Coefficient 1.000 .304

Sig. (2-tailed) . .102

N 30 30

kadar hemoglobin akhir Correlation Coefficient .304 1.000

penelitian (g/dl)
Sig. (2-tailed) .102 .

N 30 30

Nilai P 0,102 P> 0,05 maka tidak ada korelasi anatara berat badan dengan Kadar Hb2

Uji regresi linier

Syarat
1. Sudah melalui uji bivariate (pearson atau spearman)
2. Nilai P dari uji bivariate < 0,25
3. Skala Data Numerik
Variable mana yang paling berpengaruh terhadap skor keparahan MDQ
 1. Umur
2. Imt
3. Asupan lemak Total
4. Asupan Kalium
5. Asupan kalsium
6. Asupan B1
7. Asupan B6
8. Asupan Fe

- Klik Analyze
- Klik regression
- Klik linear
- Klik back ward
- Klik continue
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 10.307 10.941 .942 .349

umur responden -.115 .700 -.017 -.164 .870

imt responden .061 .110 .055 .549 .585

total lemak -.003 .015 -.027 -.214 .831

Vit B1 3.593 3.841 .354 .935 .352

Vit B6 -.045 2.214 -.010 -.020 .984

kalium .000 .002 -.249 -.523 .602

Calcium -.003 .002 -.240 -1.303 .196

Fe .190 .104 .342 1.822 .072

2 (Constant) 10.292 10.853 .948 .345

umur responden -.113 .693 -.016 -.164 .870

imt responden .060 .110 .055 .552 .583

total lemak -.003 .015 -.027 -.217 .829

Vit B1 3.550 3.192 .350 1.112 .269

kalium .000 .001 -.256 -.765 .446

Calcium -.003 .002 -.238 -1.412 .161

Fe .190 .104 .342 1.832 .070

3 (Constant) 8.571 2.646 3.240 .002

 imt responden .058 .108 .053 .539 .591

total lemak -.003 .014 -.026 -.208 .836

Vit B1 3.496 3.158 .345 1.107 .271

kalium .000 .001 -.252 -.758 .450

Calcium -.003 .002 -.238 -1.417 .160

Fe .190 .103 .342 1.844 .068

4 (Constant) 8.437 2.553 3.305 .001

imt responden .059 .108 .054 .544 .587

Vit B1 3.407 3.113 .336 1.095 .277

kalium .000 .001 -.250 -.758 .450

Calcium -.003 .002 -.240 -1.437 .154

Fe .185 .100 .333 1.852 .067

5 (Constant) 9.739 .894 10.899 .000

Vit B1 3.310 3.096 .326 1.069 .288

kalium .000 .001 -.248 -.754 .453

Calcium -.003 .002 -.239 -1.441 .153

Fe .189 .099 .340 1.902 .060

6 (Constant) 9.754 .891 10.943 .000

Vit B1 1.300 1.569 .128 .829 .409

Calcium -.003 .002 -.294 -1.964 .052

Fe .189 .099 .340 1.906 .060

7 (Constant) 9.887 .875 11.295 .000

Calcium -.003 .002 -.273 -1.856 .067

Fe .235 .082 .424 2.877 .005

a. Dependent Variable: Total skor tingkat keparahan MDQ

Kesimpulan : variable yang paling berpengaruh terhadap skor keparahan MDQ adalah
asupan kalsium dan Asupan FE

Y= konstanta+-a(variable1)
Y=9,887-0,003(asupan Kalsium) + 0,235 (Fe)
Contoh seorang remaja putri asupan kalsiumnya 300 mg/hari dan asupan Fe 27 mg/hari
berapa skor keparahan MDQ rematri tsb
Y=9,887-0,003(300) + 0,235 (27)
=9,887-0,9+6,345
 Skor MDQ 15,332

Uji regresi Logistik

Syarat
1. Sudah melalui uji bivariate (chi Square atau fisher exact)
2. Nilai P dari uji bivariate < 0,25
3. Skala Data Kategorikal
Variable mana yang paling berpengaruh terhadap kejadian PMS
1. Asupan lemak total
2. Asupan kalium
3. Asupan Kalsium
4. Asupan B1
5. Asupan B6
6. Asupan Fe
- Klik Analyze
- Klik regression
- Klik Binary Logistic
- Klik method back ward LR
- Klik kategorikal (pindahkan variable ke sebelah kanan)
- Klik Save
- Klik Probabilities
- Klik Options
- Klik Hosmers dan Ci
- Klik continue

Variables not in the Equationf

Score df Sig.

Step 2a Variables kat_Fe2(1) .000 1 1.000

Overall Statistics .000 1 1.000

Step 3b Variables kat_kalium2(1) .000 1 1.000

kat_Fe2(1) .000 1 1.000

Step 4c Variables kat_kalium2(1) .000 1 1.000

kat_B1_2(1) .000 1 1.000

kat_Fe2(1) .000 1 1.000

Overall Statistics .000 3 1.000

Step 5d Variables kat_kalium2(1) .000 1 1.000

kat_B1_2(1) .000 1 1.000

 kat_B6_2(1) .001 1 .982

kat_Fe2(1) .000 1 1.000

Step 6e Variables kat_kalium2(1) .000 1 1.000

kat_B1_2(1) .054 1 .817

kat_B6_2(1) .015 1 .902

kat_kalsium2(1) .226 1 .635

kat_Fe2(1) .054 1 .817

a. Variable(s) removed on step 2: kat_Fe2.

b. Variable(s) removed on step 3: kat_kalium2.

c. Variable(s) removed on step 4: kat_B1_2.

d. Variable(s) removed on step 5: kat_B6_2.

e. Variable(s) removed on step 6: kat_kalsium2.

f. Residual Chi-Squares are not computed because of redundancies.

Variables in the Equation

95.0% C.I.for EXP(B)

B S.E. Wald df Sig. Exp(B) Lower Upper

Step 1a kat_kalium2(1) -2.071 2.387E4 .000 1 1.000 .126 .000 .

kat_lemak2(1) 17.689 6.914E3 .000 1 .998 4.811E7 .000 .

kat_B1_2(1) .810 1.929E4 .000 1 1.000 2.248 .000 .

kat_B6_2(1) .028 1.259 .001 1 .982 1.029 .087 12.122

kat_kalsium2(1) 16.551 9.571E3 .000 1 .999 1.541E7 .000 .

kat_Fe2(1) -1.128 2.580E4 .000 1 1.000 .324 .000 .

Constant -34.742 2.863E4 .000 1 .999 .000

Step 2a kat_kalium2(1) -1.682 1.957E4 .000 1 1.000 .186 .000 .

kat_lemak2(1) 17.775 6.930E3 .000 1 .998 5.244E7 .000 .

kat_B1_2(1) .305 1.263E4 .000 1 1.000 1.357 .000 .

kat_B6_2(1) .028 1.259 .001 1 .982 1.029 .087 12.122

kat_kalsium2(1) 16.390 8.297E3 .000 1 .998 1.312E7 .000 .

Constant -35.679 1.752E4 .000 1 .998 .000

Step 3a kat_lemak2(1) 17.732 6.709E3 .000 1 .998 5.024E7 .000 .

kat_B1_2(1) -.013 1.074E4 .000 1 1.000 .987 .000 .

 kat_B6_2(1) .028 1.259 .001 1 .982 1.029 .087 12.122

kat_kalsium2(1) 16.448 8.319E3 .000 1 .998 1.391E7 .000 .

Constant -37.058 1.109E4 .000 1 .997 .000

Step 4a kat_lemak2(1) 17.729 5.990E3 .000 1 .998 5.005E7 .000 .

kat_B6_2(1) .028 1.259 .001 1 .982 1.029 .087 12.122

kat_kalsium2(1) 16.445 7.871E3 .000 1 .998 1.387E7 .000 .

Constant -37.064 9.891E3 .000 1 .997 .000

Step 5a kat_lemak2(1) 17.743 5.990E3 .000 1 .998 5.078E7 .000 .

kat_kalsium2(1) 16.457 7.873E3 .000 1 .998 1.403E7 .000 .

Constant -37.072 9.893E3 .000 1 .997 .000

Step 6a kat_lemak2(1) 18.258 6.355E3 .000 1 .998 8.502E7 .000 .

Constant -21.203 6.355E3 .000 1 .997 .000

a. Variable(s) entered on step 1: kat_kalium2, kat_lemak2, kat_B1_2, kat_B6_2, kat_kalsium2, kat_Fe2.

Nilai OR 8,5 (Remaja Putri memiliki asupan lemak berlebih memiliki resiko 8,5 kali untuk
menderita PMS dari pada Rematri dengan asupan lemak cukup
Y=KOnstanta-+ 18,258 (1)
Y=-21,203 + 18,258 (1)
Y= - 2,945
P=1/(1+e-y), dimana e =2,7
P= 1/(1+2,7—2,945