Materi bu Nia, Sebelum entry data, buat database dulu..

(saat draft kuisioner jadi) Data viewuntuk tampilan data Variable view untuk penjelasan data (lebih detail) ada id responden tergantung peneliti melihat keunikan dari responden. Nah id itu beda2, biar ga tertukar antara id satu dengan lainnya. Id responden = variabel kunci/key variable., id itu bukan hanya nomor responden. Name nama data yg mau dimasukin (ga boleh spasi) Type tipe apa , ada numeric,string dll Width buat brp jumlah karakter katanya Decimal kalo ada angka, mau pake brp decimal Label penjelasan dari nama (boleh spasi) Value nilai, ada pengkategorian Misal ada pengkategorian : 1=ya 2= tidak Mau liat data berdasarkan angkanya (1/2) atau liat berdasarkan istilahnya (ya/tidak) klik View , Value Lable. Compute Transform, compute, misal mau menjadikan data tb (cm) jadi m(meter) caranya , Transform, compute, target variable (tb_mt) type&label nya jgn lupa numeric , Numeric Expression (masukkan data tb g awalnya cm dibagi (/) 100, klik ok misal imt data bb/((tb_mt)*(tb_mt)) RECODE into different variable jadi variable baru. Transform, recode, into diff. Var , input variable(variabelnya apa) , Old and New value ( range misal range imt, jgn lupa di add buat jd variable baru) continue, output variabel (nama data variable yg baru, misal imt imt_rec ) OK Data Cleaning Cleaning data dilakukan sebelim entry dan analisa data - Dilakukan oleh kita (yg ngoprasiin) di basecamp untuk liat kelengkapan kuisioner - Setap pengumpul data harus ngecek smua halaman, termasuk id number ,dan data harus terisi smua. Lalu diserahkan kepada supervisor. Apa yang dicek? Cek jumping question, jika ada yg salah harus ada ralat dan acc di kuisioner itu.setelah di acc, entry data , lalu peneliti itu melakukan cleaning. Analyze, descriptive, frequency, statistic, charts(mau pakai ato ga terserah) OK Missing, misal ada data yg hilang dan datanya ribuan, maka bisa pake ascending/descending (klik kanan di kolom trus pilih asc/desc). Analisa deskriptif data untuk tau bentuk data dan normalitas data Analyze, Descriptive, Frequencies, Statistic(klik yg km mau), continue, chart, histogram with normal curve OK N = jumlah yang valid/ jumlah sampelnya Sd = standart deviation, sebaran data yg dimiliki itu bgmn Misal , Sd =7,55 dan mean =155,8, artinya data tersebut memiliki sebaran data 155.8 7.55 (155.8 +7.55 dan 155.8 -7.5 sehingga memiliki nilai maximum : 163 dan nilai minimun : 148.3)

s m

95%, l

d 100% , 5% s l h ol s l h

d ol

. s m

Rasio skewness dan kurtosis untuk melihat data itu dikatakan terdistribusi normal atau tidak. Rasio skewness = skewness ; rasio kurtosis = kurtosis SE of skewness SE of skewness (jika hasilnya terletak diantara -2 sampai +2 ,maka data dikatakan terdistribusi normal Range nilai maksimal nilai minimal kalo pake percentil, 25 percentiles mendapatkan nilai 150.5. Artinya 25% responden memiliki tinggi badan < 150.5 sedangkan 75% responden memiliki tinggi badan > 150.5 setiap tabel+gambar/grafik harus slalau ditampilkan N (jumlah responden) kurva dikatakan distribusi normal apabila kurva tidak miring kanan atau kiri analistik pada data ordinal Analisa statistic hanya digunakan untuk data numeric. Data ordinal atau nominal descending % ; Jika data kita valid, antara persen dan valid persen nilai sama. Tapi jika data kita tidak valid maka valid percent dan percent tidak sama Valid percent mengabaikan data yang missing sedangkan Persen menghitung missing, Select cases (menganalisa kasus tertentu saja) misal pada imt, mau mengelompokkan berdasarkan jenis kelamin laki-laki. Data , select cases , pilih if , jenis kelamin (gender=1 adalah kode untuk laki-laki ) continue , OK. Hasilnya yg dicoret yang perempuan. Karena tujuannya tadi menganalisa imt jenis kelamin laki-laki, maka analyse,descriptive statistic,frequencies,IMT, statistic(terserah mau neliti apa), continue, chart(mau pilih histo atao pie terserah) continue OK Split File (memisahkan file menjadi 2, misal mau neliti laki2 dan perempuan) Tidak perlu menggunakan select case, jadi lgsung klik : data, split file, Organise group by (Jenis kelamin) OK Analyze explore Explore juga bisa melihat data itu normal atau tidak Analyze, descriptive, explore, dependent list(yg termasuk variabel dependent) numerik ; umur factor list(bentuk datanya harus kategori), label (bentuk data kategori,mau masukkan katergori lain) OK , nanti kluar gambar, ada garis hitam-hitam tebel itu dinamakan Boxplot yg merupakan median data. Tabel Case processing summary untuk melihat apakah ada data yang missing atau ga