Anda di halaman 1dari 9

ANALISIS UNIVARIAT DATA PENELITIAN

Analisa data penelitian secara kuantitatif biasanya diawali dengan memberikan deskripsi terhadap masing-masing variabel penelitian dan kegiatan ini sering disebut sebagai analisis data penelitian secara univariat. Analisis data penelitian secara

univariat perlu diperhatikan skala ukur dari variabel penelitian dan juga jenis variabel penelitian yaitu variabel kategorikal atau numerikal. Lebih mudah dipahami biasanya variabel kategorikal bila skala ukur variabel penelitian tersebut nominal atau ordinal dan variabel numerikal bila skala ukur variabel penelitian tersebut adalah interval atau rasio.

1.

Analisis Distirbusi Frekuensi Variabel Kategorikal

Dalam data contoh yang digunakan yaitu DATA.SAV ada beberapa variabel yang dapat dikelompokkan ke dalam variabel kategorikal antara lain variabel tingkat pendidikan ibu, status pekerjaan ibu, pemeriksaan kehamilan, jenis kelamin bayi, penolong persalinan, dst. Dalam contoh ini kita akan coba melihat distribusi

frekuensi variabel tingkat pendidikan ibu sebagai berikut: Perintah SPSS/PC ANALYZE DESCRIPTIVE STATISTICS FREQUENSIES... Pindahkan variabel Tingkat Pendidikan Ibu ke Kotak Dialog Variable(s) kemudian Klik OK

Materi Kuliah Pascasarjana UMJ, 2012, YN

Output SPSS/PC
Tingkat pe ndidikan ibu Frequency Tamat SD 40 Tamat SLTP 48 Tamat SLTA 82 Tamat Akad/PT 30 Total 200 Percent 20.0 24.0 41.0 15.0 100.0 Valid Percent 20.0 24.0 41.0 15.0 100.0 Cumulative Percent 20.0 44.0 85.0 100.0

Valid

Bentuk penyajian
Tabel 1. Distribusi Frekuensi Tingkat Pendidikan Ibu Kelompok Umur Ibu Tamat SD Tamat SLTP Tamat SLTA Tamat Akademi/PT Total n %

40 48 82 30 200

20.0 24.0 41.0 15.0 100.0

Interpretasi Hasil Analisis Distribusi frekuensi tingkat pendidikan ibu disajikan seperti pada tabel 1. Dari 200 ibu yang melahirkan dalam satu tahun terakhir sekitar 56,0 persen sudah mengenyam pendidikan minimal tamat SLTA. Sedangkan sisanya sekitar 44,0 persen

berpendidikan tamat SD atau tamat SLTP. Meskipun demikian sudah ada sekitar 15,0 persen Ibu berpendidikan tamat Akademi atau Perguruan Tinggi, namun demikian masih ada diantara ibu tersebut baru sampai pada tamat SD sebesar 20 persen. Bila menggunakan indikator pendidikan sembilan tahun, sekitar 80 persen ibu sudah berpendidikan minimal sembilan tahun atau minimal tamat SLTP.

Materi Kuliah Pascasarjana UMJ, 2012, YN

2.

Analisis Deskriptif Variabel Numerikal

Dalam data contoh yang digunakan yaitu DATA.SAV ada beberapa variabel yang dapat dikelompokkan ke dalam variabel numerikal antara lain variabel umur ibu, jumlah anak ibu, berat badan ibu sebelum hamil, rata-rata penghasilan, Hb darah ibu, berat badan bayi saat lahir, dst. Dalam contoh ini kita akan mencoba mengeluarkan statitik deskriptif variabel umur ibu dan Hb darah ibu sebagai berikut: Perintah SPSS/PC ANALYZE DESCRIPTIVE STATISTICS EXPLORE... Pindahkan variabel Umur Ibu dan Hb Darah Ibu ke Kotak Dialog Dependent List: kemudian Klik OK Output SPSS/PC
De scriptiv e s Umur responden Mean 95% Confidence Interval for Mean Statistic 27.48 26.75 28.21 27.49 28.00 27.628 5.256 17 39 22 6 -.380 -.612 11.7175 11.5275 11.9075 11.7150 12.0000 1.856 1.36251 8.50 14.20 5.70 2.00 .056 -.902 Std. Error .372

Lower Bound Upper Bound

Hb darah Ibu (trimester III)

5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Mean 95% Confidence Lower Bound Interval for Mean Upper Bound 5% Trimmed Mean Median Variance Std. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis

.172 .342 .09634

.172 .342

Materi Kuliah Pascasarjana UMJ, 2012, YN

Bentuk Penyajian Tabel 2. Rata-rata Umur Ibu dan Hb Darah Ibu Trimester III.
Variabel Umur Ibu (tahun) Hb darah ibu (mg%) n 200 200 Rata-rata 27,5 11,7 SD 5,3 1,4 MinMaks 17,0-39,0 8.5-14.2 95% CI 26,8 - 28,2 11,5 - 11,9 Distribusi Normal Normal

Interpretasi hasil Rata-rata umur ibu yang melahirkan dalam satu tahun terakhir dan rata-rata Hb darah ibu trimester III disajikan pada tabel 2. Dari 200 ibu yang melahirkan dalam satu tahun terakhir dalam penelitian ini rata-rata umur ibu adalah 27,5 tahun dengan umur termuda 17 tahun dan umur tertua 39 tahun. Bila hasil penelitian ini digunakan

untuk melihat gambaran umur ibu di populasi dapat dikatakan bahwa kisaran umur ibu yang melahirkan dalam satu tahun terakhir di populasi berkisar antara 26,8 tahun sampai 28,2 tahun dengan tingkat kepercayaan sebesar 95 persen. Hasil analisis bentuk distribusi data dengan Kolmogorov-Smirnov didapatkan bahwa bentuk distribusi umur ibu adalah normal.

Demikian juga Hb darah ibu pada trimester III didapatkan rata-ratanya adalah 11,7 mg% dengan Hb terendah 8,5 mg% dan Hb tertinggi 14,2 mg%. Selanjutnya dapat dikatakan bahwa Hb Darah Ibu trimester III dari ibu yang melahirkan dalam satu tahun terakhir di populasi berkisar antara 11,5 mg% sampai dengan 11,9 mg% dengan tingkat kepercayaan sebesat 95 persen. Hasil analisis bentuk distribusi data dengan

Materi Kuliah Pascasarjana UMJ, 2012, YN

Kolmogorov-Smirnov didapatkan bahwa bentuk distribusi Hb darah ibu adalah normal. Pengujian Kenormalan Data dengan Kolmogrov-Smirnov (KS) I. Pilih data sebanyak 15% dari 200 sampel penelitian cara random dengan cara sebagai berikut: Perintah SPSS/PC DATA SELECT CASES Pilih Random Sample of Cases kemudian Klik Sample. Isikan angka 15 pada kotak Approximately kemudian Klik Continue Kemudian Klik OK II. Menguji Kenormalan data dengan K-S Perintah SPSS/PC ANALYSIS NONPARAMETRIC TEST kemudian Pilih 1-SAMPLE K-S.. Pindahkan variabel UMUR dan HB ke kotak Test Variabel List: Kemudian Klik OK Output SPSS/PC
One -Sample Kolmogorov -Smirnov Te st Umur responden 40 27.10 5.261 .161 .161 -.143 1.021 .248 Hb darah Ibu (trimester III) 40 11.8675 1.54942 .187 .187 -.107 1.184 .121

N Normal Parametersa,b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed)

Mean Std. Deviation Absolute Positive Negative

a. Test distribution is Normal. b. Calculated from data.

Hasil analisis bentuk distribusi data dengan K-S dengan melihat hasil dari nilai-p (Asymp. Sig (2-tailed) pada output K-S). Bila nilai-p lebih kecil dari , misalnya

Materi Kuliah Pascasarjana UMJ, 2012, YN

=0.05 maka bentuk distribusi data adalah tidak normal. Sebaliknya bila nilai-p lebih besar dari , misalnya =0.05 maka bentuk distribusi data adalah normal

Materi Kuliah Pascasarjana UMJ, 2012, YN

LATIHAN I (Gunakan DATA.SAV) 1. Status pekerjaan (KERJA). Variabel status pekerjaan ibu termasuk ke dalam variabel kategorikal dengan skala ukur variabel adalah nominal. Gunakan software statistik untuk mengeluarkan distribusi frekuensi seperti pada tabel 1 di bawah ini.
Tabel 1. Distribusi frekuensi status pekerjaan Ibu Status Pekerjaan Ibu Tidak Kerja Bekerja n %

111 89 200

55.5 44.5 100.0

Total

2. Jenis Kelamin Bayi (JK). Variabel jenis kelamin bayi termasuk ke dalam variabel kategorikal dengan skala ukur variabel adalah nominal. Gunakan software statistik untuk mengeluarkan distribusi frekuensi seperti pada tabel 2 di bawah ini.
Tabel 2. Distribusi frekuensi jenis kelamin balita Jenis Kelamin Balita Laki-laki Perempuan n %

101 99 200

50.5 49.5 100.0

Total

3. Variabel Berat Bdan Ibu (BERATIBU) dan Berat Badan Bayi Saat Lahir (BBBATI). Variabel tersebut termasuk ke dalam kelompok numerikal dengan skala ukur masing-masing interval. Gunakan software statistik untuk mengeluarkan statistik deskriptif seperti pada tabel 3 di bawah ini. Tabel 3. Rata-rata Berat Badan Ibu dan Berat Badan Bayi Saat Lahir.
Variabel
Berat Badan ibu (Kg) Berat Badan (Gram) Bayi

n
200 200

Rata-rata
46,70 2718,75

SD
5,85 327.06

Min - Maks
38 -- 59 2000-3500

95% CI
45,88-47,51 2673.142764.36

Kenormalan
Normal Normal

4. Kelompok Umur Ibu. Variabel umur ibu diukur dengan skala interval. Sesuai dengan kebutuhan analisis yang didasarkan pada Definisi Operasional (DO) yang dikembangkan oleh peneliti maka umur ibu tersebut dikelompokkan seperti pada tabel 4 (nama variabel baru RUMUR). Variabel umur ibu yang dikelompokkan tersebut skala ukurnya berubah dari interval menjadi ordinal.

Materi Kuliah Pascasarjana UMJ, 2012, YN

Gunakan software statistik untuk mengelompokkan umur ibu tersebut dan kemudian lihat distribusi frekuensinya seperti pada tabel 4 di bawah ini.
Tabel 4. Distribusi frekuensi kelompok umur Ibu Kelompok umur Ibu < 20 20 35 tahun >35 tahun n %

30 162 8 200

15.0 81.0 4.0 100.0

Total

5. Kelompok jumlah anak. Variabel jumlah anak diukur dengan skala interval. Sesuai dengan kebutuhan analisis yang didasarkan pada Definisi Operasional (DO) yang dikembangkan oleh peneliti maka jumlah anak tersebut dikelompokkan seperti pada tabel 5 (nama variabel baru RJMLANAK). Variabel jumlah anak yang dikelompokkan tersebut skala ukurnya berubah dari interval menjadi ordinal. Gunakan software statistik untuk mengelompokkan jumlah anak tersebut dan kemudian lihat distribusi frekuensinya seperti pada tabel 5 di bawah ini.
Tabel 5. Distribusi frekuensi kelompok jumlah anak Ibu Kelompok Jumlah Anak 1. > 2 anak 2. 1- 2 anak n %

63 137 200

31.5 68.5 100.0

Total

6. Berat badan bayi saat lahir (BBBAYI). Variabel berat badan bayi saat lahir diukur dengan skala ratio. Sesuai dengan kebutuhan analisis yang didasarkan pada Definisi Operasional (DO) yang dikembangkan oleh peneliti maka berat badan bayi saat lahir dikelompokkan seperti pada tabel 6. Variabel berat badan bayi saat lahir yang dikelompokkan tersebut skala ukurnya berubah dari ratio menjadi ordinal. Gunakan software statistik untuk mengelompokkan variabel berat badan bayi saat lahir tersebut dan kemudian lihat distribusi frekuensinya seperti pada tabel 6 di bawah ini. Tabel 6. Distribusi frekuensi berat bdan bayi saat lahir
Berat Badan Bayi Saat Lahir BBLR (<2500 gram) Normal (2500 gram) Total n %

71 129 200

35.5 64.5 100.0

Materi Kuliah Pascasarjana UMJ, 2012, YN

TUGAS I 1. Buatlah distribusi frekuensi variabel ANC, TOLONG dan JK. Hasil analisis tersebut sajikan dengan tabel atau grafik dan berikan interpretasinya. 2. Buatlah analisis deskriptif (n, rata-rata,SD, Min-Maks dan 95% CI terhadp ratarata) dari variabel UMUR, JMLANAK dan HASIL. 3. Buatlah variabel baru (nama variabelnya JMLANC) dengan menjumlahkan variabel FREANC1, FREANC1 dan FREANC1 (JMLANC= FREANC1+ FREANC1+ FREANC1). Kelompokkan variabel JMLANC ke dalam variabel baru namanya RJMLANC seperti pada tabel di bawah ini. Tabel 7. Distribusi Frekuensi Pemeriksaan Kehamilan
Frekuensi Pemeriksaan Kehamilan Tidak Pernah 1-3 kali 4 kali atau lebih Total n %

. .

Materi Kuliah Pascasarjana UMJ, 2012, YN