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

1

0 Interpretasi Hasil Analisis Distribusi frekuensi tingkat pendidikan ibu disajikan seperti pada tabel 1.0 15.0 persen berpendidikan tamat SD atau tamat SLTP.0 Valid Bentuk penyajian Tabel 1.0 24. 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 persen Ibu berpendidikan tamat Akademi atau Perguruan Tinggi. Sedangkan sisanya sekitar 44.0 41.0 persen sudah mengenyam pendidikan minimal tamat SLTA. YN 2 .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. Bila menggunakan indikator pendidikan sembilan tahun.0 100. Dari 200 ibu yang melahirkan dalam satu tahun terakhir sekitar 56.0 24.0 15. Materi Kuliah Pascasarjana UMJ.0 100.0 24.0 100.0 41.0 15.0 41. 2012.0 44.0 100. namun demikian masih ada diantara ibu tersebut baru sampai pada tamat SD sebesar 20 persen. Meskipun demikian sudah ada sekitar 15. sekitar 80 persen ibu sudah berpendidikan minimal sembilan tahun atau minimal tamat SLTP.0 85.0 Valid Percent 20.0 Cumulative Percent 20.

Analisis Deskriptif Variabel Numerikal Dalam data contoh yang digunakan yaitu DATA. 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 27.372 Lower Bound Upper Bound Hb darah Ibu (trimester III) 5% Trimmed Mean Median Variance Std.SAV ada beberapa variabel yang dapat dikelompokkan ke dalam variabel numerikal antara lain variabel umur ibu.00 .0000 1. Hb darah ibu.9075 11.342 Materi Kuliah Pascasarjana UMJ. dst.70 2. berat badan bayi saat lahir. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Mean 95% Confidence Lower Bound Interval for Mean Upper Bound 5% Trimmed Mean Median Variance Std.75 28.36251 8.. 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. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis .09634 .172 .20 5.342 . Error .380 -. jumlah anak ibu..902 Std. 2012.21 27.172 .2.48 26.856 1.7175 11.50 14.612 11.5275 11.056 -. berat badan ibu sebelum hamil.256 17 39 22 6 -.00 27.49 28. YN 3 .628 5. rata-rata penghasilan.7150 12.

Hasil analisis bentuk distribusi data dengan Materi Kuliah Pascasarjana UMJ. Selanjutnya dapat dikatakan bahwa Hb Darah Ibu trimester III dari ibu yang melahirkan dalam satu tahun terakhir di populasi berkisar antara 11.7 SD 5.Bentuk Penyajian Tabel 2.11. YN 4 .5 tahun dengan umur termuda 17 tahun dan umur tertua 39 tahun.8 tahun sampai 28.3 1.9 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 2.7 mg% dengan Hb terendah 8.5 mg% sampai dengan 11. Dari 200 ibu yang melahirkan dalam satu tahun terakhir dalam penelitian ini rata-rata umur ibu adalah 27.8 .28. Hasil analisis bentuk distribusi data dengan Kolmogorov-Smirnov didapatkan bahwa bentuk distribusi umur ibu adalah normal.2 11.2 95% CI 26. 2012.5 mg% dan Hb tertinggi 14. Rata-rata Umur Ibu dan Hb Darah Ibu Trimester III.0-39. Variabel Umur Ibu (tahun) Hb darah ibu (mg%) n 200 200 Rata-rata 27. Demikian juga Hb darah ibu pada trimester III didapatkan rata-ratanya adalah 11.5 . 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 26.0 8.9 mg% dengan tingkat kepercayaan sebesat 95 persen.4 Min–Maks 17.2 tahun dengan tingkat kepercayaan sebesar 95 persen.5 11.5-14.2 mg%.

Sig.107 1. Menguji Kenormalan data dengan K-S Perintah SPSS/PC ANALYSIS NONPARAMETRIC TEST kemudian Pilih 1-SAMPLE K-S. Bila nilai-p lebih kecil dari α.184 .021 .248 Hb darah Ibu (trimester III) 40 11.187 -. b. (2-tailed) Mean Std. misalnya Materi Kuliah Pascasarjana UMJ. 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….Kolmogorov-Smirnov didapatkan bahwa bentuk distribusi Hb darah ibu adalah normal.187 . Test distribution is Normal. YN 5 . 2012.161 . 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 27.54942 .b Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Deviation Absolute Positive Negative a.143 1.161 -. Sig (2-tailed) pada output K-S).121 N Normal Parametersa. Pengujian Kenormalan Data dengan Kolmogrov-Smirnov (KS) I.261 . Calculated from data.8675 1.. Hasil analisis bentuk distribusi data dengan K-S dengan melihat hasil dari nilai-p (Asymp.10 5. Isikan angka 15 pada kotak Approximately kemudian Klik Continue Kemudian Klik OK II.

05 maka bentuk distribusi data adalah tidak normal.α=0. YN 6 . misalnya α=0.05 maka bentuk distribusi data adalah normal Materi Kuliah Pascasarjana UMJ. 2012. Sebaliknya bila nilai-p lebih besar dari α.

Materi Kuliah Pascasarjana UMJ.59 2000-3500 95% CI 45.75 SD 5.70 2718. Variabel jenis kelamin bayi termasuk ke dalam variabel kategorikal dengan skala ukur variabel adalah nominal.0 Total 2.51 2673. Variabel tersebut termasuk ke dalam kelompok numerikal dengan skala ukur masing-masing interval.88-47. Variabel Berat Badan ibu (Kg) Berat Badan (Gram) Bayi n 200 200 Rata-rata 46. Tabel 2. Variabel umur ibu yang dikelompokkan tersebut skala ukurnya berubah dari interval menjadi ordinal. Distribusi frekuensi status pekerjaan Ibu Status Pekerjaan Ibu Tidak Kerja Bekerja n % 111 89 200 55. Gunakan software statistik untuk mengeluarkan distribusi frekuensi seperti pada tabel 2 di bawah ini. Gunakan software statistik untuk mengeluarkan distribusi frekuensi seperti pada tabel 1 di bawah ini.5 100. Variabel Berat Bdan Ibu (BERATIBU) dan Berat Badan Bayi Saat Lahir (BBBATI). Distribusi frekuensi jenis kelamin balita Jenis Kelamin Balita Laki-laki Perempuan n % 101 99 200 50. Status pekerjaan (KERJA). YN 7 . Tabel 3.SAV) 1.LATIHAN I (Gunakan DATA. 2012.5 100.142764. 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). Kelompok Umur Ibu.85 327.Maks 38 -. Variabel status pekerjaan ibu termasuk ke dalam variabel kategorikal dengan skala ukur variabel adalah nominal. Variabel umur ibu diukur dengan skala interval.06 Min .0 Total 3. Rata-rata Berat Badan Ibu dan Berat Badan Bayi Saat Lahir. Tabel 1.36 Kenormalan Normal Normal 4. Gunakan software statistik untuk mengeluarkan statistik deskriptif seperti pada tabel 3 di bawah ini. Jenis Kelamin Bayi (JK).5 44.5 49.

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). Tabel 5. Variabel jumlah anak diukur dengan skala interval. Distribusi frekuensi kelompok umur Ibu Kelompok umur Ibu < 20 20 – 35 tahun >35 tahun n % 30 162 8 200 15. > 2 anak 2.5 68. Tabel 4. 1. Gunakan software statistik untuk mengelompokkan variabel berat badan bayi saat lahir tersebut dan kemudian lihat distribusi frekuensinya seperti pada tabel 6 di bawah ini. Variabel berat badan bayi saat lahir yang dikelompokkan tersebut skala ukurnya berubah dari ratio menjadi ordinal.5 100.0 Total 5. 2012.5 100.0 Total 6.0 81.0 4. Variabel berat badan bayi saat lahir diukur dengan skala ratio.Gunakan software statistik untuk mengelompokkan umur ibu tersebut dan kemudian lihat distribusi frekuensinya seperti pada tabel 4 di bawah ini. YN 8 . 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. Gunakan software statistik untuk mengelompokkan jumlah anak tersebut dan kemudian lihat distribusi frekuensinya seperti pada tabel 5 di bawah ini.0 100. Kelompok jumlah anak.2 anak n % 63 137 200 31. Berat badan bayi saat lahir (BBBAYI). Variabel jumlah anak yang dikelompokkan tersebut skala ukurnya berubah dari interval menjadi ordinal.0 Materi Kuliah Pascasarjana UMJ. 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. Distribusi frekuensi kelompok jumlah anak Ibu Kelompok Jumlah Anak 1.

JMLANAK dan HASIL. 3. YN 9 . Tabel 7. rata-rata. Buatlah analisis deskriptif (n. Materi Kuliah Pascasarjana UMJ. Hasil analisis tersebut sajikan dengan tabel atau grafik dan berikan interpretasinya. Distribusi Frekuensi Pemeriksaan Kehamilan Frekuensi Pemeriksaan Kehamilan Tidak Pernah 1-3 kali 4 kali atau lebih Total n % . 2.TUGAS I 1. Buatlah distribusi frekuensi variabel ANC. Buatlah variabel baru (nama variabelnya JMLANC) dengan menjumlahkan variabel FREANC1. Kelompokkan variabel JMLANC ke dalam variabel baru namanya RJMLANC seperti pada tabel di bawah ini. TOLONG dan JK.SD. Min-Maks dan 95% CI terhadp ratarata) dari variabel UMUR. 2012. FREANC1 dan FREANC1 (JMLANC= FREANC1+ FREANC1+ FREANC1). .

Sign up to vote on this title
UsefulNot useful