Abduh Ridha, MPH

MANAJEMEN DATA

1.

Data Coding

2.

Data Editing
Data Entering Data Cleaning Data Analizing

3.

Tahapan Manajemen Data

4.

5.

6.

Data Output

Data coding
Kegiatan mengklasifikasi data dan memberi kode untuk masing-masing kelas secara mutually exclusive dan exhaustive sesuai dengan tujuan dikumpulkannya data. Data coding sudah harus mulai dipikirkan dan dikembangkan pada saat mengembangkan instrumen penelitian (kuesioner).

 Membuat kode. Cara pengkodean yang telah dibuat harus dicatat. Bila cara pengkodean tidak rumit, tidak perlu dibuat Buku Kode khusus. Manfaat Buku Kode
Pedoman dalam proses coding, entry dan cleaning Pedoman dalam melakukan analisis data Pedoman bagi peneliti lain yang akan menggunakan data

 Huruf-huruf yang ada pada pertanyaan di ubah menjadi kode angka. Untuk pertanyaan yang bentuknya terbuka, maka jawaban yang diperoleh dari responden harus di inventarisir terlebih dulu, untuk kemudian di berikan kode sesuai dengan kepentingan peneliti.

No 1. ID

Variabel -

No Pertanyaan

Kolom Ke -

Kode

Keterangan Nomor Identifikasi

2.
3. 4.

Umur
Jenis Kelamin Pekerjaan

2
3 4

2
3 4

1 2 1 2 3

Dalam tahun
Laki-laki Perempuan PNS TNI/Polri Pegawai Swasta

4
5 6

Wirausaha
Buruh/ Tani Tidak Bekerja

 Jawaban kosong perlu diidentifikasi dan diberi kode lebih lanjut: tidak tahu, tidak ada jawaban, atau jawaban tidak relevan. Pemberian kode dapat dilakukan pada
Sisi halaman instrumen Lembar transit Lembar optic-scan

Data Editing
Penyuntingan data dilakukan sebelum proses pemasukan data. Penyuntingan data sebaiknya dilakukan di lapangan, agar data yang salah/meragukan masih dapat ditelusuri kembali kepada responden/informan yang bersangkutan.

 Penyuntingan data dapat dilakukan oleh peneliti atau anggota tim peneliti sendiri, atau oleh penyelia lapangan. Apabila akan dilakukan oleh penyelia lapangan, perlu dilakukan pelatihan penyelia lapangan lebih dahulu.

 Apabila cara pengkodean sudah tetap, untuk praktisnya pada saat menyunting data sekaligus dilakukan pula pemberian kode. Pada saat penyuntingan dan pengkodean ini dapat diidentifikasi jawaban responden yang ternyata belum diberi kode.

Data Entering
Memindahkan data yang telah di ubah menjadi kode ke dalam mesin pengolah data. 1. 2. 3. 4. 5. 6. SPSS Epi Info/Epi Data Stata STATS Plus SAS Microquest

Data Cleaning
Memastikan bahwa seluruh data yang telah dimasukkan kedalam mesin pengolah data sudah sesuai dengan yang sebenarnya.
1. Possible code cleaning 2. Contingency cleaning 3. Modifikasi

Possible Code Cleaning

Melakukan perbaikan kesalahan pada kode yang jelas tidak mungkin ada akibat salah memasukkan kode.
Contoh: Variabel jenis kelamin 1 = laki-laki 2 = perempuan Namun, dalam kode yang dimasukkan kedalam computer, tertera kode 7. Maka kode ini salah dan harus dilihat kembali pada kuesioner asli.

Contingency Cleaning
Kesalahan ini terjadi akibat adanya struktur kuesioner yang harus dijawab oleh khusus sebagian orang saja, sedangkan yang lain tidak. Misalnya pertanyaan tentang jumlah anak yang dimiliki oleh seorang perempuan. Pertanyaan ini khusus ditanyakan pada perempuan. Namun, adakalanya terdapat pula keteledoran sehingga responden yang lakilakipun ikut ditanyakan.

Modifikasi
Melakukan pengodean kembali (recode) data yang asli. Misalnya ternyata jenis kelamin seperti kode di atas, yaitu 1 untuk laki-laki dan 2 untuk perempuan diubah menjadi kode 0 untuk laki-laki dan 1 untuk perempuan.

Data Analizing
Menginterpretasikan data, kemudian menganalisis data dari hasil yang sudah ada pada tahap hasil pengolahan data.
Analisis Univariat Analisis Bivariat Analisis Mutlivariat

Pemilihan Uji Statistik

Skala Pengukuran (Nominal, Ordinal, Interval dan Rasio) Ukuran Sampel

Populasi (Normal atau Tidak Normal)

Tujuan (Komparasi atau Hubungan)

Data Output
Hasil pengolahan data. Bentuk hasil pengolahan data tersebut adalah sebagai berikut: Numerik (dalam bentuk angka): tabel frekuensi, tabel silang, dll Grafik (dalam bentuk gambar): Bar, Pie, Scatter, Line, dll

Contoh: Tabulasi silang hasil dari penelitian case control yang bertujuan untuk melihat hubungan antara cervical cancer dan age at first pregnancy:

Disease Status Cervical Cancer Age at first pregnancy Total <= 25 > 25 42 7 49 Control 203 107 310 Total 245 114 359