1.

Pengertian Data
Jawab :
Data merupakan keterangan-keterangan atau fakta-fakta yang
dikumpulkan dari suatu populasi atau bagian populasi yang akan digunakan
untuk menerangkan ciri-ciri populasi yang bersangkutan (Lungan, 2006: 13).
Menurut Hasan (2009: 16) data merupakan keterangan-keterangan tentang
suatu hal, dapat berupa sesuatu yang diketahui atau dianggap.
Dari pendapat para ahli tersebut, dapat disimpulkan bahwa data
merupakan fakta atau keterangan yang dikumpulkan dari suatu populasi
untuk menjelaskan karakteristik populasi tersebut.
2. Penjelasan mengenai jenis-jenis data dan contohnya
Jawab :
a. Data Kuantitatif vs Kualitatif
Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka
sedangkan data kualitatif adalah Data yang dinyatakan dalam bentuk
bukan angka atau yang disajikan dalam bentuk kata-kata yang
mengandung makna.
Contoh :
No. Kuantitatif Kualitatif
1. lama bekerja : 2 tahun, 3 tahun, dst.

jenis pekerjaan : guru, penjahit,
sanitarian, dokter, dst

2. jumlah gaji : 1 juta/bulan, 3
juta/bulan, 5 juta/bulan, dst.

status marital : menikah, belum
menikah, dan tidak menikah

3. Usia : 12 tahun, 18 tahun , 20
tahun,dst.

tingkat kepuasan kerja : Puas,
Kurang Puas, Cukup Puas, Sangat
Puas dan Tidak Puas.

4. hasil ulangan : 90, 100, 85,dst.

Anggapan konsumen terhadap air
kemasan : suka dan tidak suka

5. jumlah pembeli saat hari raya idul adha
: 100 orang, 250 orang, 300 orang dst.

Kebiasaan menggunakan kelambu
: sering, jarang, dan tidak pernah

6. tinggi badan siswa kelas 3 ips 2 : 150
cm, 160 cm, 182 cm,dst.

Kebiasaan menggantung baju :
kadang-kadang, sering, jarang dan
tidak pernah

7. Suhu udara : 20
0
celcius, 45
0
celcius,
dst.

Kebiasaan keluar malam

8. Jumlah rokok yang dikonsumsi : 1
batang/hari, 2 bungkus/hari, 5
batang/hari, dst.

Indeks prestasi : baik dan buruk

9. Lama waktu tidur : 5 jam/hari, 4
jam/hari, 8 jam/hari, dst.

Pencitraan rasa terhadapa
makanan : enak, tidak enak, biasa
saja, lumayan,dst.

10. Jumlah mobil ambulance di rumah
sakit : 3 unit, 2 unit, 1 unit, dst
Tingkat penerimaan konsumen
terhadap suatu produk


b. Data Mentah vs Olahan
Data mentah adalah data yang belum diolah atau data yang belum
sempurna yang baru saja diambil dari penelitian tertentu. Sehingga belum
bisa dilakukan pengukuran terhadap data tersebut dan belum dapat
menghasilkan informasi yang jelas sedangkan Data olahan adalah data
yang sudah diolah dimana data ini sebelumnya berasal dari data mentah
yang kemudian menjadi data olahan karena telah dilakukan pengukuran
dan berdasarkan fakta-fakta yang terjadi. Sehingga bisa menghasilkan
informasi.
Contoh :
No. Data Mentah Data Olahan
1. Data tinggi badan dari 100
mahasiswa yang belum di urutkan
Data tinggi badan tersebut
di urutkan dari yang paling
tinggi hingga paling rendah
maka akan diperoleh data
tinggi badan yang terurut
serta rata-rata tinggi badan
mahasiswa.
2. Data Umur mahasiswa yang belum
diurutkan
Data umur diurutkan
sehingga diperoleh rata-rata
umur mahasiswa.
3. Data Tinggi badan serta berat badan
mahasiswa.
Data tinggi badan dan berat
badan mahasiswa ini
kemudian dihitug untuk
menentukan BBI( Berat
Badan Ideal )
4. Data tempat tinggal dan data
penderita TBC.
Data tempat tinggal dan
penderita TBC ini dapat
digunakan untuk
mengetahui pesrsebaran
penyakit TBC di daerah
tersebut,
5. Data berat badan, tinggi badan dan
umur balita.
Data berat badan , tinggi
badan dan umur balita
dapat diolah unutuk
menetukan status gizi
balita.
6. Data kasus DBD dari tahun
2011,2012,2013,dst
Data ini dapat dijadikan
sebagai trend kasus Deman
Berdarah Dengue,
7. Data jumlah kasus kriminalitas di
kota kendari
Dengan data ini kita dapat
menentukan daerah-daerah
yang rawan terhadap
kriminalitas utama
kerusuhan atau tawuran.
8. Data distribusi pasokan makanan ke
desa-desa
Dengan data ini dapat
diketahui daerah-daerah
yang rawan mengalami
bencana kelaparan
9. Data jenis makanan yang
dikonsumsi suatu keluarga
Data olahannya yaitu untuk
mengetahui pola konsumsi
suatu keluarga.
10. Data kadar hemoglobin ibu hamil Data olahannya dapat
berupa anemia pada ibu
hamil.

c. Data Primer vs Sekunder
Data primer adalah Data yang langsung dikumpulkan oleh peneliti
sendiri sedangkan data sekunder adalah data yang diperoleh atau
dikumpulkan peneliti dari berbagai sumber yang telah ada (peneliti
sebagai tangan kedua).
Contoh :

No. Data Primer Data Sekunder
1. Wawancara mengeai PHBS,
seperti kebiasaan mencuci
tangan, berapa kali biasanya
dilakukan ?
Data sekundernya berupa
Data pelaksanaan PHBS
tatanan rumah tangga di
pukesmas
2. Wawancara dengan penderita
DBD
Jumlah penderita DBD pada
puskesmas ataupun di Dinas
Kesehatan
3. Wawancara tentang
kepemilikan sumur
Data tentang penggunaan air
bersih
4. Wawancara tentang pemberian
tablet Fe pada ibu hamil
Data sekundernya berupa
data pemberian tablet Fe
pada Ibu hamil
5. Pengukuran Kadar hemoglobin
ibu hamil
Data ibu hamil yang
mengalami anemia di
puskesmas
6. Observasi tentang keberadaab
jentik di suatu wilayah
Data ABJ ( Angka Bebas
Jentik ) di Dinas kesehatan
7. Wawancara dengan penderita
diare
Data kejadian diare di
puskesmas atau di dinkes
8. Observasi daerah yang
mengalami bencana
Data kejadian bencana di
Badan Penanggulngan
Bencana
9. Pengukuran berat badan, tinggi
badan, dan umur balita
Data status Gizi balita di
Puskesmas
10. Wawancara ibu yang menyusui Data ASI Ekslusif di Dinas
Kesehatan

d. Data Pengukuran vs Pengamatan
Pengukuran atau measurement merupakan suatu proses atau kegiatan
untuk menentukan kuantitas sesuatu yang bersifat numerik. Pengukuran
lebih bersifat kuantitatif, bahkan merupakan instrumen untuk melakukan
penilaian. Unsur pokok dalam kegiatan pengukuran ini, antara lain adalah
tujuan pengukuran, ada objek ukur, alat ukur, proses pengukuran, hasil
pengukuran kuantitatif Sedangkan Pengamatan adalah aktivitas yang
dilakukan makhluk cerdas, terhadap suatu proses atau objek dengan
maksud merasakan dan kemudian memahami pengetahuan dari sebuah
fenomena berdasarkan pengetahuan dan gagasan yang sudah diketahui
sebelumnya, untuk mendapatkan informasi-informasi yang dibutuhkan
untuk melanjutkan suatu penelitian.
Contoh :
No. Pengukuran Pengamatan
1. Pengukuran berat badan,
panjang badan, dan Tinggi
badan
Pengamatan penggunaan atau
ketersediaan Saluran
Pembuangan Air Limbah
(SPAL)
2. Pengukuran Kepadatan Lalat Pengamatan Ketersediaan
tempat sampah
3. Pengukuran Keapadatan jentik
Nyamuk
Pengamatan kontainer-
konteiner sebagai tempat
prekembangbiakan nyamuk
4. Pengukuran pola konsumsi Pengamatan kebiasaan makan
5. Pengukuran kadar gula darah
penderita DM
Pengamatan kondisi fisik
penderita DM
6. Pengukuran Lingkar pinggang
penderita obesitas
Pengamatan kondisi fisik
penderita Obesitas
7. Pengukuran kadar timbal pada
limbah
Pengamatan limbah hasil
industri
8. Pengukuran kadar pestisida
pada sayuran
Pengamatan penggunaan
pestisida pada sayuran
9. Pengukuran kadar hemoglobin Pengamatan kejadian anemia
pada ibu hamil
10. Pengukuran tingkat kematian
lalat
Pengamatan kematian lalat.

e. Deskrit vs Kontinue
Data diskrit adalah data yang nilainya adalah bilangan asli. Sedangkan
Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu
atau berada pada nilai yang satu ke nilai yang lainnya.
Data diskrit adalah data yang sifatnya terputus-putus, nilainya bukan
merupakan pecahan (angka utuh). Sedangkan Data kontinyu adalah data
yang sifatnya sinambung atau kontinyu, nilainya bisa berupa pecahan.
Contoh :
No. Deskrit Kontinue
1. Perusahaan B menjual 100
motor
Ani membeli minyak sebanyak
liter
2. Ada 5 pohon yang tumbuh di
depan fakultas FKM UHO
Panjang kain itu 2,5 meter
3. Rumah sakit menyediakan 200
unit kamar
Luas lahannya 1,5 hektar
4. Rumah sakit Abunawas
mempunyai 20 orang tenaga
dokter
Jarak menuju rumah budi sekitar
3,5 km
5. Jumlah pemain bola dalam satu
tim adalah 11 orang
Berat badan bayi itu 2,5 kg
6. Budi telah membaca sebanyak
20 buku
Air dalam ember 4,5 liter
7. Ani telah mewawancarai
sebanyak 100 responden
rata kecepatan mobil 90 km/jam
8. Kontraktor itu telah
membangun 20 rumah
tinggi badan si A 155,6 cm.
9. Beni telah memasukkan 10
bole ke keranjang
Lingkar lengan ibu 23,5 cm
10. Ayah telah menjual 45 unit
mobil
Panjang baju andi 1,5 m

3. Skala pengukuran
Jawab :
a. Skala nominal
Skala nominal adalah skala yang semata-mata hanya untuk
memberikan indeks, atau nama saja dan tidak mempunyai makna yang
lain. Contoh:
Data Kode (a) Kode (b)
Yuni 1 4
Desi 2 2
Ika 3 3
Astuti 4 1
Keterangan: Kode 1 sampai dengan 4 (a) semata-mata hanyalah
untuk memberi tanda saja, dan tidak dapat dipergunakan sebagai
perbandingan antara satu data dengan data yang lain. Kode tersebut dapat
saling ditukarkan sesuai dengan keinginan peneliti (menjadi alternatif b)
tanpa mempengaruhi apa pun.
b. Skala Ordinal
Skala ordinal adalah skala ranking, di mana kode yang diberikan
memberikan urutan tertentu pada data, tetapi tidak menunjukkan selisih
yang sama. Contoh:

Data Skala Kepintaran
Yuni 4
Desi 3
Ika 2
Astuti 1
Skala kepintaran di atas menunjukkan bahwa Yuni paling pintar
(dengan skor tertinggi 4), dan Astuti yang paling tidak pintar dengan skor
terendah (1). Akan tetapi, tidak dapat dikatakan bahwa Yuni adalah 4 kali
lebih pintar dari pada Astuti. Skor yang lebih tinggi hanya menunjukkan
skala pengukuran yang lebih tinggi, tetapi tidak dapat menunjukkan
kelipatan. Selain itu, selisih kepintaran antara Yuni dan Desi tidak sama
dengan selisih kepintaran antara Desi dan Ika meskipun keduanya
mempunyai selisih yang sama (1).
c. Skala interval
Skala pengukuran dimana kode yang diberikan memberikan urutan
tertentu pada data serta mempunyai selisih sama antara satu pengukuran
dengan pengukuran yang lain. Contoh:
Data
Nilai Mata Kuliah
(a)
Bobot (b)
Yuni A 4
Desi B 3
Ika C 2
Astuti D 1
Tabel di atas menunjukkan bahwa nilai A setara dengan 4, B setara
dengan 3, C setara dengan 2 dan D setara dengan 1. Selisih antara nilai A
dan B adalah sama dengan selisih antara B dan C dan juga sama persis
dengan selisih antara nilai C dan D. Akan tetapi, tidak boleh dikatakan
bahwa Yuni adalah empat kali lebih pintar dibandingkan Astuti, atau Ika
dua kali lebih pintar dari pada Astuti.
d. Skala Rasio
Skala pengukuran dimana kode yang diberikan memberikan urutan
tertentu pada data, mempunyai selisih sama antara satu pengukuran
dengan pengukuran yang lain dan mampu mencerminkan kelipatan antara
satu pengukuran dengan pengukuran yang lain. Contoh:




Tabel di atas adalah menggunakan skala rasio, artinya mampu
mencerminkan kelipatan antara satu pengukuran dengan pengukuran
yang lain. Sebagai contoh; Yuni mempunyai skor ujian semester dua kali
lipat skor ujian semester Astuti (Konsultan Statistik, 2009).
4. Teknik pengolahan data
Jawab :
Prosedur pengolahan data dapat dibagi berdasarkan :
a. parameter : berdasarkan parameter yang ada statistik dibagi menjadi :
statistik parametrik : berhubungan dengan inferensi statistik yang
membahas parameter-parameter populasi; jenis data interval atau
rasio; distribusi data normal atau mendekati normal.
statistik nonparametrik : inferensi statistik membahas parameter-
parameter populasi; jenis data nominal atau ordinal; distribusi data
tidak diketahui atau tidak normal
b. jumlah variabel : berdasarkan jumlah variabel dibagi menjadi :
analisis univariat : hanya ada 1 pengukuran (variabel) untuk n sampel
atau beberapa variabel tetapi masing-masing variabel dianalisis
sendiri-sendiri. contoh : korelasi motivasi dengan pencapaian
akademik.
analisis multivariat : dua atau lebih pengukuran (variabel) untuk n
sampel di mana analisis antar variabel dilakukan bersamaan. contoh :
pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi
oleh faktor latar belakang pendidikan orang tua, faktor sosial
ekonomi, faktor sekolah.
Statistika deskriptif dapat diterapkan baik untuk data yang berasal dari
sampel maupun populasi, juga untuk sampel yang diambil dengan sampling
Data
Skor Ujian
Semester
Yuni 98
Desi 85
Ika 72
Astuti 49
probabilitas maupun non probabilitas, serta bisa digunakan untuk semua skala
pengukuran dari mulai yang paling lemah (nominal) hingga skala rasio.
Statistika Deskriptif sering digunakan untuk mengukur gejala pemusatan, dan
dispersi atau simpangan data. Termasuk ukuran gejala pusat antara lain::
modus, median, persentil, mean atau rata-rata. Tergolong ukuran dispersi data
antara lain: rentang (maksimum - minimum), deviasi standard, koefisien
variasi.Jika dikaitkan dengan skala pengukuran dari data yang dianalisis,
statistik deskriptif yang cocok digunakan adalah:
1. Skala Nominal : Modus, Frekuensi
2. Skala Ordinal : Median, Persentil, Rentang
3. Skala Interval : Mean, Deviasi Standard
4. Skala Rasio : Mean, Koefisien Variasi (ukuran dispersi relatif)

















TUGAS METODOLOGI PENELITIAN

DATA DAN SKALA PENELITIAN



OLEH


NAMA : ST. ASNIAR
NIM : F1D2 11 109
PEMINATAN : EPIDEMIOLOGI
KELAS : REGULER ( PAGI )



PEMINATAN EPIDEMIOLOGI
FAKULTAS KESEHATAN MASYARAKAT
UNIVERSITAS HALU OLEO
KENDARI
2014