Anda di halaman 1dari 36

Manajemen Data

SIK

Manajemen Data
Data dari masyarakat belum dapat
menggambarkan informasi apapun
Diperlukan proses pengolahan dan
analisis untuk merubah data
menjadi informasi

Manajemen Data
Informasi yang diperoleh dapat
digunakan untuk pengambilan
keputusan
harus dipastikan bahwa data yang
akan dianalisis bebas dari
kesalahan (kesalahan seminimal
mungkin)

Tujuan
Mengidentifikasi masalah dan besar
masalah
Mengetahui sebab masalah yang terjadi
Memantau situasi kesehatan secara terus
menerus dari waktu ke waktu
Mengantisipasi kemungkinan masalah
yang akan terjadi

Manajemen Data
Hal penting yang harus diperhatikan adalah
SIFAT DATA yang akan diolah/dianalisis,
yaitu :

1. Sifat epidemiologis data


2. Keterbatasan dan kualitas data

Sifat Epidemiologis Data


Orang : karakteristik orang atau
subyek yang mengalami kejadian yang
dicatat dan dilaporkan
Tempat : lokasi kejadian
Waktu : saat kejadian dicatat dan
dilaporkan

Keterbatasan Dan Kualitas Data


Berbentuk data agregat (frekuensi kejadian
yang dikelompokkan menurut sifat
epidemiologis)
Keterbatasan/kelemahan :
1. Analisis terbatas
2. Sukar dilakukan tabulasi silang

Keterbatasan Dan Kualitas Data


Data yang dikumpulkan berasal dari
populasi
Keterbatasan/kelemahan :
Analisis terbatas hanya metode
statistika deskriptif

Manajemen Data
Tahapan dalam Manajemen Data :
1. Editing
2. Coding
3. Pemasukan (Entry) data
4. Pembersihan (Cleaning) data
5. Analisis Data

Editing
Editing dimaksudkan untuk meneliti kembali
apakah isian dalam kuesioner sudah cukup
baik dan dapat segera diproses lebih lanjut
Merupakan proses pengolahan data yang
sudah dapat dilakukan sedini mungkin di
lapangan
Editing dapat dilakukan oleh pewawancara
sendiri atau oleh pengawas lapangan

Lanjutan :

Editing

Hal yang perlu diperhatikan dalam editing :


1. Kelengkapan jawaban
2. Keterbacaan tulisan
3. Kesesuaian jawaban satu dengan lainnya
4. Keseragaman satuan ukuran

Coding
Coding dimaksudkan untuk
mengklasifikasikan jawaban menurut
jenis atau macamnya
Klasifikasi dilakukan dengan cara
menandai jawaban dengan kode
(dianjurkan berupa angka) tertentu

Lanjutan :

Coding

Perlu dibuat buku kode atau


coding book yang dapat
digunakan untuk mengidentifikasi
variabel yang akan dipakai dalam
proses analisis data dan juga
membaca hasil analisis

Lanjutan :

Buku kode biasanya berisi :


1. Nomer Pertanyaan
2. Nama variabel
3. Jenis/type variabel
4. Lebar variabel
5. Label dan value label

Coding

Lanjutan :

Coding

Dalam memberikan kode perlu


diperhatikan : Apakah kode tersebut
hanya simbol atau melambangkan
skor
Untuk kode tidak tahu, tidak
relevan dan lain-lain diberi kode
tertentu yang sama untuk memudahkan
waktu analisis

Entry Data
Setelah editing dan coding dilakukan,
langkah berikutnya adalah memasukkan
data dalam file komputer
File komputer adalah kode-kode
elektromagnetik yang digunakan untuk
menyimpan data dan data tersebut dapat
ditampilkan kembali jika diperlukan

Lanjutan :

Entry Data

Ada banyak software yang bisa digunakan


untuk entry data, diantaranya : Excel, Dbase,
SPSS, Epi Info, Minitab, dan lainnya
Pada file komputer, jawaban satu responden
akan tersimpan dalam satu record yang
terdiri dari beberapa variabel/field
Dibuat struktur file yang berisi nama variabel,
jenis dan lebar variabel

Lanjutan :

Contoh struktur file entry data

Entry Data

Lanjutan :

Entry Data

Contoh file komputer untuk entry data

Cleaning Data
Setelah data dimasukkan, data tidak
langsung siap untuk dianalisis, data
harus bebas dari kesalahan
Cleaning data adalah proses untuk
menguji kebenaran data

Lanjutan :

Cleaning Data

Tujuan : menyiapkan data agar pada saat


analisis bebas dari kesalahan
Metode :
1.

Saat pengumpulan data

2.

Segera setelah data dikumpulkan


Diperiksa kebenaran, kelengkapan pengisian data

Saat coding

Memeriksa ulang isian sambil melakukan coding

Lanjutan :

Cleaning Data

3. Saat data entry

Beberapa program komputer dilengkapi fasilitas untuk


melakukan loncatan, menentukan range jawaban,
hubungan antar variabel (cek logika), dll

4. Sebelum analisis
a. Validasi data : 2 orang memasukkan data yang sama,

dibandingkan hasilnya
b. Distribusi frekuensi
c. Tabulasi silang (tabel kontingensi)

Lanjutan :

Cleaning Data

Distribusi Frekuensi :
untuk mengecek apakah ada nomor kode
diluar kode yang ditetapkan

Tabulasi silang :
untuk menguji pertanyaan yang meloncat

Analisis Data
Tahap terakhir untuk merubah data
menjadi informasi adalah analisis
data
Analisis data dikelompokkan menjadi:
1. Analisis data deskriptif
2. Analisis data inferensial

Lanjutan :

Analisis Data

Contoh Analisis data deskriptif

Lanjutan :

Analisis Data

Contoh Analisis data deskriptif

Lanjutan :

Analisis Data

Contoh Analisis data deskriptif

Lanjutan :

Analisis Data

Contoh Analisis data deskriptif

Lanjutan :

Analisis Data

Contoh Analisis data inferensial

Lanjutan :

Analisis Data

Contoh Analisis data inferensial

Lanjutan :

Analisis Data

Yang dilakukan saat analisis data :


1. Analisis untuk menggambarkan kondisi kesehatan
masyarakat
2. Interpretasi data, menentukan masalah kesehatan
yang ada
3. Analisis dan interpretasi faktor yang berhubungan
dengan masalah kesehatan yang ada

Lanjutan :

Analisis Data

Analisis data untuk menggambarkan kondisi


kesehatan masyarakat
a) Tabel frekuensi :
- Tabel distribusi frekuensi
- Tabel kontingensi/tabulasi silang
b) Rata-rata hitung (mean)
c) Indikator kesehatan

Lanjutan :

Analisis Data

Indikator Kesehatan
1.
2.
3.
4.

Indikator Umum Dan Lingkungan


Indikator Derajat Kesehatan
Indikator Upaya Kesehatan
Indikator Sumber Daya Kesehatan

Lanjutan :

Analisis Data

Interpretasi data
Membandingkan cakupan dengan target
b) Membandingkan cakupan saat ini dengan cakupan
sebelumnya
c) Membandingkan dengan skala yang lebih luas
d) Melihat trend
a)

Lanjutan :

Analisis Data

Analisis dan interpretasi data untuk mengetahui


faktor yang berhubungan dengan masalah
kesehatan
Penting : kerangka konsep
Hubungan sebab akibat
Tabel kontingensi
Angka risiko

INPUT

DATA
- EDITING
- CLEANING

KARAKTERISTIK DATA
- SEKUNDER
- AGREGAT
- TERGANTUNG LEVEL :
* MASYARAKAT
* PUSKESMAS
* DATI II
* DATI I
* PUSAT

PROSES

OUTPUT

PENGOLAHAN
- EDITING

INFORMASI
INDIKATOR
INDEKS

- CODING
- DATA ENTRY
- CLEANING
- ANALISIS
SDM
DISKRIPTIF/
ANALITIK

Anda mungkin juga menyukai