TUGAS MANAJEMEN ANALISA DATA

TRANSFORMASI DATA DAN ANALISIS DESKRIPTIF

Oleh: DITA SULISTYOWATI 0906574801

PROGRAM MAGISTER KEPERAWATAN KEKHUSUSAN KEPEMIMPINAN DAN MANAJEMEN KEPERAWATAN FAKULTAS ILMU KEPERAWATAN UNIVERSITAS INDONESIA 2010
1

2

TRANSFORMASI DATA
I. PENGERTIAN

Transformasi data atau dikenal juga dengan “Modifikasi Data” merupakan cara yang dapat dilakukan pada beberapa data untuk di analisis sehingga informasi yang diinginkan dapat diketahui. Perlu tidaknya modifikasi dilakukan dapat dilihat pada definisi operasional variable dari penelitian/tesis/skripsi.

Transformasi data dapat dilakukan melalui berbagai macam perintah, seperti: recode, compute, if, select, dan merge.

II. JENIS DAN LANGKAH-LANGKAH TRANSFORMASI DATA

1. Recode (mengelompokkan data) Perintah recode digunakan untuk mengubah pengkodean variable numeric berdasarkan nilai ke nilai atau jangkauan nilai. Pengelompokkan biasanya digunakan untuk mengubah variable numeric menjadi variable kategorik. Pengelompokkan dapat dilakukan pada variable yang sama atau ke variable baru yang berbeda. Dianjurkan kalau melakukan pengelompokkan sebaiknya digunakan variable baru sehingga masih dimiliki nilai yang asli pada file data.

Langkah-langkah melakukan recode kelompok umur pada SPSS sebagai berikut: a. Pilih “transform”, sorot “recode” sorot “into different variables”

3

pada bagian Name ketiklah umur1 (nama variable baru untuk umur yang bentuknya sudah kategorik) e. lalu klik tanda panah ke kanan sehingga umur berpindah di kotak Input Variable Output variable d. Pada kotak output variable. Klik change sehingga pada kotak Input variable output variable terlihat umur  umur1 4 . Kemudian klik “into different variables” c.b. Sorot variable “umur”.

Pada kotak tersebut isilah 35 dan 45 lalu pindahkan kursor ke kotak ‘New value’. Apabila akan merecode nilai umur <35 tahun menjadi kode1. klik ‘add’ 5 . kita akan recode umur 35 – 45 tahun menjadi 2. g. hasilnya akan seperti dibawah ini. Pindahkan kursor ke kotak Range through . ketik Add. Umur dibawah 35 tahun artinya umur terendah/paling muda sampai dengan 34 tahun.f. ketiklah 2. ketiklah 35 dan bawa kursor ke bagian kotak “new value”. Pindahkan kursor ke kotak Range: “lowest through .

Pada kotak ‘Range: through highest ketiklah 46. terlihat variable baru ‘umur1’ sudah terbentuk berada dikolom paling kanan 6 . Klik continue j. Langkahnya seperti diatas dan setelah selesai hasilnya sebagai berikut: i. ketiklah 3.h. Untuk umur > 45 tahun menjadi kode 3. klik ‘add’. Klik OK. Lalu pindahkan kursor ke kotak ‘New value’.

Pilih ‘compute’. pengurangan. Pilih ‘transform’ c.2. Posisikan layar pada file data editor b. Compute (membuat variable baru hasil perhitungan matematik) Transformasi compute variable digunakan untuk membuat variable baru atau memodifikasi nilai-nilai variable untuk suatu kasus. misalnya melakukan penjumlahan. Langkah-langkah melakukan compute sebagai berikut: a. kemudian akan muncul kotak dialog ‘compute variabel’ 7 . pembagian dan perkalian.

e. / (pembagian). Klik kotak ‘Numeric Expression’. ** (pangkat). sorot dan pindahkan variable umur setelah itu kalikan dengan 12. sebaiknya menggunakan nama yang baru. .) kurung. dapat merupakan variable yang lama atau baru. “Numeric Expression” : diisi rumus yang akan digunakan untuk menghitung nilai baru pada target variable. d. Rumus yang tertulis dapat mengandung nama variable yang sudah ada. (. operasi matematik dan fungsi. *(perkalian). Bila akan membuat variable baru umur. maka pada kotak ‘target variabel’. dengan nama “umur2” (umur dalam bulan).Pada kotak tersebut terdapat kotak: ‘target variabel’: diisi nama variable yang akan dibuat. tampilannya : umur*12. ketiklah “umur2”. misalnya + (penjumlahan). sehingga terlihat di layar: 8 .(pengurangan).

Dalam pengertian lain.f. misalnya symbol >. Klik “OK”. sesaat kemudian variable “umur2” akan muncul dibagian paling kanan. >=. 3. atau -=. perintah If digunakan dalam pembuatan variable baru dari kondisi beberapa variable yang ada. 9 . If (membuat variable baru dengan kondisi) Perintah If digunakan jika dalam transformasi data dibutuhkan himpunan bagian dari kasus yang menggunakan ekspresi kondisi. <. <=.

Langkah-langkah melakukan If pada SPSS adalah sebagai berikut: a. ketiklah “0” e. Pilih “compute” c. 10 . Pada kotak “numeric expression”. Klik “OK”. Pilih “transform” b. terlihat dilayar variabel “risiko” sudah terbentuk dengan semua selnya berisi angka nol. Pada kotak “target variable”. ketiklah ‘risiko’ d.

Pada kotak “target variable” biarkan tetap berisi “puas” j. Langkah kedua: Membuat kondisi risiko tinggi (kode 1) untuk tekanan darah > 89 dan umur > 45 g. hapus angka 0 dan gantilah dengan angka 1. 11 . Pilih kembali menu “transform” h. Pilih kembali “compute” i.f. Pada kotak “numeric expression”.

Klik tombol “If”. kalau menemui data yang berisi umur diatas 45 tahun maka isi variable “risiko” akan berubah dari 0 menjadi 1 seperti tampilan dibawah ini: 12 . Klik “OK”. akan muncul pesan: p.k. Klik tombol berbentuk lingkaran kecil: Include if case satisfies condition m. maka terbentuklah variable “risiko” pada kolom paling kanan dengan isi 0 dan 1 (0=risiko rendah dan 1=risiko tinggi).: ketiklah tekdarah > 89 & umur > 45 n. sesaat kemudian akan muncul dialog “computevariable: If cases” l. Pada kotak dibawah option include…. Klik “OK”. Klik “Continue” o.

Klik pada tombol : If condition is satisfied 13 . Langkah-langkah melakukan select variable pendidikan SMA pada SPSS adalah sebagai berikut: a. Misalnya kita ingin menganalisis data hanya responden dengan pendidikan SMA saja.4. Pilih menu “Data” b. Pilih “Select Cases” c. Select (memilih sebagian data) Perintah select digunakan bila seorang peneliti hanya ingin mengetahui atau mengolah dan menganalisis hanya data dari kelompok tertentu saja.

Perhatikan di bagian bawah pada kotak: Unselected cases are: filtered atau deleted. Ketiklah/sorot dan pindah pada kotak dan tuliskan kondisinya yaitu risiko =0 Ket: responden yang berisiko = 0 f. Akan terdapat nomor kasus yang dicoret yang artinya dikeluarkan dari data. Klik “continue” g. sedangkan yang tidak dicoret merupakan data yang aktif (responden yang tidak berisiko tinggi) 14 .d. Klik “OK” sehingga kembali ke data editor. h. Sedangkan untuk deleted. Klik “If” e. artinya kasus akan dihapus secara permanen. Pilihlah filtered artinya data yang tidak dianalisis hanya ditandai dengan pencoretan nomor kasus.

Terdapat dua jenis tehnik penggabungan data yaitu penggabungan responden dan penggabungan variable. 15 . melainkan beberapa file data yang harus digabungkan untuk melakukan analisis data.5. Merge (menggabungkan data) Perintah merge digunakan bila dalam pengolahan data terdapat lebih dari satu file data.

sorot Add case 16 .1.a. File ‘data1. Klik data.sav’ dalam kondisi aktif a. Penggabungan responden/case Langkahnya : Misal: Data 1 berisi nomor responden 1-15 Data 2 berisi nomor responden 16-30 Aplikasi di SPSS: a. sorot Merge File.2.

Klik “continue”.3.5.a.4. Klik open” a. dan akhirnya tergabunglah kedua file data 17 . Klik Add case a. Isikan pada kotak file name :data2 a.6.

18 . klik save as isikan nama file baru. didik. Penggabungan variabel Data 1a: berisi variabel umur. Untuk menyimpan file gabungan.7. misalnya data12 b.a.

sav dalam kondisi aktif.Data 2a: berisi variabel tek darah dan rokok Langkah – langkah penggabungan variabel: b. klik data. sorot Add Variables 19 . sorot Merge Files. File data1a.1.

20 . Tampilan sudah tergabung variabelnya dan lakukan penyimpanan dengan klik save as dan beri nama baru. Klik Add Variables b.4.2.3.b. misal: data12a. Klik open. klik OK b.

P-P Plots dan Q-Q Plots.ANALISIS DATA DESKRIPTIF I. Analisis meliputi analisis frekuensi. Standart deviasi (simpangan baku) Adalah pengukuran variasi data melalui penyimpangan/deviasi dari nilai-nilai pengamatan terhadap nilai mean-nya. Modus (jumlah terbanyak) Adalah nilai pengamatan yang mempunyai frekuensi/jumlah terbanyak. Mean (rata-rata) Adalah ukuran rata-rata yang merupakan hasil dari jumlah semua nilai pengukuran dibagi oleh banyaknya pengukuran. 21 . II. Analisisnya merupakan analisis paling mendasar dari analisis deskriptif itu sendiri. statistic deskriptif. Median (nilai tengah) Adalah nilai dimana setengah banyaknya pengamatan mempunyai nilai dibawahnya dan setengahnya lagi mempunyai nilai diatasnya. jarak linier kuartil dan standar deviasi. 3. 2. table silang. eksplorasi data. Varian (variasi) Adalah nilai-nilai hasil pengamatan yang saling berbeda satu sama lain (bervariasi). analisis rasio. 5. MACAM ANALISIS DATA DESKRIPTIF 1. PENGERTIAN Analisis data deskriptif atau statistic deskriptif merupakan gambaran keadaan suatu data secara umum. Median tidak dipengaruhi oleh nilai ekstrim. 4. Untuk mengetahui seberapa jauh variasi data digunakan ukuran variasi antara lain range.

Data kategorik a. Untuk data numeric digunakan nilai mean (rata-rata). Dari menu utama SPSS pilih “analyze”. kemudian ‘descriptive statistic’ dan pilih ‘frequencies’.LANGKAH-LANGKAH Tujuan analisis ini adalah untuk mendeskripsikan karakteristik masing-masing variable yang diteliti. Sedangkan untuk data kategorik hanya dapat menjelaskan angka /nilai jumlah dan persentase masing-masing kelompok. Untuk menampilkan data kategorik digunakan tampilan frekuensi. 1. Klik tanda panah dan masukkan ke kotak “variable” 22 . Bentuknya tergantung data jenis datanya. median. sehingga akan seperti: c. standar deviasi. b. Sorot variable berupa data kategorik seperti ‘pendidikan’ dan riwayat merokok.III.

0 26.7 100.3 20.3 100.7 100.0 riwayat perokok Cumulative Percent 53.0 Valid Percent 53. seperti dibawah ini: Frequencies Statistics tingkat pendidikan 30 0 riwayat perokok 30 0 N Valid Missing Frequency Table tingkat pendidikan Cumulative Percent 53.0 Valid tidak perokok perokok Total Frequency 16 14 30 Percent 53. Data Numerik 23 .0 Valid 1 2 3 Total Frequency 16 6 8 30 Percent 53.3 46.3 20. Klik ‘OK’.0 26.7 100.3 100.d.3 73.7 100.3 46. hasil dapat dilihat di jendela output.0 2.0 Valid Percent 53.

Pada Frequencies. Klik Statistic. pilih ukuran yang diminta yaitu: Mean. Klik variable yang diinginkan dan pindahkan ke kotak variable(s). Standar Deviasi. Median. Pilih Analyse pada menu. Standar Error 24 . Maximum. c.a. Pilih Descriptive Statistic dan Pilih Frequencies b. Minimum. misalnya variabel umur dan lama kerja.

maka pada layar terlihat distribusi frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram beserta curve normalnya.013 60 25 .828 80. Error of Mean Median Mode Std.00 80 10.50 32 6. f. Frequencies Statistics umur N Mean Std. Klik Continue.373 30 TD diastole 30 0 81.50 1.e. Klik “Continue”.164 38. kemudian Klik “ OK “. kemudian Klik tombol option “ Charts” lalu muncul menu baru dan klik “Histogram” lalu klik “With Normal Curve”. Deviation Minimum Valid Missing 30 0 39.27 1.

3 76.0 6.0 83.0 Valid 60 70 75 80 85 90 105 110 Total Frequency 1 4 3 12 3 5 1 1 30 Percent 3.7 60.0 66.7 3.3 3.3 6.3 6.7 93.3 6.0 40.7 6.3 10.3 6.0 33.3 3.3 3.3 100.0 TD diastole Cumulative Percent 3.3 90.3 3.0 93.3 10.3 3.0 40.3 13.3 3.7 3.3 100.7 3.3 56.3 6.3 3.0 53.7 100.7 6.7 3.0 26.7 10.7 80.7 26.3 10.3 100.0 26 .7 73.3 13.3 40.3 3.3 16.0 10.Maximum 50 110 Frequency Table umur Cumulative Percent 3.3 3.7 10.7 66.7 30.7 3.0 10.0 16.3 6.3 6.3 3.0 Valid 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 47 48 49 50 Total Frequency 1 2 3 2 1 1 2 2 1 1 1 1 2 2 1 1 1 2 1 2 30 Percent 3.3 6.0 Valid Percent 3.3 3.7 6.0 Valid Percent 3.7 3.7 3.7 100.7 3.7 6.7 76.3 96.0 20.3 6.3 3.7 3.7 100.0 6.3 6.0 16.3 3.7 50.7 3.0 46.3 3.

D v = .2 S .Histogram u u mr 6 5 Frequency 4 3 2 1 Ma = 9 7 e n 3 . 6 7 N= 0 3 0 3 0 3 5 4 0 4 5 5 0 u u mr 27 .3 3 td e .

Bentuk Tabel Master tabel (tabel induk). Bentuk Grafik/Diagram Jenis-jenis grafik : 28 . Dev. Macam-macam bentuk tabel : Teks Tabel (tabel Rincian). =10. merupakan uraian dari data yang diambil dari tabel induk.5 Std.013 N =30 60 80 100 120 0 TD diastole IV. yaitu tabel yang berisi semua hasil pengumpulan data yang masih dalam bentuk data mentah. Bentuk Teks. b. biasanya tabel ini disajikan dalam lampiran suatu laporan pengumpulan data. yaitu berupa narasi. a. Penyajian data dengan memakai kolom dan baris. 3. 2. PENYAJIAN DAN INTERPRETASI DATA Ada Beberapa jenis penyajian data yaitu : 1.TD diastole 12 10 Frequency 8 6 4 2 Mean =81.

Cara menampilkan balok : Single bar. f. d. multiple bar dan subdivided bar. yaitu grafik dari data kontinyu dan dalam bentuk frekwensi kumulatif. 29 . Ogive. Diagram Garis. digunakan untuk menyajikan data diskrit atau dengan skala nominal maupun ordinal. g. digunakan untuk menggambarkan data diskrit atau data dengan skala nominal yang menggambarkan perubahan dari waktu ke waktu. Diagram Batang. yaitu digunakan untuk data kontinyu seperti pada histogram dengan menghubungkan puncak-puncak dari balok-balok histogram. Box-plot dan Whiskers-plot. j. Penyajian data dalam bentuk distrubusi frekwensi akan menghilangkan nilai aslinya dari data tersebut. e. c. Diagram Tebar. digunakan untuk menggambarkan hubungan 2 macam variabel yang diperkirakan ada hubungan. menggambarkan peta dari suatu daerah. penyakit jantung dengan menggunakan gambar jantung. dapat vertikal atau horisontal. yaitu diagram yang digambar sesuai dengan obejknya. Dari perpotongan ogive ”kurang dari” dan ”besar dari” akan mendapatkan nilai yang tepat untuk letak dan besarnya nilai modus. i. yaitu grafik yang digunakan untuk menyajikan data kontinyu. Histogram. Permasalahan yang akan digambarkan ditunjukkan langsung di peta tersebut. Pictogram. yaitu diagram batang yang disusun dengan susunan tinggi rendahnya batang sehingga dengan demikian dapat diinterpretasi.a. digunakan untuk menyajikan data diskrit atau data dengan skala nominal dan ordinal atau disebut juga data kategorik. Diagram Pareto. Gambar balok. pada histogram balok-baloknya menyambung sebab histogram menggambarkan data-data kontinyu. Bedanya dengan balok histogram. Diagram Peta. b. misalnya jumlah penduduk dengan menggunakan orang. l. sedangkan sumbu X adalah variabel independen. Frekwensi Poligon. Untuk menghilangkan kelemahan ini digunakan diagram batang dan daun. Sumbu Y adalah variabel dependen. digunakan untuk menyajikan data numerik. h. Diagram Pie. k. dipakai juga untuk membandingkan beberapa pengamatan. Diagram batang dan daun.

Tabel 1 Distribusi Responden Menurut Tingkat Pendidikan Di RT.Data variable kategorik berupa tingkat pendidikan dan riwayat merokok dapat disajikan dalam bentuk table di bawah ini.0 26.3 20. 05 Kelurahan Jatijajar tahun 2010 Riwayat Merokok Tidak Merokok Merokok Total Jumlah 16 14 30 Presentase 53.7 100 Data variable numerik berupa umur dan tekanan darah dapat disajikan dalam bentuk diagram di bawah ini. 011 RW. 011 RW.3 46.7 100 Tabel 2 Distribusi Responden Menurut Riwayat Merokok Di RT. 05 Kelurahan Jatijajar tahun 2010 10 frek uens i 8 6 4 2 0 30-34 35-39 40-45 um ur 45-49 50-55 30 . Diagram 1 Distribusi Responden Menurut Umur Di RT. 05 Kelurahan Jatijajar tahun 2010 Pendidikan SMA SMP SD Total 16 6 8 30 Jumlah Presentase 53. 011 RW.

011 RW.27 S D = td. 6. bila bentuknya menyerupai bel shape. kurva tampak menyerupai bel shape yang berarti data variable umur dan tekanan darah berdistribusi normal.5 Std. UJI KENORMALAN DATA Untuk mengetahui suatu data berdistribusi normal ada 3 cara. Contoh: pada distribusi variable umur dan tekanan darah.Diagram 2 Distribusi Responden Menurut Tekanan Darah Diastole Di RT. Di lihat dari grafik Histogram dan kurve normal.013 N =30 60 80 100 120 3 0 2 TD diastole 1 M ean =39. 05 Kelurahan Jatijajar tahun 2010 16 14 12 10 8 6 4 2 0 0-60 61-70 71-80 81-90 91-100 101-110 111-120 tek na da h a n ra V. Dev. TD diastole frek uens i 12 10 8 u u mr Frequency 6 6 5 4 Frequency 4 2 Mean =81. 31 . ev.37 3 N= 30 0 30 35 40 45 50 u ur m Pada grafik di atas. yaitu: 1. berarti berdistribusi normal. =10.

2. maka distribusinya normal. Variabel umur: 1) Klik Analyze. Langkah-langkah untuk mencari nilai skewness. kotak “ Faktor List” dan “Label Cases By”. bila nilai skweness di bagi standar errornya menghasilkan angka ≤ 2. biarkan kosong. sehingga tampilannya sebagai berikut: 32 . Menggunakan nilai Skewness dan standar errornya. pilih explore 2) Isi kotak “Dependent List” dengan variabel “ Umur”. misal: a. pilh descriptive statistic.

Error 1.427 .249 -1. hasilnya sebagai berikut: Explore Descriptives Statistic 39. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Tests of Normality 33 .27 36.833 Std.616 6.65 39.89 41.219 .50 40.3) Klik tombol Plots 4) Pilih Normality plots with tests 5) Klik Continue.17 38.373 30 50 20 11 . kemudian Klik OK.164 umur Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.

935 Shapiro-Wilk df 30 Sig. .Kolmogorov-Smirnov(a) Statistic df Sig. . umur .065 umur umur Stem-and-Leaf Plot Frequency 9. a Lilliefors Significance Correction Statistic .00 Stem width: Each leaf: Stem & 3 3 4 4 5 . Leaf 011222334 5667789 0122334 57889 00 10 1 case(s) N rm l Q P t o u u o a -Q lo f m r 2 Expected Normal 1 0 -1 -2 2 5 3 0 3 5 4 0 4 5 5 0 O s rv dV lu be e a e 34 .00 7. .00 5.106 30 . .00 7.200(*) * This is a lower bound of the true significance.00 2. .

4 0.2 30 35 40 45 50 Observed Value 50 45 40 35 30 umur 35 .2 Dev from Normal 0.0 -0.Detrended Normal Q-Q Plot of umur 0.

Namun uji kolmogrov sangat sensitif dengan jumlah sampel. P. 3. (2007). maksudnya: untuk sampel yang besar uji kolmogorov cenderung menghasilkan uji yang significant (yang artinya bentuk distribusinya tidak normal).Dari hasil analisis “Explore” didapatkan nilai skewness dan standar error. Hasil dari perbandingan nilai skewness dan standar error pada variabel umur yaitu: 0. Uji Kolmogorov Smirnow. hasilnya nilai masih kurang dari 2. bila hasil uji significant (p value > 0. S. Referensi: Hastono. berarti dapat disimpulkan variabel umur berdistribusi normal. Analisis data kesehatan. (2007). Atas dassar kelemahan ini dianjurkan untuk mengetahui kenormalan data lebih baik menggunakan angka skewness atau melihat grafik hortogram dan kurve normal.05) maka distribusi normal. Depok: Fakultas Kesehatan Masyarakat UI Panduan Praktis: Pengolahan data statistic dengan SPSS 15.249/0. Editor: Agnes Heni Triyuliana. Yogyakarta: Penerbit Andi (Wahana Komputer) 36 .427 = 0.0.583.