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

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

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

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

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

misalnya symbol >. 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. <. sesaat kemudian variable “umur2” akan muncul dibagian paling kanan.f. 3. Dalam pengertian lain. atau -=. Klik “OK”.

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

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

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

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

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

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

a.1. sorot Add case 16 . Klik data.2. File ‘data1. 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.sav’ dalam kondisi aktif a.

Klik Add case a.a.6. Klik “continue”. Isikan pada kotak file name :data2 a.3. dan akhirnya tergabunglah kedua file data 17 . Klik open” a.4.5.

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

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

b. misal: data12a. Tampilan sudah tergabung variabelnya dan lakukan penyimpanan dengan klik save as dan beri nama baru. 20 .3.2. Klik Add Variables b. Klik open. klik OK b.4.

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

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

0 riwayat perokok Cumulative Percent 53.0 2. hasil dapat dilihat di jendela output.7 100.0 Valid Percent 53.0 Valid Percent 53.7 100.3 46.3 100.0 Valid 1 2 3 Total Frequency 16 6 8 30 Percent 53.3 100.0 26.7 100.3 73. Data Numerik 23 .d.3 46.3 20. Klik ‘OK’.3 20.7 100. 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 53.0 26.

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

00 80 10.27 1.50 32 6. maka pada layar terlihat distribusi frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram beserta curve normalnya. Error of Mean Median Mode Std.373 30 TD diastole 30 0 81.50 1.164 38.013 60 25 .e. Frequencies Statistics umur N Mean Std. kemudian Klik “ OK “. Deviation Minimum Valid Missing 30 0 39. Klik “Continue”. f. Klik Continue.828 80. kemudian Klik tombol option “ Charts” lalu muncul menu baru dan klik “Histogram” lalu klik “With Normal Curve”.

7 100.3 3.7 30.7 3.0 Valid Percent 3.3 10.7 3.7 76.7 60.0 93.7 3.7 100.0 6.3 3.3 3.0 40.7 80.3 3.0 10.0 Valid Percent 3.7 6.0 26.3 13.3 56.0 16.0 Valid 60 70 75 80 85 90 105 110 Total Frequency 1 4 3 12 3 5 1 1 30 Percent 3.3 13.0 26 .7 50.3 90.7 93.3 3.7 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 96.3 6.0 66.3 3.7 73.7 3.7 10.3 100.7 6.7 3.7 6.Maximum 50 110 Frequency Table umur Cumulative Percent 3.7 3.3 6.3 6.7 66.7 3.3 3.3 100.7 3.3 76.0 6.0 53.7 100.0 40.7 26.7 10.3 3.0 10.7 3.3 6.0 20.3 6.3 6.3 6.3 3.3 6.3 3.3 100.0 46.0 83.3 3.7 6.3 16.3 3.3 40.3 10.0 33.3 3.3 10.3 3.3 6.0 16.3 6.0 TD diastole Cumulative Percent 3.

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

Macam-macam bentuk tabel : Teks Tabel (tabel Rincian). yaitu tabel yang berisi semua hasil pengumpulan data yang masih dalam bentuk data mentah. 2. b. a. PENYAJIAN DAN INTERPRETASI DATA Ada Beberapa jenis penyajian data yaitu : 1.013 N =30 60 80 100 120 0 TD diastole IV. Dev. merupakan uraian dari data yang diambil dari tabel induk.5 Std. biasanya tabel ini disajikan dalam lampiran suatu laporan pengumpulan data.TD diastole 12 10 Frequency 8 6 4 2 Mean =81. =10. Bentuk Grafik/Diagram Jenis-jenis grafik : 28 . yaitu berupa narasi. Bentuk Tabel Master tabel (tabel induk). Bentuk Teks. 3. Penyajian data dengan memakai kolom dan baris.

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

7 100 Tabel 2 Distribusi Responden Menurut Riwayat Merokok Di RT.0 26.7 100 Data variable numerik berupa umur dan tekanan darah dapat disajikan dalam bentuk diagram di bawah ini. 011 RW.3 20. 05 Kelurahan Jatijajar tahun 2010 Pendidikan SMA SMP SD Total 16 6 8 30 Jumlah Presentase 53.3 46.Data variable kategorik berupa tingkat pendidikan dan riwayat merokok dapat disajikan dalam bentuk table di bawah ini. 05 Kelurahan Jatijajar tahun 2010 Riwayat Merokok Tidak Merokok Merokok Total Jumlah 16 14 30 Presentase 53. 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 . Tabel 1 Distribusi Responden Menurut Tingkat Pendidikan Di RT. Diagram 1 Distribusi Responden Menurut Umur Di RT. 011 RW. 011 RW.

Diagram 2 Distribusi Responden Menurut Tekanan Darah Diastole Di RT.013 N =30 60 80 100 120 3 0 2 TD diastole 1 M ean =39. Di lihat dari grafik Histogram dan kurve normal. ev. kurva tampak menyerupai bel shape yang berarti data variable umur dan tekanan darah berdistribusi normal. 31 . yaitu: 1. 011 RW. bila bentuknya menyerupai bel shape. 6. Contoh: pada distribusi variable umur dan tekanan darah. TD diastole frek uens i 12 10 8 u u mr Frequency 6 6 5 4 Frequency 4 2 Mean =81. UJI KENORMALAN DATA Untuk mengetahui suatu data berdistribusi normal ada 3 cara.5 Std.27 S D = td. Dev. berarti berdistribusi normal. =10.37 3 N= 30 0 30 35 40 45 50 u ur m Pada grafik di atas. 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.

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

427 . kemudian Klik OK. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Tests of Normality 33 .164 umur Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.27 36.616 6.219 .833 Std.50 40. Error 1.373 30 50 20 11 .65 39.89 41.249 -1.17 38. hasilnya sebagai berikut: Explore Descriptives Statistic 39.3) Klik tombol Plots 4) Pilih Normality plots with tests 5) Klik Continue.

.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 . .065 umur umur Stem-and-Leaf Plot Frequency 9.00 2.00 7. . . . a Lilliefors Significance Correction Statistic .935 Shapiro-Wilk df 30 Sig. umur .106 30 .200(*) * This is a lower bound of the true significance.00 7.00 5.Kolmogorov-Smirnov(a) Statistic df Sig.

Detrended Normal Q-Q Plot of umur 0.2 30 35 40 45 50 Observed Value 50 45 40 35 30 umur 35 .2 Dev from Normal 0.4 0.0 -0.

P. Referensi: Hastono. Analisis data kesehatan. Hasil dari perbandingan nilai skewness dan standar error pada variabel umur yaitu: 0.Dari hasil analisis “Explore” didapatkan nilai skewness dan standar error.05) maka distribusi normal.583. Depok: Fakultas Kesehatan Masyarakat UI Panduan Praktis: Pengolahan data statistic dengan SPSS 15. berarti dapat disimpulkan variabel umur berdistribusi normal. maksudnya: untuk sampel yang besar uji kolmogorov cenderung menghasilkan uji yang significant (yang artinya bentuk distribusinya tidak normal). (2007). Namun uji kolmogrov sangat sensitif dengan jumlah sampel. hasilnya nilai masih kurang dari 2. (2007). S.427 = 0.249/0. Atas dassar kelemahan ini dianjurkan untuk mengetahui kenormalan data lebih baik menggunakan angka skewness atau melihat grafik hortogram dan kurve normal. Editor: Agnes Heni Triyuliana. 3. Yogyakarta: Penerbit Andi (Wahana Komputer) 36 .0. bila hasil uji significant (p value > 0. Uji Kolmogorov Smirnow.

Sign up to vote on this title
UsefulNot useful