P. 1
TUGAS MANDAT 1 dita

TUGAS MANDAT 1 dita

|Views: 262|Likes:
Dipublikasikan oleh Dita Sulistyowati

More info:

Published by: Dita Sulistyowati on Jan 18, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

03/24/2014

pdf

text

original

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

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

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

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

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 . pengurangan. Posisikan layar pada file data editor b. Langkah-langkah melakukan compute sebagai berikut: a. pembagian dan perkalian. Pilih ‘compute’. Pilih ‘transform’ c. misalnya melakukan penjumlahan.

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

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

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

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

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

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

Akan terdapat nomor kasus yang dicoret yang artinya dikeluarkan dari data. Pilihlah filtered artinya data yang tidak dianalisis hanya ditandai dengan pencoretan nomor kasus. sedangkan yang tidak dicoret merupakan data yang aktif (responden yang tidak berisiko tinggi) 14 . h. Klik “OK” sehingga kembali ke data editor. Klik “continue” g. Klik “If” e.d. Sedangkan untuk deleted. 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. artinya kasus akan dihapus secara permanen.

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

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

Isikan pada kotak file name :data2 a. dan akhirnya tergabunglah kedua file data 17 .4.a. Klik Add case a.5.6. Klik open” a. Klik “continue”.3.

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

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

2. Klik Add Variables b. klik OK b. Tampilan sudah tergabung variabelnya dan lakukan penyimpanan dengan klik save as dan beri nama baru. misal: data12a. Klik open.4. 20 .b.3.

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

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

0 riwayat perokok Cumulative Percent 53.7 100.0 Valid Percent 53.3 46.0 26.3 100.0 Valid 1 2 3 Total Frequency 16 6 8 30 Percent 53.3 20.3 100.3 46. Data Numerik 23 .7 100.3 73.0 Valid tidak perokok perokok Total Frequency 16 14 30 Percent 53.7 100.0 26. hasil dapat dilihat di jendela output.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. Klik ‘OK’.0 2.0 Valid Percent 53.d.

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

27 1. Frequencies Statistics umur N Mean Std. Klik Continue.013 60 25 . Error of Mean Median Mode Std.50 32 6. Klik “Continue”.00 80 10.164 38. f.828 80. kemudian Klik “ OK “. maka pada layar terlihat distribusi frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram beserta curve normalnya. kemudian Klik tombol option “ Charts” lalu muncul menu baru dan klik “Histogram” lalu klik “With Normal Curve”.e.50 1. Deviation Minimum Valid Missing 30 0 39.373 30 TD diastole 30 0 81.

3 3.3 3.3 6.3 3.3 6.3 3.3 3.0 40.7 10.7 80.Maximum 50 110 Frequency Table umur Cumulative Percent 3.7 6.3 56.7 30.0 Valid 60 70 75 80 85 90 105 110 Total Frequency 1 4 3 12 3 5 1 1 30 Percent 3.3 3.3 3.0 40.0 33.7 3.3 13.7 100.7 6.0 10.7 50.7 100.7 3.3 100.0 26.0 6.0 46.3 3.7 93.3 6.0 Valid Percent 3.0 26 .3 16.7 3.0 53.7 73.3 76.7 3.3 90.0 20.3 100.3 100.7 26.3 10.7 6.3 3.7 100.0 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 3.7 3.0 TD diastole Cumulative Percent 3.3 6.7 60.7 66.7 3.3 40.0 16.7 3.0 66.7 3.3 3.0 6.3 10.0 93.3 10.0 Valid Percent 3.3 13.7 3.7 6.3 6.7 10.0 10.3 3.3 6.3 6.3 96.7 76.7 3.3 6.3 3.0 83.3 6.0 16.3 6.3 3.

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

a. yaitu tabel yang berisi semua hasil pengumpulan data yang masih dalam bentuk data mentah. Bentuk Grafik/Diagram Jenis-jenis grafik : 28 .TD diastole 12 10 Frequency 8 6 4 2 Mean =81. 2.013 N =30 60 80 100 120 0 TD diastole IV. =10. biasanya tabel ini disajikan dalam lampiran suatu laporan pengumpulan data. PENYAJIAN DAN INTERPRETASI DATA Ada Beberapa jenis penyajian data yaitu : 1. Bentuk Tabel Master tabel (tabel induk). merupakan uraian dari data yang diambil dari tabel induk. yaitu berupa narasi. Macam-macam bentuk tabel : Teks Tabel (tabel Rincian). b. 3. Dev. Bentuk Teks. Penyajian data dengan memakai kolom dan baris.5 Std.

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

7 100 Data variable numerik berupa umur dan tekanan darah dapat disajikan dalam bentuk diagram di bawah ini.3 46. 05 Kelurahan Jatijajar tahun 2010 Riwayat Merokok Tidak Merokok Merokok Total Jumlah 16 14 30 Presentase 53.7 100 Tabel 2 Distribusi Responden Menurut Riwayat Merokok Di RT.0 26. 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 . 011 RW.Data variable kategorik berupa tingkat pendidikan dan riwayat merokok dapat disajikan dalam bentuk table di bawah ini.3 20. 011 RW. 011 RW. Tabel 1 Distribusi Responden Menurut Tingkat Pendidikan Di RT. 05 Kelurahan Jatijajar tahun 2010 Pendidikan SMA SMP SD Total 16 6 8 30 Jumlah Presentase 53. Diagram 1 Distribusi Responden Menurut Umur Di RT.

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

bila nilai skweness di bagi standar errornya menghasilkan angka ≤ 2.2. kotak “ Faktor List” dan “Label Cases By”. maka distribusinya normal. Langkah-langkah untuk mencari nilai skewness. pilih explore 2) Isi kotak “Dependent List” dengan variabel “ Umur”. misal: a. Variabel umur: 1) Klik Analyze. biarkan kosong. pilh descriptive statistic. Menggunakan nilai Skewness dan standar errornya. sehingga tampilannya sebagai berikut: 32 .

65 39. Error 1. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Tests of Normality 33 .833 Std.50 40. hasilnya sebagai berikut: Explore Descriptives Statistic 39.3) Klik tombol Plots 4) Pilih Normality plots with tests 5) Klik Continue. kemudian Klik OK.164 umur Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.373 30 50 20 11 .219 .616 6.17 38.89 41.427 .249 -1.27 36.

umur .00 7. 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 .Kolmogorov-Smirnov(a) Statistic df Sig.935 Shapiro-Wilk df 30 Sig.200(*) * This is a lower bound of the true significance. a Lilliefors Significance Correction Statistic . . .106 30 . . .00 2. .00 5.065 umur umur Stem-and-Leaf Plot Frequency 9.00 7.00 Stem width: Each leaf: Stem & 3 3 4 4 5 .

0 -0.4 0.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.

Referensi: Hastono. Editor: Agnes Heni Triyuliana.05) maka distribusi normal. bila hasil uji significant (p value > 0. hasilnya nilai masih kurang dari 2. 3. berarti dapat disimpulkan variabel umur berdistribusi normal. Atas dassar kelemahan ini dianjurkan untuk mengetahui kenormalan data lebih baik menggunakan angka skewness atau melihat grafik hortogram dan kurve normal.0. (2007).249/0. P.583.Dari hasil analisis “Explore” didapatkan nilai skewness dan standar error. Namun uji kolmogrov sangat sensitif dengan jumlah sampel. Analisis data kesehatan.427 = 0. Depok: Fakultas Kesehatan Masyarakat UI Panduan Praktis: Pengolahan data statistic dengan SPSS 15. maksudnya: untuk sampel yang besar uji kolmogorov cenderung menghasilkan uji yang significant (yang artinya bentuk distribusinya tidak normal). Uji Kolmogorov Smirnow. Yogyakarta: Penerbit Andi (Wahana Komputer) 36 . Hasil dari perbandingan nilai skewness dan standar error pada variabel umur yaitu: 0. S. (2007).

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->