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

b. lalu klik tanda panah ke kanan sehingga umur berpindah di kotak Input Variable Output variable d. Klik change sehingga pada kotak Input variable output variable terlihat umur  umur1 4 . 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”.

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

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

2. Langkah-langkah melakukan compute sebagai berikut: a. Pilih ‘transform’ c. Pilih ‘compute’. 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. Posisikan layar pada file data editor b. kemudian akan muncul kotak dialog ‘compute variabel’ 7 . pembagian dan perkalian. pengurangan.

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

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

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

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

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

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

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

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.

2.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.a.1. Klik data. sorot Merge File. sorot Add case 16 . File ‘data1.

4. Klik open” a. dan akhirnya tergabunglah kedua file data 17 . Klik “continue”.6.5. Klik Add case a. Isikan pada kotak file name :data2 a.3.a.

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

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

b. Klik Add Variables b.2. klik OK b. Tampilan sudah tergabung variabelnya dan lakukan penyimpanan dengan klik save as dan beri nama baru. 20 .3.4. Klik open. misal: data12a.

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

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

3 46. Klik ‘OK’.7 100.3 73.7 100. 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 Percent 53.7 100.0 26. Data Numerik 23 .3 46.0 Valid tidak perokok perokok Total Frequency 16 14 30 Percent 53.0 26.3 20.3 20.7 100. hasil dapat dilihat di jendela output.3 100.0 Valid 1 2 3 Total Frequency 16 6 8 30 Percent 53.0 Valid Percent 53.0 riwayat perokok Cumulative Percent 53.d.0 2.3 100.

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

27 1. Deviation Minimum Valid Missing 30 0 39.50 1.373 30 TD diastole 30 0 81. maka pada layar terlihat distribusi frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram beserta curve normalnya.e.00 80 10.164 38. Error of Mean Median Mode Std.828 80. kemudian Klik “ OK “. Klik Continue. f.50 32 6. kemudian Klik tombol option “ Charts” lalu muncul menu baru dan klik “Histogram” lalu klik “With Normal Curve”. Klik “Continue”. Frequencies Statistics umur N Mean Std.013 60 25 .

7 10.0 26.3 3.3 10.3 3.7 6.7 6.7 3.0 93.7 60.3 100.3 3.3 100.3 3.Maximum 50 110 Frequency Table umur Cumulative Percent 3.7 6.3 6.7 6.3 6.0 10.3 6.3 16.0 83.7 100.3 3.7 3.7 76.7 3.0 TD diastole Cumulative Percent 3.0 Valid 60 70 75 80 85 90 105 110 Total Frequency 1 4 3 12 3 5 1 1 30 Percent 3.3 100.0 33.7 50.7 3.7 3.7 3.3 96.7 73.3 6.3 3.7 100.3 6.0 Valid Percent 3.3 10.7 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 6.0 6.7 26.0 16.7 3.0 66.3 6.3 10.7 93.7 80.3 3.0 16.0 40.0 53.3 13.3 3.3 76.3 13.0 6.3 3.3 3.0 40.0 26 .7 30.3 90.7 100.3 3.3 6.7 3.3 6.3 3.7 3.7 66.0 Valid Percent 3.3 3.7 10.3 6.3 56.0 20.0 10.3 3.0 46.3 40.

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

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

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

Data variable kategorik berupa tingkat pendidikan dan riwayat merokok dapat disajikan dalam bentuk table di bawah ini.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 .7 100 Data variable numerik berupa umur dan tekanan darah dapat disajikan dalam bentuk diagram di bawah ini. 05 Kelurahan Jatijajar tahun 2010 Pendidikan SMA SMP SD Total 16 6 8 30 Jumlah Presentase 53. 011 RW. Tabel 1 Distribusi Responden Menurut Tingkat Pendidikan Di RT. 05 Kelurahan Jatijajar tahun 2010 Riwayat Merokok Tidak Merokok Merokok Total Jumlah 16 14 30 Presentase 53. Diagram 1 Distribusi Responden Menurut Umur Di RT. 011 RW. 011 RW.0 26.3 46.3 20.

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

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

65 39.89 41.833 Std.27 36.249 -1. Error 1.17 38.373 30 50 20 11 . Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Tests of Normality 33 .427 . hasilnya sebagai berikut: Explore Descriptives Statistic 39.616 6. kemudian Klik OK.50 40.3) Klik tombol Plots 4) Pilih Normality plots with tests 5) Klik Continue.219 .164 umur Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.

00 5.935 Shapiro-Wilk df 30 Sig. . . umur . .00 2.00 7.Kolmogorov-Smirnov(a) Statistic df Sig. 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. a Lilliefors Significance Correction Statistic . . .106 30 .00 Stem width: Each leaf: Stem & 3 3 4 4 5 .200(*) * This is a lower bound of the true significance.00 7.

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

05) maka distribusi normal. Analisis data kesehatan. hasilnya nilai masih kurang dari 2. berarti dapat disimpulkan variabel umur berdistribusi normal. Editor: Agnes Heni Triyuliana. (2007). Depok: Fakultas Kesehatan Masyarakat UI Panduan Praktis: Pengolahan data statistic dengan SPSS 15. Uji Kolmogorov Smirnow. P.Dari hasil analisis “Explore” didapatkan nilai skewness dan standar error. S.583. Hasil dari perbandingan nilai skewness dan standar error pada variabel umur yaitu: 0.427 = 0.0. Referensi: Hastono. Namun uji kolmogrov sangat sensitif dengan jumlah sampel. (2007). bila hasil uji significant (p value > 0. 3. maksudnya: untuk sampel yang besar uji kolmogorov cenderung menghasilkan uji yang significant (yang artinya bentuk distribusinya tidak normal). Atas dassar kelemahan ini dianjurkan untuk mengetahui kenormalan data lebih baik menggunakan angka skewness atau melihat grafik hortogram dan kurve normal. Yogyakarta: Penerbit Andi (Wahana Komputer) 36 .249/0.

Sign up to vote on this title
UsefulNot useful