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

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

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

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

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

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

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

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

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

kalau menemui data yang berisi umur diatas 45 tahun maka isi variable “risiko” akan berubah dari 0 menjadi 1 seperti tampilan dibawah ini: 12 .k. Klik tombol berbentuk lingkaran kecil: Include if case satisfies condition m. 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). akan muncul pesan: p. Klik “OK”. Pada kotak dibawah option include…. Klik tombol “If”. Klik “OK”. Klik “Continue” o.: ketiklah tekdarah > 89 & umur > 45 n.

Misalnya kita ingin menganalisis data hanya responden dengan pendidikan SMA saja.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. Klik pada tombol : If condition is satisfied 13 . Pilih menu “Data” b.

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

15 . 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.5.

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

4. Isikan pada kotak file name :data2 a. Klik “continue”. Klik Add case a. Klik open” a. dan akhirnya tergabunglah kedua file data 17 .3.6.a.5.

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

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

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

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

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

0 26.d.7 100.7 100.0 26.0 Valid 1 2 3 Total Frequency 16 6 8 30 Percent 53. hasil dapat dilihat di jendela output.3 73.0 Valid Percent 53.3 100.0 Valid tidak perokok perokok Total Frequency 16 14 30 Percent 53.3 20.0 2.3 20.7 100.3 100. Klik ‘OK’.0 Valid Percent 53.3 46.0 riwayat perokok Cumulative Percent 53.7 100. Data Numerik 23 . seperti dibawah ini: Frequencies Statistics tingkat pendidikan 30 0 riwayat perokok 30 0 N Valid Missing Frequency Table tingkat pendidikan Cumulative Percent 53.3 46.

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

kemudian Klik tombol option “ Charts” lalu muncul menu baru dan klik “Histogram” lalu klik “With Normal Curve”.828 80. Klik “Continue”. Deviation Minimum Valid Missing 30 0 39. kemudian Klik “ OK “.50 1.164 38. f.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.27 1.50 32 6. Klik Continue.e. Frequencies Statistics umur N Mean Std.00 80 10.013 60 25 . Error of Mean Median Mode Std.

7 3.3 3.7 30.3 3.7 26.7 3.3 100.0 Valid Percent 3.3 56.7 3.0 20.0 16.3 3.3 10.0 TD diastole Cumulative Percent 3.7 3.7 100.0 6.3 3.7 6.7 6.3 13.3 10.0 16.3 6.3 40.3 3.0 40.7 76.3 6.Maximum 50 110 Frequency Table umur Cumulative Percent 3.0 26 .0 83.0 33.7 6.3 3.3 96.3 3.3 90.0 6.3 6.7 93.3 3.7 60.7 66.0 Valid Percent 3.7 100.0 40.3 3.0 66.0 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 6.3 16.3 6.0 46.3 6.3 3.7 3.7 3.3 6.3 3.7 3.3 6.3 3.7 10.3 6.0 93.7 3.7 50.7 3.3 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 76.0 10.3 10.7 3.0 26.3 100.3 100.7 80.3 3.0 53.0 10.7 6.7 73.7 100.7 10.3 13.3 6.

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

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

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

011 RW.3 46. 05 Kelurahan Jatijajar tahun 2010 Pendidikan SMA SMP SD Total 16 6 8 30 Jumlah Presentase 53.7 100 Tabel 2 Distribusi Responden Menurut Riwayat Merokok Di RT. 011 RW. 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 .Data variable kategorik berupa tingkat pendidikan dan riwayat merokok dapat disajikan dalam bentuk table di bawah ini.3 20.7 100 Data variable numerik berupa umur dan tekanan darah dapat disajikan dalam bentuk diagram di bawah ini. 011 RW. 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.0 26. Tabel 1 Distribusi Responden Menurut Tingkat Pendidikan Di RT.

kurva tampak menyerupai bel shape yang berarti data variable umur dan tekanan darah berdistribusi normal. Di lihat dari grafik Histogram dan kurve normal. Dev. UJI KENORMALAN DATA Untuk mengetahui suatu data berdistribusi normal ada 3 cara. Contoh: pada distribusi variable umur dan tekanan darah. 31 . ev. 011 RW.Diagram 2 Distribusi Responden Menurut Tekanan Darah Diastole Di RT. berarti berdistribusi normal. 6.27 S D = td.5 Std. bila bentuknya menyerupai bel shape.013 N =30 60 80 100 120 3 0 2 TD diastole 1 M ean =39. yaitu: 1.37 3 N= 30 0 30 35 40 45 50 u ur m Pada grafik di atas. TD diastole frek uens i 12 10 8 u u mr Frequency 6 6 5 4 Frequency 4 2 Mean =81. 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.

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

249 -1.373 30 50 20 11 .427 .50 40.27 36.164 umur Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.65 39. Deviation Minimum Maximum Range Interquartile Range Skewness Kurtosis Lower Bound Upper Bound Tests of Normality 33 .3) Klik tombol Plots 4) Pilih Normality plots with tests 5) Klik Continue.833 Std. kemudian Klik OK.219 .616 6.17 38. Error 1.89 41. hasilnya sebagai berikut: Explore Descriptives Statistic 39.

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 5. .065 umur umur Stem-and-Leaf Plot Frequency 9.Kolmogorov-Smirnov(a) Statistic df Sig. a Lilliefors Significance Correction Statistic .00 2.200(*) * This is a lower bound of the true significance. . . umur .00 7.106 30 .00 Stem width: Each leaf: Stem & 3 3 4 4 5 .00 7. .935 Shapiro-Wilk df 30 Sig.

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

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. Depok: Fakultas Kesehatan Masyarakat UI Panduan Praktis: Pengolahan data statistic dengan SPSS 15.0. bila hasil uji significant (p value > 0.427 = 0. Hasil dari perbandingan nilai skewness dan standar error pada variabel umur yaitu: 0. Uji Kolmogorov Smirnow. Yogyakarta: Penerbit Andi (Wahana Komputer) 36 . Analisis data kesehatan. P.249/0.583. Editor: Agnes Heni Triyuliana.Dari hasil analisis “Explore” didapatkan nilai skewness dan standar error. maksudnya: untuk sampel yang besar uji kolmogorov cenderung menghasilkan uji yang significant (yang artinya bentuk distribusinya tidak normal). (2007). (2007).05) maka distribusi normal. Namun uji kolmogrov sangat sensitif dengan jumlah sampel. hasilnya nilai masih kurang dari 2. Referensi: Hastono. 3. S.

Sign up to vote on this title
UsefulNot useful