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 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 .b. Pada kotak output variable. Kemudian klik “into different variables” c. lalu klik tanda panah ke kanan sehingga umur berpindah di kotak Input Variable Output variable d.

ketik Add. g. klik ‘add’ 5 . 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. ketiklah 35 dan bawa kursor ke bagian kotak “new value”. Apabila akan merecode nilai umur <35 tahun menjadi kode1. hasilnya akan seperti dibawah ini. ketiklah 2. Pindahkan kursor ke kotak Range through .f. Pindahkan kursor ke kotak Range: “lowest through . kita akan recode umur 35 – 45 tahun menjadi 2.

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

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

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

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

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

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

k. sesaat kemudian akan muncul dialog “computevariable: If cases” l. 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 “OK”.: ketiklah tekdarah > 89 & umur > 45 n. Klik tombol “If”. 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). akan muncul pesan: p. Klik “OK”. Pada kotak dibawah option include….

Pilih “Select Cases” c.4. Pilih menu “Data” b. Klik pada tombol : If condition is satisfied 13 . 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. Misalnya kita ingin menganalisis data hanya responden dengan pendidikan SMA saja.

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

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.

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

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

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

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

2.4. 20 .3. misal: data12a. Klik Add Variables b.b. klik OK b. Klik open. Tampilan sudah tergabung variabelnya dan lakukan penyimpanan dengan klik save as dan beri nama baru.

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

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

7 100. hasil dapat dilihat di jendela output. seperti dibawah ini: Frequencies Statistics tingkat pendidikan 30 0 riwayat perokok 30 0 N Valid Missing Frequency Table tingkat pendidikan Cumulative Percent 53.0 2. Data Numerik 23 . Klik ‘OK’.3 20.0 Valid Percent 53.0 Valid tidak perokok perokok Total Frequency 16 14 30 Percent 53.0 Valid 1 2 3 Total Frequency 16 6 8 30 Percent 53.3 46.3 100.d.3 46.3 100.7 100.3 20.0 Valid Percent 53.0 riwayat perokok Cumulative Percent 53.7 100.3 73.0 26.7 100.0 26.

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

164 38.27 1.50 1. Klik “Continue”. Klik Continue. kemudian Klik tombol option “ Charts” lalu muncul menu baru dan klik “Histogram” lalu klik “With Normal Curve”.00 80 10. kemudian Klik “ OK “. maka pada layar terlihat distribusi frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram beserta curve normalnya. Error of Mean Median Mode Std.50 32 6.013 60 25 .373 30 TD diastole 30 0 81. f.e. Deviation Minimum Valid Missing 30 0 39.828 80. Frequencies Statistics umur N Mean Std.

0 40.7 100.0 6.3 6.3 6.0 26 .3 6.3 3.3 10.3 6.7 50.7 10.3 6.7 80.3 16.3 6.7 100.7 6.3 6.3 10.0 Valid Percent 3.0 26.7 30.3 3.3 90.3 6.3 3.7 6.7 93.7 10.7 76.0 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 76.0 83.0 16.0 40.3 13.3 3.7 3.7 3.3 100.0 6.7 3.7 73.3 3.3 3.0 16.3 3.Maximum 50 110 Frequency Table umur Cumulative Percent 3.3 3.0 TD diastole Cumulative Percent 3.0 10.3 96.7 3.0 20.3 100.7 3.7 3.0 Valid 60 70 75 80 85 90 105 110 Total Frequency 1 4 3 12 3 5 1 1 30 Percent 3.0 46.3 10.3 3.3 3.7 6.0 33.7 6.0 93.3 6.0 66.0 Valid Percent 3.7 100.3 40.7 3.3 13.0 53.3 3.7 3.7 66.3 6.3 100.7 60.3 3.7 3.3 56.7 26.0 10.3 3.7 3.3 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 .Histogram u u mr 6 5 Frequency 4 3 2 1 Ma = 9 7 e n 3 .

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

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

7 100 Tabel 2 Distribusi Responden Menurut Riwayat Merokok Di RT. 011 RW. Diagram 1 Distribusi Responden Menurut Umur Di RT. 05 Kelurahan Jatijajar tahun 2010 Riwayat Merokok Tidak Merokok Merokok Total Jumlah 16 14 30 Presentase 53.3 46. 011 RW.0 26.Data variable kategorik berupa tingkat pendidikan dan riwayat merokok dapat disajikan dalam bentuk table di bawah ini.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 10 frek uens i 8 6 4 2 0 30-34 35-39 40-45 um ur 45-49 50-55 30 .3 20. 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.

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

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

616 6. 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.65 39.833 Std.89 41.219 .249 -1. kemudian Klik OK. Error 1.50 40.373 30 50 20 11 .27 36.164 umur Mean 95% Confidence Interval for Mean 5% Trimmed Mean Median Variance Std.17 38.427 . hasilnya sebagai berikut: Explore Descriptives Statistic 39.

00 Stem width: Each leaf: Stem & 3 3 4 4 5 . .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 .200(*) * This is a lower bound of the true significance.106 30 . .00 7.065 umur umur Stem-and-Leaf Plot Frequency 9.Kolmogorov-Smirnov(a) Statistic df Sig. umur .935 Shapiro-Wilk df 30 Sig.00 2. a Lilliefors Significance Correction Statistic . .00 5. .

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

Yogyakarta: Penerbit Andi (Wahana Komputer) 36 . Editor: Agnes Heni Triyuliana. Hasil dari perbandingan nilai skewness dan standar error pada variabel umur yaitu: 0. (2007).05) maka distribusi normal. Depok: Fakultas Kesehatan Masyarakat UI Panduan Praktis: Pengolahan data statistic dengan SPSS 15. Referensi: Hastono. Namun uji kolmogrov sangat sensitif dengan jumlah sampel.249/0.583. Atas dassar kelemahan ini dianjurkan untuk mengetahui kenormalan data lebih baik menggunakan angka skewness atau melihat grafik hortogram dan kurve normal. S. maksudnya: untuk sampel yang besar uji kolmogorov cenderung menghasilkan uji yang significant (yang artinya bentuk distribusinya tidak normal).427 = 0. (2007). 3. hasilnya nilai masih kurang dari 2. Analisis data kesehatan. Uji Kolmogorov Smirnow.0. bila hasil uji significant (p value > 0. berarti dapat disimpulkan variabel umur berdistribusi normal.Dari hasil analisis “Explore” didapatkan nilai skewness dan standar error. P.

Sign up to vote on this title
UsefulNot useful