ANALISIS DATA

Ns.MIRZAL TAWI,S.Kep.MKM

MISI ANALISIS & PENYAJIAN HASIL .Menjawab Masalah Penelitian; Tujuan & Hipotesis (Menjawab Secara Efektif-efisien-elegan)

STRATEGI ANALISIS & PENYAJIAN HASIL Analisa Deskriptif/univariat & Bi-/multivariat (Bila Perlu) Penyajian Tekstular/tabular/grafikal Pengunaan Bahasa Ilmiah Yang Baik

VALIDASI HASIL DENGAN STUDI DAN PANDANGAN LAIN: .Metode Konfirmasi Dan Kontras .Saran Yg Relevan-operasional-bermanfaat

SUMBER DATA
DATA PRIMER :data yang diperoleh dari proses pengumpulan yang dilakukan sendiri langsung dari sumber datanya yaitu subjek yang diteliti, a DATA SEKUNDER :data yang diperoleh dari institusi yang telah mengumpulkan datanya ,jadi tidak langsung ke subjek penelitiannya.
a

Dalam analisis data ,sering digunakan pembagian data :

a

Data Numerik,
Hasil penghitungan (diskrit) dan pengukuran(kontinyu) Isi variabel berbentuk angka-angka Contoh: jlh pasien(diskrit), TD,HB(kontinyu)

Data Kategorik
Hasil pengklasifikasian/penggolongan suatu data. Contoh : jenis kelamin,tk.pendidikan.

Dalam analisis statistik, seringkali data numerik diubah mjd katagorik dg melakukan klasifikasi. a Misalnya : Variabel Berat Badan, data awalnya numerik, dalam bentuk angka.Namun bila dikelompokkan menjadi kurus(<50 kg), sedang(50-60 kg) dan gemuk(>60 kg), maka mjd katagorik.
a

TAHAP PENGOLAHAN DATA

a

Editing : kegiatan pengecekan isian formulir atau kuesioner,apakah sudah lengkap,jelas,relevan dan konsisten. Coding : proses untuk mengklasifikasikan data dan memberi kode untuk masing-masing kelas sesuai dengan tujuan dikumpulkannya data. Structure and File data : Proses ini dikembangkan sesuai dengan analisis data dan program komputer yang akan digunakan, dengan menetapkan nama, skala, dan jumlah digit untuk masing-masing variabel.

Entry Data : Data seluruhnya dientry ke komputer dengan software statistik, salah satu yg umum digunakan SPSS (Statistical Program for Social Science) for Windows a Cleaning Data : Proses pembersihan data dengan melihat distribusi frekuensi dari variabel-variabel dan menilai kelogisannya.
a

ANALISA UNIVARIAT Mean, Median, Mode, Sd, Se, Range, Min-Max, Skewness, Kurtosis Boxplot; Stem-Leaf Tujuan: 1. Deskripsi setiap variabel diteliti 2. Diagnosis asumsi statistik lanjut 3. Deteksi nilai ekstrim/outlier ANALISIS BIVARIAT:
1. Diagnosis data 2. Uji Hipotesis 2 var

ANALISIS MULTIVARIAT: 1. Pemodelan Kuantitatif

PENYAJIAN DATA
Penyajian data dapat berupa: 1) Narasi ( tekstular) adalah penyajian dalam bentuk tulisan . Biasanya narasi ini dipakai dalam menyajiakan informasi yang didapat dari penyajian tabel maupun gambar

Penyajian data ( Tabel)

a

2. Tabel adalah penyajian data dalam bentuk kolom dan baris Bagian-bagian tabel
Body tabel Box head Stubb Jumlah ( total baris maupun total kolom

Dummy tabel
Box head stubb Body Tot

tot

Tot kolom

Grand tot

Tabel:
a

Bagian tabel ini dilengkapi:

Judul (menjawab what, where, when) Nomer tabel Keterangan ( Foot Note= catatan kaki) Sumber, kalau tabel itu tabel kutipan Agar mudah dirujuk Keterangan , agar didapat keterangan yang lengkap Sumber, agar jangan dianggap plagiat dan memudahkan untuk merujuk kembali

Kegunaan masing-masing

Jenis tabel
Tabel induk (master tabel a Tabel text
a

Tabel ditribusi frekuensi Tabel distribusi relatif Tabel distribusi kumulatif Tabel silang

Contoh:

Tabel:1 Distribusi berat badan 160 orang Mhs FKM UI Th 2006

BB Frek F Relatif (%) F kum less then Fkum more then (%) (%)

41-45 46-50 51-55 56-60 61-65 66-70 71-75

4 16 34 56 32 13 5

2,5 10 21,3 35 20 8,1 3.1

2,5 12,5 33,8 68,8 68,8 76,9 100

100 97,5 87,5 66,2 32,2 12,1 3,1

Total

160

100

Tabel:2 Jumlah donor menurut gol darah bulan Juli 2006 di PMI Jak-pus
Gol Darah O A B AB Total
Sumber: PMI Jak-Pus

Jumlah 156 102 88 104 450

Tabel:3 Distribusi 150 pasien RSCM menurut pendidikan dan pengetahuan terhadap HIV/AIDs Th 2006 Penget Pendidikan Tinggi Menengah Rendah Baik 20 15 20 Sedang 10 25 25 Kurang 5 10 20

Sumber: Evaluasi RSCM 2006

Penyajian data (Grafik)

a

3. Seperti tabel, gambarpun perlu dilengkapi dengan

Judul (menjawab What, Where, When) Nomer Keterangan (key) Sumber (kalau gambar tersebut kutipan)

Gambar/Grafikal
a a

Berbeda dengan tabel, gambar sudah ditentukan peruntukannya sesuai jenis data Data numerik:
Histogram, Frek poligon, Ogive, Stem & leaf, Box plot, Scatter diagram

Data kategorik:

Bar , Single bar, multiple, subdivided Pareto chart Pie Line diagram Pictogram Mapgram

Contoh Histogram
Histogram Dependent Variable: Current Salary
160 140 120 100 80

Frequency

60 40 20 0
0 .5 -4 0 .5 -3 -2 0 .5 0 .5 -1 -. 0 5 0 .5 0 .5 1 0 .5 2 0 .5 3 0 .5 4 0 .5 5

Std. Dev = 1.00 Mean = 0.00 N = 474.00

Regression Standardized Residual

Gambar:2 (Frek Poligone)

Distr BB Mhs FKM th 2006

Ogive
Y Less then

Md Posisi Md More then Nilai Md X

Stem & leaf

40 50 60 70 80 90
Batang

44555677899 00022445677889 011122333444666778899 001122233355 022334 0045

Daun

11 14 21 12 6 4
Frek

Box & plot

Box Plot
K3 Batas atas

Kuartil2= Median K1 Batas bawah

Scatter Diagram
a

Scatter
+ + + + + + + + +

TB

BB

Bar diagram/single bar Jumlah akseptor baru di Psk X triwulan I, II & III th 2006
50 40 30 20 10 Trwl I Trwl II Trwl III 52 45 35

Multiple bar Jumlah Akseptor Baru di tiga Wilayah Jakarta th 2005

90 80 70 60 50 40 30 20 10 0 1st Qtr 2nd Qtr 3rd Qtr 4th Qtr

Key
J.Pst J.Tmr J Utr

Sub divided bar

Pareto Chart Jumlah Kematian dan 3penyebab di RS X th 2004

Jumlah Kasus Kematian di RS X tahun 2004
100 90 80 70 60 50 40 30 20 10 0 Kecelakaan PJK Ca 35 60 95

Pie Diagram

Line diagram
line

Pictogram jumlah PJK thn 2001 2005

Tahun 2001: Tahun 2003: Tahun 2005:
Keterangan: = 10 kasus

Map gram

DHF H5N1

TERIMA KASIH.....