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
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
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
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
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
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:
4 16 34 56 32 13 5
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
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
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
Ogive
Y Less then
11 14 21 12 6 4
Frek
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
Key
J.Pst J.Tmr J Utr
Pie Diagram
Line diagram
line
Map gram
DHF H5N1
TERIMA KASIH.....