PENGOLAHAN DAN ANALISIS DATA

A. PENDAHULUAN
Dalam suatu penelitian, pengolahan data merupakan salah satu langkah yang
penting. Hal ini disebabkan Karen data yangdiperoleh langsung dari penelitian
masih mentah, belum memberikan informasi apa-apa, dan belum siap untuk
disajikan. Untuk memperoleh penyajian data sebagai hasil yang berarti dan
kesimpulan yang baik, diperlukan pengolahan data. Data sebagai penelitian,
apabila dilihat dari segi jenisnya dibedakan menjadi dua, yakni:
a. Data kualitatif, yaitu data yang berhubungan dengan kategorisasi,
karakteristik atau sifat variabel atau hasil pengklarifikasian atau
penggolongan suatu data. Misalnya, jenis kelamin, jenis pekerjaan,
pendidikan, baik, sedang, kurang baik, tidak baik, tinggi, sedang rendah,
dan sebagainya. Data kualitatif biasanya tidak berhubungan dengan
angka-angka, dan sering tidak dikaitkan dengan analisis statistik, sering
disebut data nonstatistik. Jenis data ini juga disebut data kategorik, dan
pada umumnya dibedakan variabel berskala nominal (laki-laki dan
perempuan), ordinal (tinggi dan rendah).
b. Data kuantitatif, yakni data yang berhubungan dengan angka-angka, baik
yang diperoleh dari hasil pengukuran, maupun dari nilai suatu data yang
diperoleh dengan jalan mengubah data kualitatif ke dalam data kuantitatif,
misalnya skors dari hasil tes, atau hasil dari perhitungan. Misalnya: jumlah
anak, jumlah kunjungan rawat jalan, jumlah pendapatan, dan sebagainya.
Data kuantitatif sering dikaitkan dengan analisis statistik, sebab itu disebut
 data statistik atau data numerik. Data numerik mencakup variabel berskala
interval (umur 1-5 tahun, 6-10 tahun, dsb), dan rasio.
Dalam pelaksanaannya, pengolahan data kualitatif dan kuantitatif ini sering
berhubungan. Data kualitatif diubah menjadi data kuantitatif atau sebaliknya.
Sesuai dengan sifat data tersebut maka teknik pengolahan data dapat dibedakan
menjadi :
a. Teknik nonstatistik, yakni pengolahan data dengan tidak menggunakan
analisis statistik, tetapi dengan analisis kualitatif. Analisis kualitatif ini dapat
dilakukan melalui cara, induktif, yakni pengambilan kesimpulan umum
berdasarkan hasil-hasil observasi yang khusus. Dalam analisis ini tidak
diperlukan perubahan data kualitatif ke dalam data kuantitatif.
b. Teknik statistik, yakni teknik pengolahan data dengan menggunakan analisis
statistik. Biasanya analisis ini dilakukan untuk pengolahan data kuantitatif.
Pengolahan dan analisis data kauntitatif ini dapat dilakukan dengan tangan
(manual) ataupun dengan bantuan alat komputer. Untuk pengolahan data
dengan dengan alat computer, data perlu diterjemahkan ke dalam bahasa
komputer yaitu dengan memberikan kode-kode tertentu sesuai dengan
bahasa program yang digunakan. Perangkat lunak (software) komputer
yang sering digunakan untuk pengolahan data penelitian adalah SPSS atau
EpiInfo.
B. LANGKAH-LANGKAH
Kegiatan pengumpulan data pengolahan data dalam penelitian selalu
berhubungan. Dalam pengumpulan data digunakan alat pengumpul data atau
sering disebut instrumen penelitian. Instrumen ini disusun sedemikian rupa
sehingga menghasilkan data yang mudah diolah. Langkah-langkah pengolahan
tergantung pada bentuk instrumen atau kuesioner yang digunakan untuk
mengumpulkan data, apakah kuesioner terbuka (open ended), atau terstruktur
(closed ended).
Untuk kuesioner yang terbuka langkah-langkah pengolahan data, antara lain
sebagai berikut :
1. Penyusunan Data
Untuk memudahkan penilaian dan pengecekan apakah semua data yang
diperlukan dalam mengkaji hipotesis dan untuk mencapai tujuan penelitian itu
sudah lengkap, perlu dilakukan seleksi dan penyusunan data. Langkah ini penting
karena sering terjadi kecenderungan bagi peneliti untuk tidak mengaitkan antara
data yang dikumpulkan dengan hipotesis dan tujuan penelitian, sehingga kadang-
kadang data yang diperlukan dalam menguji hipotesis tidak diperoleh, sedangkan
data yang diperlukan tersedia. Dalam penyusunan data perlu dipertimbangkan
hal-hal sebagai berikut:
a) Hanya memilih atau memasukkan data yang penting dan benar-benar
diperlukan
b) Hanya memilih data yang objektif (tidak bias)
c) Bila data yang dikumpulkan menggunakan teknik wawancara atau angket,
harus dibedakan antara informasi yang diperlukan dengan kesan pribadi
responden.
2. Klasifikasi
Kegiatan untuk mengelompokkan atau menggolong-golongkan data ini disebut
klasifikasi data. Klarifikasi data ini didasarkan pada kategori yang dibuat
berdasarkan justifikasi atau pertimbangan peneliti sendiri. Biasanya
pengelompokkan ini disesuaikan dengan permasalahan, tujuan penelitian, dan
hipotesis. Antara masalah penelitian, hipotesis penelitian, dengan klarifikasi data
ini terkait erat. Misalnya, permasalahan penelitian : Ibu-ibu masih banyak yang
belum mau membawa anaknya ke Posyandu untuk diimunisasi. Tujuan penelitian:
untuk memperoleh informasi tentang sebab-sebab, ibu-ibu tidak mau membawa
anaknya ke Posyandu untuk diimunisasi.
Hipotesis penelitiannya: Ibu-ibu tidak mau membawa anaknya ke Posyandu untuk
diimunisasi Karen tidak tahu gunanya imunisasi bagi anaknya. Karena itu dalam
klarifikasi data nanti harus ada kelompok data pengetahuan ibu, perilaku tentang
imunisasi, dan sebagainya.
Gambaran dari hubungan tersebut sebagai berikut:
Hubungan antara Masalah, Tujuan, Hipotesis,
Penelitian, dan Klarifikasi Data

Masalah Tujuan Hipotesis Klasifikasi Data

Masalah 1 Tujuan 1 Hipotesis 1 Klasifikasi 1
Masalah 2 Tujuan 2 Hipotesis 2 Klasifikasi 2
Masalah n Tujuan n Hipotesis n Klasifikasi n

3. Analisis Data
Dalam tahap ini data diolah dan dianalisis dengan teknik-teknik tertentu. Data
kualitatif diolah dengan taknik abalisis kualitatif, sedangkan data kuantitatif
dengan menggunakan teknik analisis kuantitatif. Untuk pengolahan data
kuantitatif dapat dilakukan dengan tangan atau melalui proses komputerisasi.
Dalam pengolahan ini mencakup tabulasi data dan perhitungan-pehitungan
statistik, bila diperlukan uji statistik.
Sedangkan untuk pengolahan data yang diperoleh dari kuesioner yang terstruktur
atau tertutup, teknik pengolahan data lebih mudah dibandingkan dengan
pengolahan data yang diperoleh dari kuesioner terbuka. Langkah-langkah
pengolahan data dari kuesioner terstruktur, dapat dilakukan secara manual,
maupun menggunakan bantuan computer (komputerisasi).

C. PENGOLAHAN DATA SECARA MANUAL

Pengolahan data secara manual pada saat ini memang jarang dilakukan, sudah
ketinggalan zaman. Namun dalam keterbatasan-keterbatasan sarana dan
prasarana atau kalau data tidak terlalu besar, pengolahan data secara manual
masih diperlukan. Langkah-langkah pengolahan data secara manual pada
umumnya melalui langkah-langkah sebagai berikut:
1. Editing (Penyunting Data)
Hasil wawancara atau angket yang diperoleh atau dikumpulkan melalui kuesioner
perlu disunting (edit) terlebih dahulu. Kalau ternyata masih ada data atau
informasi yang tidak lengkap, dan tidak mungkin dilakukan wawancara ulang,
maka kuesioner tersebut dikeluarkan (droup out).
2. Membuat Lembaran Kode (Coding Sheet) atau Kartu Kode (Coding Sheet)
Lembaran atau kartu kode adalah instrument berupa kolom-kolom untuk
merekam data secara manual. Lembaran atau kartu kode berisi nomor
responden, dan nomor-nomor pertanyaan,
Contoh lembaran kode berikut ini:
No. Pertanyaan
No. Resp 1 2 3 4 5 6 dst.
001-070 a a c b a b
002 c b a c b b
003 dst.- diisi jawaban (code) tiap pertanyaan)
004
005
006
007
008

Contoh kartu kode:

1 2 3 4 5 6
7 8 9 10 11 12
13 14 15 16 17 18
19 20 21 22 23 24
25 26 27 28 29 30
35 32 33 34 35 36

Keterangan: No. adalah nomor pertanyaan masing-masing kotak (kolom) diisi dengan kode-kode (huruf
dan angka) sesuai dengan jawaban masing-masing pertanyaan.

3. Memasukkan Data (Data Entry)

Yakni mengisi kolom-kolom atau kotak-kotak lembar kode atau kartu kode sesuai
dengan jawaban masing-masing pertanyaan.
4. Tabulasi
Yakni membuat table data, sesuai dengan tujuan penelitian atau yang diinginkan
oleh peneliti.
D. PENGOLAHAN DATA DENGAN KOMPUTER
Perlu diingat bahwa peranan komputer dalam pengolahan dan analisis data
hanyalah sebagai alat, sehingga kita tidak dapat mengandalkan sepenuhnya
kepada komputer. Bagaimana canggihnya program komputer yang kita gunakan,
akhirnya kembali pada “the man behind the gun”, yakni kita sendiri. Demikian
pula hasil pengolahan dan analisis data yang akan kita proses dengan bantuan
komputer, juga tergantung pada kualitas data itu sendiri. Secanggih apapun
program komputer yang kita gunakan, hasilnya ditentukan oleh kualitas data itu
sendiri. Dalam penelitian ada ungkapan yang mengatakan “GIGO” (garbage in
garbage out), bila yangmasuk sampah keluarnya juga sampah. Apabila data yang
diolah kualitasnya jelek, maka hasilnya juga jelek, meskipun menggunakan
program komputer secanggih apapun.
Ileh sebab itu, untuk mencegah “GIGO” ini proses pengolahan data ini melalui
tahap-tahap sebagai berikut:
1. Editing
Hasil wawancara, angket, atau pengamatan dari lapangan harus dilakukan
penyuntingan (editing) terlebih dahulu. Secara umum editing adalah merupakan
kegiatan untuk pengecekan dan perbaikan isian formulir atau kuesioner tersebut :
1) Apakah lengkap, dalam arti semua pertanyaan sudah terisi
2) Apakah jawaban atau tulisan masing-masing pertanyaan cukup jelas atau
terbaca
3) Apakah jawabab relevab dengan pertanyaan
 4) Apakah jawaban-jawaban pertanyaan konsisten dengan jawaban
pertanyaan yang lainnya.
Misalnya ada pertanyaan :
“Apakah Ibu ikut program Keluarga Berencana?” disediakan jawaban
A. Ya
B. Tidak
Apabila jawab ibu “Ya” alat kontrasepsi apa yang ibu gunakan?
Pertanyaan ini hanya dijawab oleh ibu yang menjawab pertanyaan “Ya” atau yang
ber-KB. Bagi ibu yang tidak ber-KB tidak perlu menjawab pertanyaan ini. Tetapi
kadang-kadang inu yang tidak ber-KB pun menjawab pertanyaan ini.
Apabila ada jawaban-jawaban yang belum lengkap, kalau memungkinkan perlu
dilakukan pengambilan data ulang untuk melengkapi jawaban-jawaban tersebut
tetapi apabila tidak memungkinkan, maka pertanyaan yang jawabnya tidak
lengkap tersebut tidak diolah atau dimasukkan dalam pengolahan “data missing”.
2. Coding
Setelah semua kuesioner diedit atau disunting, selanjutnya dilakukan
penge”kodean” atau “coding”, yakni mengubah data berbentuk kalimat atau
huruf menjadi data angka atau bilangan. Misalnya jenis kelamin: 1 = laki-laki, 2 =
perempuan. Pekerjaan ibu: 1=tidak bekerja, 2=bekerja selain sebagai ibu rumah
tangga. Koding atau pemberian kode ini sangat berguna dalam memasukkan data
(data entry).
3. Memasukkan Data (Data Entry) atau Processing
Data, yakni jawaban-jawaban dari masing-masing, responden yang dalam bantuk
“kode” (angka atau huruf) dimasukkan ke dalam program atau “software”
komputer. Software komputer ini bermacam-macam, masing-masing mempunyai
kelebihan dan kekurangannya. Salah satu paket program yang paling sering
digunakan untuk “entri data” penelitian adalah palet program SPSS for Window.
Dalam proses ini juga dituntut ketelitian dari orang yang melakukna “data entry”
ini. Apabila tidak maka akan terjadi bias, meskipun hanya memasukkan data saja.
4. Pembersihan Data (Cleaning)
Apabila semua data dari setiap sumber data atau responden selesai dimasukkan,
perlu dicek kembali untuk melihat kemungkinan-kemungkinan adanya kesalahan-
kesalahan kode, ketidaklengkapan, dan sebagainya, kemudian dilakukan
pembetulan atau koreksi. Proses ini disebut pembersihan data (data cleaning).
Adapun cara membersihkan data dapat diberikan contoh sebagi berikut:
1) Mengetahui missing data (data yang hilang)
Untuk mengetahui data yang hilang (missing) dapat dilakukan dengan membuat
distribusi frekuensi masing-masing variabel. Contoh : data yang diolah 120
responden.
Table 1 : Tingkat Pendidikan:
SD/sederajat : 50
SMP/sederajat : 35
SLA/sederajat : 25
PT : 10
120 berarti lengkap tidak ada data missing
Table 2 : Pekerjaan
PNS/ABRI : 20
Karyawan Swasta : 75
Buruh : 10
Lain-lain : 5
Jumlah : 110 berarti 10 data yang missing.

Hal ini berarti ada 10 data variabel pekerjaan yang hilang. Kemungkinannya
pewawancara lupa menanyakan (memang tidak ada data), atau mungkin memang
ada data yang tidak dimasukkan (entri). Maka perlu dicek ulang.
2) Mengetahui variasi data
Dengan melihat variasi data dapat dideteksi apakah data yang dimasukkan benar
atau salah. Cara mendeteksi dengan membuat distribusi masing-masing variabel.
Seperti telah diuraikan di atas bahwa data dimasukkan (entri dalam bentuk kode
atau angka, misalnya untuk data dimasukkan (entri) dalam bentuk kode atau
angka, misalnya untuk pekerjaan, 1=PNS/ABRI, 2=Karyawan swasta, 3=Buruh,
4.Lain-lain
Tetapi hasil distribusi dari 120 frekuensi misalnya menunjukkan seperti di bawah
ini :
1 = 20
2 = 80
2 = 10
4 = 6
5 = 4
Jumlah 120
Dalam contoh tersebut, meskipun jumlahnya sesuai dengan jumlah responden,
yakni 120, tetapi di situ kode 5 yang masuk, sejumlah 4 responden. Padahal jenis
pekerjaan hanya sampai kode 4, dan tidak ada kode 5. Kesimpulannya ada
kesalahan dalam memasukkan dat, dan harus dicari dan dibetulkan.
3) Mengetahui konsistensi data
Cara untuk mengetahui adanya ketidakkonsistensian data dapat dilakukan dengan
menghubungkan dua variabel.
Contoh:Pertanyaan tentang periksa hamil dari 100 responden ibu-ibu hamil.
Table 1 : Perilaku Periksa Hamil:
Ya (periksa) 45
Tidak 55
Jumlah: 100
Table 2 : Tempat Periksa Hamil:
Posyandu 15
Puskesmas 25
Dr.Praktik 10
Jumlah 50
Dari kedua table tersebut ada ketidakkonsistenan, antara perilaku periksa hamil
atau ibu yang periksa hamil 45 orang. Tapi ketika ditanya di mana tempat periksa
hamil, jumlah ibu yang menjawab 50 orang. Maka perlu ditelusuri di man
kesalahannya.
Setelah pembersihan data selesai selanjutnya mulai proses analisis data, yang
dilakukan oleh pakar program computer itu sendiri.
E. ANALISIS DATA
Data yang telah diolah baik pengolahan secara manual maupun menggunakan
bantuan computer, tidak akan ada maknanya tanpa dianalisis. Menganalisis data
tidak sekedar mendeskripsikan dan meninterprestasikan data yang telah diolah.
Keluaran akhir dari analisis data kita harus memperoleh makna atau arti dari hasil
penelitian tersebut. Interprestasi data mempunyai dua sisi, sisi yang sempit dan
sisi yang luas. Interprestasi data dari sisi yang sempit, hanya sebatas pada
masalah penelitian yang akan dijawab melalui data yang diperoleh tersebut.
Sedangkan sisi yang lebih luas, interprestasi data berarti mencari makna data hasil
penelitian dengan cara tidak hanya menjelaskan hasil penelitian tersebut, tetapi
juga melakukan inferensi atau generalisasi dari data yang diperoleh melalui
penelitian tersebut.
Oleh sebab itu secara rinci tujuan dilakukan analisis data adalah:
a. Memperoleh gambaran dari hasil penelitian yang telah dirumuskan dalam
tujuan penelitian
b. Membuktikan hipotesis-hipotesis penelitian yang telah dirumuskan
c. Memperoleh kesimpulan secara umum dari penelitian, yang merupakan
kontribusi dalam pengembangan ilmu yang bersangkutan.
F. ANALISIS DAN JENIS DATA
Sebelum membahas lebih lanjut analisis data ini, sebaiknya dipahami dulu
batasan data dan jenis-jenis data yang diperoleh melalui penelitian. Data adalah
kumpulan huruf/kata, kalimat atau angka yang dikumpulkan melalui proses
pengumpulan data. Data tersebut merupakan sifat atau karakteristik dari sesuatu
yang diteliti. Data dari satu penelitian saja, sangat bervariasi sekali, mulai dari
karakteristik responden (umur, jenis kelamin, pendidikan, pekerjaan dan
sebagainya) sampai dengan variabel-variabel yang dirumuskan dalam tujuan
penelitian dan kerangka konsep. Berdasarkan skala pengukurannya variabel
dikelompokkan menjadi empat, yakni: nominal, ordinal, interval, dan rasio.
Tentang empat jenis variabel ini telah diuraikan dalam bab sebelumnya dalam
buku ini.
Untuk kepentingan analisis statistik, di samping pembagian jebis data seperti
tersebut tadi, data juga dikelompokkan menjadi dua, yakni data kategorik dan
numerik.
1. Data Kategorik
Data kategorik atau data kualitatif, merupakan data dari hasil penggolongan atau
pengklasifikasian data, misalnya: jenis kelamin, jenis pekerjaan, tingkat
pendidikan. Data atau variabel kategorik pada umumnya berisi variabel yang
berskala nominal dan ordinal.
2. Data Numerik
Data numruk (kuantitatif) merupakan variabel hasil perhitungan dan pengukuran,
misalnya tekanan darah, tinggi badan, berat badan, dan sebagainya. Variabel
numeric dikelompokkan lagi menjadi dua macam,yakni deskrit dan kontinu. Data
deskrit merupakan hasil perhitungan, seperti jumlah anak, jumlah kunjungan
pasien rawat jalan, dan sebagainya. Sedangkan data kontinu merupakan data
hasil pengukuran, misalnya tekanan darah, denyut nadi, Hb, dan sebagainya, data
numeric ini mencakup variabel-variabel dengan skala pengukuran interval dan
rasio.
Dalam analisis data menggunakan metode statistic, biasanya data jenis numerik
diubah menjadi data kategorik dengan cara melakukan pengelompokkan atau
pengklasifikasian. Misalnya variabel tekanan darah yang data riilnya numeik, data
dikategorikan menjadi :<120/80, 121/90-140/95, >141/95, dan sebagainya (data
kategorik).
a. Jenis Penelitian
Apabila suatu penelitian ingin mengetahui bagaimana secara umum atau rata-rata
masyarakat yang melakukan PSN (pemberantasan sarang nyamuk) dengan 3 M
(menguras, menutup, dan mengubur), dengan menggunakan metode survey.
Maka analisis data digunakan dengan pendekatan kuantitatif. Tetapi bila ingin
mendapatkan gambaran yang mendalam tentang pendapat masyarakat tentang
persepsi mereka terhadap “sehat” maka jelas akan dilakukan analisis kualitatif.
b. Jenis Data
Jenis data kategorik berbeda dara analisisnya bila dibandingkan dengan data
numerik. Sebuah analisis dengan uji statistik hanya cocok untuk jenis data
tertentu saja. Misalnya nilai proporsi atau presentase pada analisis univariate
biasanya hanya cocok untuk menjelaskan jenis data kategorik, sedangkan untuk
data jenis numerik hanya dapat menggunakan nilai rata-rata untuk menjelaskan
karakteristik variabel yang bersangkutan. Untuk analisis ini hubungan dua variabel
(analisis bervariate), uji Kai Kuadrat hanya dapat dipakai untuk mengetahui
hubungan data kategorik dengan data kategorik, sebaliknya, untuk mengetahui
hubungan jenis data numeric dengan data numeric harus digunakan uji korelasi
atau regresi.
c. Asumsi Kenormalan Data
Kenormalan atau keabnormalan distribusi frekuensi data juga menentukan
analisis data. Apabila distribusi frekuensi datanya normal, biasanya digunakan
analisis atau uji statistik parametrik. Tetapi bila asumsi distribusi datanya tidak
normal, biasanya menggunakan analisis uji statistik non parametkrik.
 G. Prosedur atau jenis Analisi Data
Analisis data suatu penelitian, biasanya melalui prosedur bertahap antara lain:
1. Analisis Univariate (Analisis Deskriptif)
Analisis univariate bertujuan untuk menjelaskan atau mendeskripsikan
karakteristik setiap variabel penelitian. Bentuk analisis univariate tergantung dari
jenis datanya. Untuk data numerik digunakan nilai mean atau rata-rata, median
dan standar deviasi. Pada umumnya dalam analisis ini hanya menghasilkan
distribusi frekuensi dan presentase dari tiap variabel. Misalnya distribusi frekuensi
responden berdasarkan: umur, jenis kelamin, tingkat pendidikan, dan sebagainya.
Demikian juga penyebaran penyakit-penyakit yang ada di daerah tertentu,
distribusi pemakaian jenis kontrasepsi, distribusi kasus malanutrisi pada anak
balita, dan sebagainya.
Contoh:
DISTRIBUSI RESPONDEN
BERDASARKAN KEPATUHAN BEROBAT TB
Kepatuhan N %

Patuh 148 60,8

Tidak patuh 131 39,2

Total 279 100,0

Responden yang patuh berobat TB di wilayah kerja Puskesmas Pasar Minggu lebih
tinggi (60,8%), dibanding dengan yang tidak patuh berobat (39,2%)
2. Analisis Bevariate
Apabila telah dilakukan analisis univariate tersebut diatas, hasilnya akan diketahui
karakteristiknya atau distribusi setiap variabel, dan dapat dilanjutkan analisis
bevariate.
Analisis bevariate yang dilakukan terhadap dua variabel yang diduga berhubungan
atau berkorelasi. Misalnya variabel umur dengan variabel penyakit jantung,
variabel jenis kelamin dengan variabel jenis penyakit yang dideritan dan
sebagainya. Dalam analisis bevariate ini dilakukan beberapa tahap, antara lain:
a. Analisis proporsi atau presentase, dengan membandingkan distribusi silang
antara dua variabel yang bersangkutan
b. Analisis dari hasil uji statistik (chai square test, Ztest, t test, dan sebagainya).
Melihat dari hasil uji statistik akan dapat disimpulkan adanya hubungan 2
variabel tersebut bermakna atau tidak bermakna. Dari hasil uji statistik ini
dapat terjadi, misalnya antara dua variabel tersebut secara presentase
berhubungan tetapi secara statistik hubungan tersebut tidak bermakna.
c. Analisis keeratan hubungan antara dua variabel tersebut, dengan melihat nilai
Odd Ratio (OR). Besar kecilnya nilai OR menunjukkan besarnya keeratan
hubungan antara dua variabel yang diuji.
Contoh:
DISTRIBUSI RESPONDEN BERDASARKAN
UMUR DAN KEPATUHAN BEROBAT TB

Kepatuhan P OR
Umur Total
Tak Patuh Patuh value 95%
Dewasa Md 7 (20,0%) 28 (80%) 35 (100%)
0,004 3,08
Dewasa 24 (54,0 %) 20 (45,5%) 44 (100%)
 Total 31 (39,2%) 48 (60,8) 79 (100%)
Dari tabel di atas menunjukkan bahwa responden berumur dewasa muda lebih
patuh berobat TB (80,0%), dibandingkan dengan responden dewasa (45,8%).
Sehingga secara persentase dapat disimpulkan bahwa ada hubungan antara umur
dengan kepatuhan berobat. Hasil uji statistik menunjukkan bahwa nilai p<0,05 hal
ini terbukti bahwa umur berhubungan secara bermakna dengan kepatuhan
berobat. Dari analisis keerataan hubungan menunjukkan nilai Odd Ratio (OR)
3,08, yang berarti bhwa responden yang berumur muda mempunyai peluang 3,08
kali patuh berobat dibandingkan dengan responden yang berumur lebih tua.
3. Analisis Multivariate
Analisis bevariate hanya akan menghasilkan hubungan antara dua variabel yang
bersangkutan (variabel independen dan variabel dependen). Untuk mengetahui
hubungan lebih dari satu variabel independen dengan satu variabel dependen,
harus dilanjutkan lagi dengan melakukan analisis multivariate. Misalnya pengaruh
atau hubungan antara variabel pendidikan ibu, pengetahuan ibu, sosial ekonomi
keluarga, jumlah anak, dan sebagainya (variabel-variabel independen), dengan
atau terhadap status gizi anak balita (dependen variabel). Uji statistik yang
digunakan biasanya regresi berganda (multiple regression), untuk mengetahui
variabel independen yang mana yang lebih erat hubungannya dengan variabel
dependen. Dalam analisis multivariate dilakukan berbagai langkah pembuatan
model. Model terakhir terjadi apabila semua variabel independen dengan
dependen sudah tidak mempunyai nilai p0,05. Dibawah ini akan diberikan contoh
pemodelan terakhir dari sebuag analisis multivariate.
Contoh:
HUBUNGAN ANTARA : PENGETAHUAN, UMUR,
PENDIDIKAN DENGAN KEPATUHAN BEROBAT TB
95%CL
variabel B p OR
Lower Upper
Pengetahuan 2,960 0,000 19,305 4,34 84,92
Umur 3,079 0,008 11,747 2,22 212,61
Pendidikan 2,625 0,000 13,804 3,28 58,05
Constanta -10,497

Dari tabel di atas dapat disimpulkan bahwa;

a. Responden yang mempunyai pengetahuan tinggi berpeluang 19,305 kali patuh
berobat dibandingkan dengan responden yang mempunyai pengetahuan
rendah.
b. Responden yang berumur muda berpeluang 11,747 kali patuh berobat
dibandingkan dengan responden yang berumur lebih tua
c. Respondenyang berpendidikan tinggi berpeluang 13,804 kali patuh berobat
dibandingkan dengan responden yang berpendidikan rendah.
Dari ketiga variabel independen tersebut, maka variabel pengetahuan adalah
variabel yang paling dominan berhubungan dengan kepatuhan berobat, dengan
OR 19,305. Hal ini berarti bahwa responden yang mempunyai pengetahuan TB
yang lebih tinggi berpeluang 19 kali untuk patuh berobat, dibandingkan dengan
responden yang berpengetahuan TB yang rendah, setelah dikontrol variabel
pendidikan dan umur.
4. Pengujian Hipotesis
Dalam penelitian kuantitatif, untuk menguji hipotesis-hipotesisnya digunakan
rumusan hipotesis nol atau statistik. Dalam metode statistik, pengujian hipotesis
ini dilakukan dengan berbagai uji statistik atau rumus sesuai dengan masalah dan
metode yang digunakan. Berdasarkan hasil pengujian (perhitungan statistik)
tersebut hipotesis diterima atau ditolak. Hipotesis nol dirumuskan dalam kalimat
“Tidak ada perbedaan”. Misalnya, tidak ada perbedaan antara laki-lai dan wanita
dalam menderita penyakit jantung. Apabila hipotesis diterima, memang jumlah
kasus penyakit jantung pada kaum pria dan wanita sama saja. Tetapi
apabilahipotesis ditolak berarti jumlah penderita penyakit jantung pada kaum pria
dan wanita berbeda.
Teknik-teknik pengujian hipotesis dapat digunakan berbagai macam sesuai
dengan tujuannya. Aplikasinya penggunaan rumus-rumus tersebut dapat dibaca
dari buku-buku statistik. Dalam penelitian kesehatan, teknik pengolahan data
statistik yang dapat digunakan antara lain adalah:
a) Rumusan-rumusan dari statistik deskriptif, yakni: Ukuran Tendensi Sentral
(Central Tendency), Ukuran Penyimpangan (Standard Deviasion), Tabel
Persentase, Analisis Korelasi, dan sebagainya.
b) Rumusan-rumusan statistik inferensi atau induktif, seperti analisis chai square,
analisis variance, analisis korelasi dan regresi, analisis factorial, dan sebagainya.
5. Penafsiran dan Penyimpulan
Penafsiran hasil penelitian dilakukan hanya untuk mencari pengertian terhadap
hasil pengolahan data, sehingga membentuk berbagai penemuan ilmiah (scientific
finding). Dalam menafsirkan hasil penelitian, peneliti boleh menggunakan asumsi-
asumsi atau pemikiran-pemikiran sendiri. Misalnya dari suatu penelitian
diketemukan bahwa umur rata-rata kaum laki-laki lebih pendek daripada umur
rata-rata kaum wanita. Penelitian dapat menafsirkan sebab-sebab terjadinya
perbedaan tersebut: karena kaum laki-laki lebih terpapar dengan dunia luar,
bekerja lebih berat daripada kaum wanita, dan sebagainya. Ssedagkan kesimpulan
adalah hasil proses berpikir induktif dari penemuan penelitian tersebut, dan
sebagai hasil dari pembuktian hipotesis. Kesimpulan dibuat dengan
memperhatikan beberapa criteria sebagai berikut:
a. Harus dibuat secara ringkas dan tepat
b. Kesimpulan merupakan hasil pengujian hipotesis engan didukung oleh data.
c. Dapat mencerminkan batas-batas berlakunya (apakah dapat berlaku seluruh
populasi atau hanya pada sebagian populasi saja).
d. Merupakan rekapitulasi berbagai informasi yang diberikan sebelumnya atau
pembuktiannya.
e. Dapat memberikan penjelasan tentang masalah yang diteliti
f. Mencerminkan adanya penerimaan atau penolakan hipotesis yang diuji dengan
data
g. Dapat menuntun untuk dilakukan penelitian lebihlanjut terhadap masalah yang
lain, yang berhubungan dengan hasil penelitian tersebut.