14 - 15 Pengolahan Dan Analisis Data Notoatmodjo
14 - 15 Pengolahan Dan Analisis Data Notoatmodjo
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
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).
Keterangan: No. adalah nomor pertanyaan masing-masing kotak (kolom) diisi dengan kode-kode (huruf
dan angka) sesuai dengan jawaban masing-masing pertanyaan.
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 %
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