I. Defenisi Biostatistik
Statistik berasal dari kata state (Yunani) yaitu Negara dan digunakan untuk
urusan negara. Berdasarkan uraian ini dapat dinyatakan bahwa statistik adalah
rekapitulasi dari fakta yang bentuk angka-angka disusun dalam bentuk tabel dan diagram
yang mendeskripsikan suatu permasalahan. Adapun jenis tabel, yaitu tabel biasa, tabel
kontingensi dan tebel distribusi frekuensi , sedangkan jenis diagram, yaitu diagram
batang, diagram garis atau grafik, diagram lambing, lingkaran, diagram pastel, diagram
peta dan diagram pancar.
Menurut Webster Dictionary, statistik dalam arti sempit diartikan sebagai
ringkasan berbentuk angka, sedangkan dalam arti luas merupakan ilmu yang mempelajari
cara pengumpulan, pengolahan, penyajian dan analisa data serta pengambilan
kesimpulan atas hasil survey.
Statistik dapat diartikan sebagai salah satu disiplin ilmu yang mempelajari cara
pengumpulan, pengolahan, penyajian dan analisis data, termasuk cara pengambilan
kesimpulan dengan memperhitungkab ketidakpastian berdasarkan konsep probabilitas
(kemungkinan terjadi).
Menurut Undang-Undang Nomor 16 Tahun 1997 tentang Statistik, statistik
merupakan data yang diperoleh dengan cara pengumpulan, pengolahan, penyajian dan
analisis serta sebagai sistem yang mengatur keterkaitan antar unsure dalam
penyelenggaraan statistik.
Biostatistik merupakan penerapan ilmu statistik dibidang kesehatan yang dapat
digunakan untuk mengukur fakta-fakta mengenai masalah kesehatan, misalnya nilai rata-
rata berat badan bayi baru lahir, rerata produktivitas kerja pegawai puskesmas, presentase
keberhasilan program KB, ramalan kemampuan mahasiswa memprediksi kejadian KLB
suatu penyakit dan sebagainya. Untuk memperoleh sejumlah informasi yang menjelaskan
masalah untuk ditarik kesimpulan yang benar, harus melalui beberapa proses, yaitu
proses pengumpulan informasi, pengolahan informasi dan proses penarikan kesimpulan.
Setiap proses membutuhkan pengetahuan tersendiri yang disebut statistik.
Statistik merupakan salah satu cara untuk pengambilan kebijakan dan keputusan.
penggunaan statistik adalah hal yang penting dalam ilmu kesehatan masyarakat untuk
membantu member bobot, ukuran atau patokan data dalam mengambil sebuah ukuran
kesehatan.
Statistik kesehatan ialah data atau informasi yang berkaitan dengan masalah
kesehatan. Statistik kesehatan sangat bermanfaat untuk kepentingan administratif, seperti
merencanakan program pelayanan kesehatan, menentukan alternatif penyelesaian
masalah kesehatan dan melakukan analisis tentang berbagai penyakit selama periode
waktu tertentu serta untuk mementukan penyebab timbulnya penyakit baru yang belum
diketahui atau untuk menguji manfaat obat bagi penyembuhan penyakit tertentu setelah
hasil uji klinik dinyatakan berhasil.
Tujuan statistik dibidang kesehatan, antara lain:
1. Menyederhanakan data, sehingga data tersebut bisa menghasilkan informasi.
2. Menjawab masalah yang ada dalam masyarakat.
3. Menbuktikan suatu dugaan yang belum terjadi dengan penelitian.
4. Membantu seseorang didalam pengembangan daya kritik dalam suatu kegiatan
pengambilan keputusan dengan cara kuantitatif.
2. Statistik Inferensial
Statistik inferensial merupakan statistik yang berkaitan dengan analisis
data untuk menarik kesimpulan yang general untuk seluruh subjek tempat data
diambil. Statistik inferensial juga menganalisis data serta mengambil keputusan
(berkaitan dengan estimasi parameter dan pengujian hipotesis).
Statistik inferensial atau statistik induk adalah bagian dari statistik yang
memepelajari penafsirang dan penarikan kesimpulan yang berlaku secara umum
dari data sampel yang tersedia.. Statistik inferensial berkaitan dengan pendugaan
populasi dan pengujian hipotesis dari suatu data atau fenomena yang berfungsi
meramalkan dan mengontrol keadaan. Penarikan kesimpulan merupakan
generalisasi dari suatu populasi berdasarkan data yang ada.
2. Pengolahan Data
Pengolahan data merupakan salah satu rangkaian kegiatan penelitian setelah
pengumpulan data. data yang masih mentah (raw data) perlu diolah sehingga
menjadi informasi yang dpat digunakan untuk menjawab tujuan penelitian.
Terdapat 4 tahapan dalam pengolahan data yaitu:
a. Editing (penyuntingan data)
Editing merupakan kegiatan untuk melakukan pengecekan isian formulir
atau kuesioner apakah jawaban yang ada sudah:
1) Lengkap, yaitu semua pertanyaan sudah terisi jawabannya.
2) Jelas, yaitu jawaban pertanyaan apakah cukup jelas terbaca.
3) Relevan, yaitu jawaban yang tertulis apakah relevan dengan
pertanyaan.
4) Konsisten, yaitu apakah antara beberapa pertanyaan yang
berkaitan isi jawabannya konsisten.
b. Coding (pengkodean data)
Coding merupakan kegiatan mengubah data berbentuk huruf menjadi data
berbentuk angka/bilangan. Kegunaan dari coding adalah untuk
mempermudah pada saat analisi data dan juga mempercepat pada saat
entry data.
c. Entry (memasukkan data)
Entry merupakan kegiatan memasukkan data ke dalam program computer
atau software computer setelah semua kuesioner terisi penuh dan benar
serta sudah melewati pengkodean.
d. Cleaning (pembersihan data)
Cleaning merupakan kegiatan pengecekan kembali data yang sudah di-
entry apakah ada kesalahan atau tidak dengan cara mengetahui missing
data, mengetahui variasi data dan mengetahui konsistensi data.
3. Analisis data
a. Analisis Univariat
Analisis univariat merupakan analisis yang menjelaskan atau
mendeskripsikan karakteristik masing-masing variabel yang diteliti. Data
yang diperoleh dari hasil pengumpulan dapat disajikan dalam bentuk tabel
distribusi frekuensi, ukuran tendensi dentral atau grafik. Jika data
mempunyai distribusi normal, maka mean dapat digunakan sebagai
ukuran pemusatan dan standar deviasi sebagagi ukuran penyebarannya.
Jika data tidak terdistribusi normal maka menggunakan median sebagai
ukuran pemusatan dan minimum-maksimum sebagai ukuran
penyebarannya.
Terdapat beberapa istilah yang ada dalam analisis univariat yaitu:
1) Proporsi, merupakan suatu pecahan dimana pembilang dicakup
dalam penyebut dan penyebutnya sendiri tidak mesti merupakan
penduduk yang terancam dan dinyatakan dalam persen.
2) Rate, merupakan perubahan dari suatu jumlah satuan tertentu per
unit perubahan waktu.
3) Ratio, merupakan suatu angka pecahan atau perbandingan, dimana
pembilang tidak tercakup dalam penyebut.
4) Mean, merupakan nilai rata-rata yang dihitung dengan
menjumlahkan hasil pengamatan dibagi dengan jumlah
pengamatn.
5) Median, merupakan nilai tengah dari suatu distribusi frekuensi.
6) Modus, merupakan pengamatan yang frekuensinya terbanyak.
7) Standar Deviasi, merupakan ukuran yang dapat dipakai untuk
mengetahui tingkat penyebaran nilai-nilai (data) terhadap rata-
ratanya.
b. Analisis Bivariat
Analisis bivariat merupakan analisis untuk mengetahui interaksi dua
variabel, baik berupa komparatif. asosiatif, maupun korelasi. Pada analisis
bivariat terdapat uji parametrik dan non parametric. Adapun langkah-
langkah penentuan uji statistik yaitu:
1) Identifikasi variabel
2) Identifikasi skala pengukuran variabel
3) Tentukan jenis uji hipotesis
4) Identifikasi jumlah kelompok
5) Identifikasi pasangan atau tidak pasangan
6) Identifikasi persyaratan uji parametrik atau non parametrik
Uji parametrik terdapat beberapa syarat yaitu
skala pengukuran variabel, harus berupa variabel
numeric
distribusi atau sebaran data harus normal
varians data: kesamaan varian tidak menjadi syarat uji
pada kelompok berpasangan, varians boleh sama boleh
tidak pada uji 2 kelompok berpasangan, varians harus
sama pada uji lebih dari 2 kelompok berpasangan.
Jika data dengan skala numeric tidak memenuhi persyaratan
untuk uji parametrik (misalnya sebaran data tidak normal) atau
skala data dalam bentuk kategorik (ordinal dan nominal) maka
dilakukan uji non parametrik.
c. Analisis Multivariat
Analisis multivariate digunakan untuk mengetahui hubungan lebih dari
satu variabel independen dengan satu variabel dependen. Pada analisis
multivariate, terdapat beberapa uji multivariat yang sering digunakan
yaitu ANOVA (analysis of varian) yang digunakan untuk mengetahui
perbedaan antar hal dengan jumlah kelompok atau perlakuan lebih dari
dua macam dan skala pengukuran numerik, regresi berganda (multiple)
yang dipakai untuk memprediksi nilai variabel terikat bila variabel bebas
yang jumlahnya lebih dari satu telah diketahui serta variabel bebas dan
terikat dalam regresi berganda harus berskala numerik dan regresi logistik
yang dipakai untuk mengetahui faktor yang paling dominan
mempengaruhi variabel terikat serta uji regresi logistik dipakai bila
variabel bebas berskala numerik dan nominal serta variabel terikat berupa
nominal dikotomi.
4. Penyajian Data
Penyajian data dapat dilakukan ke dalam tampilan yang sistematis untuk
keperluan penganalisisan sehingga memberikan informasi yang bermakna. Untuk
menghasilkan gambaran data yang komunikatif dan informatif maka data harus
disajikan sesuai dengan kebutuhan.
Penyajian data merupakan salah satu kegiatan dalam membuat laporan
hasil penelitian yang telah dilakukan agar dapat dipahami dan dianalisis sesuai
dengan tujuan yang diinginkan. Penyajian data harus dengan sederhana agar
mudah dipahami oleh pembaca dan pengamat, sehingga dapat dilakukan
penilaian atau perbandingan dan bisa sebagai pedoman dalam mengambil
keputusan atau kebijakan dalam penyelesaian suatu masalah.
Penyajian data disesuaikan dengan data yang tersedia dan tujuan yang
hendak dicapai. Beberapa cara penyajian data :
1. Tulisan (Textular Presentation)
Penyajian data dalam bentuk tulisan merupakan gambaran umum
tentang kesimpulan hasil pengamatan yang bertujuna untuk memberikan
informasi saja, biasanya penyajian data ini banyak dipakai dalam bidang
sosial, ekonomi, psikologi, serta berperan sebagai laporan hasil peelitian
kualitatif. Misal mengetahui presepsi masyarakat tentang suatu produk yang
dipasarkan atau penerimaan, pendapat serta kepercayaan masyarakat
terhadap pelayanan kesehatan, maupun terhadap keberadaan keberadaan
petugas kesehatan yang terdapat didaerah.
Contoh :
2. Tabel Induk
Berfungsi sebagai referensi dalam penelitian atau laporan
3. Tabel Keja
Tabel yang menggambarkan beberapa variabel secara rinci.
Digunakan untuk pembahasan lebih mendalam terhadap hasil
penelitian, megadakan perbandingan antar variabel atau untuk
memberikan gambaran tentang adanya hubungan antara dua variabel.
Dari tabel teks ini dapat dibuat tabel silang.
Tabel kontingensi disusun berdasarkan banyaknya baris dan kolom
yang disajikan untuk memberikan gambaran hasil penelitian. Tabel ini
dinamakan sesuai dengan banyak baris dan kolom sehingga dikenal
dengan tabel 2x2 atau 2x3 dan lain-lain.
Contoh:
Tingkat Pendidikan Responden berdasarkan jenis kelamin
Data dalam statistik (juga dalam analisis data untuk riset) berdasarkan tingkat
pengukurannya (level of measurement) dapat dibedakan dalam empat jenis yaitu :
1. Data kualitatif (qualitative data) atau data non metrik.
Data kualitatif secara sederhana dapat disebut data hasil kategorisasi (pemberiaan kode)
untuk isi data yang berupa kata, seperti jenis kelamin dan tempat tinggal. Data kualitatif
mempunyai ciri tidak dapat dilakukan operasi matematika, seperti penambahan,
pengurangan, perkalian, dan pembagian.
Data kualitatif dapat dibagi menjadi dua :
• Data Nominal
Merupakan data yang paling rendah dalam level pengukuran data dan hanya
menghasilkan satu kategori. Misalnya tempat tinggal, jenis kelamin.
• Data Ordinal
Levelnya lebih tinggi daripada data nominal dan ada tingkatan (preferensi) data. Misal
data tentang sikap seseorang terhadap produk tertentu, ada sikap yang "suka", "tidak
suka", "sangat suka", dan lainnya. Di sini tidak dapat disamakan derajatnya, dalam arti
"suka" dianggap lebih tinggi dari "tidak suka", namun lebih rendah dari "sangat suka",
dan lainnya.
Dalam riset pemasaran, data ordinal berperan penting dalam, khususnya dalam
mengidentifikasi perilaku seorang konsumen, bagaimana ia mempunyai persepsi dan
bagaimana ia bersikap terhadap suatu atribut produk.
2. Data kuantitatif (quantitative data) atau data metrik.
Data kuantitatif dapat disebut data berupa angka dalam arti sebenarnya. Jadi, berbagai operasi
matematika dapat dilakukan pada kuantitatif. Data kuantitatif dapat dibagi menjadi :
• Data Interval
Data interval menempati level yang penukuran data yang lebih tinggi dari data
ordinal karena selain dapat bertingkat urutannya, juga urutan tersebut dapat
dikuantitatifkan. Seperti pengukuran temperatur, di mana suhu 400 C adalah dua kali lebih
panas dari suhu 800 C. Contoh yang lain Indeks Prestasi dari mahasiswa, sistem
penanggalan Jawa/Masehi.
• Data Rasio
Data rasio adalah data dengan tingkat pengukuran paling tinggi diantara jenis data
lainnya. Data rasio bersifat angka dalam arti sesungguhnya dan dapat dioperasikan secara
matematika. Perbedaan dengan data interval adalah bahwa data rasio mempunyai titik nol
dalam arti sesungguhnya. Misal penjualan sepatu di toko BERSIH 20 pasang, itu adalah
benar - benar riil dan dapat dijumlahkan dengan 13 pasang sepatu yang terjual di toko
MURAH. Atau jika penjualan adalah 0, berarti memang tidak ada satu pasang sepatupun
yang terjual.
SUMBER: http://finance-jurnal./2014/11/jenis-data-statistik.html
Data menurut jenisnya dapat dikelompokkan menjadi dua yaitu data kualitatif dan data
kuantitatif.
1. Data Kualitatif.
Yaitu data yang berbentuk kategorisasi, karekteristik berbentuk kalimat, kata-kata atau
gambar. Data kualitatif merupakan data yang menunjukkan kualitas sesuatu, oleh karena itu
data kualitatif sering menunjukkan kualitas sesuatu baik manusianya, benda-benda, maupun
suatu variabel tertentu seperti motivasi, minat dan lainnya. Contoh data kualitatif: siswa itu
rajin, motivasi belajarnya rendah dan sebagainya. Data ini biasanya didapat dari wawancara atau
pengamatan dan bersifat subjektif sebab data tersebut dapat ditafsirkan berbeda oleh orang lain
yang juga melakukan pengamatan.
Tabel 1.2
Kita bisa mengatakan bahwa motivasi belajar tinggi jika saja skor motivasi belajarnya
diatas 33,8 ( > 33,8), motivasi belajar rendah jika skor motivasi belajarnya dibawah 25,0 ( <
25,0) dan selain itu dikatakan motivasi belajar kategori sedang.
2. Data Kuantitatif.
Yaitu data yang berbentuk angka atau data kualitatif yang diangkakan.
Contoh : skor ulangan Matematika Rudi 75, skor minat belajar andi 105, skor IQ Winda 135,
jumlah siswa laki di kelas X SMA 20 Medan adalah 23 orang.
Data kuantitatif dapat dikelompokkan menjadi dua kelompok besar, yaitu data diskrit dan data
kontinu. Data diskrit adalah data yang diperoleh dari hasil menghitung atau mencacah, data seperti
ini sering juga disebut dengan data nominal dan ordinal. Data kontinu adalah data yang diperoleh
dari hasil pengukuran. Data kontinu dapat dikelompokkan menjadi dua, yaitu data interval
dan Rasio.
Berdasarkan skala ukurnya data kuantitatif dapat dibedakan menjadi data: nominal, ordinal,
interval dan rasio.
1. Data Nominal.
Data nominal adalah data yang hanya mengandung unsur penamaan (Bahasa Latin, Nomos =
nama). Contoh; jenis kelamin mahasiswa fakultas Tarbiyah terdiri dari laki-laki dan perempuan,
laki-laki berjumlah 450 orang dan perempuan sebanyak 765 orang.
Laki-laki 1 2
perempuan 2 1
Pada tabel diatas diketahui bahwa untuk mahasiswa laki-laki diberikan bobot 1 dan perempuan
diberikan bobot 2, pemberian bobot boleh juga dilakukan sebaliknya hal ini menunjukkan
bahwa pemberian bobot hanya sekedar untuk pengkodean saja. Laki-laki diberikan bobot 1 bukan
menunjukkan bahwa laki-laki lebih dari perempuan, oleh sebab itu pemberian bobot dapat
dilakukan secara terbalik. Harus diingat, bahwasanya statistik adalah pendekatan kuantitatif,
sehingga data yang bersifat kualitatif harus diubah dalam bentuk numerik dengan cara
pemberian skor (skoring) atau agregat. Jurusan yang ada difakultas Tarbiyah, fakultas yang ada di
IAIN SU Medan, latar belakang pekerjaan orang tua mahasiswa merupakan contoh dari data
nominal lainnya.
Apabila penelitian yang dilakukan menghasilkan data nominal maka ukuran satatistik yang
tepat untuk menjelaskan keadaan data tersebut adalah modus, tabel distribusi frekuensi, baik
tabel distribusi frekuensi absolut maupun tabel distribusi frekuensi relatif. Sedangkan statistik
inferensial untuk pengujian hipotesis adalah statistik nonparametrik yaitu uji Chi kuadrat.
Berikut adalah cara menganalisa data nominal mengenai keadaan pegawai SMA Negeri 4 padang
sidimpuan Sumatera utara pada tahun ajaran 2009/2010.
Tabel 1.4
Dapat ditunjukkan bahwa untuk mengetahui berapa jumlah guru bidang studi dengan
jenis kelamin perempuan dapat dilakukan dengan cara menghitung, demikian juga untuk
mengetahui jumlah pegawai adminis- trasi sebanyak 10 orang dapat dilakukan dengan
menghitung langsung berapa jumlah pegawai administrasi di SMAN 4 Padang sidempuan tersebut.
Jumlah guru edukasi sebanyak 7 orang, pegawai administrasi 10 orang dikatakan dengan
frekuensi. Begitu juga dengan jumlah guru Agama Islam 2 orang, guru agama Kristen 1 orang
dan guru bidang studi sebanyak 54 orang merupakan frekuensi. Selain itu banyaknya guru
edukasi yang berjenis kelamin laki-laki 4 orang dan guru edukasi berjenis kelamin perempuan
sebanyak 3 orang dikatakan juga sebagai frekuensi, demikian juga untuk yang lainnya. Dari
frekuensi-frekuensi tersebut ( 7, 10, 2, 1 dan 54) terdapat frekuensi yang paling besar yaitu 54
orang yang dikatakan sebagai modus, berarti pada sekolah SMAN 4 Padang Sidempuan pegawai
yang paling banyak adalah pegawai dengan tugas sebagai guru bidang studi. Frekuensi-
frekuensi pada tabel diatas seperti 7, 10, 2, 1 dan 54 dikatakan sebagai frekuensi absolut
sedangkan persentase dari frekuensi tersebut dikatakan sebagai frekuensi relatif.
2. Data Ordinal.
Data ordinal adalah data yang selain mengandung unsur penamaan juga memiliki unsur
urutan (Order = urutan). Berikut merupakan contoh dari data ordinal.
Tabel 1.5
Sangat setuju 5 1
Setuju 4 2
Ragu-ragu 3 3
Kurang setuju 2 4
Tidak setuju 1 5
Tabel 1.6
Nama Ranking
Ahmad jais 1
Sanusi haris 2
Faisal basri 3
Farid hasan 4
Teriana anisa 5
Pada data ordinal selain dilakukan pembobotan atau penskoran, urutan dari penskoran
tersebut juga memiliki arti atau makna. Posisi letak menentukan kedudukan kategori data. Jika
Ahmad jais mendapatkan ranking 1, itu berarti dia mendapatkan kedudukan rangking pertama
dari semua teman-temannya. Rangking tersebut tidak dapat di tukar ataupun dibolak balik
seperti pada contoh tabel 1.3 diatas. Namun pada data ordinal ini jarak antara tingkatan tidak
diketahui berapa intervalnya. Pada tabel rangking siswa diatas kita tidak dapat menentukan
berapa jarak antara ranking pertama dengan ranking kedua, ranking kedua dengan ranking
ketiga atau ranking keempat dengan ranking kelima. Bisa saja terjadi perbedaan jarak antara
ranking pertama - ranking kedua dengan jarak ranking kedua – ranking ketiga. Status sosial
masyarakat, golongan kepangkatan dosen dari IIIa sampai IVe, indeks prestasi mahasiswa juga
merupakan contoh data ordinal.
Apabila data hasil penelitian merupakan data ordinal maka perhitungan statistik yang tepat untuk
data ordinal adalah modus, median dan tabel distribusi frekuensi. Sedangkan untuk pengujian
hipotesis dan penarikan kesimpulan yang berhubungan dengan data ordinal dapat dilakukan dengan
menggunakan statistik nonparametrik seperti korelasi spearman rank.
3. Data Interval.
Data interval adalah data yang selain mengandung unsur penamaan dan urutannya juga
memiliki sifat interval atau selang, jaraknya bermakna, disamping itu, data ini memiliki ciri angka
dimana angka nol-nya tidak mutlak. Pada data interval selain data memiliki skor, memiliki urutan
juga memiliki interval yang jelas antara satu tingkatan data dengan yang lain- nya. Salah satu
contoh data interval yang paling sering digunakan dalam dunia pendidikan adalah skor
kecerdasan individu atau skor tes IQ sese- orang dan nilai yang diperoleh siswa pada mata
pelajaran tertentu.
Tabel 1.7
IQ Siswa
Variabel IQ siswa
110
114
111
135
120
115
110
119
Pada tabel IQ siswa diatas dapat diketahui bahwa jarak antara IQ 110 dengan IQ 115
adalah 5 sama dengan jarak atau interval IQ 114 ke 119. Namun nilai 0 pada IQ diatas
tidaklah mutlak karena kita tidak bisa mengatakan bahawa jika seorang siswa memiliki IQ 0,
sama sekali tidak memiliki IQ sama sekali. Nilai siswa juga merupakan jenis data interval,
jika saja seorang siswa mendapatkan nilai 0 (nol) bukan berarti siswa tersebut tidak mempunyai
nilai. Akan tetapi ia tetap juga dikatakan memiliki nilai, hanya saja besar nilainya adalah nol.
Nilai nol pada data interval diatas tidak menunjukkan ketidak adaan tetapi hanya merupakan skor
perolehan semata. sedangkan jarak antara nilai siswa 70 ke nilai siswa 80 adalah sama dengan
jarak nilai siswa 75 ke nilai siswa 85, yaitu sama-sama 10. Dalam hal tersebut dikatakan bahwa
data interval memiliki interval yang sama antara satu data dengan yang lainnya.
4. Data Rasio
Data rasio adalah data yang memiliki unsur penamaan, urutan, intervalnya bermakna dan
angka nolnya mutlak, sehingga rasionya memiliki makna. Beberapa contoh dari data rasio adalah
jarak, berat badan, tinggi, pendapatan dan lainnya.
Pendapatan (Rp)
2.500.000
3.500.000
1.500.000
Pada tabel 1.8 diatas sifat datanya sama seperti pada data interval hanya saja data tersebut
memiliki nilai nol mutlak. Disebut angka nol- nya mutlak sebab memang tidak akan ada
pendapatan jika pendapatan itu nol rupiah. Nilai nol pada pendapatan berarti tidak menghasilkan
pen- dapatan sama sekali atau tidak ada pendapatan. Berbeda pada nilai siswa, jika seorang siswa
mendapat nilai nol berarti ia masih memiliki nilai hanya saja nilainya sebesar nol.
IV. Analisis Deskriptif
Analisis Diskriptif
bertujuan untuk memberikan deskripsi mengenai subjek penelitian berdasarkan data dari
variabel yang diperoleh dari kelompok subjek yang diteliti dan tidak dimaksudkan untuk
pengujian hipotesis. Sekalipun penelitian yang dilakukan bersifat inferensial, sajian keadaan
subjek dan data penelitian secara deskriptif tetap perlu diketengahkan lebih dahulu sebelum
pengujian hipotesis dilakukan.
Analisis data dengan menerapkan metode deskriptif dinyatakan sebagai analisisstatistik
sederhana atau yang paling sederhana. Akan tetapi, hasil analisis statistik deskriptif
tersebut dapat menjadi masukan yang sangat berhargauntuk para mengambil keputusan,
tergantung pada bentuk dan cara menyajikan hasil analisis tersebut. Pada tahap pertama,
analisis data dilakukan untuk mempelajari perbedaan antara fakta yang diobservasi dengan
apa yang diharapkan. Pada tahap pertama analisis data merupakan aktivitas ilmiah untuk
melakukan penilaian terhadap nilai/skor/ukuran variabel atau indikator yang
ditinjau, terutama variabel takbebas atau variabel tujuan atau indikator masalah yang
ditinjau. Hasil analisis ini dapat dipakai untuk menentukan ada atau tidaknya permasalahan.
Sebagaimana telah diketahui bahwa suatu permasalahan terjadi atau muncul apabila fakta
yang diobservasi tidak sesuai dengan apa yang diharapkan.
Jenis kelamin
0
1
kelompok umur
remaja
dewasa