LAPORAN PRAKTIKUM

MATAKULIAH MANAJEMEN DATA

OLEH
KELOMPOK V (LIMA)
KELAS 4-B

1) ISMAIL IDRUS (811417051)

2) AMALIA KANTU (811417135)
3) DEWI SAFITRAH ADAM (811417086)
4) NUR NISA OTTA (811417125)
5) NURHIJRAH HERMANIS (811417102)
6) RAHMITA (811417119)
7) YULANDARI Y.IBRAHIM (811417043)

JURUSAN KESEHATAN MASYARAKAT

FAKULTAS OLAHRAGA DAN KESEHATAN

UNIVERSITAS NEGERI GORONTALO

2019
A. PENGOLAHAN DAN MODIFIKASI DATA
a. Pengolahan Data
1. Editing
Yaitu pengecekan isian formulir/kuesioner secara lengkap, jelas,
relevan dan Konsisten
2. Coding
Adalah kegiatan merubah data dalam bentuk huruf menjadi data
dalam bentuk angka/ bilangan. Sebagai contoh misalnya: pada jenis
kelamin laki-laki = 1, perempuan 2.
 Klik Variable View

 Klik Values
 Value, merupakan pengodean pada variabel non-angka ( String
Variabel). Contoh, jenis kelamin diberi kode 1 untuk laki-laki dan 2
untuk perempuan. Klik sel pada kolom value yang akan diberi
pengodean sehingga kotak dialog value Labels Muncul. Pada value,
tulis 1 pada Value Label, tulis laki-laki.klik. klik ADD selanjutnya
lakukan langkah yang sama untuk yang lain setelah selesai
pengodean seluruh value, klik OK.

3. Processing/Entry
Yaitu memproses data agar bisa dianalisis (menggunakan software)
4. Cleaning
Adalah kegiatan pengecekan kembali data yang sudah dientri
apakah sudah betul atau ada kesalahan pada saat memasukkan
data/entry data. Berikut akan diuraikan cara melakukan cleaning
data. Tahapan cleaning data antara lain :
 Mengetahui adanya missing data
Cara untuk mengetahui ada tidaknya missing data adalah dengan
membuat list (distribusi frekuensi) dari variabel yang ada,
caranya klik Analyze-Descriptive Statisctics-Frequencis.

selanjutnya data yang ada disebelah kiri dipindahkan ke variable

(s), kemudian klik Ok.
 Dari kedua distribusi di atas, maka dapat diketahui bahwa
ternyata pada variabel pendidikan terdapat missing. Dimana dari
20 responden yang ada hanya 17 responden yang di entry dan di
proses, sehingga ada 3 responden yang missing.

 Mengetahui Variasi Data

Variasi data yang diketahui memungkinkan untuk mengetahui
apakah data yang sudah di entry benar atau salah. Caranya
adalah membuat distribusi frekuensi masing-masing variabel.
 Dari hasil output di atas terlihat bahwa ada ada 6 kategori,
sedangkan yang dibuat hanya 5 kategori (tingkat pendidikan 1-
5)
 Mengetahui Konsistensi Data
Untuk melihat kosnsistensi data dapat dilakukan dengan cara
menghubungkan dua variabel.

Dari kedua tabel hasil output di atas dapat dilihat bahwa antara
tabel variabel keluarga berencana dan variabel jenis kb tidak
konsisten dari jumlah responden. Pada variabel keluarga
berencana yang mengatakan ya sebanyak 16 responden,
sedangkan pada variabel jenis kb yang digunakan terdapat 18
responden yang menggunakannya.
b. SPSS
Merupakan Program yang digunakan untuk mengolah dan menganalisis
data penelitian. Singkatan dari Statistic Product and Service Solutions.
1. Menu SPSS
Menu Bar

 File: Membuat file baru, membuka database dari program lain.

 Edit:Memodifikasi, meng-copy, menghapus, mencari,
mengganti data / teks
 Data: Pemilihan secara keseluruhan.
 Transform: Penggunaan, pembuatan variabel baru dari variabel
yang sudah ada
 View: Menyajikan penampilan data
 Analyze: Memilih cara pengolahan data secara statistik
 Graphs: Mengaktualisasikan hasil dalam bentuk bar, line, pie,
dll
 Utilities: Merubah tampilan pada menu spss
 Windows: Memudahkan pemakaian dalam beberapa
spreadsheet
 Help: Mendapatkan informasi dalam konteks spss standar yang
sudah ada
2. Entry Data

KOLOM

BARIS

 Baris/Row menunjukkan kasus/responden

 Kolom/Column menunjukkan variabel
 Sel merupakan perpotongan antara baris dan kolom yang
menunjukkan data/nilai.
3. Memberi Nama Variabel
 Nama variabel maksimum 8 huruf
 Tanpa spasi
 Tidak boleh ada 2 variabel yang memiliki nama sama
4. Mengisi Variabel View
 Name: nama variabel
Pilih “Variabel View” => Kotak variabel “name” isilah dengan
nama variabel
 Type: tipe variabel. spt. nomor/angka, mata uang, tanggal, dll

 Width: lebar kolom

 Decimals: pengaturan angka di belakang koma
 Label: keterangan dari nama variabel/nama variabel yang
sebenarnya
 Values: penjelasan dari nilai variabel yang telah di-coding

 Align: tata letak nilai (rata kiri/kanan, tengah)

 Measure: merupakan ukuran data yang digunakan . untuk
numeiric secara otomatis SPSS akan memilih Scale. Tipe data
original dan nominal sering disebut tipe data kategotikal
 perbedaannya, tipe data nominal tidak menunjukan tingkatan ,
missal data hari : senin, selasa, rabu, kamis, dst, swdang tipe data
ordinal menunjukan tingkatan. Missal, jenis toko : minimarket,
supermarket dan hypermarket.

5. Transform Data
Compute: Membuat variabel baru berdasarkan hitungan
matematik.
 Klik “transform”, “Compute”

 Isi “target value” dengan nama variabel yang baru

 Pada kolom “numeric expression”, isilah dengan menggunakan
rumus untuk menentukan nilai variabel yang baru.

Recode: Mengubah variabel numerik menjadi variabel kategorik.

 Klik “transform”, “recode” => Klik “into different values”

 Pindahkan variabel yang ingin diubah/dikelompokkan ke kotak

“numeric variable -> output variable”
 Pada “output variable”, kolom “name” diisi dengan nama
variabel yang baru. Klik “change”
 Klik “old and new value”.
  Pada tab Old Value, atur pengkategorian variabel yang baru
> range: diantara 2 nilai, range,lower through: lebih rendah
dari, range, through highest: lebih tinggi dari.
 Pada Tab New value, masukkan kategori/coding yang baru.
Klik add. Ulangi untuk kategori lainnya. Klik OK

B. STATISTIK DESKRIPTIF
a. Prosedur Deskritif
Fungsi dari statistik deskriptif adalah memberikn gambaran atau deskripsi
suatu data yang dilihat dari nilai rata-rata (mean), standar devisi, varian,
maksimum, minimum, sum, range, kurtoris dan skewness. Berikut
kamiuraikan langkah-langkah uji statistik deskriptif disertai dengan gambar
panduan.
 Langkah pertama adalah persiapkan data yang akan di analisis.
 Buka program SPSS, lalu buka file (lat_1.sav)

 Selanjutnya dari menu utama SPSS, Klik Analyze, pilih sub menu
Descriptive Statistics, lalu klik Descriptive

 Pindahkan variabel yang akan dihitung dari kotak dialog sebelah kiri, ke
kotak Variable(s) lalu klik OK
  Langkah selanjutnya untuk melakukan analisis statistik deskriptif yang
sudah dipilih, maka klik Options maka muncul kotal dialog descriptive
options selanjutnya tinggal memberikan tanda ceklis untuk statistik
deskriptif yang ingin dipakai atau ditampilkan di output spss. Misalnya
saya beri tanda centang (√) pada mean, std deviation, minimum dan
maximum. Maka akan tampak sebagaimana tampilan dibawah ini

 Setelah itu pilih continue dan OK untuk mengakhiri perintah.

Selanjutnya akan muncul tampilan output SPSS statistik deskriptif.

b. Prosedur Frekuensi
Statistik disribusi frekuensi termasuk pada kategori statistik deskriptif
digunakan untuk menyusun data yang jumlahnya relatif banyak ke dalam
suatu tabel frekuensi. Teknik ini mungkin teknik yang paling mudah dan
paling banyak digunakan untuk mendeskripsikan data. Distribusi frekuensi
mengindikasikan jumlah dan presentase responden, obyek yang masuk ke
dalam kategori yang ada. Teknik ini biasanya digunakan untuk memberikan
informasi awal dalam penelitian tentang obyek atau responden.
 Dari menu utama SPSS klik Analyze, lalu pilih descriptive statistis
kemudian klik frequencies

 Muncul kotak dialog dengan nama frequencies selanjutnya masukkan

variabel jenis kelamin ke kotak variable (s). Lalu klik Ok. Tampak
seperti gambar dibawah.
  Maka muncul output SPSS dengan judul “frequencies” sebagai berikut

Tabel output statistics diatas memberikan informasi tentang jumlah siswa

yang di analis berdasarkan variabel jenis kelamin yakni ada 20 orang N=20.

C. UJI VALIDITAS DAN UJI RELIABILITAS

a. Validitas dan Reliabilitas
Validitas Berasal dari kata validity yang mempunyai arti sejauh mana
ketepatan dan kecermatan suatu alat ukur dalam mengukur suatu data.
Reliabilitas adalah suatu ukuran yang menunjukkan sejauh mana hasil
pengkuran tetap konsisten bila dilakukan pengukuran dua kali atau lebih
terhadap gejala yang sama dengan alat ukur yang sama.
b. Langkah Awal Uji Validitas & Reliabilitas
 Klik Analyze
 Pilih Scale
 Pilih Reliability Analysis
 Masukkan semua variabel ke dalam kotak items (hanya variabel yang
ingin diuji)

 Klik Statistics
 Pada bagian Descriptives for, centang item, scale, scale if them
deleted
 Klik Continue
  Klik OK

c. Uji Validitas
 Membandingkan nila r tabel dengan nilai r hitung
 Nilai r tabel dapat dilihat pada tabel r (tabel r merupakan suatu
ketetapan / konstanta)
 Gunakan rumus df = n-2. (n = jumlah responden)
 Degan memperhatikan tingkat kepercayaan 5%, temukan nilai r tabel
 Nilai r hitung dapat dilihat pada kolom Corrected Item-Total
Corelation
 Bila r hitung > r tabel maka pertanyaan tersebut valid.
 R hitung

rhit > rtabel

rhit < rtabel

df = n-2 sign= 5% (0.05)

= 15-2
= 13

• Apabila terdapat pertanyaan yang tidak valid, maka lakukan sekali

lagi uji validitas dengan hanya memasukkan pertanyaan/variabel
yang valid
• Kemudian lanjutkan ke uji reliabilitas
d. Uji Reliabilitas
 Membandingkan nilai r alpha dengan r tabel.
 Bila r alpha > r tabel, maka pertanyaan tersebut reliabel
 ralpha > rtab

D. UJI BEDA DUA MEAN

a. Uji Beda Dua Mean
Uji statistik yang membandingkan mean dua kelompok data ini disebut
uji beda dua mean. Pendekatan ujinya dapat menggunakan distribusi Z dan
distribusi T. Untuk aplikasi penelitian biasanya menggunakan pendekatan
distribusi T, sehingga uji beda dua mean lebih sering digunakan uji T.

b. Uji T
1) Uji T Independen
Tujuan : untuk mengetahui perbedaan mean dua data kelompok
Syarat yang harus dipenuhi :
 Data terdistribusi normal
 Kedua kelompok data independen
 Variabel yang dihubungkan berbentuk numerik dan kategori
(dengan hanya dua kelompok)
2) Langkah awal Uji T Independen
 Pilih menu Analyze, Compare Means, pilih Independent-
Sample T Test
 Masukkan variabel numerik kedalam kotak Test Variable(s)

 Masukkan variabel kategorik kedalam kotak Grouping Variable

 Klik Define Group

 Isi dengan kategori pada variabel kategori

 Klik Continue
  Klik OK

3) Uji T Dependen
• Uji T dependen seringkali disebut uji t Pair/Related atau pasangan.
• Uji T dependen seringkali digunakan pada analisis data penelitian
eksperimen
• Kedua sampel yang dibandingkan mempunyai subjek yang sama
• Dikatakan dependen bila responden diukur/diteliti dua kali (pre dan
post test)
4) Langkah awal Uji T Dependen
• Pilih menu Analyze, Compare Mean, pilih Paired-Samples T Test
• Masukkan Variabel Numerik pada kotak Paired Variables

• Klik OK
 Yang dilihat adalah nilai pada kolom Sig. (2-tailed).
Bila nilai Sig. (2-tailed) < 0,05 maka ada perbedaan antara dua variabel
Bila nilai Sig. (2-tailed) > 0,05 maka tidak ada perbedaan antara dua
variabel
Interpretasi Data Hasil Uji T Dependen
5) Penyajian data:

Perbedaan
Variabel N Rerata±SD P value CI 95%
Rerata

Menyusui

Pengukuran I 12,10±0,99
-0,6288 –
10 0,40±1,42 0,399
Pengukuran 1,4228
11,70±0,82
II
Rata-rata kadar pada pengukuran pertama adalah 12,10 gr/dl dengan standar
deviasi 0,99 gr/dl. Pada pengukuran kedua didapat rata-rata kadar Hb adalah
11,70 gr/dl dengan standar deviasi 0,82 gr/dl. Terlihat nilai mean perbedaan
antara pengukuran perttama dan kedua adalah 0,40 dengan standar deviasi
1,42. Hasil uji statistik didapatkan nilai p = 0,399 maka dapat disimpulkan
bahwa tidak ada perbedaan yang signifikan antara kadar Hb pengukuran
pertama dengan pengukuran kedua dan CI 95% (-0,6228 – 1,4228).
E. UJI KAI KUADRAT
Seringkali dalam penelitian, kita menemui data yang tidak dapat dinyatakan
dalam bentuk angka-angka pengukuran (data numerik). Justru yang kita jumpai
adalah data dari hasil penghitungan jumlah pengamatan yang diklasifikasi
dalam beberapa kategori. Data seperti ini disebut data kategorik, misalnya:
kategori perokok berat, perokok ringan, dan tidak merokok. Dalam penelitian
kesehatan seringkali peneliti perlu melakukan analisis hubungan variabel
kategorik dengan kategorik yang bertujuan untuk menguji perbedaan proporsi
dua atau lebih kelompok sampel. Uji statistik yang digunakan adalah Uji Kai
Kuadrat

a. Odds Ratio (OR) dan Risiko Relatif (RR)

 Dalam bidang kesehatan, untuk mengetahui derajat hubungan, dikenal
ukuran Odds Ratio (OR) dan Risiko Relatif (RR).
 Odds Ratio membandingkan odds (peluang/kemungkinan) pada
kelompok kasus dengan pembanding (kontrol). Ukuran OR biasanya
digunakan pada desain kontrol atau potong lintang (cross sectional)
 Risiko Relatif membandingkan risiko pada kelompok terpapar
(ekspose) dengan kelompok tidak terpapar (non ekspose). Ukuran RR
biasanya digunakan pada desain penelitian Cohort
b. Interpretasi OR dan RR
 Dalam melakukan interpretasi OR dan RR, harus berhati-hati.
Interpretasi OR dan RR sangat tergantung pada cara memberi kode
variabel.
 Sebaiknya memberi kode tinggi untuk kelompok berisiko/terekspose
den kode rendah untuk kelompok tidak/kurang terekspose.
 Selanjutnya kode tinggi jika penyakit/kejadian yang diteliti “ada” dan
kode rendah jika kejadian/penyakit yang diteliti “tidak ada”.
 Misal: Hubungan jenis pekerjaan (bekerja/tidak bekerja) dengan
perilaku menyusui (eksklusif/non eksklusif)
c. Contoh Kasus
• Peneliti ingin mengetahui hubungan antara perilaku merokok (merokok,
tidak merokok) dengan status fertilitas (infertil dan fertil).
Hipotesis:
H0 = Tidak ada hubungan antara perilaku merokok dengan status
fertilitas
Ha = Ada hubungan antara perilaku merokok dengan status fertilitas
d. Langkah Penentuan Uji
No Langkah Jawaban
Menentukan variabel Variabel yang dihubungkan
yang dihubungkan adalah status fertilitas
1
(kategorik) dengan perilaku
merokok (kategorik)
Menentukan jenis Komparatif
2
hipotesis
Menentukan masalah Kategorik
3
skala variabel
Menentukan jenis Tidak berpasangan
4
sampel
Menentukan jenis 2x2
5 tabel B x K (Baris x
Kolom)
Kesimpulan : Jenis tabel soal ini adalah 2 x 2. Uji yang digunakan adalah
chi-square bila memenuhi syarat. Bila tidak memenuhi syarat, maka
digunakan uji alternatifnya yaitu Uji Fisher.
e. Prosedur dalam SPSS
 Klik Analyze, pilih Descriptive, pilih Crosstab
 Isilah variabel independen (bebas) ke kotak Row(s). Dalam kasus ini
yaitu: perilaku merokok
 Isi variabel dependen (terikat) ke kotak Column(s). Dalam kasus ini
: status fertilitas

 Klik Statistics, centang Chi-square dan Risk

 Klik Continue
 Pilih Cells, centang Observed dan Expected
 Klik Continue
 Klik OK

Tabel pertama
menggambarkan
deskripsi masing-
masing sel untuk
nilai observed

Tabel pertama
menggambarkan
deskripsi masing-
masing sel untuk
nilai expected

Tabel 2 x 2 ini layak diuji dengan chi-square karena tidak ada nilai
expected yang kurang dari 5
 Nilai Sign

Tabel kedua menunjukkan hasil uji chi-square. Nilai yang dipakai adalah
nilai Pearson Chi-square. Nilai sig. nya adalah 0,003. Dengan demikian, p
< 0,05 sehingga H0 ditolak, artinya terdapat hubungan antara perilaku
merokok dengan status fertilitas.
Uji chi-square hanya dapat digunakan untuk mengetahui ada tidaknya
hubungan dua variabel, sehingga uji tidak dapat untuk mengetahui
derajat/kekuatan hubungan dua variabel.
Untuk mengetahui derajat/kekuatan hubungan banyak modenya tergantung
latar belakang disiplin keilmuannya. Bidang kesehatan terutama Kesehatan
Masyarakat digunakan nilai OR atau RR. Nilai OR digunakan untuk jenis
penelitian Cross Sectional dan Case Control. Sedangkan nilai RR digunakan
untuk jenis penelitian Cohort.

nilai OR terdapat pada

baris Odds Ratio yaitu
3,500 (95% CI: 1,52 –
8,01).

nilai RR terlihat pada

baris For Cohort yaitu
1,75 (95% CI: 1,19 – 2,57)
 Interpretasi nilai OR = 3,50 adalah sebagai berikut: “Responden yang
merokok memiliki peluang 3,5 kali untuk terjadi infertil dibandingkan
responden yang tidak merokok”
F. UJI MCNEMAR
Uji McNemar diperkenalkan oleh seorang ahli psikologi bernama Quin
McNemar pada tahun 1947. Uji ini digunakan untuk penelitian yang
membandingkan sebelum dan sesudah peristiwa/treatment dimana tiap objek
digunakan sebagai pengontrol dirinya sendiri.
a. Prosedur dalam SPSS
 Klik Analyze, pilih Descriptive, pilih Crosstab

 Isilah variabel pre ke kotak Row(s) dam isi variabel post ke kotak
Column(s).
 Klik Statistics, centang McNemar lalu klik Continu

 Kemudian Klik OK lalu muncul hasil output dari SPSS

Tabel pertama menunjukkan hasil tabel silang.

Responden dengan pengetahuan baik dan sesudah penyuluhan tetap baik
ada 6 orang. Responden dengan tingkat pengetahuan sebelum penyuluhan
baik dan sesudah penyuluhan menjadi buruk ada 2 orang.
Responden dengan pengetahuan buruk dan sesudah penyuluhan menjadi
baik ada 16 orang.
Responden dengan tingkat pengetahuan sebelum penyuluhan buruk dan
sesudah penyuluhan tetap buruk ada 1 orang.
Tabel kedua menunjukkan hasil uji McNemar. Angka signifikansi
menunjukkan angka 0,001. Karena nilai p < 0,05, maka dapat diambil
kesimpulan bahwa pengetahuan responden antara sebelum dan sesudah
penyuluhan berbeda secara bermakna.