TUGAS MANAJEMEN DATA

NAMA : ANITA LISTYA RINI

PROGRAM : S1 GIZI NON REGULER
NIM :1029

ANALISIS DESKRIPTIF
Tujuan analisis ini adalah untuk menjelaskan/mendeskriptifkan karakteristik masing masing
variabel yang diteliti. Dalam analisis data kuantitatif kita dihadapkan pada kumpulan data yang
besar/banyak yang belum jelas maknanya. Fungsi analisis adalah menyederhanakan atau meringkas
kumpulan data hasilm pengukuran sedemikian rupa sehingga kumpulan data tersebut berubah
menjadi informasi yang berguna. Secara teknis analisis merupakan kegiatan meringkas kumpulan
data menjadi dua ukuran yaitu ukuran tengah dan ukuran variasi.

A) Peringkasan Data Untuk Data Jenis Numerik

1) Ukuran Tengah
Ukuran tengah merupakan cerminan dari konsentarsi nilai-nilai hasil pengukuran. Berbagai ikuran
dikembangkan umtuk mencerminkan ukuran tengah tersebut dan data yang paling sering dipakai
adalah mean,median dan modus.
a) Mean
Mean/avarege adalah ukuran rata rata yang merupakan hasil dari jumlah semua nilai pengukuran
dibagi oleh banyaknya pengukuran. Secara sederhana perhitungan nilai mean dapat dituliskan
dengan rumus:
X= S Xi/n
Keuntungan nilai mean adalah mudah menghitung dan sudah melibatkan seluruh data dalam
perhitungannya. Kelemahan dari nilai mean adalah sangat dipengaruhi oleh nilai ekstrim, baik
ekstrim tinggi maupun rendah. Oleh karena itu,pada kelompok data yang nilai ekstrimnya (sering
dikenal dengan “distribusi data yang menceng/miring), mean tidak dapat mewakili rata rata
kumpulan nilai pengamatan.
b) Median
Median adalah nilai dimana setengah banyaknya pengamatan mempunyai nilai dibawahnya dan
setengahnya lagi mempunyai nilai di atasnya. Berbeda dengan nilai mean,perhiyungan median
hanya mempertimbangkan urutan nilai hasil pengukuran,besar beda antar nilai diabaikan. Prosedur
penghitungan median melalui langkah:
➢ data diurutkan/ di array dari kecil ke besar
➢ hitung posisi median denga rumus (n+1)/2
➢ hitung nilai mediannya
c) Mode/Modus
Mode adalah banyaknya nilai pengamatan yang mempunyai frekuensi jumlah terbanyak.

1) Ukuran Variasi
Nilai nilai hasil pengamatan akan cenderung saling berbeda satu sama lain atau hasil pengamatan
akan bervatiasi. Untuk mengetahui data bervariasi digunakan ukuran variasi antara lain range,jarak
linier kuartil dan standar deviasi.
 Range
Range merupakan ukuran variasi yang paling dasar, dihitung dari selisih nilai terbesar dengan nilai
terkecil. Kelemahan range adalah dipengaruhi nilai ekstrim. Keuntungan perhitungan dapat
dilakukan dengan cepat.
 Jarak Inter Kuartil
Nilai observasi disusun berurutan dari nilai kecil ke besar, kemudian ditentukan nilai kuartil bawah
dan atas. Kuartil merupakan pembagian data menjadi 4 bagian yang dibatasi oleh tiga ukuran kuartil
yaiyu:kuartil I,kuartil II,dan kuartil III. Jarak inter kuartil adalah selisih abtar kuartil III dan kuartil
I. Ukuran ini lebih baik dari range terutama kalau frekuensi pengamatan banyak dan distribusi
sangat menyebar.
 Standar Deviasi
Variasi data yang diukur melalui penyimpangan/deviasi dari nilai nilai pengamatan terhadap nilai
mean-nya. Rata rata hitung dari kuadrat deviasi terhadap mean disebut varian yang rumusnya:
Varian = (Xi-X)/n
Semakin besar nilai varian akan semakin bervariasi, karena satuan varian (kuadrat) yang tidak sama
dengan satuan nilai pengamatan, maka dikembangkan suatu ukuran variasi yang mempunyai satuan
yang sama dengan satuan pengamatan yaitu: Standar Deviasi
Standar deviasi merupakan akar dari varian:
Standar deviasi (S atau SD) = ∑ ¿ (Xi-X)2/n
Dari uraian tersebut dapat disimpilkan unyuk data numerik digunakan nilai mean (rata-
rata),median, standar deviasi dan inter quartil range, minimal dan maksimal.
Apabila data yang terkumpul tidak menunjukkan adanya nilai ekstrim (distribusi normal) maka
perhitungan nilai mean dan standar deviasi merupakan cara analisis univariat yang tepat. Apabila
dijumpai nilai ekstrim (distribusi data tidak normal) maka nilai yang tepat untuk analisis data adalah
median dan inter quartil range (IQR)

A) Peringkasan Data Kategorik

Berbeda dengan data numerik, peringkasan (baik ukuran tengah maupun ukuran variasi) untuk
variabel kategorik tidak banyak jenisnya. Pada data kategorik peringaksan data hanya menggunakan
distribusi frekuensi dengan ukuran persentase/proporsi dan jumlah data pada masing masing
kelompok. Jadi apabila data berjenis kategorik menggunakan mean atau median. Untuk ukuran
variasi, pada data kategorik digunakan ukuran:persentase/proporsi. Variasi dikatakn maksimal
apabila jumlah antar kelompok berimbang.
B) Bentuk Penyajian Data
Bentuk penyajian analisis univariat dapat berupa tabel atau grafik.
Contoh penyajian analisis deskriptif:
I. Data Numerik
(a) Untuk data yang normal
Tabel 5.1 Distribusi Umur dan Lama Hari Rawat Pasien Rumah Sakir X Tahun X

Variabel Mean SD Minimal-maksimal

1.Umur 30,3 10,1 17-60
2.Lama hari rawat 10,1 8,9 2-60

(b) Untuk data yang tidak normal/ada angka ekstrim

Tabel 5.2 Distribusi Umur dan Lama Hari Rawat Pasien Rumah Sakit X Tahun X
Variabel Median Inter Quartil Range
1.Umur 31 20-42
2. Lama hari rawat 9 2-16
 (c) Data Kategorik
1. Tabel tunggal
Tabel 5.3 Distribusi Responden Menurut Tingkat Pendidikan Pasien RSXTahunX
Pendidikan Jumlah Persentase
SD 60 60,0
SMP 30 30,0
SMU 10 10,0
Total 100 100

2. Tabel Ringkasan
Dapat juga melaporkan hasil penelitian beberapa variabel sekaligus dalam satu tabel. Beberapa
variabel yang berkaiatan dapat dijadikan satu tabel yang sering disebut sebagai tabel ringkasan
(summary table). Penyatuan beberapa variabel hendaknya mengacu kepada keramgka konsep,
artinya kelompok variabel tersebut bisa menggambarkan faktor.

1) Data kategorik
Untuk menampilkan tabulasi data kategorik digunakan tampilan frekuensi. Pada kolom
frekuensi menunjukkan jumlah kasus dengan nilai yang sesuai.
2) Data Numerik
Pada data numerik peringkasan data dapat dilakukan dengan melaporkan ukuran tengah dan
sebarannya. Ukuran yang digunakan adalah rata rata,median dan modus. Sedangakan ukuran
sebarannya (variasi) yang digunakan adalah range, standar deviasi,minimal dan maksimal.

Uji kenormalan data:

Untuk mengetahui suatu data berdistribusi normal,ada 3 cara untuk mengetahuinya yaitu:
1. Dilihat dari grafik histogram dan kurva normal, apabila bentuknya menyrerupai bel
shape berarti distribusi normal
2. Menggunakan nilai Skewness dan standar errornya, apabila nilai Skewness dibagi
standar errornya menghasilkan angka <=2, maka distribusinya normal.
3. Uji Kolmogorov smirnov, bila hasil uji tidak signifikan (p value . 0,05) maka
distribusi normal. Namun uji Kolmogorov sangat sensitive dengan jumlah sampel,
maksudnya: untuk jumlah sampel yang besar uji Kolmogorov cenderung
menghasilkan uji yang signifikan (yang artinya bemtuk distribusinya tidak normal).
ANALISIS ANALITIK
A) Signifikan secara Substansi/Klinis dan Signifikan secara statistik
Ada 2 jenis signifikan yaitu signifikan secara statistik dan signifikan secara substansi.
Perbedaan signifikan secara statistik belumtentu berbeda signifikan secara subtansi. Idealnya dalam
suatu penelitian keduanya terjadi secara statistik signifikan dan secara statistik juga terjadi
perbedaan yang signifikan.
Jumlah/besar sampel sangat berkaitan erat dengan keputusan uji hipotesis. Prinsip uji
hipotesis adalh semakin besar jumlah sampel yang akan dianalisis, maka akan semakin besar
peluangnya untuk signifikan. Bila jumlah sampel besar, perbedaan dua kelompok yang bedanya
sangat kecil akan menghasilkan uji statistik signifikan, padahal beda yang sangat kecil tersebut
tidak ada maknanya secara substansi.

B) Uji Hipotesis
Pengujian hipotesis dapat digunakan untuk membantu menentukan apakha suatu hipotesis yang
akan diajukan cukup meyakinkan untuk ditolak atau tidak ditolak. Semakin kecil peluang tersebut
semakin besar keuakinan bahwa hubungan tersebut memang ada.
Prinsip uji hipotesis adalah melakukan perbandinagn antara nilai sampel (data hasil penelitian)
dengan nilai hasil hipotesis (nilai populasi) yang diajukan. Kesimpulan yang didapat dari hasil
pengujian hipotesis ada dua kemungkinan yaitu menolak hipotesis dan menerima hipotesis (gagal
menolak hipotesis). Dalam uji hipotesis bila kesimpulannya menerima hipotesis, bukan berarti
bahwa kita telah membuktikan hipotesis tersebut benar, karena benar tidaknya suatu hipotesis hanya
dapat dibuktikan dengan mengadakan observasi pada seluruh populasi.
Dalam hal pengujian hipotesis dijumpai dua jenis hipotesis yaitu hipotesis nol Ho) dan
hipotesis alternatif (Ha). Berikut uraian tentang masing masing hipotesis
➢ Hipotesis Nol (Ho)
Hipotesis yang menyatakan tidak ada perbedaan suatu kejadian antara kedua kelompok
atau hipotesis yang menyatakan tidak ada hubungan antara variabel satu dengan variabel lainnya.
➢ Hipotesis Alternatif (Ha)
Hipotesis yang menyatakan ada perbedaan suatu kejadian antara kedua kelompok.
Bentuk hipotesis alternatif akan menentukan arah uji statistik satu arah (one tail) atau dua
arah (two tail)
1.One tail (satu sisi): bila hipotesis alternatifnya menyatakan adanya perbedaan dan ada pernyataan
yang mengatakan hal satu lebih tinggi/rendah dari hal lain.
2. Two tail (dua sisi) merupakan hipotesis alternatif yang hanya menyatakan perbedaan tanpa
melihat apakah hal satu lebih tinggi/rendah dari hal lain.

A) Menentukan Tingkat Kemaknaan (Level of Significance)

Tingkat kemaknaan atau sering disebut denga nilai α, merupakan nilai yang menunjukkan besarnya
peluang salah dalam menolak hipotesis nol. Atau dengan kata lain nilai α merupakan batas
toleransi peluang salah dalam menolak hipotesis nol. Bila kita menolak ho berarti menyatakan
adanya perbedaan/hubungan. Sehingga nilai a dapat diartikan pula sebagai batas maksimal kita
salah dalam menyatakan adanya perbedaan.
Penentuan nilai α tergantung tujuan dari kondisi penelitian. Nilai α yang sering digunakan adalah
10%,5% atau 1%.

B) Prosedur/Langkah Uji Hipotesis

● Menetapkan hipotesis
● Penentuan Uji statistik yang sesuai
Ada beragam jenis uji stastistik yang dapat digunakan. Setiap uji statistik mempunyai persyaratan
tertentu yang harus dipenuhi.
 ● Menentukan batas atau tingkat Kemaknaan (Level of Significance)
Batas/tingkat kemaknaan, sering juga disebut dengan nilai @. Pengunaan nilai alpha tergantung
tujuan penelitian yang dilakukan, untuk bidang kesehatan masyarakat biasanya menggunakan nilai
alpha 5%.
● Penghitungan Uji Statistik
Penghitungan uji statistik adalah menghitung data sampel ke dalam uji hipotesis yang sesuai.
● Keputusan Uji Statistik
Dengan nilai p ini dapat menggunakan untuk keputusan uji statistik dengan cara membandingkan
nilai p dengan @ (alpha). Ketentuan yang berlaku adalah:
a) bila nilai p < α, maka keputusannya adalah Ho ditolak
b) bila nilai p > α, maka keputusannya adalah Ho gagal ditolak
Perlu diketahui bahwa nilai p two tail pada umumnya (tidak selalu) adalah 2 kali nilai p one tail
berarti kalau tabel yang digunakan adalah tabel one tail sedangkan uji statistik yang dilakukan dalah
two tail maka nilai p dari tabel harus dikalikan 2. Dengan demikian dapat disederhanakan dengan
rumus nilai p two tail= 2 x nilai p one tail.