MODUL PRAKTIKUM PoltekkesTanjung karang

ANALISA DATA

Prayudhy Yushananta, SKM, MKM

Mei Ahyanti, SKM, M.Kes.
 MODUL PRAKTIKUM
ANALISA DATA

A. Tujuan Pembelajaran :
1. Tujuan Umum :
Diharapkan mahasiswa mampu melakukan pengolahan, analisa dan
penyajian data.
2. Tujuan Khusus :
Diharapkan mahasiswa mehamami dan mampu :
a. Membuat template variabel
b. Melakukan entry data
c. Melakukan transformasi data
d. Melakukan analisis data deskriptif dan membuat grafik

B. Dasar teori
Dalam melakukan sebuah kegiatan, diperlukan pengolahan dan analisa data
agar nantinya dapat ditarik sebuah kesimpulan tentang data yang dikumpulkan dan
diambil keputusan dalam penyelesaian masalah dalam kegiatan tersebut. Menurut
Patton, 1980 (dalam Moleong 2002:103) analisa data adalah proses mengatur
urutan data, mengorganisasikanya ke dalam suatu pola, kategori, dan satuan uraian
dasar. Sedangkan menurut Taylor (1975:79), analisa data dipandang sebagai proses
yang merinci usaha secara formal untuk menemukan tema dan merumuskan
hipotesis (ide) seperti yang disarankan dan sebagai usaha untuk memberikan
bantuan dan tema pada hipotesis. Dari pengertian diatas, pada dasarnya definisi
pertama lebih menitikberatkan pengorganisasian data sedangkan yang ke dua lebih
menekankan maksud dan tujuan analisa data. Dengan demikian definisi tersebut
dapat disintesiskan menjadi: Analisa data proses mengorganisasikan dan
mengurutkan data ke dalam pola, kategori dan satuan uraian dasar sehingga dapat
ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang didasarkan oleh
data.
Data yang dikumpulkan dalam kegiatan kemudian dientry.Pada dasarnya data
tidak dapat langsung dianalisa untuk mengetahui informasi yang diinginkan. Data

1
tersebut masih memerlukan pengabungan ataupun modifikasi/transformasi,
misalnya untuk keperluan analisa kita memerlukan pengelompokkan umur menjadi
dua katagori misalnya < 35 tahun dan ≥ 35 tahun. Kasus lain misalnya kita ingin
membuat variabel baru hasil gabungan dari beberapa pertanyaan tentang perilaku
kesehatan keluarga (misalnya diukur dari 6 pertanyaan), maka kita harus melakukan
aktifitas di program statistik komputer untuk menggabungkan beberapa variabel
tersebut.
Tujuan utama dari transformasi data ini adalah untuk mengubah skala
pengukuran data asli menjadi bentuk lain sehingga data dapat memenuhi asumsi-
asumsi yang mendasari analisis ragam. Perlu tidaknya modifikasi/transformasi data
dilihat pada “Definisi Operasional variabel” dari penelitian (Hastono, 2007:34)
Misal definisi operasional:
No Variabel Definisi Operasional Hasil ukur/Skala
1 Umur Lama waktu hidup diukur dari ulang 1 = < 35 tahun
tahun terakhir 2 = ≥35 tahun /Ordinal
2 Diare Kondisi buang air besar berbentuk cair 1 = Diare, jika BAB ≥3 x
lebih dari 3 kali dalam sehari dan sehari, tinja cair dan
terdapat darah dalam tinja terdapat darah dalam tinja
2 = Tidak diare, jika BAB
< 3 x sehari
3 Kebiasaan Perilaku responden dalam menjaga 1 = Baik, jika selalu
memotong kuku kebersihan kuku membersihkan kuku,
memotong kuku > 1 x
seminggu, dan kuku selalu
disikat
2 = tidak baik, jika tidak
pernah membersihkan
kuku atau memotong kuku
> 1 minggu.
4 Kebiasaan Perilaku responden dalam menjaga 1 = Baik, jika selalu
mencuci tangan kebersihan kulit tangan mencuci tangan dengan
sabun dan air mengalir
ketika akan makan, setelah
berhubungan dengan
tanah, setelah menceboki
anak, setelah memegang
benda kotor, ketika akan
menyuapi anak.
2 = tidak baik, jika tidak
mencuci tangan dengan
sabun dan air mengalir
5 Kebiasaan minum Perilaku responden dalam 1= Baik, jika
air yang sudah memanfaatkan air untuk keperluan menggunakan sumber air
dimasak minum berasal dari sumur dan
PAM yang sudah direbus
hingga mendidih untuk
keperluan minum
2 = tidak baik jika, tidak
menggunakan sumber air

2
 berasal dari sumur dan
PAM yang sudah direbus
hingga mendidih untuk
keperluan minum
6 Kebiasaan Perilaku responden dalam menyimpan 1 = Biak, jika menyimpan
menutup makanan makanan dan menutup makann yang
telah dimasak di dalam
lemari sehingga lalat tidak
dapat menjamahnya
2 + tidak baik, jika
makanan yang telah masak
tidak disimpan ditempat
yang tertutup rapat
7 Cara mencuci Perilaku responden dalam 1 = Biak, jika peralatan
peralatan makan membersihkan peralatan makan makan dicuci dengan air
bersih berasal dari sumur
atau PAM, menggunakan
sabun dan dibilas hingga
bersih
2 = tidak baik, jika
peralatan makan tidak
dicuci dengan air bersih
berasal dari sumur atau
PAM, menggunakan sabun
dan dibilas hingga bersih
8 Penggunaan Perilaku responden dalam membuang 1 = Baik, jika kotoran
Jamban air besar/kotoran/tinja dibuang pada jamban leher
angsa, tersedia air untuk
menggelontor dan jamban
memiliki penutup
2 = Tidak Baik, jika
kotoran dibuang
disembarang tempat
9 Tempat Wadah yang disediakan oleh 1 = Baik, jika dirumah
pembuangan responden untuk menapung, tersedia wadah untuk
sampah mengangkut sampah rumah tangganya menampung dan
membuang sampah dengan
penutup dan sampah
dibuang setiap hari
2 = Baik, jika dirumah
tidak tersedia wadah untuk
menampung dan
membuang sampah serta
sampah tidak dibuang
setiap hari

Berbagai program ditawarkan untuk pengolahan dan analisa data. Salah satu
program pengolahan dan analisa data yang saat ini banyak digunakan adalah
program statistik komputer.

C. Profesi/Prodi yang terlibat

3
 Profesi/Program Studi yang terlibat dalam kegiatan ini adalah Prodi Sanitasi
Lingkungan Program Sarjana Terapan Jurusan Kesehatan Lingkungan Poltekkes
Kemenkes Tanjungkarang.

D. Aktifitas pembelajaran
1. Learning Objektif
Mahasiswa mampu melakukan pengolahan, analisa dan penyajian data
2. Topik
Pengolahan, analisa dan penyajian data.
3. Setting
a. Pengolahan data
Pengolahan data melalui 4 tahapan. Tahap pertama kegiatan pengecekan
kembali terhadap instrumen yang sudah diisi apakah sudah lengkap,
jelas, relevan dan konsisten (editing). Tahap kedua memberikan kode
(coding) untuk mempermudah dan mempercepat dalam memasukkan
data. Tahap ketiga entry data, yaitu memasukkan data hasil
pengumpulan kedalam paket program pengolahan data. Dan tahap
keempat pembersihan data (cleaning) yaitu pengecekan kembali apakah
masih ada data yang salah atau terlewati saat entry (Najmah, 2011).
Sebelum entry data, harus disiapkan template sesuai dengan instrumen
yang digunakan untuk pengumpulan data. Langkah-langkahnya sebagai
berikut (Priyatno, 2008) :
1) Template variabel
a) Siapkan alat dan bahan
(1) Laptop
(2) Alat tulis
(3) Instrumen pengumpulan data (hasil pengumpulan data)
b) Instalasi program statistik komputer kedalam Laptop/Notebook
c) Buka Program statistik komputer pada Laptop/Notebook
d) Klik “Variabel View”, mulai isikan variabel yang ada dalam
instrument, dengan langkah :

4
 Name : nama variabel (dalam penulisan nama variabel tidak
menggunakan tanda baca, tidak menggunakan spasi
dan tidak ada nama variabel yang sama persis)
Type : pilih Numerik untuk data berupa angka
Pilih dateuntuk format tanggal
Pilih String untuk data berupa huruf
Witdh : Jumlah karakter yang dapat dientry
Decimals : dapat diabaikan, atau diisi dengan 0 (nol) jika tidak
menginginkan angka desimal dibelakang tanda
koma.
Label : isikan item pertanyaan pada kolom label
Values : isikan kode dan katagori yang diberi kode
Columns : besar kolom yang diinginkan
Align : perataan
Measure : dapat diabaikan

2) Entry data
Menurut Hastono (2007) langkah-langkah dalam entry data sebagai
berikut :
a) Siapkan intrument pengumpulan data yang telah dirisi oleh
responden
b) Klik “Data View”, isikan data sesuai dengan variabel yang telah
dibuat.

5
c) Transformasi
(1) Mengelompokan data
Pengelompokkan biasanya digunakan untuk merubah data
numerik menjadi katagorik, dapat dilakukan pada variabel
yang sama atau ke variabel yang berbeda. Dianjurkan
menggunakan variabel yang berbeda sehingga masih
memiliki nilai yang asli pada file data.
Contoh kita akan melakukan pengelompokkan umur menjadi
< 20 tahun, 20 – 35 tahun dan ≥ 35 tahun.
Langkah :
(a) Pilih “Transform”, sorot “Recode”, klik “Into Different
variables”
(b) Sorot variabel “umur”, lalu klik tanda panah kekanan
sehingga “umur” berpindah ke kotak Input variable 
Output variable
(c) Pada kotak Ouput variable bagian name ketik “umur1”
(nama variabel baru dengan bentuk katagorik)
(d) Klik Change, sehingga pada kotak Input variable 
Output variable terlihat umurumur1
(e) Klik Option “Old and New Value”, nampak pada kotak
Oldand New di monitor
(f) Isikan angka 20 pada bagian Old Value lowest through
dan isikan angka1 pada value di New value, klik add
(g) Pindahkan krusor ke Range through , isikan
20 pada kotak pertama dan 35 pada kotak kedua. Lalu
pindahkan krusor ke kotak “New value” isikan angka 2,
klik “add”.
(h) Pada kotak Old value Through highest ketik angka 35,
pada New Value ketik angka 3, klik add.
(i) Klil “Continue”
(j) Klik “OK, akan terliat variabel baru “umur1” sudah
terbentuk dikolom paling kanan.

6
d) Membuat variabel hasil hitung matematika
Untuk membuat variabel hasil hitung matematika pada program
SPSS, melalui langkah :
(1) Pilih “Transform”, klik “Compute”
(2) Pada kotak ”target Variable” diisi nama variabel yang akan
dibuat, sebaiknya menggunakan nama baru.
Pada kotak “Numeric expression” diisi rumus yang akan
digunakan.
Operasi matematik yang dapat digunakan :
+ = penjumlahan
/ = pembagian
* = perkalian
** = pangkat
- = pengurangan
() = kurung
Misalkan tinggi badan dalam centimeter akan dibuat menjadi
dalam meter, nama variabelnya “tinggimeter”
(3) Pada target variabel ketik tingimeter, pindahkan krusor ke
numeric expression, sorot dan pindahkan tinggi/100
(4) Klik “OK” kemudian akan muncul tinggimeter pada kolom
paling kanan.

e) Membuat variabel baru dengan kondisi

Dalam pembuatan variabel dengan beberapa kondisi yang ada,
misalnya kelompok Kebiasaan memotong kuku baik (kode 1) dan
tidak baik (kode 0). Misal varibel baru dengan nama
“potongkuku”. Kriteria potong kuku baik adalah selalu
membersihkan kuku, memotong kuku > 1 x seminggu, dan kuku
selalu disikat.

Langkah pertama:
(1) Pilih “Transform”, sorot “Compute”
(2) Pada target variabel ketik potongkuku

7
(3) Pada numeric expression ketik“0”
(4) klok “OK” terlihat pada kolom paling kanan terbentuk
variabel “potongkuku” dengan semua sel berisi angka 0.
Langkah kedua :
Membuat variabel pototngkuku baik (kode 1) untuk orang yang
selalu membersihkan kuku (nama variabel B1), memotong kuku
> 1 x seminggu (nama variabel B3), dan kuku selalu disikat (nama
variable B4).
(1) Pilih “Transform”, sorot “Compute”
(2) Pada target variabel ketik potongkuku
(3) Pada numeric expression ganti angka 0 menjadi angka “1”
(4) klik tombol “IF”, akan muncul kotak dialog “Compute
variabel : If Cases”
(5) Klik Include if case satisfies condition.
(6) Klik B1 pindahkan pada kotak option include ... ketik =1&,
klik B2 pindahkan pada kotak option include ... ketik =2&,
dan seterusnya, sehingga bertuliskan :
B1=1 & B2=1 & $3=1
(7) Klik “Continue”
(8) Klik “OK”
(9) Selanjutnya pada kolom variabel “potongkuku” akan
tampak berisi data 1 dan 0
(10) Untuk memberikan informasi bahwa 1 adalah kode untuk
potongkuku baik dan 0 untuk kode potongkuku tidak baik,
klik variabel view
(11) Sebaris dengan perilaku klik ... (titik tiga) pada value
(12) Ketik angka 1 pada value, ketik baik pada label, klik add.
(13) Ketik angka 0 pada value, ketik tidak baik pada label, klik
add –OK.

8
f) Memilih sebagian data
Dalam kondisi tertentu seringkali kita hanya menginginkan
mengolah dan menganalisis sebagain data saja. Sebagai contoh
misal kita ingin mengolah data untuk orang yang menderita diare
saja, caranya :
1) Pilih menu Data
2) Pilih “Sellect cases”
3) Klok pada tombol : if condition is satisfied”
4) Klik “If”
5) Ketik dan sorot diare dan tuliskan kondisinya yaitu : diare =
1
(14) Klik “Continue”
(15) Klik “OK”
Perhatikan editor ada beberapa kasus yang tercoret artinya
dikeluarkan dari data yang akan dianalisa.

g) Menggabungkan file data

Dalam pengelompokkan data seringkali kita mempunyai lebih
dari 1 file data yang harus digabungkan sebelum kita analisa.
Teknik penggabungan ada dua jenis yaitu penggabungan
responden dan penggabungan variabel.
(1) Penggabungan responden/kasus
Pastikan anda sudah memasukkan data kedua file, misal data
pertama dengan nama data1.sav dan data kedua dengan nama
data2.sav
(a) File “data1.sav” dalam kondisi aktif
(b) Klik “data” sorot “Merge files”.
(c) Klik “Add Cases”
(d) Klik open
(e) Isikan pada kotak File Name : data2.sav
(f) Klik “OK”

9
 (g) Untuk menyimpan file gabungan klik “Save As” dan beri
nama baru
(2) Penggabungan variabel
Misal data pertama berisi no, umur dan didik
No umur didik
1 20 1
2 32 3
3 21 2
4 25 4

Data kedua berisi : kerja, suku

Kerja Suku
1 1
2 1
1 2
1 1
Langkah :
(a) File data3.sav dalam kondisi aktif
(b) Klik “data” sorot “Merge files”.
(c) Klik “Add Variables”- OK
(d) Maka akan diperoleh hasil penggabungan sebagai berikut :
No umur didik Kerja Suku
1 20 1 1 1
2 32 3 2 1
3 21 2 1 2
4 25 4 1 1

(e) Untuk menyimpan file gabungan klik “Save As” dan beri
nama baru

h) Menyimpan hasil olahan/hasil analisis

Hasil olahan akan ditampung dalam jendela output (output
windows). Prosedur yang dapat digunakan untuk edit teks seperti
cut, copy dan paste dapat digunakan pada jendela ini. Bila akan
menyimpan langkahnya :
(1) Pilih “File”
(2) Pilih “Save SPSS Output” - OK

10
b. Analisis data
1) Analisa data Deskriptif
(a) Pada menu bar, pilih Analyze – Descriptive Statistic –
Frequencis

(b) Klik variabel yang akan dianalisa (misal : Jenis kelamin),

pindahkan ke kotak variabel(s) dengan mengklik tanda

(c) Klik statistik, pilih Sum (untuk data katagorik) pada Central
Tendency – continue

11
(d) Untuk menghasilkan analisis dengan output grafik, klik chart–
kemudian pilih jenis grafik (misal piechart) –pilih jenis grafik
yang diinginkan pada charts type, yang tersedia bar charts, pie
charts dan histogram
(e) Untuk menampilkan jumlah pada masing-masing katagori, klik
frequences pada charts value.
(f) Kemudian klik continue – OK

(g) Akan tampil output analisis data sebagai berikut :

Output data dalam bentuk tabel :

Output data dalam bentuk grafik sebagai berikut :

12
Jumlah atau persentase dari masing-masing bagian belum tampak
pada output. Untuk memunculkannya, double klik pada gambar
grafik, klik kanan pada bagian grafik kemudian klik show data label
seperti gambar berikut :

13
d. Penyajian data
1) Data dengan Output tabel
Output data disajikan sebagai berikut :

Tabel 1
Distribusi Responden Berdasarkan Jenis Kelamin
di Desa X Kecamatan Y Kabupaten Z Tahun 2020

JENIS KELAMIN JUMLAH PERSENTASE

Laki-Laki 55 94.8
Perempuan 3 5.2
Total 58 100.0

Contoh Interpretasi tabel:

Tabel diatas menggambarkan sebagian besar responden berjenis
kelamin laki-laki yaitu sebesar 94,8% dan sisanya (5,2%) berjenis
kelamin perempuan.

2) Data dengan Output Grafik

Gambar 1
Distribusi Responden Berdasarkan Tingkat Pendidikan
di Desa X Kecamatan Y Kabupaten Z Tahun 2020

14
 Contoh Intepretasi data:
Dari grafik diatas dapat dijelaskan bahwa sebagian besar (40,00%)
responden dengan pendidikan tamat SLTP, 28% reponden berpendidikan
Tamat SLTA, responden tamat perguruan tinggi dan tamat SD memiliki
persentase yang sama yaitu 12,00% sedangkan 8,00% reponden tidak
sekolah.

4. Metode Pembelajaran
Simulasi

E. Asesmen : Praktik pengolahan, analisa dan penyajian data

15
 DAFTAR PUSTAKA

Moleong, Lexy, 2002, Metode Penelitian Kualitatif, CV. Remaja,Bandung.

Bogdan dan Taylor. 1975. Metodologi Penelitian Kualitatif. Remadja Karya,

Bandung.

Priyatno, Dwi, 2008. Mandiri belajar SPSS. PT. Buku Kita, Yogyakarta.

Hastono, Sutanto Priyo, 2007.Analisis Data Kesehatan. FKM-UI, Jakarta

Najmah, 2011. Manajemen dan Analisa Data Kesehatan, Kombinasi Teori dan
Aplikasi SPSS. Nuha Medika, Yogyakarta.

16