Keterampilan Komputer Blok 5 ke Dua

Pokok Bahasan : Statistik Deskriptif (analisis univariabel)

Sub Pokok Bahasan
: 1. Analisis deskriptif data kategorik
2. Penyajian data kategorik
3. Analisis deskriptif data numerik
4. Uji Normalitas distribusi data numerik
5. Penyajian data numerik

2.1 TUGAS
1. Buatlah label dan value pada variabel berikut ini
a. Variabel umur_klp
 kategori umur_klp : 1. Risiko tinggi (<20 tahun dan > 35 tahun)
2. Tidak berisiko (20-35 tahun)
b. Variabel Hb_klp
 kategori Hb_klp : 1. Anemia < 11
2. Normal ≥ 11
c. Variabel BBLR
 kategori BBLR : 1. BBLR <2500 gram
2. Normal ≥2500 gram
d. Variabel Risk_rokok.
 Kategori Risk_rokok : 1. Risiko tinggi dan merokok
2. Tidak berisiko dan tidak merokok
2. Lakukan analisis univariabel pada data BBLR_2016.SAV
Dengan menggunakan file BBLR_2016.SAV Buatlah analisis deskriptif untuk variabel
a. Berat badan ibu sebelum hamil dan setelah melahirkan
b. Riwayat hipertensi
c. Berat badan bayi
d. Tingkat pendidikan
e. Status BBLR
f. Umur_klp
g. Hb_klp
2. Ujilah normalitas data variabel numerik pada soal no 2?
3. Dari hasil output buatlah tabel distribusi dan interpretasinya!

2.2 SASARAN BELAJAR

Setelah mengikuti keterampilan komputer ini, mahasiswa mampu :
a. Melakukan analisis deskriptif pada data kategori
b. Menyajikan hasil analisis data kategorik dan interpretasinya
c. Melakukan analisis deskriptif data numerik
d. Melakukan uji normalitas distribusi data numerik
e. Menyajikan hasil analisis data numerik dan interpretasinya
2.3 STATISTIK DESKRIPTIF
2.3.1 Pendahuluan
Tujuan dari analisis adalah menjelaskan/mendeskriptifkan karakteristik masing-
masing variabel yang diteliti. Dalam analisis data kuantitatif kita akan menemukan pada
kumpulan data yang besar/banyak yang belum jelas maknanya. Fungsi analisis adalah
menyederhanakan atau meringkas kumpulan data hasil pengukuran sedemikian rupa
sehingga kumpulan data tersebut berubah menjadi informasi yang berguna. Ringkasan
tersebut berupa ukuran-ukuran statistik, tabel, dan juga grafik. Jenis data yang akan
diringkas sangat menentukan bentuk peringkasan data apakah numerik atau kategorik.
Statistik deskriptif berupa frekuensi dan nilai-nilai pusat (central tendency).
Frekuensi biasanya dimunculkan dalam bentuk proporsi atau persentase untuk data atau
variabel kategorik. Sedangkan nilai pusat berupa nilai tengah dan nilai sebaran (mean,
median, SD, SE, dll) untuk data atau variabel numerik.
Bentuk penyajian analisis univariabel dapt berupa tabel atau grafik. Hal yang
penting untuk diperhatikan bahwa dianjurkan hanya memilih salah satu bentuk penyajian,
tidak diperbolehkan secara sekaligus menggunakan tabel dan juga grafik dalam
menyampaikan informasi suatu data atau variabel.

2.3.2 Analisis deskriptif untuk data kategori

Pada data kategorik ringkasan data hanya menggunakan distribusi frekuensi
dengan ukuran presentase atau proporsi. Misalnya, proporsi mahasiswi sebanyak 60%
dan proporsi mahasiswa sebanyak 40%.
Langkah analisis data kategorik, yaitu :
1. Pada SPSS data editor, dari menu utama pilih ANALYZE  DESCRIPTIVE
STATISTIC  FREQUENCIES kemudian muncul tampilan gambar dibawah ini
2. Sorot pada variabel yang diinginkan, klik tanda panah dan masukkan ke dalam kotak
VARIABLE(S). Kotak VARIABLE(S) ini dapat diisi lebih dari satu variabel apabila data
kategorik yang akan dianalisis lebih dari satu variabel.
3. Klik OK, hasil analisis dapat dilihat di jendela output
2.3.3 Penyajian data kategorik
Dari hasil analisis yang diperoleh di jendela output, angka-angka tersebut kita
masukkan ke dalam tabel penyajian di laporan penelitian. Adapun hasil output dari SPSS
yang kita peroleh hsebagi berikut :
 Hasil output analisis tidak diperbolehkan langsung di-copy dan kemudian di-paste-
kan kedalam laporan penelitian akan tetapi harus dibuat tabel penyajian data. Penyajian
data mempunyai prinsip efisiensi yaitu data yang disajikan hanya informasi penting saja
(tidak semua output disajikan dalam laporan). Berikut contoh tabel penyajian data,

Tabel 2.1 Distribusi frekuensi status merokok

Merokok Jumlah Persentase
Tidak Merokok 115 60,8
Merokok 74 39,2
Total 189 100,0

Salah satu contoh interpretasi hasil :

Distribusi frekuensi status merokok dapat dilihat pada tabel 2.1. Dari tabel dilihat bahwa
sebagian besar responden tidak merokok yaitu sebanyak 60,8 % dan sebanyak 39,2 %
responden merokok.
Dalam interpretasi hasil, cara menginterpretasi tidak mutlak harus seperti contoh.
Interpretasi hasil boleh disampaikan dengan berbagai cara penyampaian tidak ada
patokan baku, yang terpenting dapat menggambarkan hasil analisis.

2.3.4 Analisis deskriptif data numerik

Pada data numerik atau kontinyu, peringkasan data dapat dilakukan dengan
melaporkan ukuran tengah dan sebarannya, ukuran tengah yang dapat digunakan adalah
rata-rata, median dan modus. Sedangkan ukuran sebar yang dapat digunakan adalah
nilai minimum, maksimum, range, standar deviasi dan persentil.
1. Ukuran tengah
a. Mean/rata-rata adalah ukuran rata-rata yang merupakan hasil dari jumlah semua
nilai pengukuran dibagi oleh banyaknya pengukuran. Keuntungan nilai mean
adalah mudah menghitungnya dan sudah melibatkan seluruh data dalam
perhitungannya. Kelemahan dari nilai mean adalah sangat dipengaruhi oleh nilai
ekstrim sehingga distribusi data menjadi menceng atau miring.
b. Median adalah nilai dimana setengah banyaknya pengamatan mempunyai nilai
dibawahnya dan setengahnya lagi mempunyai nilai di atasnya. Nilai median tidak
dipengaruhi oleh nilai ekstrim.
c. Mode/modus adalah nilai pengamatan yang mempunyai frekuensi/jumlah
terbanyak.
d. Bentuk distribusi data, hubungan nilai mean, median, dan modus akan
menentukan distribusi data.
 Bila nilai mean, median, dan modus sama maka bentuk distribusi datanya
normal
 Bila nilai mean > median >modus maka bentuk distribusi datanya menceng ke
kanan
  Bila nilai mean < median <modus maka bentuk distribusi datanya menceng ke
kiri
2. Ukuran variasi
a. Range adalah ukuran variasi yang paling dasar, dihitung dari selisih nilai terbesar
dengan nilai yang terkecil. Kelemahannya dipengaruhi oleh nilai ekstrim.
b. Jarak inter quartile adalah pembagian data menjadi 4 bagian yang dibatasi oleh tiga
kuartil, yaitu kuartil I, kuartil II, dan kuartil III
c. Standar deviasi merupakan variasi data yang diukur melalui penyimpangan/deviasi
dari nilai-nilai pengamatan terhadap nilai meannya.
Langkah analisis data numerik terdapat dua cara analisis dengan menu DESCRIPTIVES
dan EXPLORE, yaitu :
A. Langkah analisis data numerik dengan menu DESCRIPTIVES, yaitu :
1. Pada SPSS data editor, dari menu utama pilih ANALYZE  DESCRIPTIVE
STATISTIC  DESCRIPTIVES kemudian muncul tampilan gambar berikut ini

2. Masukkan variabel numerik yaitu umur ibu dari kotak sebelah kanan ke kotak
variables di sebelah kiri.
3. Klik kotak option lalu contreng analisis yang kita inginkan

4. Setelah selesai klik continue dan ok, hasil analisi dapat dilihat di jendela output
B. Langkah analisis data numerik dengan menu EXPLORE, yaitu :
1. Pada SPSS data editor, dari menu utama pilih ANALYZE  DESCRIPTIVE
STATISTIC  EXPLORE kemudian muncul tampilan gambar berikut ini
 2. Setelah muncul kotak EXPLORE masukkan variabel numerik umur ibu ke kotak
dependen list.
3. Dilanjutkan klik kotak OK. Hasil analisis dapat dilihat dijendela output.

Seperti halnya pada analisis data kategori, pada data analisis numerik bila kita
menemukan data numerik yang akan dimasukkan jumlahnya lebih dari satu bisa langsung
dianalisis sekaligus.

2.3.5 Uji Normalitas distribusi data numerik

Analisis data numerik kan lebih lengkap apabila dilanjutkan dengan uji normalitas
data. Uji normalitas sangat diperlukan apabila kita ingin menganalisis data menggunakan
uji statistik parametrik. Distribusi normal merupakan prasyarat yang harus dipenuhi agar
bisa dilakukan uji statistik parametric.
Uji normalitas data dengan jumlah sampel kurang dari 50 orang sebaiknya
menggunakan menu EXPLORE, karena hasil uji analisis Shapiro-Wilk yang digunakan.
Sedangkan apabila jumlah sampel lebih dari 50 sebaiknya uji normalitas data
menggunakan menu non parametrik 1 KS.
A. Langkah analisis data numerik dengan menu EXPLORE, yaitu :
1. Lakukan langkah 1 dan langkah 2 menu EXPLORE lanjutkan klik PLOT maka
akan muncul tampilan berikut, centang kotak Normality Plots With Test lanjutkan
klik kotak CONTINUE kemudian klik ok
2. Setelah klik OK, hasil dapat dilihat dijendela output
Apabila diperhatikan pada histogram ternyata distribusi data umur ibu tidak
normal. Distribusi tersebut miring ke kanan

Dari Q-Q plot dapat dilihat bahwa distribusi data tidak normal, dikarenakan
sebaran data ada yang tidak disekitaran garis. Pada distribusi normal, data akan
tersebar di sekitar garis.
Dari Detrended normal Q-Q plot, data yang didapatkan tidak normal dikarenakan data
tidak tersebar disekitar garis (angka nol). Pada distribusi normal data akan tersebar di
sekitar garis.

Dari hasil Boxplot, dapat dilihat data tidak normal dikarenakan terdapat data outlier
yang ditandai dengan adanya titik hitam. Data Ekstrem ditandai dengan tanda bintang.
Pada boxplot suatu data dikatakan normal apabila :
 Nilai median ada ditengah-tengah kotak
 Nilai Whisker terbagi secara simetris ke atas dank e bawah
 Tidak ada nilai ekstrem ataupun outlier
B. Langkah analisis data numerik dengan menu Kolmogov-Smirnov, yaitu :
1. Pada SPSS data editor, dari menu utama pilih ANALYZE  NON PARAMETRIC
TEST à 1 SAMPLE KS
2. Masukkan variabel numerik umur ke kotak TEST VARIABLE LIST

3. K
li
k

ok, hasil analisis dapat dilihat di jendela output

 C. Interpretasi uji normalitas data
Dari jumlah sampel sebanyak 189 sampel, maka uji normalitas data yang cocok untuk
variabel umur ibu adalah menggunakan uji kolmogorov-smirnov. Dari uji Kolmogorov-
Smirnov disimpulkan bahwa pada alpha 0,05 distribusi data umur ibu normal (Ho
gagal ditolak). Nilai P value > 0,05.
Ho = disribusi data sama dengan distribusi normal
Ha = distibusi data tidak sama dengan distribusi normal
Dari hasil uji dengan menggunakan grafik dan analitis terdapat perbedaan hasil uji.
Dalam beberapa kasus hal ini memang sering terjadi, untuk kesepakatan sebaiknya
uji normalitas kita menggunakan cara analitis karena uji normalitas menggunakan
grafik, nilai subjektifitas sangat besar pengaruhnya. Setiap orang akan membaca
grafik dengan interpretasi berbeda-beda.

2.3.6 Penyajian data numerik

1. Hasil Output Menu Descriptives
  Dari hasil output dapat dilakukan estimasi interval dari umur ibu (mean±Z.SE
mean)
 23,24±1,96.0,385
 Kesimpulan kita yakin 95% bahwa rata-rata umur ibu di populasi berada pada
selang 22,49 sampai 23,99 tahun
2. Hasil Output Menu Explore

Dari hasil output estimasi selang 22,48 sampai 24,00 (nilai tidak berbeda jauh dengan
hasil perhitungan sebelumnya)
3. Penyajian hasil output
Variabel Mean Median SD Min-Max 95% CI
Umur Ibu 23,24 23,00 5,30 14-45 22,48-24,00

Berdasarkan tabel diperoleh gambaran rata-rata umur ibu adalah 23,24 tahun (95% CI :
22,48-24,00). Median 23,00 dengan standar deviasi 5,30. Umur termuda ibu 14 tahun dan
umur tertua 45 tahun. Dari hasil estimasi interval dapat disimpulkan bahwa 95% yakin
bahwa rata-rata umur responden adalah 22,48 tahun sampai dengan 24,00 tahun.

TUGAS DIKUMPULKAN PALING LAMBAT 2 MINGGU SETELAH TRAMKOM

1. Tugas dikumpulkan dalam berupa soft file dan hard copy
2. File berupa .SAV dan .SPV , Word (disave as nama&NPM)
3. File dikumpulkan perkelompok dalam 1 folder
4. File di print perorangan dan dikumpulkan di ketua kelompok kemudian dijilid lakban
plastik perkelompok
5. Soft file dan hard copy dikumpulkan ke ketua angkatan