ANALISIS DATA POKOK BAHASAN

STATISTIK

1. pengukuran
2. skala pengukuran
3. analisis univariat
4. analisis bivariat
5. analisis multivariat
6. tabel analisis data statistik

PENGUKURAN Syarat pengukuran

isomorfisme, yaitu ukuran harus sedekat mungkin

 Pengukuran adalah penunjunkan angka-2 pada suatu
variable
 Pengukuran membutuhkan alat ukur/ instrumen yang
standar, baik alat maupun kuesioner
 Pengukuran adalah mendapatkan dimensi kuantitas
suatu objek, misalnya berat badan, jumlah pasien
dengan benda/ kejadian yang diukur (terkadang
yang dapat diukur hanya indikatornya, berkeringat).
exhaustive, yaitu pengukuran harus meliputi
seluruh kemungkinan yang ada
mutually exlusive, yaitu pengukuran tidak boleh
tumpang tindih

Skala pengukuran Skala nominal

 merupakan tingkat pengukuran yg paling sederhana

Hasil suatu pengukuran untuk analisis data dapat
untuk klasifikasi data
dibagi dalam 4 skala :  tidak ada asumsi jarak atau urutan antara angka-2
 dasar penggolonganya mutualy exclusive & exhautive
 skala nominal  kode atau angka tak menunjukan rendah ke tinggi
 skala ordinal atau sebaliknya
 skala interval
 skala rasio Misalnya
 variabel jenis kelamin : 1= pria dan 2 = wanita
 warna, partai, lokasi, dsb
 Skala ordinal Skala interval

 merupakan tingkat pengukuran yang mempunyai  memberikan informasi tentang interval antara satu
urutan dari rendah ke tinggi kode/ angka dengan yang lain
 kode atau angka sekedar menunjukan urutan  merupakan tingkat pengukuran urutan dari rendah ke
bukan nilai tinggi

misalnya misalnya
 variable sikap : 3 = “setuju”, 2 = “ragu-ragu/ tidak  variable nilai ujian : A = 86-99, B = 76-85, C = 66-75
berpendapat, dan 1= “tidak setuju” D = 56-65
 pendidikan (SD, SLTP, SLTA, perguruan tinggi)

Skala ratio Hubungan antara skala pengukuran

 merupakan tingkat pengukuran urutan dari rendah ke

tinggi KRITERIA NOMINAL ORDINAL INTERVAL RASIO
 memberikan informasi tentang nilai sebenarnya
ASUMSI URUTAN - + + +
responden/ objek yang diukur
 menggambarkan interval antara kode/angka dgn nilai 0 ASUMSI JARAK - - + +
Misalnya TITIK 0 ABSOLUT - - - +
 variable nilai ujian dari 0 - 100
Skala yg lebih tinggi dapat diubah menjadi skala yg lebih
rendah, dan tidak sebaliknya.

Konsep Konsep

 Uji statistik dilakukan untuk menentukan apakah

perbedaan/hubungan yang terlihat pada sampel
benar-benar ada atau kebetulan ada akibat
pengambilan sampel saja
 Hasil uji statistik berupa: “probabilitas peneliti
memperoleh hasil seperti pada sampel atau lebih
ekstrim jika hipotesis nol benar”
 Probabilitas hasil penelitian sejalan dengan
hipotesis nol”
 Jika p besar maka H0 diterima, jika p kecil H0
ditolak
 Besar kecilnya probabilitas ditentukan oleh a, -
probabilitas peneliti untuk menolak H0 jika di
populasi H0 benar
 Konsep
Perlu diperhatikan dalam analisis data
 Jika peneliti menolak H0:
 Dapat terjadi kesalahan tipe 1 (a), peneliti salah

mengambil kesimpulan karena sebenarnya di
populasi hipotesis nol benar (tidak ada hubungan)
 Jika peneliti menerima H0:
 Dapat terjadi kesalahan tipe 2 (b), peneliti salah
mengambil kesimpulan karena di populasi hipotesis
nol salah (ada hubungan)
 Signifikan statistik TIDAK SAMA dengan signifikan
substansi karena perbedaan yg kecil dapat signifikan
secara statistik karena penggunaan sampel yg besar
 Membandingkan dan melakukan tes teori atau
konsep dengan informasi yang ditemukan
 Mencari dan menemukan adanya konsep baru
dari data yang dikumpulkan
 Mencari penjelasan apakah konsep baru ini
berlaku umum, atau baru terjadi bila ada
prakondisi tertentu

Urutan analisis data ANALISIS UNIVARIAT

Analisis univariat adalah analisis satu variabel

 Analisis univariat adalah analisis satu variabel

 Analisis bivariat adalah analisis hubungan 2 variabel

Misalnya
 distribusi frekuensi
 Analisis multivariat adalah analisis hubungan lebih
 nilai rerata
 variasi
 persentase
dari 2 variabel secara bersama dgn mengontrol
variabel lain

Kegunaan analisis univariat Contoh analisis univariat

1. Salah satu cara melihat adanya kesalahan koding

atau entry data
 jawaban di luar area penelitian
 data yang sangat ekstrim mengganggu nilai rerata
 data yang tidak konsisten, misalnya variabel seks
pria tetapi variabel kehamilan positif
 jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis
2. Mendeskripsikan suatu fenomena dengan baik.
3. Perincian/ gambaran besarnya suatu fenomena
4. Petunjuk pemecahan masalah
5. Persiapan analisis bivariat atau multivariat
 Contoh analisis bivariat
ANALISIS BIVARIAT
uji Chi-square

Analisis bivariat adalah analisis hubungan 2 variabel

yg dapat bersifat :

(a) simetris tak saling mempengaruhi

(b) saling mempengaruhi

(c) variabel satu mempengaruhi variabel lain

Contoh analisis bivariat ANALISIS MULTIVARIAT

uji korelasi

 Untuk mengontrol confounder & effect modifier

 Jika confounder & effect modifier sudah dapat

dikontrol pada tahap desain, analisis dapat
lebih sederhana (non multivariat)

 Prinsip: model parsimonius (valid, precise &

simple)

TABEL ANALISIS DATA STATISTIK

VARIABLE VARIABLE INDEPENDEN

Contoh analisis multivariat DEPENDEN

NOMINAL ORDINA L I NTERVAL/RA TIO

uji regresi logistik ganda NOMINAL DIKOTOM Difference proportion test Kruskal-
wallis
Logistic multiple
regression
Chi-square Friedman’s Discriminant
2 way analysis
F isher’s exact test

P hi-coeficient

POLITOM Chi-square

K endall’s VCT

ORDINAL Rank-order Ubah var. ordinal

correlation jadi var. nominal
Man-whitney Kendal’s
tau
K ormogrof-smirnov Gamma atau interval ke
Coefficiens ordinal memakai
teknik yang sesuai

INTERVAL/ RATIO Dikotom : Politom : Ubah

ordinal jadi
A nova Anova- nominal Multiple correlation
interclass
t-test DVMR atau Multiple regression
Dummy var.interval
sign test Multiple ke variabel Path-analisis
classif ication ordinal
U-test Cross memakai Partial regression
classif ication teknik yang