ANALISIS
DATA
PENDAHULUAN
1
STATISTIK dan PENELITIAN
Statistik dalam arti sempit berarti angka/data. Sedangkan dalam arti luas statistik
sebagi suatu prosedur atau metode pengumpulan data, pengolahan data,
analisis data dan penyajian data. Sedangkan penelitian adalah cara ilmiah untuk
mendapatkan data dengan tujuan dan kegunaan tertentu.
Data yang diperoleh melalui penelitian harus akurat, artinya data yang dihasilkan
harus memenuhi kriteria: valid, reliabel dan obyektif. Valid artinya
ketepatan/kecermatan pengukuran, artinya ketepatan antara data yang
sesungguhnya terjadi pada obyek dengan data yang dapat dikumpulkan oleh
peneliti. Misalkan data dalam obyek berwarna merah, maka data yang terkumpul
oleh peneliti juga berwarna merah. Contoh lain, kita akan mengukur waktu
lomba lari cepat, kalau mengukurnya dengan jam tangan tentunya hasilnya tidak
valid, untuk lomba lari cepat akan valid bila menggunakan alat Stop watch.
Contoh lain, bila survei melakukan wawancara dengan orang pedesaan Cianjur
tidak valid kalau wawancaranya menggunakan bahasa batak, akan valid bila
menggunakan bahasa sunda.
2
SUTANTO PRIYO HASTONO: Analisis Data
4. Jenis Data
Dalam menggunakan statistik perlu dipahami benar mengenai definisi data
dan jenis-jenis data. Data merupakan kumpulan angka/huruf hasil dari penelitian
terhadap sfat/karakteristik yang kita teliti. Isi data pada umumnya bervariasi
(misalnya data berat badan dalam suatu kelompok orang ada yang beratnya 60
kg, 50 kg, 75 kg dst) sehingga muncul istilah variabel. Jadi variabel merupakan
3
SUTANTO PRIYO HASTONO: Analisis Data
4
SUTANTO PRIYO HASTONO: Analisis Data
antara A dan B adalah 30 kg, berat b dua kali lebih tinggi dari berat A. berat
0 kg, ini berarti tidak ada berat (tidak ada bendanya) sehingga ada nol
mutlak.
Dalam analisis seringkali digunakan pembagian data/variabel menjadi dua
kelompok yaitu; data katagorik dan data numerik.
a. Katagorik (kualitatif), merupakan data hasil
pengklasifikasian/penggolongan suatu data. Cirinya: isisnya berupa kata-kata.
Contoh; sex, jenis pekerjaan, pendidikan
b. Numerik (kuantitatif), merupakan variabel hasil dari penghitungan dan
pengukuran. Cirinya: isi variabel berbentuk angka-angka. Variabel numerik
dibagi menjadi dua macam: Diskrit dan Kontinyu.
Diskrit merupakan variabel hasil dari penghitungan. Misalnya jumlah anak,
jumlah pasien tiap ruang, kontinyu merupakan hasol dari pengukuran,
misalkan tekanan darah, Hb dll.
Variabel katagorik pada umumnya berisi variabel yang berskala nominal dan
ordinal. Sedangkan variabel numerik berisi variabel yang berskala interval dan
rasio.
Dalam analisis statistik, seringkali data numerik diubah ke dalam data
katagorik dengan cara dilakukan pengelompokan/pengklasifikasian. Misalnya
variabel berat badan data riilnya merupakan data numeric, namun bila
dikelompokkan menjadi kurus (<50 kg), sedang (50-60 kg) dan gemuk (>60 kg)
maka jenis variabelnya sudah berubah menjadi katagorik.
5
SUTANTO PRIYO HASTONO: Analisis Data
PENGOLAHAN
DATA
6
SUTANTO PRIYO HASTONO: Analisis Data
7
SUTANTO PRIYO HASTONO: Analisis Data
8
SUTANTO PRIYO HASTONO: Analisis Data
Dari tampilan di atas kendati jumlah total sudah benar 100, namun
terlihat ada data yang salah, yaitu munculnya kode pendidikan angka 7
yang berjumlah 4 pasien. Seharusnya variabel pendidikan variasi
angkanya hanya dari angka 1 s.d. 4.
9
SUTANTO PRIYO HASTONO: Analisis Data
Keterangan:
* = ada 2 responden dengan umur 15 tahun dan anaknya ada 10 orang (ada
kesalahan entry data!!!)
10
SUTANTO PRIYO HASTONO: Analisis Data
2. ENTRY DATA
Setelah kita mengetahui langkah-langkah pengolahan data, selanjutnya
akan dibahas entry data menggunakan SPSS. Kepanjangan dari SPSS yaitu
Statistical Program For Social Science. SPSS merupakan paket program ststistik
yang berguna untuk mengolah dan menganalisis data penelitian. Dengan SPSS
semua kebutuhan pengolahan dan analisis data dapat diselesaikan dengan
mudah dan cepat. Kemampuan yang dapat diperoleh dari SPSS meliputi
pemrosesan segala bentuk file data, modifikasi data, membuat tabulasi
berbentuk distribusi frekuensi, analisis statistik deskriptif, analisis lanjut yang
sederhana maupun komplek, pembuatan grafik, dsb. Perkembangan program
SPSS sangat cepat dimulai dari program SPSS/PC+(masih under DOS) kemudian
berkembang menjadi SPSS for Windows dari versi 6 dan berkembang terus
sampai sekarang sudah memasuki versi 11. Dan untuk latihan digunakan SPSS
for Windows versi 10.
a. MEMANGGIL SPSS
Pertama kali anda harus pastikan bahwa komputer sudah ter-install program
SPSS for Windows. Untuk memanggil program SPSS dapat dilakukan dua cara :
Pertama :
Bila tampilan pertama komputer sudah muncul Icon SPSS, maka klik dengan
mouse icon tersebut dua kali.
Kedua :
Bila di layar belum ada icon SPSS, maka klik “Start”, pilih “File Program” dan
sorot “SPSS” dan klik dua kali.
Di dalam operasionalnya, SPSS mengenal 2 jenis jendela (Window) yang utama
yaitu:
a. SPSS Data Editor
11
SUTANTO PRIYO HASTONO: Analisis Data
Jendela ini berisis tampilan data yang kita olah dan analisis dengan tampilan
sejenis Spreadsheet (seperti tampilan Program Excel).
b. S
PSS Output
Hasil olahan (hasil analisis) yang anda lakukan akan ditampilkan pada Output
window. Window ini merupakan teks editor, artinya dapat mengedit hasil
analisis yang ditampilkan.
12
SUTANTO PRIYO HASTONO: Analisis Data
b. tampilan variabel
Sistem kerja SPSS for Windows dikendalikan oleh menu (bar menu)./ Bar menu
terletak di sebelah atas dengan urutan dari kiri ke kanan sbb: File, Edit, View,
Data, Transform, Analyze, Graphs, Utilities, Window, Help.
⑨ File: digunakan untuk membuat file data baru, membuka file data yang telah
tersimpan (ekstensi SAV), atau membaca file data dari program lain, seperti
dbase, excell dll.
⑨ Edit: digunakan untuk memodifikasi, mengcopy, menghapus, mencari, dan
mengganti data.
⑨ View: digunakan untuk mengatur tampilan font, tampilan kode/label ⑨ Data:
digunakan untuk membuat/mendefinisikan nama variabel, mengambil/
menganalisis sebagian data, menggabungkan data.
⑨ Transform: digunakan untuk transformasi/modifikasi data seperti
pengelompokan variabel, pembuatan variabel baru dari
perkalian/penjumlahan variabel yang ada dll.
13
SUTANTO PRIYO HASTONO: Analisis Data
14
SUTANTO PRIYO HASTONO: Analisis Data
Note: yang sering digunakan adalah tipe Numerik, karena data yang akan kita
olah biasanya berbentuk angka.
15
SUTANTO PRIYO HASTONO: Analisis Data
POLA MENYUSUI
Nomor Responden
1. Berapa umur ibu? …. Tahun
2. pendidikan ibu yang telah ditamatkan?
1. SD 2. SMP 3. SMU 4. PT
3. Apakah ibu bekerja?
0. bekerja 1. Tidak bekerja
4. Berapa berat badan ibu ? … kg
5. Apakah ibu menyusui secara Eksklusif (menyusui sampai usia bayi 4 bulan)?
0. tidak 1. ya
6. a.Kadar Hb ibu pengukuran pertama : …. gr%
b.Kadar Hb ibu pengukuran kedua : …. gr%
7. Berat badan bayi ibu? …….gram
PERTANYAAN SIKAP
1. Bayi yang baru lahir sesegera mungkin diberi ASI?
1. STS 2. TS 3.KS 4. S 5.SS
2. Bayi yang baru lahir diberi kolostrum
1. STS 2. TS 3.KS 4. S 5.SS
3. Bayi sejak lahir sampai usia 4 bulan hanya diberi ASI saja?
1. STS 2. TS 3.KS 4. S 5.SS
4. ASI diberikan sampai bayi berusia 2 tahun?
1. STS 2. TS 3.KS 4. S 5.SS
16
SUTANTO PRIYO HASTONO: Analisis Data
17
SUTANTO PRIYO HASTONO: Analisis Data
18
SUTANTO PRIYO HASTONO: Analisis Data
c. Variabel Pendidikan
Proses pembuatannya sama dengan ketika membuat variabel No sbb: 1.
Sekarang pada kolom name ketik nama variabel Didik, kemudian 2.
Pindahkan kursor ke kolom Type.. Untuk variabel Didik k arena datanya
yang akan masuk berbentuk angka berarti anda pilih numeric (secara
otomatis SPSS memberikan default Numeric, jadi abaikan saja untuk isi
kolom Type jangan diubah)
3. Gerakkan kursor ke sebelah kanan ke bagian Width, p
ada bagian ini anda
juga dapat mengatur lebar kolom dan desimal sesuai kebutuhan. Secara
20
SUTANTO PRIYO HASTONO: Analisis Data
standar lebar kolom sudah diatur SPSS, lebar kolom (Width) 8 karakter,
jadi abaikan/biarkan saja untuk width nya
4. Geser kursor ke kanan masuk ke kolom Decimal, SPSS secara otomatis
memberi ruang untuk 2 desimal, untuk variabl Didik tentunya berbentuk
bilangan bulat jadi kolom Decimal diberi angka 0 atau dikosongkan.
5. Geser kursor kekanan ke kolom Label, k etik/isikan keterangan untuk
memperjelas variabel D
idik, isikan: Pendidikan formal ibu menyusui 6
.
Langkah selanjutnya geser kekanan ke kolom V
alues, untuk variabel Didik
kolom Values ada isinya oleh karena variabel Didik merupakan variabel yang
berbentuk koding, yaitu kode 1 = SD, 2=SMP, 3=SMU, 4=PT. Klik kolom
Value akan muncul menu:
Klik disini
Pada kotak Value i sikan angka 1, lalu klik kotak Value Label i sikan:
SD,hasilnya nampak sbb:
21
SUTANTO PRIYO HASTONO: Analisis Data
Kemudian klik tombol Add sehinga di kotak bagian bawah akan muncul:
22
SUTANTO PRIYO HASTONO: Analisis Data
d. Variabel Kerja
1. Pada kolom N
ame isikan Kerja
2. Geser kekanan ke kolom Decimal, isikan 0
3. Geser ke kolom Label isikan: Status pekerjaan ibu
4. Geser kekanan ke kolom Value, isikan koding 0=bekerja 1=tdk kerja
Proses pembuatan variabel kerja selesai
e. Variabel BBibu
1. Pada kolom N
ame isikan Bbibu
2. Geser kekanan ke kolom Decimal, isikan 0
3. Geser ke kolom Label isikan: Berat badan ibu
4. Kolom Value, abaikan/biarkan aja k arena variabel Bbibu berbentuk numerik
Proses pembuatan variabel Bbibu selesai
f. Variabel Eksklu
1. Pada kolom N
ame isikan E
ksklu
2. Geser kekanan ke kolom Decimal, isikan 0
3. Geser ke kolom Label i sikan: Status menyusui eksklusive
23
SUTANTO PRIYO HASTONO: Analisis Data
g. Variabel Hb1
1. Pada kolom N
ame isikan Hb1
2. Geser kekanan ke kolom Decimal, untuk variabel HB1 sesuai dengan
datanya, ada satu desimal, maka isikan angka 1
3. Geser ke kolom Label i sikan: Hb pengukuran pertama
4. Abaikan kolom Values, k arena variabel HB1 berbentuk numerik
h. Variabel Hb2
1. Pada kolom N
ame isikan Hb2
2. Geser kekanan ke kolom Decimal, untuk variabel HB2 sesuai dengan
datanya, ada satu desimal, maka isikan angka 1
3. Geser ke kolom Label i sikan: Hb pengukuran kedua
4. Abaikan kolom Values, k arena variabel HB2 berbentuk numerik
i. Variabel B
Bbayi
1. Pada kolom N
ame isikan B
Bbayi
2. Geser kekanan ke kolom Decimal, isikan 0
3. Geser ke kolom Label i sikan: Berat badan bayi
4. Abaikan kolom Value,
Proses pembuatan variabel b
bbayi s elesai
Dengan cara sama kemudian dapat dibuat untuk variabel: Segera, Kolos,
Lahir, Sampai
Akhirnya tampilan kseluruhannya sbb:
24
SUTANTO PRIYO HASTONO: Analisis Data
B. Memasukkan/entry Data
Setelah semua variabel sudah dibuat, maka langkah selanjutnya adalah
memasukkan data hasil survei kedalam format yang telah dibuat diatas. Untuk
memasukkan data anda harus berpindah ke layar/jendela Data View, yaitu
dengan K
lik tombol Data View, nampak tampilannya sbb:
Memasukkan data bisa menyamping satu persatu responden di entry datanya,
atau bisa juga perkolom kearah bawah.
Coba sekarang masukan data diatas sebanyak 10 responden , dan hasil
tampilannya sbb:
25
SUTANTO PRIYO HASTONO: Analisis Data
c. Mengedit Data
1. Menghapus isi sel
a. Klik sel yang akan dihapus isinya
b. Tekan tombol ‘Delete’ (pada Keyboard)/clear pada edit. Bila kita nggak
jadi menghapus, klik Undo
Untuk menghapus isi sejumlah sel sekaligus, pilihlah sejumlah sel tersebut
dengan drag (menyorot/memblok) dengan mouse.
Dari tampilan di atas berarti kita membuat blok untuk variabel Kerja pada
responden no 3 s/d 5
Tekan ‘delete’ untuk menghapusnya.
26
SUTANTO PRIYO HASTONO: Analisis Data
2. Menghapus isi sel satu kolom (menghapus variabel) a. Klik heading
kolom (nama variabel) yang akan dihapus isi-isi selnya, misalkan akan
dihapus variabel BBibu: klik heading BBibu seperi tampilan sbb:
Klik
disini
27
SUTANTO PRIYO HASTONO: Analisis Data
28
SUTANTO PRIYO HASTONO: Analisis Data
7. Menyisipkan Kolom
a. Pindahkan penunujuk sel pada kolom yang disisipi
b. Klik ‘Data’, pilih ‘Insert Variable’, terlihat kolom baru muncul.
8. Menyisipkan Baris
a. Pindahkan penunjuk sel pada baris yang akan disisipi
b. Klik ’Data’, pilih ‘Insert Case’, terlihat kasus/ responden baru muncul
B. MENYIMPAN FILE DATA
Data yang telah dimasukkan dapat disimpan ke berbagai format data.
Secara pengaturan dasar, SPSS for Window akan menyimpan data tersebut
dengan format SPSS, bentuk formatnya dicirikan dengan ekstensi “.sav” (Nama
file.sav). untuk menyimpan data yang telah anda masukkan:
1.Pilihlah “File”, bawa kursor ke “Save”, nampak tampilannya:
29
SUTANTO PRIYO HASTONO: Analisis Data
Pada tampilan di atas terdapat beberapa isian kotak:
Save in : Anda dapat memilih direktori (drive A untuk disket) tempat
menyimpan file. Bila pada kotak “Save in” tidak dirubah berarti data disimpan
dalam direktori program SPSS.
File name : Anda harus mengetikkan nama file di kotak ini. SPSS akan
menambahkan ekstension “.sav”, sehingga anda cukup mengetikkan nama
filenya saja dan tidak perlu mengetikkan ekstensionnya.
Save as type : data dapat disimpan dalam berbagai format. Untuk data
SPSS akan disimpan dengan format “sav”.
2. Misalkan kita akan menyimpan data di drive C direktori my document dan
diberi nama “latihan”. Klik kotak “file name” , isikan “latihan”. Terlihat
tampilannya sbb:
30
SUTANTO PRIYO HASTONO: Analisis Data
]
3. Klik “Save “, data akan tersimpan
31
SUTANTO PRIYO HASTONO: Analisis Data
2. Misalkan sekarang akan diaktifkan file data: “Latihan” dari drive c direktori My
Documen, maka caranya klik kotak File name: ketik “latihan”, atau klik
“latihan yang terlihat/tertampil pada kotak di atasnya.
32
SUTANTO PRIYO HASTONO: Analisis Data
3. Kemudian klik Open, data akan muncul di layar.
33
SUTANTO PRIYO HASTONO: Analisis Data
3. TRANSFORMASI / MODIFIKASI DATA
Setelah semua data di-entry pada dasarnya anda dapat langsung melakukan
analisis untuk mengetahui informasi yang diinginkan. Namun seringkali data yang
ada tidak semuanya dapat langsung dilakukan analisis. Beberapa data bisa jadi
masih perlu dilakukan modifikasi/transformasi, misalnya untuk keperluan analisis
kita harus mengelompokkan umur menjadi tiga katagori misalnya < 20 th, 20 –
35 th dan > 35 th. Kasus lain, misalnya kita akan membuat variabel baru hasil
dari gabungan beberapa variabel (misalnya variabel sikap diukur oleh 10
pertanyaan/variabel), maka kita harus melakukan aktifitas di SPSS untuk
menggabungkan beberapa variabel tersebut.
Dari uraian di atas tentunya sekarang menjadi jelas ternyata seringkali kita tidak
dapat langsung melakukan analisis, kita harus melakukan modifikasi/transformasi
data. Perlu tidaknya modifikasi dilakukan dapat dilihat/dicek pada “Definisi
Operasional Variabel” dari penelitian/tesis/skripsi kita. Misalkan dalam penelitian
anda definisi variabelnya sbb:
Dari contoh definisis operasional di atas dapat diketahui bahwa variabel ‘Lama
tugas” dapat langsung dianalisis, sedangkan variabel umur dan sikap masih perlu
dilakukan modifikasi/transformasi dengan SPSS. Variabel umur perlu dilakukan
34
SUTANTO PRIYO HASTONO: Analisis Data
pengelompokan menjadi umur muda (misalnya ≤ 30 th) dan tua (< 30 th).
Variabel sikap perlu dibuat dengan cara menjumlahkan skor 10 pertanyaan sikap,
kemudian variabel baru tersebut dilakukan pengelompkkan untuk membuat
katagori baik dan buruk (misal menggunakan cut point: mean). Berikut akan
diuraikan beberapa jenis modifikasi data yang dapat dilakukan di program SPSS
for Window.
1. Mengelompokkan data
#perintah : RECODE
Pengelompokan biasanya digunakan untuk mengubah variabel numerik
menjadi variabel katagorik. Pengelompokan dapat dilakukan pada variabel
yang sama atau ke variabel baru yang berbeda. Dianjurkan kalau melakukan
pengelompokan sebaiknya digunakan variabel baru sehingga masih dimiliki
nilai yang asli pada file data.
Coba aktifkan file data ASI.SAV (file ini berisi data penelitian menyusui
eksklusive, yang telah di entry lengkap 50 rsponden)
4). Sorot variabel “umur”, lalu klik tanda panah ke kanan sehingga “umur”
berpindah di kotak Input variable Output Variable:
5). Pada kotak Output variable, pada bagian Name ketiklah umur1 (nama
variabel baru untuk umur yang bentuknya sudah katagorik)
6). Klik change sehingga pada kotak Input Variable Output Variable terlihat
umur umur1
36
SUTANTO PRIYO HASTONO: Analisis Data
7). Klik Option “Old and New Value”, nampak kotak Old and New di monitor.
Pada kotak dialog tersebut ada beberapa ada beberapa isian yang harus
diisi. Secara garis besar ada 2 isian yang harus diisi, yaitu ‘Old Value’ (nilai
lama yang akan direcode) dan New Value (nilai baru sebagai hasil ‘recode’
dari nilai lama). Me-recode dapat dilakukan per satu nilai lama atau
jangkauan nilai (range).
8). Sekarang kita akan merecode nilai umur < 20 th menjadi kode 1. Umur
dibawah 20 th, artinya umur terendah/paling muda sampai dengan umur 19
th.
Pindahkan kursor ke kotak Range: ‘lowest through , ketiklah 19 dan bawa
kursor ke bagian kotak ‘new Value’, ketik 1 kemudian klik Add, hasilnya
sbb
37
SUTANTO PRIYO HASTONO: Analisis Data
Langkah 3
Langkah 1
Langkah 4
Langkah 2
9). Pindahkan kursor ke kotak Range: through , kita akan merecode umur 20
s.d 30 th menjadi 2. Pada 2 kotak tersebut isilah 20 dan 30. lalu
pindahkan kursor ke kotak ‘New Value’, ketiklah 2, klik ‘Add’.
10). Kita
akan melakukan pengkodean berat > 30 th menjadi kode 3. Pada kotak
Range: thrugh highest ketiklah 31. Lalu pindahkan kursor ke kotak ‘New
Value’, ketiklah 3, klik ‘Add’. Langkahnya seperti diatas, dan akhirnya setelah
selesai hasilnya sbb:
38
SUTANTO PRIYO HASTONO: Analisis Data
11).
Klik “Continoue”
12). Klik “OK”, terlihat variabel baru “umur1” sudah terbentuk berada dikolom
paling kanan
# perintah : COMPUTE
fasilitas SPSS yang lain yaitu membuat variabel baru hasil dari operasi matematik
dari beberapa variabel yang sudah dientry, misal melakukan penjumlahan,
pengurangan, pembagian dan perkalian dll.
Sebagai contoh pada data ASI.SAV ada data berat badan bayi dalam bentuk
satuan gram, sekarang anda diminta untuk membuat variabel baru, berat
badan bayi dalam satuan kilogram.
Adapun caranya:
1). Pastikan anda di posisi tampilan data editor
2). Pilih “Transform”
3). Pilih “Compute”, kemudian muncul kotak dialog ”Compute Variable”.
Pada kotak tersebut terdapat kotak:
“Target Variable” : diisi nama variabel yang akan dibuat, dapat merupakan
variabel yang lama atau yang baru, sebaiknya nama baru
40
SUTANTO PRIYO HASTONO: Analisis Data
41
SUTANTO PRIYO HASTONO: Analisis Data
# perintah : IF
Dalam pembuatan variabel baru seringkali dihasilkan dari kondisi beberapa
variabel yang ada. Misalnya dalam file “ASI.SAV” terdapat variabel “umur” dan
variabel “berat ibu”. Kemudian kita ingin membuat variabel baru yang berisi dua
kelompok yaitu: risiko tinggi dan ririko rendah. Misalkan variabel tersebut diberi
nama “Risk” dan untuk kelompok risiko rendah (kode 0) dan risiko tinggi (kode
1). Adapun kriteria risiko tinggi adalah bila responden berumur di atas 30
tahun dan berat badan dibawah 50 kg. Selain kondisi tersebut dikelompokkan ke
dalam risiko rendah. Dari kasus ini berarti kita diharapkan membuat variabel
baru dengan kondisi variabel umur dan hipertensi. Bagaimana cara membuat
variabel “Risk” tersebut? Ada dua langkah untuk menyelesaikan kasus ini:
Langkah pertama:
=m
embuat variabel RISK yang isinya semuanya 0 (risiko rendah)=
1). Pilih “Transform”
2). Pilih “Compute”
3). Pada kotak “Target Variable”, ketiklah “risk”
4). Pada kotak “Numeric Expression”, ketiklah “0”
42
SUTANTO PRIYO HASTONO: Analisis Data
5). Klik “OK”, terlihat dilayar variabel “risk” sudah terbentuk dengan semua
selnya berisi angka 0.
Langkah kedua:
=membuat kondisi risiko tinggi (kode 1) untuk umur >30 dan bb<50
6). Pilih kembali menu “Transform”
7). Pilih kembali ‘Compute”
8). Pada kotak “Target Variable” biarkan tetap berisi “RISK”.
43
SUTANTO PRIYO HASTONO: Analisis Data
9). Pada kotak “Numeric Expression”, hapus angka 0 dan gantilah dengan angka
1.
44
SUTANTO PRIYO HASTONO: Analisis Data
45
SUTANTO PRIYO HASTONO: Analisis Data
#
perintah : SELECT
Dalam kondisi tertentu seringkali kita hanya menginginkan mengolah dan
menganalisis hanya data dari kelompok tertentu saja. Misalkan kita punya data
seluruh DKI, tapi kita hanya ingin mengetahui distribusi aktifitas pada ibu hamil
yang tinggal di Jakarta Selatan. Di dalam data tentunya ada variabel yang
menunjukkan wilayah tempat tinggal ibu hamil.
Sebagai contoh kita ingin menganalisis data, hanya untuk ibu yang
menyusui saja,(dalam contoh ini kita masih menggunakan file data ASI.SAV).
caranya:
1). Pilih menu “Data”
2). Pih “Select Cases”
3). Klik pada tombol : If Conditin is satisfied
4). Klik “If “
5). Ketiklh/sorot dan pindah pada kotak dan tuliskan kondisinya yaitu: Eksklu=0
Ket: ibu yang menyusui eksklusive kodenya=0
46
SUTANTO PRIYO HASTONO: Analisis Data
47
SUTANTO PRIYO HASTONO: Analisis Data
#
perintah : MERGE
Dalam pengolahan data seringkali kita mempunyai tidak satu file data, melainkan
beberapa file data yang tentunya harus digabung kalau kita akan melakukan
analisis data. Teknik penggabungan data ada dua jenis yaitu penggabungan
responden dan penggabungan variabel.
a. Penggabungan responden/case
Misal:
data file pertama, berisi: nomor responden 1 s/d 3
No Umur Didik
1 2 3
20 23 1
9 1 3 2
Data file kedua, berisi: nomor responden 4 s/d 7 N
o Umur
Didik
4 5 6 7 21 23 20 2
4 1 4 2 3
48
SUTANTO PRIYO HASTONO: Analisis Data
Aplikasi di SPSS:
Pastikan anda sudah memasukkan data kedua file, misalnya data pertama
dengan nama Data1.sav dan data kedua dengan nama Data2.sav. Langkahnya:
1. File ‘data1.sav’ dalam kondisi aktif
2. klik data, sorot Merge Files, sorot Add Cases
49
SUTANTO PRIYO HASTONO: Analisis Data
5. klik Open
6. Klik OK, dan akhirnya tergabunglah kedua file data
7. Untuk menyimpan file gabungan, klik S
ave As isikan nama file baru,
misalnya data12
b. Penggabungan variabel
Data pertama : berisi variabel : no, umur dan didik
no umur Didik
1 2 3 20 23 1 3 2
4 5 6 19 21 1 4 2
7 23 20 3
24
Data kedua, berisi variabel : no, sex, kerja dan berat badan
50
SUTANTO PRIYO HASTONO: Analisis Data
no sex kerja bb
1 2 3 2 2 1 1 3 2 56 60
4 5 6 2 2 1 3 55
7 2 60 45
1 3 2 56 76
Langkahnya:
Aplikasi di SPSS:
Pastikan anda sudah memasukkan data kedua file, misalnya data pertama
dengan nama Data3.sav dan data kedua dengan nama Data4.sav. Langkahnya:
1. File ‘data3.sav’ dalam kondisi aktif
2. klik data, sorot Merge Files, sorot Add Variables
51
SUTANTO PRIYO HASTONO: Analisis Data
3.
klik Add Variables
4. klik Open, Klik OK
5. Tampilan sudah tergabung variabelnya, anda tinggal melakukan
penyimpanan “ klik Save As” beri nama file misal namanya Data34
52
SUTANTO PRIYO HASTONO: Analisis Data
Frequencies
Statistics
RISK
N Missing
5
0
RISK
Valid Cumulative
Frequency Percent Valid Percent
Percent
Valid 2 2 40.0 40.0 40.0 3 60.0
1 60.0 100.0 5 100.0 100.0
Total
53
SUTANTO PRIYO HASTONO: Analisis Data
UJI
INSTRUMEN
3
A. Uji validitas dan Reliabilitas Kuesioner
Salah satu masalah dalam suatu penelitian adalah bagaimana data yang
diperoleh adalah akurat dan objektif. Hal ini sangat penting dalam penelitian
karena kesimpulan penelitian hanya akan dapat dipercaya (akurat). Data yang
kita kumpulkan tidak akan berguna bilamana alat pengukur yang digunakan
untuk mengumpulkan data penelitian tidak mempunyai validitas dan reliabilitas
yang tinggi.
VALIDITAS
Validitas berasal dari kata Validity yang mempunyai arti sejauhmana ketepatan
suatu alat ukur dalam mengukur suatu data. Misalnya bila seseorang akan
mengukur cincin, maka dia harus menggunakan timbangan emas. Dilain pihak
bila seseorang ingin menimbang berat badan, maka dia harus menggunakan
timbangan berat badan. Jadi dapat disimpulkan bahwa timbangan emas valid
untuk mengukur berat cincin, tapi timbangan emas tidak valid untuk menimbang
berat badan.
RELIABILITAS
Realibilitas adalah suatu ukuran yang menunjukkan sejauhmana hasil
pengukuran tetap konsisten bila dilakukan pengukuran dua kali atau lebih
terhadap gejala yang sama dan dengan alat ukur yang sama. Misalkan seseorang
ingin mengukur jarak dari satu tempat ke tempat lain dengan menggunakan dua
jenis alat ukur. Alat ukur pertama denganmeteran yang dibuatdari logam,
sedangkan alat ukur kedua dengan menghitung langkah kaki. Pengukuran
54
SUTANTO PRIYO HASTONO: Analisis Data
r = N (ΣXY)- (ΣXΣY)
V[NΣX2 – (ΣX)2][NΣY2 – (ΣY)2]
Keputusan uji:
Bila r hitung l ebih besar dari r tabel Ho ditolak, artinya variabel valid Bila r
hitung lebih kecil dari r tabel Ho gagal ditolak, artinya variabel tidak valid
55
SUTANTO PRIYO HASTONO: Analisis Data
56
SUTANTO PRIYO HASTONO: Analisis Data
KASUS:
UJI VALIDITAS DAN RELIABILITAS KUESIONER
57
SUTANTO PRIYO HASTONO: Analisis Data
Penyelesaian:
Langkahnya:
1. Masukkan data tersebut ke SPSS
2. Klik ‘Analyze’
3. Pilih ‘Scale’
4. Pilih ‘Reliability Analysis’
5. Masukkan semua variabel ke dalam kotak ‘Items’ (ingat variabel yang masuk
hanya variabel yang akan diuji saja, yaitu P1, P2, P3, P4 dan P5) bentuknya
sbb:
58
SUTANTO PRIYO HASTONO: Analisis Data
Reliability Statistics
Cronbach's
Alpha N of Items
.928 5
Item Statistics
59
SUTANTO PRIYO HASTONO: Analisis Data
Statistics Scale
Cronbach's
Item-Total
Corrected
Scale Mean Variance if Item-Total Alpha if
if Item Item Correlatio Item
Deleted Deleted n Deleted
sering terpaksa lembur Bersaing dlm hidup konflik keluarga
Mudah marah konflik dgn teman
9.53 15.124 .963 .881 9.73 20.924 .328 .993
9.60 15.971 .915 .892 9.60 15.686 .955 .884
9.53 15.124 .963 .881
Interpretasi:
Kesimpulan:
Terlihat dari 5 pertanyaan, ada satu pertanyaan yaitu P2 (r=0,3275) yang
nilainya lebih rendah dari r tabel (r=0,514). Sehingga pertanyaan P2 tidak valid,
sedangkan untuk pertanyaan P1, P3, P4 dan P5 dinyatakan valid.
60
SUTANTO PRIYO HASTONO: Analisis Data
Reliability Statistics
Cronbach's
Alpha N of Items
.993 4
Item Statistics
Interpretasi:
61
SUTANTO PRIYO HASTONO: Analisis Data
b. Uji Reliabilitas
setelah semua pertanyaan valid semua, amnalisis dilanjutkan dengan uji
reliabilitas. Untuk mengetahui reliabilitas caranya adalah; membandingkan nialia
r hasil dengan r tabel.dalam uji reliabilitas sebagai nilai r hasil adalah nilai
“Alpha” (terletak di akhir output). Ketentuannya: bila r Alpha > r tabel, maka
pertanyaan tersebut reliabel
Dari hasil uji di atas ternyata, nilai r Alpha (0,9935) lebih besar dibandingkan
dengan nilai r tabel, maka keempat pertanyaan di atas dinyatakan reliabel.
Prinsip ujinya: bila hasil uji Kappa signifikan/bermakna maka persepsi antara
peneliti dengan numerator sama, sebaliknya bila hasil uji kappa tidak
signifikan/bermakna, maka persepsi antara peneliti dengan numerator terjadi
perbedaan.
Contoh :
Suatu penelitian praktek keperawatan keluarga terdapat instrumen yang
berbentuk observasi terhadap perilaku perawat merawat pasien. Pertanyaanya:
62
SUTANTO PRIYO HASTONO: Analisis Data
Langkah:
1. data di entry di SPSS
2. Klik analysis, sorot Descriptif, sorot dan klik Crostab
3. Masukkan variabel ‘peneliti’ ke bagian Row dan masukkan variabel
‘numerator’ ke bagian colom.
4. Klik tombol Statistic, klik Kappa
5. Klik Continue
6. Klik OK, dan hasilnya
63
SUTANTO PRIYO HASTONO: Analisis Data
Symmetric Measures
Asymp.
Value Approx. Sig.
a b
Std. Error Approx. T
Measure of Agreement Kappa .583 .262 1.845 .065 10
N of Valid Cases
a.
Not assuming the null hypothesis.
b.
Using the asymptotic standard error assuming the null hypothesis.
Hasil uji didapatkan nilai koefisien kapaa sebesar 0,583 dan p valuenya sebesar
0,065. Dengan hasil ini berarti p value > alpha berarti hasil uji kappa tidak
signifikan/bermakna, sehingga kesimpulannya: ada perbedaan persepsi
mengenai aspek yang diamati antara peneliti dengan numerator.
64
SUTANTO PRIYO HASTONO: Analisis Data
PENGANTAR
ANALISIS DATA
4
1. Pendahuluan
Setelah kita selesai melakukan pengolahan data, maka langkah selanjutnya
adalah menganalisis data. Data mentah (raw data) yang sudah susah payah kita
kumpulkan tidak akan ada artinya jika tidak dianalisis. Analisis data merupakan
kegiatan yang sangat penting dalam suatu penelitian, karena dengan analisislah
data dapat mempunyai arti/makna yang dapat berguna untuk memecahkan
masalah penelitian.
Analisis mempunyai posisi strategis dalam suatu penelitian. Namun perlu
dimengerti bahwa dengan melakukan analisis tidak dengan sendirinya dapat
langsung memberi jawaban penelitian, untuk itu perlu diketahui bagaimana
menginterpretasi hasil penelitian tersebut. Menginterpretasi berarti kita
menjelaskan hasil analisis guna memperoleh makna/arti.
Interpretasi mempunyai dua bentuk, yaitu arti sempit dan arti luas.
Interpretasi dalam arti sempit (deskriptif) yaitu interpretasi data dilakukan hanya
sebatas pada masalah penelitian yang diteliti berdasarkan data yang
dikumpulkan dan diolah untuk keperluan penelitian tersebut. Sedangkan
interpretasi dalam arti luas (analitik) yaitu interpretasi guna mencari makna data
hasil penelitian dengan jalan tidak hanya menjelaskan/menganalisis data hasil
penelitian tersebut, tetapi juga melakukan inferensi (generalisasi) dari data yang
diperoleh dengan teori-teori yang relevan dengan hasil-hasil penelitian tersebut.
65
SUTANTO PRIYO HASTONO: Analisis Data
a. Jenis Penelitian
Jika ingin mengeahui bagaimana pada umumnya (secara rata-rata) pendapat
masyarakat akan suatu hal tertentu, maka pengumpulan data dilakukan dengan
survei. Dari kasus ini maka dapat dilakukan analisis data dengan pendekatan
kuantitatif. Namun bila kita menginginkan untuk mendapatkan
pendapat/gambaran yang mendalam tentang suatu fenomena, maka data dapat
dikumpulkan dengan fokus grup diskusi atau observasi, maka analisisnya
menggunakan pendekatan analisis kualitatif.
c. Jenis Sampel
Analisis sangat tergantung pada jenis sampel yang dibandingkan, apakah kedua
sampel independen atau dependen. Misalnya pada penelitian survei yang tidak
menggunakan sampel yang sama, dapat digunakan uji statistik yang
mengasumsikan sampel yang independen. Misalkan survei untuk mengetahui
apakah ada perbedaan berat badan bayi antara bayi-bayi yang dilahirkan dari ibu
perokok dengan bayi-bayi dari ibu yang tidak merokok. Disini berarti kelompok
ibu perokok dan kelompok ibu bukan perokok bersifat independen.
66
SUTANTO PRIYO HASTONO: Analisis Data
Sedangkan untuk penelitian eksperimen yang sifatnya pre dan post (sebelum dan
sesudah adanya perlakuan tertentu dilakukan pengukuran) maka uji yang
digunakanadalah uji statistik utnuk data yang dependen. Misalnya, suatu
penelitian ingin mengetahui pengaruh penelitian manajemen terhadap kinerja
petugas kesehatan. Pertanyaan penelitiannya “Apakah ada perbedaan kinerja
petugas kesehatan antara sebelum dan sesudah mendapatkan pelatihan
manajemen?”. Dalam penelitian ini sampel kelompok petugas kesehatan bersifat
dependen, karena pada kelompok (orang) yang sama diukur dua kali yaitu pada
saat sebelum pelatihan (pre test) dan sesudah dilakukan pelatihan (Post Test).
c. Jenis Data/Variabel
Data denganjenis katagori berbeda cara analisisnya dengan data jenis numerik.
Beberapa pengukuran/uji statistik hanya cocok untuk jenis data tertentu. Sebagai
contoh, nilai proporsi/persentase (pada analisis univariat) biasanya cocok untuk
menjelaskan data berjenis katagorik, sedangkan untuk data jenis numerik
biasanya dapat menggunakan nilai rata-rata untuk menjelaskan karakteristiknya.
Untuk analisis hubungan dua variabel (analsis bivariat), uji kai kuadrat hanya
dapat dipakai untuk mengetahui hubungan data katagori dengan data katagori.
Sebaliknya untuk mengetahui hubungan numerik dengan numerik digunakan uji
korelasi/regresi.
d. Asumsi Kenormalan
Jenis analisis yang akan dilakukan sangat tergantung dari bentuk distribusi
datanya. Bila distribusi datanya tidak normal, maka sebaiknya digunakan
prosedur uji statitik nonparametrik. Sedangkan bila asumsi kenormalan dapat
dipenuhi maka dapat digunakan uji statistik parametrik.
Berikut ini akan dijelaskan langkah-langkah analisis (pendekatan kuantitatif):
1. Analisis Deskriptif (Univariat).
67
SUTANTO PRIYO HASTONO: Analisis Data
68
SUTANTO PRIYO HASTONO: Analisis Data
ANALISIS
UNIVARIAT (
5 DESKTIPTIF)
X = Σ Xi / n
2). Median
Median adalah nilai dimana setengah banyaknya pengamatan mempunyai
nialai di bawahnya dan setengahnya lagi mempunyai nilai di atasnya. Berbeda
dengan nilai mean, penghitungan median hanya mempertimbangkan urutan
nilai dasil pengukuran, besar beda antar nilai di abaikan. Karena
70
SUTANTO PRIYO HASTONO: Analisis Data
mengabaikan besar beda, maka median tidak dipengaruhi oleh nilai ekstrim.
Prosedur penghitungan median melalui langkah
a). Data diurutkan/di-array dari nilai kecil ke besar
b). Hitung posisi median dengan rumus (n+1)/2
c). Hitung nilai mediannya
Contoh ada usia 6 mahasiswa 20 th, 26 th, 24 th, 30 th, 40 th, 36 th
Data diurutkan: 20, 24, 26, 30, 36, 40
Posisi = (6+1)/2 = 3,5
Mediannya adalah data yang urutannya ke 3,5 yaitu (26 + 30)/2 = 28 Jadi
50% mahasiswa berumur dibawah 28 tahun dan 50% mahasiswa berumur di
atas 28 tahun
3). Mode/Modus
Mode adalah nilai pengamatan yang mempunyai frekuensi/jumlah terbanyak.
Contoh mode data umur mahasiswa: 18 th, 22 th, 21 th, 20 th, 23th, 20 th.
Dari data tersebut berarti mode-nya adalah 20 tahun
data:
- Bila nilai mean, median dan mode sama, maka bentuk distribusi datanya
normal
- Bila nilai mean > median > mode, maka bentuk distribusi datanya
menceng/miring ke kanan
- Bila nilai mean < median < mode, maka bentuk distribusi datanya menceng
/miring ke kiri
71
SUTANTO PRIYO HASTONO: Analisis Data
b. Ukuran Variasi
Nilai-nilai hasil pengamatan akan cenderung saling berbeda satu sama lain
atau dengan kata lain hasil pengamatan akan bervariasi. Untuk menegtahui
seberapa jauh data bervariasi digunakan ukuran variasi antara lain range, jarak
linier kuartil dan standard deviasi.
1). Range
Range merupakan ukuran variasi yang paling dasar, dihitung dari selisih nilai
terbesar dengan nilai terkecil. Kelemahan range adalah dipengaruhi nilai ekstrim.
Keuntungan penghitungan dapat dilakukan dengan cepat. 2). Jarak Inter Quartil
Nilai observasi disusun berurutan dari nilai ke cil ke besar, kemudian
ditentukan kuartil bawah dan atas. Kuartil merupakan pembagiandata
menjadi 4 bagian yang dibatasi oleh tiga ukuran kuartil, yaitu kuartil I, kuartil
II dan kuartil III.
Kuartil I mencakup 25% data berada di bawahnya dan 75% data berada di
atasnya.
Kuartil II (median) mencakup 50% data berada di bawahnya dan 50% data
berada di atasnya.
Kuartil III mencakup 75% data berada di bawahnya dan 25% data berada di
atasnya.
Jarak inter kuartil adalah selisih anatar kuaril III dan kuaril I. Ukuran ini lebih
baik dari range, terutama kalau frekuensi pengamatan banyak dan distribusi
sangat menyebar.
3). Standard 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;
72
SUTANTO PRIYO HASTONO: Analisis Data
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 Standard Deviasi.
Standard Deviasi merupakan akar dari varian:
Dari uraian tersebut dapat disimpulkan, untuk data numerik digunakan niali
mean (rata-rata), median, standard deviasi dan inter quartil range, miinimal dan
maksimal. Bila data yang terkumpul tidak menunjukkan adanya nilai ekstrim
(distribusi normal), maka perhituungan nilai mean dan standard deviasi
merupakan cara analisis univariat yang tepat. Seddangkan bila dijumpai nilai
ekstrim 9distribusi data tidak normal), maka nilai nedian dan inter quartil range
(IQR) yang lebih tepat dibandingkan nilai mean.
73
SUTANTO PRIYO HASTONO: Analisis Data
b. Data katagorik
Tabel 2
Distribusi Responden Menurut Tingkat Pendidikan Pasien Rumah sakit X
tahun 1999
75
SUTANTO PRIYO HASTONO: Analisis Data
KASUS :
ANALISIS DESKRIPTIF (UNIVARIAT)
Tujuan analisis ini adalah untuk mendeskripsikan karakteristik masing masing
variabel yang diteliti. Bentuknya tergantung dari jenis datanya. Untuk data
numerik digunakan nialai mean (rata-rata), median, standard deviasi dll.
Sedangkan untuk data katagorik tentunya hanya dapat menjelaskan angka/nilai
jumlah dan persentase masing-masing kelompok. Berikut akan dipelajari cara
mengeluarkan analisis deskriptif di SPAA, dimulai untuk variabel katagorik
(sebagai latihan digunakan variabel ‘pendidikan’) dan kemudian dilanjutkan
variabel numerik (variabel umur).
a. Data Katagorik
Untuk menampilkan tabulasi data katagorik digunakan tampilan frekuensi.
Sebagai contoh kita akan menampilkan tabel distribusi frekuensi untuk variabel
pendidikan dari file ‘ASI.SAV’.
1. Dari menu utama SPSS pilih ‘Analyze’, kemudian ‘Descriptive Statistic’ dan pilih
‘Frequencies’, sehingga muncul tampilan:
2. Sorot variabel ‘didik’. Klik tanda panah dan masukkan ke kotak “Variable (s)”
76
SUTANTO PRIYO HASTONO: Analisis Data
Frequencies
Statistics
Frequency Percent
Cumulative
Valid 4 22.0 22.0 42.0 16 32.0
1 32.0 74.0 13 26.0 26.0
Total
2 10 20.0 20.0 20.0 11 100.0 50 100.0 100.0
3
Kolom ‘Frequency’ menunjukkan jumlah kasus dengan nilai yang sesuai. Pada
contoh di atas, total responden 50 orang, dari jumlah tersebut 10 ibu yang
berpendidikan SD, proporsi dapat dilihat pada kolom ‘Percent’, pada contoh di
atas ada 20% ibu yang berpendidikan SD. Kolom ‘Valid Percent’ memberi hasil
yang sama karena pada data ini tidak ada ’missing cases’. ‘Cumulative Percent’
77
SUTANTO PRIYO HASTONO: Analisis Data
menjelaskan tentang persent kumulatif. Pada contoh di atas ada 42,0% ibu yang
tingkat pendidikannya SD dan SMP. Dalam menginterpretasikan tabel katagorik
dapat dilihat dari variasi dan konsentrasi datanya.
b. Data Numerik
Pada data numerik, peringkasan data dapat dilakukan dengan melaporkan
ukuran tengah dan sebarannya. Ukuran yang digunakan adalah rata-rata,
median dan modus. Sedangkan ukuran sebarannya (variasi) yang digunakan
adalah range, standard deviasi, minimal dan maksimal. Pada SPSS ada dua cara
untuk mengeluarkan analisis deskriptif yaitu dapat melalaui perintah
‘Frequencies’ atau perintah ‘Expolre’. Biasanya yang digunakan adalah
78
SUTANTO PRIYO HASTONO: Analisis Data
Frequencies oleh karena ukuran statistik yang dapat dihasilkan pada menu
‘Frequencies’ sangat lengkap (seperti mean, median, varian dll), selain itu pada
perintah ini juga dapat ditampilkan grafik histogram dan kurve normalnya.
Berikut akan dicoba mengeluarkan analisis deskriptif untuk variabel umur dengan
menggunakan perintah frequencies.
1. Aktifkan data “susu.sav”
2. Pilih ‘Analyze’
3. Pilih ‘Descriptive Statistic’
4. Pilih ‘Frequencies’, terlihat kotak frequencies:
5. Sorot variabel yang akan dianalisis, sorot umur, dan klik tanda
panahsehingga umur masuk ke kotak variable (s).
6. Klik tombol option ‘Statistics…’, pilih ukuran yang anda minta misalnya mean,
median, standard seviasi, minimum, maximum, SE.
79
SUTANTO PRIYO HASTONO: Analisis Data
7. Klik
‘Continue’
8. Klik tombol option ‘Charts’ lalu muncul menu baru dan klik ‘Histogram’, lalu
klik ‘With Normal Curve’
9. Klik ‘Continue’
10.Klik ‘OK’, dan pada layar terlihat distribusi frekuensi disertai ukuran statistik
yang diminta dan dibawahnya tampak grafik histogram beserta curve
normalnya.
Frequencies
Statistics
80