Keterampilan Komputer Blok 5 ke Satu

Pokok Bahasan : Pengolahan Data

Sub Pokok Bahasan : 1. Pengantar pengolahan data
2. Penggabungan File
3. Transformasi data dengan perintah "Recode"
4. Transformasi data dengan perintah "Compute"

1.1 SASARAN BELAJAR

Setelah mengikuti keterampilan komputer ini, mahasiswa mampu :
a. Memahami langkah-langkah pengolahan data
b. Melakukan penggabungan data
c. Melakukan transformasi data dengan perintah "Recode"
d. Melakukan transformasi data dengan perintah "Compute"
e. Melakukan Select Cases

1.2 PENGOLAHAN DATA

1.2.1 Langkah pengolahan data
Pengolahan data merupakan salah satu bagian rangkaian kegiatan penelitian
setelah pengumpulan data. Data yang masih mentah (raw data) perlu diolah sedemikian
rupa sehingga menjadi informasi yang akhirnya dapat digunakan untuk menjawab
tujuan penelitian. Empat tahapan dalam proses pengolahan data, yaitu :
A. Editing
Merupakan kegiatan untuk melakukan pengecekan isian formulir atau kuesioner
apakah jawaban di kuesioner sudah lengkap, jelas, relevan, dan konsisten.
B. Coding
Merupakan kegiatan merubah data berbentuk huruf menjadi data berbentuk
angka/bilangan. Kegunaan coding adalah untuk mempermudah pada saat analisis
data dan juga mempercepat pada saat entry data.
C. Prosessing/ Entry data
Pemprosesan data dilakukan dengan cara meng-entry data dari kuesioner ke paket
program komputer. Salah satu paket program yang sudah umum digunakan umtuk
entry data adalah paket program SPSS For Windows. Kepanjangan SPSS yaitu
Statistical Program For Social Science.
D. Cleaning
Merupakan kegiatan pengecekan kembali data yang sudah di-entry apakah ada
kesalahan atau tidak. Cara meng-Cleaning data yaitu :
1. Mengetahui Missing Data
Cara mendeteksi adanya missing data adalah dengan melakukan list (distribusi
frekuensi) dari variabel yang ada.
2. Mengetahui variasi data
Dengan mengetahui variasi data akan diketahui apakah data yang di-entry
benar atau salah.
3. Mengetahui konsistensi data
Cara mendeteksi adanya ketidakkonsistensian data dengan menghubungkan
dua variabel.

1.2.2 Program statistik SPSS

Kemampuan yang dapat diperoleh dari SPSS meliputi pemprosesan segala bentuk
file data, modifikasi data, membuat tabulasi berbentuk distribusi frekuensi, analisis
statistik deskriptif, analisis lanjut yang sederhana maupun kompleks, pembuatan grafik,
dan sebagainya. Didalam operasionalnya, SPSS mengenal 2 jenis jendela (window)
yang utama yaitu SPSS data editor dan SPSS output.
Pada jendela SPSS data editor (jendela data) mempunyai 2 tampilan yaitu data
view dan variabel view.
1. Data view akan menampilkan database dalam bentuk angka
 Gambar 1.1 Tampilan data view

2. Variabel view menampilkan keterangan tentang variabel yang mencakup : nama

variabel, type, label, values, dll.
a. Name : aturan pemberian nama variabel adalah wajib diawali dengan huruf dan
tidak boleh ada spasi.
b. Type : - Numeric, yaitu tipe data bentuk angka
- Comma, yaitu tipe data bentuk angka yang menggunakan koma contoh
1,00
- Dot, tipe data bentuk angka yang menggunakan titik contoh 1.00
- Scientific notation, tipe data bentuk angka yang menggunakan notasi
bilangan, contoh 5.0E+04(50.000)
- Date, tipe data bentuk tanggal
- Dollar, data menggunakan satuan dollar
- Custom currency, data bentuk angka seperti penulisan nilai mata uang
- String, tipe data dapat berupa kalimat atau angkla yang menjadi label
dan tidak dapat diperhitungkan nilainya contoh nama, alamat
c. Width : digunakan untuk menentukan jumlah digit data yang dapat dimasukkan
d. Decimal : digunakan untuk menambah atau mengurangi desimal
e. Label : digunakan untuk memberikan penjelasan dengan labelnya
f. Values : digunakan untuk memberi penjelasan nilai-nilai individual
g. Column : digunakan untuk menentukan lebar kolom
h. Align : digunakan untuk mrngatur dan menunjukkan tampilan data kiri, kanan,
atau tengah
i. Measure : digunakan untuk menentukan jenis pengukuran data, yaitu tipe data
skala, nominal, atau ordinal
j. Missing values : digunakan apabila dalam data yang akan diolah terdapat data-
data yang hilang atau tidak ada.
 Gambar 1.2 Tampilan variabel view
1.2.3 Menu SPSS
Sistem kerja SPSS for windows dikendalikan oleh menu. Menu terletak disebelah
atas dengan urutan dari kiri ke kanan.
 File : digunakan untuk keperluan yang berhubungan dengan file data, seperti
membuka data baru, output baru, membuka database, menutup file,
menyimpan, print, dan sebagainya.

Gambar 1.3 Menu file

 Edit : digunakan untuk keperluan yang berhubungan dengan perbaikan dan
pengubahan data

 View : digunakan untuk mengatur toolbar pada halaman SPSS

 Data : digunakan untuk membuat/mendefinisikan nama variabel,

mengambil/menganalisis sebagian data, menggabungkan data
 Transform : digunakan untuk transformasi/modifikasi data seperti
pengelompokkan variabel, pembuatan variabel baru, dll

 Analyze : digunakan untuk olah data atau menganalisis data

  Graphs : digunakan untuk membuat grafik

 Utilities : digunakan untuk menampilkan berbagai informasi tentang isi file

 Add-ons : menu yang berisi tentang aplikasi tambahan, servis dan
sebagainya yang dapat dilihat di SPSS website
 Window : digunakan untuk berpindah-pindah antar jendela
 Help : memuat informasi bantuan bagaimana menggunakan berbagai
fasilitas SPSS
1.2.4 Memasukkan entry data
 Entry data dapat langsung dilakukan pada data editor. Data editor memiliki bentuk
tampilansejenis spreadsheet (seperti excel) yang digunakan sebagai fasilitas untuk
memasukkan data. Ada tiga hal yang harus diperhatikan, yaitu :
1. Baris menunjukkan kasus/responden
2. Kolom menunjukkan variabel
3. Sel merupakan perpotongan antara baris dan kolom
Dalam memasukkan data ke SPSS, ada 4 hal yang harus diperhatikan, yaitu :
1. Memberi nama variabel, satu variabel mewakili satu pertanyaan. Nama variabel
tidak boleh ada spasi dan tidak ada yang sama.
2. Mendefinisikan tipe variabel, tipe data harus ditentukan ketika kita akan
memasukkan data di SPSS. Tipe yang sering digunakan adalah tipe numerik,
karena data yang akan kita olah biasanya berbentuk angka.
3. Mendefinisikan adanya desimal, bila ada data yang akan dimasukkan berupa
decimal, maka tentukan berapa desimal yang kita perlukan. SPSS secara
standar akan memberikan dua angka desimal untuk setiap data yang di entry.
Sebagian besar data penelitian tidak ada bentuk desimal, maka kita harus
setting SPSS isian jumlah desimal diberi angka nol.
4. Memberi label variabel, nama variabel biasanya tertulis dengan kata/huruf yang
singkat. Bagian label ini untuk memperjelas arti dari masing-masing variabel.
Contoh, Variabel BBLR diberikan label "berat badan lahir rendah dalam satuan
gram".
1.2.5 Membuka data
Membuka data apabila kita mempunyai data dalam format SPSS yang disimpan di
komputer atau folder lain. File format .SAV untuk membuka data editor SPSS dan .SPV
untuk membuka jendela output. Cara membuka data dalam format SPSS terdapat 2 cara,
yaitu dengan meng klik langsung file data atau mengklik program SPSS.
Cara 1

File SPSS langsung diklik dua kali maka langsung ke jendela data SPSS
Cara 2
a. Buka program SPSS dengan meng klik tanda dua kali, kemudian kita akan
masuk ke SPSS data editor.
b. Kemudian pilih menu file  open  data
c. Pada look in pilih drive yang sesuai dengan kita menyimpan data, setelah
menemukan maka akan muncul daftar file yang ber-extensi .SAV. pilih file yang
akan kita buka dengan mengklik file tersebut dan kemudian klik Open,

1.2.6 Penggabungan data (merger)

Dalam pengolahan data sering kali kita mempunyai data lebih dari satu file data,
melainkan terdiri dari data-data yang harus digabungkan ketika kita akan analisis data.
Merger yaitu proses menggabungkan beberapa file menjadi satu file data dimana proses
entri data dilakukan lebih dari satu orang. Teknik penggabungnan data ada dua jenis
yaitu penggabungan kasus/responden dan penggabungan variabel.
1. Merger dengan Add Cases
Penggabungan data untuk jenis merger ini dilakukan pada satu penelitian dengan
jumlah variabel yang relative sedikit tetapi jumlah kasus/responden relatif banyak
dan pada saat melakukan entry data biasanya dilakukan oleh lebih dari satu orang
supaya cepat selesai.
Syarat melakukan merger dengan add cases, yaitu :
 a. Kedua file harus mempunyai NAME yang sama, artinya jika file-1 ada 15
variabel maka file-2 harus mempunyai 15 variabel yang sama. Kesamaan
NAME harus mncakup juga kesamaan dalam TYPE, WIDTH, dan DECIMAL.
b. "ID" atau nomor identitas responden tidak terlalu penting.
Langkah dalam melakukan merger dengan add cases, yaitu :
a. Buka file Lebak.SAV
b. Proses merger dengan perintah :
Data  Merger File  Add Cases pilih file Cianjur.SAV  continue

c. Setelah diklik OK pastikan jumlah kasus dan variabel sesuai dengan keinginan
(dalam hal ini lebak dan cianjur adalah 600 responden dengan15 variabel)
d. Jika selesai simpan file dengan nama baru yaitu Lebak_Cianjur.SAV
2. Merger dengan Add Variabel
Dilakukan pada suatu penelitian dengan jumlah variabel yang relatif banyak atau
pada beberapa penelitian dengan topik yang berbeda akan tetapi dengan responden
yang sama.
Syarat melakukan merger dengan add variabel, yaitu :
a. Harus ada variabel "ID" yang sama, artinya nomor identitas responden pada file-
1 harus sama dengan nomor identitas responden pada file-2
b. Variabel "ID" atau nomor identitas tersebut tidak boleh ada nomor yang sama
atau nomor kembar (ganda), artinya dalam satu file hanya boleh ada satu nomor
identitas.
Langkah dalam melakukan merger dengan add variabel, yaitu :
a. Kedua file yang akan digabungkan terlebih dahulu dilakukan SORT CASES
  Bukalah file tanggerang_A.SAV sehingga data tampak di data editor
window.
 Lakukan sort terhadap variabel "ID" dari menu utama pilihlah : data Sort
Cases
 Pindahkan variabel RESP ke kotak kanan. Pastikan sort order yang dipilih
adalah sort by ascending  oksavetutup buka file Tanggerang_B
 Lakukan langkah pertama sampai terakhir pada file Tanggerang_B
b. Buka kembali file Tanggerang_A.SAV
c. Proses merger dengan perintah :
d. Data  Merger File  Add Variabel  pilih file Tanggerang_B.SAV 
continue

e. Langkah selanjutnya variabel RESP dari excluded variabel pindahkan ke key

variables

f. File gabung beri nama new_tanggerang

1.2.7 Transformasi data
Banyak cara yang dapat dilakukan untuk merubah bentuk data namun yang paling
sering digunakan adalah RECODE dan COMPUTE. Dilakukan transformasi data
seringkali data yang ada tidak semua dapat langsung dianalisis, ada beberapa data masih
perlu dilakukan transformasi.
1. Transformasi data dengan perintah "RECODE"
Perubahan bentuk data yang paling sederhana adalah pengkategorian data numerik
menjadi data kategorik. Misalnya, umur dari data numerik menjadi data kategorik,
umur dikelompokkan menjadi 3 kategori yaitu <20 tahun, 20-30 tahun, dan >30
tahun. Atau bisa dilakukan untuk data kategorik menjadi beberapa kelompok yang
lebih kecil, misalnya dari variabel pendidikan 5 kategori menjadi 2 kategori yaitu
rendah (tidak sekolah, SD, SMP) dan tinggi (SMA, PT). Proses pengelompokkan
atau pengkategorian ulang tersebut lebih dikenal dengan RECODE.
Contoh soal 1:
Buatlah variabel baru didik dengan nama didik_1!
Kategori baru :
1. Pendidikan rendah : tidak sekolah, tidak tamat SD, tamat SD
2. Pendidikan sedang : Tamat SMP, tamat SMA
3. Pendidikan tinggi : akademi/perguruan tinggi
Langkah dalam melakukan transformasi data dengan perintah RECODE
a. Bukalah file new_tanggerang.SAV
b. Dari menu utama pilih Transform  Recode  Into Different Variabel
c. Kemudian klik old and new value

Setelah tampilan klik add

d. Lakukan langkah 3 untuk pendidikan sedang dan tinggi.
 e. Lakukan pengecekan dengan melihat jendela data/data editor.
Contoh soal 2 :
Buatlah variabel baru umur dengan nama UMUR_1!
Kategori baru :
1. Umur kurang dari 20 tahun
2. Umur antara 20 tahun dengan 30 tahun
3. Umur lebih dari 30 tahun
Langkah penyelesaian dengan menggunakan perintah RECODE
a. Lakukan langkah 1 dan 2 pada langkah soal 1
b. Pada langkah 3
 c. Lakukan pengecekan kembali setelah selesai RECODE
2. Transformasi data dengan perintah "COMPUTE"
Perubahan bentuk data lainnya adalah penggunaan fungsi matematik dan algoritma.
Misalnya penjumlahan skor variabel kuesioner. Selain penjumlahan dapat juga
dilakukan untuk perkalian, pembagian, pengurangan. Atau dapat juga dilakukan
 untuk pengelompokkan beberapa variabel sekaligus, misalnya responden umur > 30
tahun yang berpendidikan rendah dan merokok. Proses penggunaan fungsi
matematik dan algoritma tersebut lebih dikenal dengan istilah COMPUTE.
Contoh soal :
Berapa persen ibu yang berisiko tinggi (kurang dari 20 tahun dan tidak
memeriksakan kehamilannya)?
Langkah dalam melakukan transformasi data menggunakan perintah COMPUTE
a. Dari menu utama pilih Transform  Compute
b. Isi target Variabel dengan risk_tinggi
c. Pada numeric Expression buatlah rumus sesuai dengan kriteria

d. Setelah analisis lakukan kembali pengecekan.

1.2.8 Pemberian kode value labels
Pada data kategorik , data yang dimasukkan ke komputer biasanya untuk
efisiensi , data dimasukkan dengan angka. Agar pada saat tidak kebingungan, maka
kode tersebut diberikan tabel.
Contoh Soal :
Berilah label dan value pada variabel didik_1 !
Langkah pemberian Kode value labels :
a. Tampilan layar ganti pada Variabel view.
b. Pada variabel didik_1  klik label  ketik pendidikan terakhir respondenenter
c. Klik Value
1.2.9 Select Cases
Dipergunakan pada saat ketika mengolah dan menganalisis hanya data dari
kelompok tertentu saja.
Contoh soal :
Berapa persen ibu berpendidikan rendah yang memeriksakan kehamilan?
Langkah :
a. Pilih menu DataSelect Cases  If Condition is Satisfied  If  OK
b. Tanda yang dicoret adalah kasus yang tidak masuk kriteria (pendidikan
sedang&tinggi)

1.3 TUGAS
1. Gabungkan file deskriptif_A.SAV dan deskriptif_B.SAV dengan nama file
BBLR_2017.SAV, dan buatlah variabel baru sesuai dengan petunjuk.
2. Untuk memudahkan dalam menganalisis data maka buatlah variabel yang ada
dalam file BBLR_2017.SAV sesuai dengan definisi operasional dalam penelitian.
Adapun variabel baru yang sesuai dengan definisi operasional tersebut adalah sebagai
berikut :
a. Variabel umur menjadi variabel umur_klp
 kategori umur_klp : 1. Risiko tinggi (<20 tahun dan > 35 tahun)
2. Tidak berisiko (20-35 tahun)
b. Variabel Hb menjadi variabel Hb_klp
 kategori Hb_klp : 1. Anemia < 11
2. Normal ≥ 11
c. Variabel berat bayi menjadi variabel BBLR
 kategori BBLR : 1. BBLR <2500 gram
 2. Normal ≥2500 gram
d. Variabel berat bayi menjadi variabel BBkg (berat badan bayi dalam kg)
e. Selisih BB ibu setelah melahirkan dan sebelum hamil dengan nama variabel naik_BB
f. Buatlah variabel baru untuk pengelompokkan ibu yang berisiko tinggi dan merokok
dengan nama risk_rokok.
 Kategori risk_rokok : 1. Risiko tinggi dan merokok
2. Tidak berisiko dan tidak merokok