ANALISIS DATA

Noor Latifah A , SKM, MKM

ANALISIS DATA
Analisis data  merupakan rangkaian kegiatan
setelah melakukan pengolahan data.
Analisis data  data mentah (raw data) menjadi
memiliki arti/makna yang dapat berguna untuk
memecahkan masalah penelitian.
Analisis data  tidak langsung memberi jawaban
penelitian, sehingga perlu diketahui bagaimana
menginterpretasikan hasil penelitian.
Interpretasi  menjelaskan hasil analisis guna
memperoleh makna/arti
ANALISIS DATA...(LANJUTAN)
Interpretasi mempunyai 2 bentuk, yaitu :
 Interpretasi dalam arti sempit (deskriptif) 
interpretasi data dilakukan hanya sebatas pada
masalah penelitian yang diteliti berdasarkan data
yang dikumpulkan dan diolah untuk keperluan
penelitian.
 Interpretasi dalam arti luas (analitik) 
interpretasi guna mencari makna data hasil
penelitian dengan jalan tidak hanya
menjelaskan/menganalisis data hasil penelitian,
tetapi juga melakukan inferensi (generalisasi)
dari data yang diperoleh dengan teori-teori yang
relevan dengan hasil-hasil penelitian.
ANALISIS DATA...(LANJUTAN)
Pada umumnya, analisis data bertujuan untuk :
1. Memperoleh gambaran/deskripsi masing-masing
variabel
2. Membandingkan dan menguji teori atau konsep
dengan informasi yang ditemukan
3. Menemukan adanya konsep baru dari data yang
dikumpulkan
4. Mencari penjelasan apakah konsep baru yang
diuji berlaku umum atau hanya berlaku pada
kondisi tertentu
ANALISIS DATA...(LANJUTAN)
Seberapa jauh analisis suatu penelitian akan
dilakukan tergantung dari :
1. Jenis penelitian
2. Jenis sampel
3. Jenis data/variabel
4. Asumsi kenormalan distribusi data
Jenis Penelitian
Jika ingin mengetahui 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.
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
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  uji t independen
Untuk penelitian eksperimen yang sifatnya pre dan
post (sebelum dan sesudah adanya perlakuan
tertentu dilakukan pengukuran) maka uji yang
digunakan adalah uji statistik untuk data yang
dependen  Uji t dependen
Jenis Data/Variabel
Data dengan jenis katagori berbeda cara analisisnya
dengan data jenis numerik
Beberapa pengukuran/uji statistik hanya cocok
untuk jenis data tertentu
Contoh :
 nilai proporsi/persentase (pada analisis
univariat) biasanya cocok untuk menjelaskan
data berjenis katagorik
 untuk data jenis numerik biasanya dapat
menggunakan nilai rata-rata untuk menjelaskan
karakteristiknya
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
Asumsi kenormalan dapat dipenuhi maka dapat
digunakan uji statistik parametrik
JENIS-JENIS ANALISIS DATA

Tahap-tahap analisis data :

Analisis Univariabel (Univariate)
Analisis Bivariate
Analisis Multivariate
Analisis Univariabel
(Univariate)
Analisis univariabel (univariate)  bertujuan untuk
menjelaskan/mendeskripsikan karakteristik
masing-masing variabel yang diteliti.
Bentuknya tergantung dari jenis datanya, yaitu :
 Data numerik  mean (rata-rata), median, standar
deviasi dan interkuartil range, minimal maksimal.
 Data kategorik  proporsi dan persentase.
Analisis Bivariate
Analisis bivariate  analisis hubungan antara dua
variabel
Analisis bivariate  menggunakan uji statistik.
Jenis uji statistik pada analisis bivariate  sangat
tergantung pada jenis data/variabel yang akan
dihubungkan.

Variabel independen : Variabel dependen :

Pengetahuan ibu Status gizi balita
Analisis Multivariate
Analisis Multivariate  merupakan analisis
yang menghubungkan antara beberapa
variabel independent dengan satu variabel
dependent.
Faktor-factor yang mempengaruhi status gizi
balita : pengetahuan ibu, pendapatan, usia ibu,
tempat tinggal
Variabel independen :
Pengetahuan, Variabel dependen :
pendapatan, usia, Status gizi balita
tempat tinggal
ANALISIS UNIVARIABEL
(UNIVARIATE)
Fungsi analisis  menyederhanakan atau meringkas
kumpulan data hasil pengukuran sedemikian rupa
 sehingga kumpulan data tsb berubah menjadi
informasi yag berguna.
Penyederhanaan atau peringkasan dapat berupa :
 Ukuran-ukuran statistik
 Tabel
 Grafik
Tujuan analisis univariabel (univariate) 
menjelaskan/mendeskripsikan masing-masing
variabel yang diteliti.
ANALISIS
UNIVARIATE...(LANJUTAN)
Data Numerik
 Berasal dari pengukuran yang menggunakan skala
interval dan rasio
Data Kategorik
 Berasal dari pengukuran yang menggunakan skala
pengukuran nominal dan ordinal
DATA NUMERIK
Data numerik berasal dari skala yang rankingnya tinggi
(interval dan rasio)  maka banyak informasi yang
didapatkan dari menganalisis data yang berbentuk numerik,
diantaranya :
 Nilai tengah (central tendecy)  mean, median dan
modus
 Nilai posisi  median, kuartil, desil dan presentil
 Nilai variasi  range, interkuartil range, mean deviasi,
varian dan standar deviasi
Nilai Tengah
 Nilai tengah  suatu nilai yang dapat mewakili sekelompok
nilai hasil pengamatan dan disebut juga rata-rata.
 Nlai tengah cenderung berada ditengah-tengah suatu
distribusi  central tendecy
1. Mean/average (rata-rata)
Mean/average (rata-rata)  adalah ukuran rata-rata yang
merupakan hasil dari jumlah semua nilai pengukuran
dibagi oleh banyaknya pengukuran.
Mean  menggunakan simbol “X (X bar)”
Rumus mean :
Mean...(Lanjutan)
Contoh : Berat Badan (Kg) Frek Fx
43 4 172
50 4 200
X = 1 .866 / 30 55 1 55
= 62,2 Kg 60 2 120
62 1 62
63 1 63
65 3 195
67 2 134
68 1 68
69 1 69
70 3 210
71 1 71
72 3 216
75 1 75
78 2 156
Jml 30 1.866
Nilai Tengah...(Lanjutan)
2. Median
Median  nilai observasi yang paling tengah
Prosedur perhitungan median melalui langkah-langkah
sebagai berikut :
1) Data diurutkan/di-array dari nilai kecil sampai nilai
yang besar
2) Hitung posisi median dengan rumus : (n+1)/2
3) Hitung nilai mediannya
Simbol median  Md atau Me
Contoh :
Kadar Hb wanita hamil ; 10, 9, 11 , 8, 12
Di susun secara teratur : 8, 9, 10, 11 , 12
Posisi Median : 1 2 3 4 5
Nilai Median = 10
Nilai Tengah...(Lanjutan)
3. Modus
Modus  nilai pengamatan yang mempunyai
frekuensi/jumlah yang terbanyak.
Modus  nilai yang paling banyak ditemui dalam suatu
agregate (observasi)
Contoh :
Data umur mahasiswa (dalam tahun) : 18, 22, 21 , 20,
23, 20
Nilai modus = 20 tahun
Hubungan Mean, Median Dan
Modus
Hubungan nilai mean, median dan modus akan
menentukan bentuk distribusi data yaitu :
1. Bila nilai mean, median dan modus sama 
maka bantuk distribusi datanya normal (kurva
symetris).
Hubungan Mean, Median Dan
Modus...(lanjutan)
2. Bila nilai mean > median > modus  maka bentuk
distibusi datanya menceng/miring ke kanan (kurva
skewed to the right).
Hubungan Mean, Median Dan
Modus...(lanjutan)
3. Bila nilai mean < median < modus  maka bentuk
distibusi datanya menceng/miring ke kiri (kurva
skewed to the left).
Nilai Posisi
Median  nilai tengah
Kuartil  nilai yang membagi empat agregate
(bagian) : K1, K2, K3
K1  25% dari seluruh distribusi
K2  50% dari seluruh distribusi
K3  75% dari seluruh distribusi
Desil  nilai yang membagi agregate menjadi 10
bagian : D1, D2, D3,......D9.
Presentil  nilai yang membagi agregate menjadi
100 bagian : P1, P2,.....P99
NILAI POSISI
Md,Kuartil, Desil, Persentil

Md

K1 K2 K3

D5

P 25 P 50 P 75
Nilai Variasi
1. Range
 Range  merupakan ukuran variasi yang paling dasar,
dihitung dari selisih nilai terbesar dengan nilai terkecil.
 Kelemahan Range  dipengaruhi nilai ekstrim
 Keuntungan Range  dapat dilakukan dengan cepat
Contoh :
Berat Badan
Distribusi berat badan :
40
43
Range = 70 – 40 = 30 49
60
60
64
65
65
66
70
Nilai Variasi...(Lanjutan)
2. Jarak Inter Quartil
Nilai observasi disusun berurutan dari nilai kecil ke besar
 kemudian ditentukan kuartil bawah dan atas.
Kuartil merupakan pembagian data menjadi 4 bagian yag
sama atau kuartil (K)  K1 , K2, K3
Jarak inter kuartil  selisih antara kuartil III dan kuartil I.
Jarak inter kuartil  ukuran lebih baik dari range 
terutama jika frekuensi pengamatan banyak dan distribusi
sangat menyebar
Jarak Inter Kuartil...(Lanjutan)
Jarak Inter Kuartil kolesterol darah dari 10 orang penderita
hipertensi :
Kolesterol : 150, 152, 160, 165, 167, 169, 171 , 174, 175, 593
Data ke : 1 2 3 4 5 6 7 8 9 10

Letak K3 = ¾ (10+1) K1 = ¼ (10+1)

= 8,25 = 8 + 0,25 = 2,75 = 2 + 0,75
Antara data ke-8 dan ke-9 antara data ke-2 dan 3

Nilai K3 = 174 + 0,25 (175 – 174) = 174,25

K1 = 152 +0,75 (160 – 152) = 158

Jarak Inter Kuartil = K3 – K1

= 174,25 – 158
= 16,25
Nilai Variasi...(Lanjutan)
3. Mean Deviasi (MDev)
Mean Deviasi (Mdev) 
adalah rata-rata x Ix-xI=d
perbedaan antara nilai
observasi dengan 1 5
mean.
Rumus :
5 1
6 0
7 1
Jarang digunakan  8 2
karena nilai mutlak
Contoh : 9 3
1 5 6 7 8 9
Mean  6 X=6 Xd = 12/6= 2
Nilai Variasi...(Lanjutan)

4. Varian
 Rata-rata kuadrat perbedaan antara observasi
dengan mean
 Rumus:

 (n-1) koreksi Fisher Wilks………..degree of

fredom
Nilai Variasi...(Lanjutan)

x ( x-x ) (x-x)2
1 -5 25
5 -1 1
6 0 0
Kalau satuannya
7 1 1
8 2 4 cm……..cm2

9 3 9 kg………kg2

X=6 ∑=0 ∑=40

Nilai Variasi...(Lanjutan)
5. Standar Deviasi (SD)
Akar dari varian
Rumus :

Berdasarkan contoh di atas :

SD = 8 = 2,8

Varian dan Standar Deviasi (SD)  banyak

digunakan dalam analisis statistik.
COV (COEFFISIEN OF
VARIATION)
Adalah nilai Standar deviasi
dibagi mean x 100%
COV= S/X x 100%
Membandingkan variasi
antara dua atau lebih
agregate yang ukurannya
berbeda atau gradasinya
berbeda
Contoh : dari suatu
pengukuran didapatkan rata
TB= 162 cm dan S= 15 cm.
Berat badan rata-rata 58 kg
dan S= 8 kg…..manakah
yang lebih bervariasi TB atau
BB ?
COV...(Lanjutan)
Jawab:
 COV TB= 15/162 x100%= 9,3 %
 COV BB= 8/58 x100% = 13,8 %
Dari hasil COV terlihat bahwa walaupun S TB 15cm
dan S BB 8 kg ternyata COV BB lebih besar dari COV
TB , Jadi dapat disimpulkan BB lebih bervariasi.
DATA KATEGORIK
Peringkasan/penyederhanaan data  hanya
menggunakan distribusi frekuensi dengan :
 Proporsi
 Ukuran persentase
 Contoh :
Kelas A : mahasiswa 50 dan mahasiswi 50
Kelas B : mahasiswa 90 dan mahasiswi 10
Pada kelas A, jenis kelamin mahasiswa bervariasi
(heterogen) karena 50% pria dan 50% wanita.
Pada kelas B, jenis kelamin mahasiswa tidak
bervariasi (homogen pada pria) karena pria 90% dan
wanita hanya 10%