MANAJEMEN DAN
ANALISIS DATA
KESEHATAN
Menggunakan SPSS 16
2010
O L E H P O D O J O Y O , S K M , M . K E SHalaman - 0
Manajemen dan Analisis Data
Halaman - 1
KATA PENGANTAR
Dalam buku ini berisikan panduan untuk program SPSS versi 16.0
dengan Windows Vista. Pengguna buku ini disarankan sudah dapat
mengoperasikan program komputer dasar yaitu Windows , MS Word dan MS
Excel. Selain itu juga yang tak kalah penting adalah sudah memahami
konsep statistik deskriptif dan inferensial, metode penelitian dan
epidemiologi, karena akan mempermudah dan mempertajam dalam
menginterpretasikan output computer. Pada Praktek Manajemen dan
Analisis Data Kesehatan berisikan pengolahan data secara sederhana dan
mudah dipelajari seperti membuat template entry data, modifikasi data,
edit data, analisis deskriptif dan inferensial.
Halaman - 2
BAB I
PENDAHULUAN
Halaman - 3
INPUT PROSES INFORMAS
DATA KOMPUTER I
Halaman - 4
BAB II
PENGOLAHAN DATA
1 Pendahuluan
Pengolahan data merupakan proses yang sangat penting dalam
penelitian. Pengolahan data merupakan salah satu bagian dari serangkaian
kegiatan penelitian setelah melakukan pengumpulan data. Data yang
dikumpulkan merupakan data mentah yang harus diorganisasi sedemikian
rupa agar dapat disajikan dalam bentuk tabel atau diagram hingga siap
untuk dianalisis dan ditarik kesimpulan.
Kegiatan dalam proses pengolahan data adalah
1. memeriksa data (editing),
2. memberi kode (coding),
3. memproses data (proccessing),
4. membersihkan data (cleaning)
Halaman - 5
3. Pemberian Kode (Koding)
a. Koding merupakan kegiatan merubah data berbentuk huruf menjadi data
berbentuk angka/bilangan. Pemberian kode dapat dilakukan sebelum atau
sesudah pengumpulan data dilakukan. Tujuan melakukan koding adalah
untuk mempermudah dalam pengolahan data.
Misalnya jenis kelamin untuk laki-laki diberi kode 1 dan wanita diberi
kode 2. Contoh lain misalnya variable tingkat pendidikan diberi kode seperti
di bawah ini.
Tidak sekolah kode 0
SD kode 1
SLTP kode 2
SLTA kode 3
PT/Akademi kode 4
Halaman - 6
5 Pembersihan Data (Cleaning)
Pembersihan data (cleaning) merupakan kegiatan pengecekan
kembali data yang sudah di-entry. Pada saat entry data ke komputerbisa
saja terjadi kesalahan. Misalnya, pada variable status penimbangan anaknya
ke posyandu bulan ini ibu balita tidak menimbang anaknya ke posyandu
tetapi pada variable berat badan terdapat data berat badan terisi 15 kg. Ini
berarti ada data yang tidak konsisten (salah) karena anaknya tidak
ditimbang tetapi data berat badannya terisi 15 kg.
Jenis Kelamin
Cumulative
Frequency Percent Valid Percent Percent
Valid Laki-laki 31 43.1 43.1 43.1
Perempuan 41 56.9 56.9 100.0
Total 72 100.0 100.0
Halaman - 7
Tabel 2.5.2 Tingkat Pendidikan
Tingkat Pendidikan
Cumulative
Frequency Percent Valid Percent Percent
Valid SD 6 8.3 12.5 12.5
SLTP 11 15.3 22.9 35.4
SLTA 29 40.3 60.4 95.8
PT 2 2.8 4.2 100.0
Total 48 66.7 100.0
Missing System 24 33.3
Total 72 100.0
Status Anemia
Cumulative
Frequency Percent Valid Percent Percent
Valid Anemia 25 34.7 34.7 34.7
Normal 45 62.5 62.5 97.2
3.00 2 2.8 2.8 100.0
Total 72 100.0 100.0
Dari tampilan tabel 2.5.3 di atas ternyata ada data yang salah,
yaitu munculnya kode status anemia angka 3.00 yang berjumlah 2
orang. Seharusnya variabel status anemia hanya ada dua kategorik
yaitu anemia dan normal.
Keikutsertaan KB
Cumulative
Frequency Percent Valid Percent Percent
Valid Ya 17 34.0 34.0 34.0
Tidak 33 66.0 66.0 100.0
Total 50 100.0 100.0
Halaman - 8
Tabel 2.5.5 Jenis Alat Kontrasepsi
Cumulative
Frequency Percent Valid Percent Percent
Valid Tidak pakai 31 62.0 62.0 62.0
Suntik 4 8.0 8.0 70.0
Pil 4 8.0 8.0 78.0
Kondom 5 10.0 10.0 88.0
IUD 6 12.0 12.0 100.0
Total 50 100.0 100.0
Halaman - 9
BAB III
3.1.2 Bila layar computer belum ada icon SPSS, maka langkah-langkahnya
adalah sebagai berikut : 1. klik start
2. klik all programs
3. klik SPSS Inc
4. klik SPSS 16.0
Halaman - 10
Gambar 3.1.2 Memulai program SPSS for Windows
Pada saat SPSS pertama kali dibuka selalu tampak tampilan pertama seperti
berikut.
Halaman - 11
Gambar 3.1.3 Tampilan pertama SPSS
Halaman - 12
Gambar : Tampilan Variable View
Setelah memberi karakteristik pada data kemudian klik pada data view
untuk enti data.
Heading
variabel
Nomor
cases
Halaman - 13
Keterangan dari Data Editor yaitu:
File , digunakan untuk membuat atau membuka file
Edit, digunakan untuk memodifikasi, mengkopi, menghapus maupun
syntax windows.
Data, digunakan untuk pilihan umum dari file seperti define variable,
penggabungan file, dll.
Transform, untuk pembentukan variabel baru yang valuenya merupakan
hasil transformasi dari value variabel yang telah ada atau memodifikasi
variabel yg sudah ada berdasarkan variabel lain.
Analyze, digunakan untuk memilih berbagai prosedur analisa statistik,
Graphs, digunakan untuk menampilkan data berupa bar chart, pie chart,
histogram, scater plot dll.
Utilities, digunakan untuk mengubah fonts, mengakses data,
menampilkan file info atau index dari perintah-perintah SPSS.
Window, digunakan untuk mengatur, meilih dan mengontrol atribut
windows
Help, berisi informasi bantuan yg berkaitan dengan SPSS for windows.
Untitled pada gambar 3.1.4 di atas menunjukkan bahwa belum ada data
untuk ditampilkan, selanjutnya kita akan membuka file data yang sudah ada
atau mau membuat data baru.
Halaman - 14
Sel, merupakan perpotongan antara kolom dan baris menunjukkan
nilai/data.
Contoh Kasus
Berikut adalah data berat badan 10 responden pria dan wanita yang diambil
secara acak dengan dengan menggunakan kuesioner yang hasilnya sebagai
berikut :
Kelamin
Berat
No Nama 1=pria,
(kg)
2=wanita
1 Iwan 60.5 1
2 Tina 50.0 2
3 Rosa 55.5 2
4 Budi 75.0 1
5 Anto 65.5 1
6 Lina 56.0 2
7 Dewi 58.0 2
8 Sugeng 70.0 1
9 Diana 45.5 2
10 Herman 68.5 1
Pertama kali yang dilakukan pada saat entry data adalah memberi
nama variabel. Satu variabel mewakili/melambangkan satu pertanyaan.
Agar tidak menemui kesulitan dalam membuat nama variabel, berikut akan
diuraikan ketentuan/persyaratan dalam membuat nama variabel:
Nama variabel maksimum berisi 8 huruf
Nama variabel tidak boleh ada spasi
Nama variabel tidak ada yang sama (tidak boleh ada 2 variabel yang
memiliki nama sama).
Sebelum membuat tabel di atas menjadi data yang siap diolah oleh
SPSS, bahwa tabel di atas berisi tiga macam variabel, yaitu: Nama, Berat
dan Kelamin. Di samping itu juga ada 10 data atau kasus.
Halaman - 15
a. Aktifkan Variable View dengan cara , klik tombol Variabel View pada
pojok kiri bawah. Setelah di klik variable view maka akan muncul
tampilan seperti di bawah (gambar 3.2.2).
b. Name. untuk Memberikan nama variable. Penamaannya langsung
dengan cara mengisi nama variabel pada kolom Name yaitu variabel
nama, berat dan kelamin.
c. Type. Untuk menentukan type data pada kolom type diklik pada
bagian kanan kotak/kotak abu-abu untuk memunculkan tampilan
seperti di bawah ini.
Keterangan :
Numeric. merupakan tipe angka dengan tanda plus dan tanda minus
di depan angka serta indicator decimal. Maksimal 40 karakter.
Comma. Harga yang valid termasuk angka, tanda plus dan tanda
minus didepan angka. Indicator decimal, dan tanda-tanda koma
pemisah ribuan.
Dot. Tipe ini sama dengan tipe comma, yang membedakan hanyalah
pemisah ribuan yang digunakan adalah tanda titik.
Scientific Notation. Harga valid sama dengan tipe numeric.
Merupakan tipe data yang menggunakan lambing atau notasi ilmiah
seperti log, alfa dll.
Date. Tipe ini menampilkan data dalam format tanggal atau waktu.
Dollar. Harga yang valid adalah tanda dollar ($), sebuah titik sebagai
indicator decimal, dan beberapa tanda koma pemisah ribuan.
Halaman - 16
Custom Currency. Tipe ini digunakan untuk menampilkan format
mata uang seperti Rp. 1000,-
String. Harga yang valid adalah huruf,angka dan karakter-karakter
lain.
Berdasarkan keterangan di atas, maka untuk variabel nama,
type variabel yang digunakan adalah string. Caranya bawa kursor
ketempat lingkaran kata ‘string’ kemudian klik pada lingkaran
tersebut
Halaman - 17
g. Value (Nilai). Digunakan untuk variabel dummy atau membuat
pengelompokkan misalnya tingkat pendidikan 1=SD 2=SMP 3=SMU
4=PT. pada contoh kasus di atas hanya variabel kelamin yang harus
diberi value label.
Caranya : Klik kotak sebelah kanan pada kolom Values dan baris pada
variabel kelamin sehingga muncul kotak dialog berikut.
Caranya : pada kotak value ketiklah 1, dan pada kotak value label
ketiklah pria
Halaman - 18
Kemudian klik tombol Add sehingga di bawah akan muncul tulisan “pria”
Setelah itu lakukan dengan cara yang sama pada kotak value ketik 2, isikan
pada kotak value label ketik wanita kemudian klik tombol Add. Dan akhirnya
tampilan seperti di bawah ini.
Setelah semua diberi value label klik continue. Lalu klik OK sehingga
anda kembali ke Data Editor, dan terbentuklah variable kelamin.
Anda tinggal mengisi datanya.
h. Missing (data hilang). Untuk data hilang terdapat tiga fasilitas yaitu
no missing value, discrete missing value dan range plus one.
Halaman - 19
i. Aligment. Merupakan pilihan didalam peletakan data pada posisi rata
kiri, kanan atau tengah.
j. Measure. Ada tiga macam data yaitu nominal merupakan data diskrit
yaitu data hasil menghitung, sedangkan scale dan ordinal merupakan
data kontinyu yaitu data hasil mengukur.
Hasilnya dapat dilihat di bawah ini.
Setelah tampilan Variable View sudah terisi, maka aktifkan Data View
untuk mengisi datanya dari tiap-tiap variable. Caranya klik tombol Data
View pada pojok kiri bawah, maka akan tampil kotak dialog selanjutnya
dengan mengisi datanya pada variable nama, berat dan kelamin sehingga
hasilnya dapat dilihat di bawah ini.
Halaman - 20
Gambar 3.2.10 Tampilan Datayang telah terisi pada Data View
Halaman - 21
Gambar 3.2.10 Tampilan Menyimpan File ‘LATIHAN’
Halaman - 22
Pada gambar di atas data akan dicetak dengan printer merk Canon
MP460, jika jenis printer akan diubah, klik Setup… kemudian
sesuaikan spesifikasi printer.
Jika semua data ingin dicetak, maka pilih All kemudian OK maka
semua data pada file akan dicetak.
Halaman - 23
Pada tampilan diatas ada dua sel yang akan dihapus yaitu pada
variable berat dan nomor responden 5 dan 6.
Setelah yakin isi sel tersebut ingin dihapus, tekan tombol Del pada
keyboard, kemudian ketik sesuai yang diinginkan/sebenarnya.
Halaman - 24
Untuk menghapus tekan tombol Del pada keyboard.
Ingin menghapus data pada responden nomor 4 atas nama Budi, maka:
Klik nomor kasus yang akan dihapus, dalam hal ini kasus nomor 4.
Halaman - 25
Untuk menghapus tekan tombol Delete pada keyboard.
Halaman - 26
Untuk pengisian variabel ini (Name, Type dan lainnya) bisa dengan
cara mengaktifkan variable view pada sudut kiri bawah. Cara
pengisiannya bisa dilihat pada pembahasan sebelumnya.
Halaman - 27
Isi sel tersebut dengan Deden pada variabel Nama, lalu isi pada
variabel BB dan JK, sesuaikan urutan nomor responden.
Jangan lupa setiap akhir perubahan dimpan agar file perubahan
tidak hilang.
Halaman - 28
Pada kolom Select ada beberapa pilihan:
ALL CASES jika menseleksi untuk seluruh kasus
IF jika seleksi berdasarkan kriteria tertentu
RANDOM jika seleksi berdasarkan bilangan acak
TIME/CASES RANGE jika seleksi berdasarkan range tertentu
FILTER VARIABLE jika seleksi berdasarkan variable tertentu.
Pada kasus ini ingin menseleksi bagi mereka yang jenis kelamin laki-laki
saja, maka pilihan yang tepat adalah If Condition is Satisfied kemudian
klik. Selanjutnya klik pada boks IF, sesaat tampak dilayar seperti di bawah
ini:
Klik variable jenis kelamin, kemudian klik tanda panah hingga
variable jenis kelamin masuk ke kotak dialog di sebelah kanan atas.
Halaman - 29
Klik tanda = kemudian klik 1 yang terletak diantara kumpulan tanda
matematika maupun angka yang ada di bawah kotak pengisian,
otomatis tanda ‘=’ akan tertulis dikotak (Bisa juga ketik =1
menggunakan keyboard tanpa spasi) . Pada angka 1 sebagai kode laki-
laki pada variable jenis kelamin.
Selanjutnya klik Continue dan OK. Maka tampak pada layar:
Pada kotak terlihat ada 5 data yang tidak terseleksi karena mempunyai jenis
kelamin perempuan. Selanjutnya yang akan diproses/dianalisis oleh
komputer hanya yang berjenis kelamin laki-laki saja.
Halaman - 30
Klik variable Nama, dan masukkan ke dalam kolom Sort by dengan
mengklik tombol panah kanan.
Klik pilihan Ascending. Selanjutnya klik OK. Maka tampak pada layar
dibawah.
Halaman - 31
3.5 Menu Transform
Pada Target Variable diisi dengan mengetik nama variabel baru yaitu B.Ideal,
selanjutnya klik tombol Type and Label, hingga tampak pada gambar
berikut:
Halaman - 32
Pada kolom Label ketik Berat badan ideal responden
Pada kolom Type pilih Numerik, karena variabel B.Ideal hasil ukurnya
berupa angka.
Setelah kedua kolom diisi, maka klik continue.
Selanjutnya pada Numeric Expression ketik berat*0.9 seperti pada
gambar di bawah ini.
Halaman - 33
3.5.2 Count
Fungsi menu Count adalah untuk menghitung data dengan kriteria tertentu.
KASUS :
Ingin menghitung jumlah pria yang mempunyai berat badan lebih dari 70 kg.
Pilih menu Transform, lalu pilih Count…… tampak pada layar:
Halaman - 34
Pada kotak Target Variable diisi dengan nama variable baru yaitu :
ketik pria
Pada kotak Target Label berisi tentang keterangan variabel Pria,
ketik dengan label Jumlah Pria.
Pada kotak Variables diisi dengan nama variabel Jenis Kelamin
(variabel yang sudah ada pada file), setelah itu tekan tombol Define
Values maka tampak pada layer :
Karena variable jenis kelamin untuk pria dengan nilai 1, maka ketik 1
pada kolom value, lalu ketik tombol Add, maka nilai 1 masuk ke
kotak Value to Count (nilai yang akan dihitung).
Selanjutnya klik tombol Continue.
Untuk menuliskan berat badan diatas 70 kg, maka klik tombol IF
berada pada bagian tengah bawah. Selanjutnya tampak pada layar:
Halaman - 35
Klik pilihan Include if cases satisfies condition (masukkan kasus yang
memenuhi persyaratan), lalu ketik berat>70.
Klik tombol Continue untuk melanjutkan, kemudian OK.
Analisis:
Dari hasil output di atas terlihat ada variable baru yaitu dengan nama
“PRIA” dan memuat jumlah pria yang mempunyai berat badan lebih dari 70
kg. Ternyata hanya ada 1 pria yang berat badannya lebih dari 70 kg yaitu
Budi.
Halaman - 36
3.5.3 Recode
Perintah Recode berfungsi untuk memberi kode ulang pada variable dengan
criteria tertentu.
KASUS :
Berat badan akan diklasifikasikan menjadi 3 kelompok yaitu: < 55 kg, 55-60
kg, dan >60 kg.
Langkah-langkahnya :
Pilih menu Transform kemudian pilih Recode
Pilih Into Different Variables, kemudian pindahkan variable Berat ke
kotak Numerik Variable Output Variable, maka akan tampil kotak
dialog seperti berikut:
Pada Output Variable, pada bagian Name ketiklah nama variable baru
yang akan dibuat dan bentuknya kategorik seperti BBKEL.
Selanjutnya klik Change sehingga pada kotak Input Variable Output
Variable terlihat Berat BBKEL.
Klik Option Old and New Value, nampak seperti pada gambar
dibawah. Pada kotak dialog tersebut ada beberapa isian yang harus
diisi. Secara garis besar ada 2 isian yaitu Old Value (nilai lama yang
akan direcode) dan New Value (nilai baru sebagai hasil recode dari
nilai lama).
Halaman - 37
Sekarang kita akan merecode nilai BERAT < 55 kg menjadi kode 1.
Halaman - 38
dan 60. Lalu pindahkan kursor ke kotak New Value, ketiklah 2. Lalu
klik Add.
Klik pada bagian Range:--through highest. Kita akan melakukan
pengkodean BERAT > 60 kg menjadi kode 3. Pada kotak Range:
--through highest ketiklah 60,1. Lalu pindahkan kursor ke kotak New
Value, ketiklah 3. Klik Add.
Halaman - 39
3.2.3 Keluar dari SPSS
Bila seluruh kegiatan pada SPSS sudah selesai, untuk keluar dari SPSS
pada menu File pilih EXIT. Maka computer akan keluar dari program SPSS.
(Lihat gambar di bawah ini).
Halaman - 40