BUKU PANDUAN

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

Menggunakan Program SPSS 16.0

Halaman - 1
 KATA PENGANTAR

Penyediaan buku untuk proses belajar mengajar sangat membantu

mahasiswa dalam mengikuti perkuliahan, terutama dalam Manajemen dan
Analisis Data Kesehatan di beberapa institusi pendidikan kesehatan. Buku ini
merupakan kumpulan dari panduan praktek sebelumnya yang telah
mengalami perbaikan dengan menyesuaikan perangkat lunak komputer.

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.

Buku ini diharapkan dapat membantu mahasiswa/pengajar dalam

membuat penulisan laporan penelitian atau praktisi dalam mengolah dan
analisa data kesehatan. Akhir kata semoga buku ini dapat bermanfaat.

Palembang, September 2010

Penulis

Halaman - 2
 BAB I
PENDAHULUAN

Kemajuan teknologi di bidang komputer pada beberapa dekade

terakhir ini menuntut mahasiswa khususnya dibidang kesehatan untuk
mempelajari bagaimana melakukan manajemen dan analisis data
menggunakan komputerisasi. Metode statistik yang merupakan salah satu
alat bantu dalam menelaah laporan-laporan ilmiah, mengadakan analisis
data yang diperoleh dari hasil survey dan catatan medik di rumah sakit,
mengadakan penelitian dalam bidang kesehatan, dan lain-lain kini sudah
dapat dikerjakan dengan menggunakan komputer.

1.1 Statistik dan Komputer

Komputer berasal dari bahasa Yunani dengan asal kata “Computare”
yang artinya menghitung. Menghitung merupakan kegiatan operasi
matematika seperti menjumlah, mengurang, membagi, dll serta operasi
logika seperti (>, <, =). Dengan demikian komputer dirancang untuk
melakukan fungsi-fungsi tersebut.
Sementara statistik berasal dari kata “statistic” yang dapat diartikan
sebagai data yang telah terolah yaitu data mentah yang mengalami proses
pengolahan data. Misal data tentang kadar hemoglobin (g/dl) pada
sekelompok remaja putri yang kemudian dihitung nilai rata-rata, median,
varians, standar deviasi, dll. Hasil perhitungan tersebut diproses dan diolah
dengan melakukan operasi matematika yang barang tentu dapat dikerjakan
dengan cepat dengan menggunakan komputer.
Jadi statistik menyediakan cara/metode pengolahan data, maka komputer
menyediakan sarana pengolahan data.
Komputer mempunyai fungsi untuk mengolah data menjadi informasi.
Data yang akan diolah dimasukkan sebagai input, kemudian dilakukan proses
pengolahan data oleh Komputer dan hasilnya menjadi sebuah informasi.

Halaman - 3
 INPUT PROSES INFORMAS
DATA KOMPUTER I

Statistik juga mempunyai fungsi sama dengan komputer, yaitu

mengolah data dengan melakukan perhitungan statistic kemudian data
diproses menjadi informasi.

INPUT PROSES INFORMAS

STATISTIK I

1.2 Mengenal SPSS For Windows

SPSS sebelumnya diperuntukkan bagi pengolahan data statistic untuk
ilmu social (Statistical Package for the Social Sciences), namun sekarang
diperluas untuk melayani berbagai jenis user, seperti untuk riset ilmu-ilmu
sains, proses produksi di pabrik, dan lainnya. Sehingga kepanjangan SPSS
adalah (Statistical Product and Service Solutions).
SPSS merupakan salah satu program olah data statistik yang paling
banyak diminati kalangan peneliti. Hampir semua metode statistic dapat
dilakukan dengan menggunakan SPSS. Seperti halnya ingin melakukan
analisis deskriptif misal : mencari nilai mean, median, modus, sum, varians,
standard deviasi, standard error, minimum, maksimum, persentase, kuartil,
persentil, range dan lain-lain, melakukan analisis statistic parametric,
misal : compare mean, independent sample t test, dependent sample t
test, one way Anova, korelasi regresi, chi square, dll, serta melakukan
analisis statistic non parametric, misal uji crosstab, binomial, chi square,
kolmogorov smirnov, dll.

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)

2. Pemeriksaan Data (Editing)

Yang dimaksud proses editing adalah memeriksa data yang telah
dikumpulkan baik berupa daftar pertanyaan, kartu atau buku register. Yang
dilakukan pada kegiatan editing ialah, menjumlah dan melakukan koreksi.
Kegiatan menjumlah merupakan kegiatan menghitung banyaknya
lembaran daftar pertanyaan yang telah diisi untuk mengetahui apakah sudah
sesuai dengan jumlah yang telah ditentukan.
Kegiatan koreksi adalah proses membenarkan atau menyelesaikan
hal-hal yang salah atau kurang jelas, misal apakah jawaban yang ada di
kuesioner sudah :
a. Lengkap : semua pertanyaan sudah terisi jawaban
b. Jelas : tulisan pada setiap jawaban pertanyaan sudah cukup jelas
dibaca?
c. Relevan : Isi jawaban sudah relevan dengan pertanyaan ?
d. Konsisten : Isi jawaban dengan beberapa pertanyaan sudah konsisten?

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

b. Mentransformasi data numerik (hb) menjadi data kategorik (anemia)

Gambar 2.3.1 Transformasi data numeric (Hb) ke Kategorik (anemia)

4 Pemrosesan Data (proccessing)

Pemrosesan data dilakukan dengan cara meng-entry data dari
kuesioner ke paket program komputer. Proses ini dilakukan bila semua isian
kuesioner sudah terisi penuh dan benar. Ada berbagai macam paket program
komputeryang dapat digunakan , dan salah satunya adalah SPSS for
windows.

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.

Beberapa cara untuk melakukan cleaning data :

a. Mengetahui missing data
Cara mendeteksi missing data adalah dengan melakukan distribusi
frekuensi pada tiap variable. Di bawah ini ada dua variable yang satu
variable jenis kelamin dan satu lagi variable tingkat pendidikan.
Pada table 2.5.1 mengenai variable jenis kelamin tidak ada missing
data, pada table diketahui jumlah laki-laki ada 31 (43,1 %) orang
sedangkan perempuan ada 41 (56,9 %) orang.
Tabel 2.5.1 Jenis Kelamin

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

Sementara pada table 2.5.2 di bawah yaitu variable tingkat

pendidikan terdapat missing data berjumlah 24 orang. Jumlah
seluruhnya yang sebenarnya adalah 48 orang dengan rincian
pendidikan SD ada 6 (12,5 %), SLTP ada 11 (22,9 %). SLTA ada 29 (60,4
%) dan PT ada 2 (4,2 %).

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

b. Mengetahui variasi data

Tujuan mengetahui variasi data adalah untuk mengetahui apakah
data yang dientry sudah benar atau masih salah. Untuk mengetahui
adanya kesalahan data berikut ilustrasi hasil output komputerpada
variable status anemia.
Tabel 2.5.3 Status Anemia

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.

c. Mengetahui konsistensi data

Cara mendeteksi adanya ketidak konsistensi data dilakukan dengan
cara menghubungkan dua variabel.

Tabel 2.5.4 Keikutsertaan KB

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

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

Dari kedua tabel di atas terlihat bahwa ada ketidak konsisten

antara jumlah peserta yang tidak ikut KB (33 orang) sementara pada
tabel penggunaan jenis alat kontrasepsi yang dipakai kelompok yang
tidak pakai alat kontrasepsi berjumlah 31 orang. Seharusnya
keduanya mempunyai jumlah yang sama.

Halaman - 9
 BAB III

MENU PADA SPSS

3.1 Mengaktifkan SPSS for Windows

Untuk menjalankan program SPSS for Windows terlebih dahulu
program tersebut sudah terinstal di komputer. Untuk memanggil program
SPSS dapat dilakukan dua cara :
3.1.1 Bila tampilan komputer sudah muncul icon SPSS, maka klik dengan
mouse icon tersebut dua kali (double click).

Gambar 3.1.1 Icon SPSS pada desktop

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

Klik cancel bila belum ada data atau file data.

Lalu tampilan SPSS Data Editor pada variable view sebagai berikut :

Halaman - 12
 Gambar : Tampilan Variable View

Sebelum data di entri, sebelumnya harus memberikan karakteristik dari

data/variabel, mulai dari nama variabel, type, lebar karakter, decimals
(angka), keterangan variabel dst. Pada variable view ini berguna untuk
membeikan karakteristik data/variabel.

Setelah memberi karakteristik pada data kemudian klik pada data view
untuk enti data.

Heading
variabel

Nomor
cases

Gambar : Tampilan Data View

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.

3.2 Menu File

Menu file merupakan menu pertama dari Data editor setiap membuka
program SPSS.
3.2.1 Membuat variable dan mengisi data
Data editor pada SPSS mempunyai dua bagian utama:
 Kolom, ditandai dengan kata var dalam setiap kolomnya. Kolom
dalam SPSS diisi dengan nama variable.
 Baris, ditandai dengan adanya angka 1, 2, 3 dan seterusnya. Baris
dalam SPSS diisi dengan kasus/responden.

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.

Langkah-langkah memasukkan / entry data di SPSS

1. Start, pilih all programs, pilih SPSS
2. Membuat nama variabel caranya :

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.

Gambar 3.2.3 Tampilan Type Variabel

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

Gambar 3.2.4 Tampilan Type Variabe “Nama”l

untuk variabel berat dan kelamin tipe variabel numeric. Caranya

bawa kursor ketempat lingkaran pada kata ‘numeric’.
d. Width (Lebar kolom). Penentuan lebar kolom dapat diketik langsung
lebar kolom yang diinginkan. Pada contoh kasus di atas jumlah nama
paling banyak enam huruf, maka lebar kolom dapat ditulis delapan.
Untuk variable berat dan kelamin diisi enam.
e. Decimal (Desimal). Untuk menentukan jumlah decimal yang
diinginkan tinggal mengetik angka langsung pada kolom. Pada
variabel nama dan kelamin tidak ada decimal. Sedangkan variabel
berat ada satu decimal.
f. Label. Digunakan untuk memberikan keterangan dari tiap-tiap
variabel yang ada. Pada contoh kasus di atas isi pada kolom label
yaitu Nama responden. Untuk variabel berat labelnya adalah berat
badan responden dan variabel kelamin labelnya jenis kelamin
responden.

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.

Gambar 3.2.5 Tampilan Value Labels

Caranya : pada kotak value ketiklah 1, dan pada kotak value label
ketiklah pria

Gambar 3.2.6 Tampilan Value Labels

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.

Gambar 3.2.8 Tampilan Value Labels

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.

Gambar 3.2.9 Tampilan Missing Value

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.

Gambar 3.2.10 Tampilan Keterangan dari Tiap-tiap Variabel

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

Selanjutnya data base yang telah dimasukkan disimpan dalam satu

file. Caranya : klik file, lalu klik save as, setelah perintah penyimpanan
ditampilkan selanjutnya diberi nama file: “LATIHAN” dan diletakkan
pada direktori tertentu.

Halaman - 21
 Gambar 3.2.10 Tampilan Menyimpan File ‘LATIHAN’

Setelah data disimpan, untuk mengakhiri program SPSS for windows

dilakukan dengan cara : klik file dilanjutkan klik exit.

3.2.2 Mencetak Data

Data yang telah dientry pada SPSS dapat dicetak melalui menu PRINT.
Contoh Kasus:
Akan dicetak data yang ada pada File : LATIHAN.SAV
 Buka File: LATIHAN.SAV
 Bila file Latihan sudah terbuka pada data editor, klik menu File lalu
pilih Print…. Pada layer tampak pada gambar di bawah ini.

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.

3.3 Menu Edit

Menu Edit digunakan untuk melakukan perbaikan atau perubahan pada data
yang telah dibuat.
3.3.1 Menghapus isi sel
 Pilih sel yang akan dihapus isinya dengan cara mengarahkan kursor
pada sel yang akan dihapus lalu klik
 Setelah itu tekan tombol delete pada keyboard
 Bila ingin menghapus sejumlah sel sekaligus, caranya bawa kursor
(blok) pada sejumlah sel yang akan dihapus dengan menggunakan
mouse.

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.

3.3.2 Menghapus Isi Sel Satu Kolom (Satu Variabel)

Contoh kasus:
Ingin menghapus seluruh data pada variabel kelamin, maka langkahnya
adalah:
 Klik heading kolom pada variabel kelamin seperti pada tampilan
berikut:

Halaman - 24
  Untuk menghapus tekan tombol Del pada keyboard.

3.3.3 Menghapus Isi Sel Satu Baris

Contoh kasus:

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.

3.3.4 Mengcopy Isi Sel

 Pilih sel atau sejumlah sel yang akan dicopy dengan cara Blok sel
tersebut
 Pilih menu Edit….. lalu klik copy
 Pindahkan kursor ketempat sel yang akan dituju
 Pilih menu Edit…. Lalu klik Paste.

3.3.5 Mengganti Isi Data

Contoh kasus:
Isi data pada variable Nama yaitu IWAN, akan diganti dengan ANDI
 Letakkan kursor pada sel IWAN (pada baris ke-1)
 Ketik ANDI lalu tekan Enter, maka nama sudah berubah.
 Jika setelah mengganti data, ternyata data tersebut akan
dikembalikan lagi, maka pilih menu Edit…. Lalu klik Undo, maka
nama IWAN akan kembali lagi.

3.4 Menu Data

Menu Data digunakan untuk melakukan berbagai pekerjaan seperti
menyisipkan variabel, menyisipkan kasus, menseleksi data, menggabung file
dan lain sebagainya.
3.4.1 Menyisipkan Variabel
Kasus:
Pada data view file LATIHAN, ingin menyisipkan variabel Umur berupa umur
responden. Variabel ini akan ditempatkan diantara variabel Nama dan
Berat.
 Letakkan kursor variabel Berat.
 Pada menu klik Edit kemudian klik Insert Variable. Maka akan muncul
kolom baru dengan nama var00002 yang merupakan variabel baru.

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.

3.4.2 Menyisipkan Kasus

Kasus:
Pada File baru terisi 10 data, maka akan disisipkan data tambahan (kasus)
dengan nama Deden yang berada pada kasus nomor 7 (Dewi) dan kasus
nomor 8 (Sugeng).
 Letakkan kursor pada sel Sugeng (baris nomor 8).
 Pada Menu klik Edit, kemudian klik Insert Cases. Maka akan
muncul baris kosong baru diantara nama Dewi dan Sugeng.

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.

3.4.3 Menseleksi Kasus

Pada kondisi tertentu kita hanya ingin mengolah dan menganalisis data pada
kasus tertentu, maka perlu dilakukan penseleksian data perintah yang
digunakan Select cases…..
Kasus:
Pada file akan digunakan data untuk pengerjaan statistic hanya pada jenis
kelamin laki-laki saja. Untuk itu tidak semua kasus ditampilkan, namun
hanya kasus dengan jenis kelamin laki-laki saja yang akan tampil.
 Letakkan kursor pada sembarang tempat.
 Pada Menu Data. Kemudian Klik Select Cases….. tampil pada layar:

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.

3.4.4 Mengurutkan Data (Sort Cases)

Digunakan untuk mengurutkan data pada variabel tertentu dan dalam
jumlah data yang banyak. Bisa mengurutkan nama berdasarkan alphabet,
mengurutkan angka dari nilai terkecil ke yang terbesar atau sebaliknya.
Kasus:
Pada file LATIHAN akan diurutkan berdasarkan variable berdasarkan alfabet.
 Dari baris menu pilih menu Data.
 Kemudian klik pilihan Sort Cases….. tampak pada layar:

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.

Dari gambar di atas terlihat data sudah diurutkan berdasarkan variabel

Nama (alphabet), namun secara otomatis data pada variabel nomor (No),
berat badan (BB) dan jenis kelamin (JK) mengikuti variable nama yang
bersangkutan.
Untuk mengurutkan seperti semula maka ulang lagi mengurutkan data,
tapi yang diurutkan adalah nomor (No).

Halaman - 31
3.5 Menu Transform

Menu Transform berfungsi untuk mentransform atau mengubah data

untuk keperluan tertentu /khusus.
3.5.1 Compute
Fungsi menu compute adalah untuk menambah variabel baru yang berisi
hasil perhitungan berdasarkan data dari variabel yang sudah ada (variabel
lama).
KASUS :
Ingin membuat variable baru yaitu variabel B.IDEAL berisi berat badan ideal
dengan menentukan nilai berat badan 90% dari berat badan responden saat
ini.
 Pilih menu Transform. Lalu klik pilihan Compute variable,
selanjutnya muncul seperti tampak pada gambar di bawah ini.

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.

 Kemudian klik tombol OK maka hasil output tampak 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.

 Pindahkan kursor ke kotak Range:Lowes through, ketiklah 54,9.

 Bawa kursor ke bagian kotak New Value, ketiklah 1 kemudian klik
Add.
 Pindahkan kursor ke kotak: Range:--through--, kita akan merecode
BERAT 55 s/d 60 menjadi kode 2. Pada 2 kotak tersebut isilah 55

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.

 Selanjutnya klik Continue, lalu klik OK.

 Hasilnya seperti di bawah ini :

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