SEAMEO - TROPMED 1

Regional Center for Community Nutrition – University of Indonesia

____________________________________________________________________________________________________________

II. MENDESKRIPSIKAN DATA

13 Desember 2005

Analisis Deskriptif
Tujuan dari analisis deskritif adalah memberikan gambaran ringkas tentang suatu data.
Data bisa berupa data categorical atau data non-categorical. Meringkas data dalam bentuk
angka statistik (Statistics) dapat dilakukan dengan beberapa cara berdasarkan:
1. Letak pusat data: persentase, mean, median, mode
2. Variasi data: rentang (range), standar deviasi, percentile

Untuk mendapatkan angka statistik (Statistics) seperti yang disebutkan diatas, kita dapat
menggunakan fungsi Analyze – Descriptive Statistics – Frequencies (lihat gambar
2.1a.).

Gambar 2.1a. Menu Frequencies

Dalam kotak dialog Frequencies, kita dapat membuat pilihan Statistics dengan langkah-
langkah sebagai berikut:
1. Sorot variabel yang akan dideskripsikan, lalu klik pada tanda í untuk memasukkan
variabel tersebut ke dalam kotak dibawah Variable(s): (lihat gambar 2.1b.)
2. Pilih Display frequency tables di kotak dialog Frequencies untuk menampilkan
persentase dari suatu kategori untuk data categorical, misalnya persentase jumlah
responden di setiap kabupaten (var: kab), persentase ibu nifas yang menerima kapsul
vitamin A (var: vaprogpp). Biasanya command/perintah ini sudah aktif secara
otomatis (set as a default) pada saat kita menggunakan menu Frequencies (lihat

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 2
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

gambar 2.1b.). Kemudian klik OK. Hasil analisis atau output SPSS berupa tabel
frekuensi dapat dilihat pada output 2.1.

Gambar 2.1b. Menampilkan Tabel Frekuensi

Output 2.1. Frequency Table

Statistics

Program of
giving VA
capsule to
postpartum Code of
mother district
N Valid 980 988
Missing 8 0

Program of giving VA capsule to postpartum mother

Cumulative
Frequency Percent Valid Percent Percent
Valid No 205 20.7 20.9 20.9
Yes 730 73.9 74.5 95.4
Sometimes 45 4.6 4.6 100.0
Total 980 99.2 100.0
Missing 9 8 .8
Total 988 100.0

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 3
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

Code of district

Cumulative
Frequency Percent Valid Percent Percent
Valid pandeglang 358 36.2 36.2 36.2
cirebon 333 33.7 33.7 69.9
bangkalan 297 30.1 30.1 100.0
Total 988 100.0 100.0

Interpretasi output 2.1:

Table Statistics menjelaskan tentang jumlah data point (N) yang ada/valid untuk
diproses pada variabel vaprogpp (N = 980) dan kab (N= 988). Sedangkan jumlah data
point yang hilang (missing value) adalah delapan (8) pada variabel vaprogpp dan nol
(0) pada variabel kab.

Tabel Program of Giving Vitamin A capsule to Postpartum mother dan tabel

Code of district merupakan tabel frekuensi. Cara menginterprestasikan isi tabel:
¾ Kolom pertama berisi kategori dari variabel categorical.
Contoh untuk variabel kabupaten, terdiri dari 3 kategori: Pandeglang, Cirebon dan
Bangkalan.
¾ Kolom kedua (Frequency): menunjukkan jumlah data yang valid (N) dari tiap
kategori.
Contoh: jumlah responden di kabupaten Pandeglang = 358.
¾ Kolom ketiga (Percent): menunjukkan persentase dari jumlah data valid per
kategori dibagi dengan jumlah total data.
Contoh: pada tabel Program of Giving Vitamin A capsule to Postpartum
mother, jumlah ibu yang tidak menerima program vitamin A postpartum adalah
205/988 x 100% = 20,7%
¾ Kolom keempat (Valid Percent): menunjukkan hal yang sama dengan Percent
jika tidak ada data yang hilang (missing value), seperti di tabel Code of district.
Jika ada data yang hilang, maka Valid Percent menunjukkan persentase jumlah
data valid per kategori dibagi dengan jumlah total data valid.
Contoh: pada tabel Program of Giving Vitamin A capsule to Postpartum
mother, valid percent dari ibu yang tidak menerima program vitamin A
postpartum adalah 205/980 x 100% = 20,9%
¾ Kolom kelima (Cumulative Percent): baris pertama menunjukkan Valid Percent
dari kategori pertama, baris kedua menunjukkan kumulatif dari Valid Percent
kategori pertama dengan Valid Percent kategori kedua dan seterusnya hingga
pada akhirnya mencapai jumlah 100%.
Contoh: pada tabel Program of Giving Vitamin A capsule to Postpartum
mother, Cumulative Percent di baris pertama adalah 20.9 dan pada baris kedua
adalah 20.9 + 74.5 = 95.4 dan pada baris terakhir adalah 95.4 + 4.6 = 100%.

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 4
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

3. Untuk mendeskripsikan data non-categorical berdasarkan letak pusat data (mean,

median, mode) dan variasi data (standar deviasi, percentile, maksimum, minimum),
klik Statistics dalam kotak dialog Frequencies. Dalam kotak dialog Statistics pilih
angka statistik yang diperlukan untuk mendeskripsikan data. (lihat gambar 2.1c.),
kemudian klik Continue – OK. Hasil analisis dapat dilihat pada output 2.2.

Gambar 2.1c. Kotak Dialog Statistics

Output 2.2. Ringkasan dari data non-categorical

Statistics

Nilai HAZ
(tinggi
menurut Umur ibu
umur) anak (dalam tahun)
N Valid 961 988
Missing 27 0
Mean -1.2976 28.06
Median -1.3600 27.00
Std. Deviation 1.30968 6.499
Range 8.04 33
Minimum -5.18 17
Maximum 2.86 50
Percentiles 10 -2.8880 20.00
90 .3500 37.00

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 5
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

Interpretasi output 2.2:

Dalam table Statistics terdapat deskripsi data HAZ (tinggi menurut umur) anak dan
umur ibu (dalam tahun).
¾ N menunjukkan jumlah data valid pada masing-masing variabel mage dan chaz.
Pada variabel chaz terdapat 27 data yang hilang (missing value) dan pada variabel
mage tidak ada data yang hilang.
¾ Mean menerangkan nilai rata-rata dari HAZ (tinggi menurut umur) anak dan
umur ibu (dalam tahun). Jadi nilai rata-rata HAZ anak = -1,2976 SD dan nilai
rata-rata umur ibu = 28,06 tahun.
¾ Median menerangkan data point yang letaknya tepat di tengah-tengah setelah
data point dalam suatu variabel diurutkan (dari terbesar ke yang terkecil atau
sebaliknya). Jadi angka median ini akan membagi data set dalam satu variabel
menjadi 2 bagian sama besar. Contohnya: median -1,3600 SD menerangkan
bahwa 50% dari anak yang menjadi subyek survei mempunyai HAZ -1,3600 SD
ke atas dan 50% yang lainnya mempunyai HAZ 1,3600 SD ke bawah. Median
usia ibu 27 tahun menunjukkan 50% dari ibu yang menjadi subyek survei
berumur 27 tahun ke atas dan 50% yang lainnya berusia 27 tahun ke bawah.
¾ Standar deviasi (SD) menunjukkan sebaran/rentang/variasi data. Jika
diasumsikan rentang usia ibu terletak pada 2 SD dari mean, dan nilai SD = 6,499,
maka rentang usia ibu adalah: 28,06 ± (2 x 6,499) = 15,06 sampai 41,06 tahun.
¾ Maximum menunjukkan data point dengan nilai terbesar dalam suatu variabel.
Dan Minimum menunjukkan data point dengan nilai terkecil dalam suatu
variabel. Kedua nilai ini, sama halnya dengan SD, bisa digunakan untuk
mendeskripsikan rentang data. Jika kita perhatikan rentang data yang
dideskripsikan dengan angka minimum dan angka maksimum masih berada
dalam rentang data yang dihitung dengan menggunakan mean ± 2 SD. Range data
dapat dihitung dengan adalah data maksimum – data minimum. Jika umur ibu
termuda yang menjadi subyek survei adalah 17 tahun dan umur ibu tertua adalah
50 tahun, maka range umur ibu = 50-17 = 33 tahun.
¾ Percentile menunjukkan persentase subyek yang mempunyai nilai data point
lebih kecil dari nilai percentile itu sendiri. Contohnya: jika 10 percentile dari data
usia ibu adalah = 20, berarti ada 10% ibu berusia di bawah 20 tahun. Dan jika 90
percetile-nya = 37, berarti ada 90% ibu berusia di bawah 37 tahun.

Split File
Pada beberapa kondisi, jika kita ingin mendeskripsikan suatu data tetapi analisisnya
dibagi dalam kelompok tertentu, misalnya kita ingin mendeskripsikan usia ibu dalam
bentuk mean, median, standar deviasi, maximum, minimum, percentile di setiap
kabupaten. Hal ini dapat dilakukan dengan menggunakan fungsi Split File. Tekan tombol
Data yang ada di layar tampilan Variable View, kemudian klik Split File. Di dalam
kotak dialog Split File, pilih Compare groups, lalu sorot variabel yang akan digunakan
untuk mengelompokkan hasil analisis (dalam hal ini variabel kab), klik tanda í untuk
memasukkan variabel tersebut ke dalam box di bawah Group based on:. Untuk
meniadakan fungsi Split File, pilih analyze all cases, do not create groups yang ada di
________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 6
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

kotak dialog Split File. (lihat gambar 2.2a. dan gambar 2.2b.). Hasil analisis, setelah
dilakukan split file, akan terpisah berdasarkan kabupaten seperti pada output 2.3.

Gambar 2.2a. Fungsi Split File

Gambar 2.2b. Fungsi Split File

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 7
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

Output 2.3. Hasil analisis setelah split file

Statistics

Umur ibu (dalam tahun)

pandeglang N Valid 358
Missing 0
Mean 28.71
Median 28.00
Std. Deviation 7.107
Range 33
Minimum 17
Maximum 50
Percentiles 10 20.00
90 39.00
cirebon N Valid 333
Missing 0
Mean 27.85
Median 27.00
Std. Deviation 6.128
Range 27
Minimum 18
Maximum 45
Percentiles 10 20.00
90 36.00
bangkalan N Valid 297
Missing 0
Mean 27.51
Median 26.00
Std. Deviation 6.078
Range 30
Minimum 18
Maximum 48
Percentiles 10 20.00
90 35.00

Select Cases
Adakalanya pula kita ingin mendeskripsikan suatu data hanya dalam kelompok tertentu
saja, misalnya kita ingin mendeskripsikan usia ibu dalam bentuk mean, median, standar
deviasi, maximum, minimum, percentile hanya di kabupaten Pandeglang. Hal ini dapat
dilakukan dengan menggunakan fungsi Select Cases. Tekan tombol Data yang ada di
layar tampilan Variable View, kemudian klik Select Cases (letaknya tepat dibawah menu
Split File). Di dalam kotak dialog Select Cases, pilih if condition is satified, lalu tekan
tombol If… (lihat gambar 2.3a.) untuk membuka kotak dialog berikutnya.

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 8
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

Gambar 2.3a. Fungsi Select Cases

Sorot variabel yang akan digunakan untuk memilih kelompok hasil analisis (dalam hal ini
variabel kab), klik tanda í untuk memasukkan variabel tersebut ke dalam box di sebelah
kanannya, lalu tekan tombol =, setelah itu tekan tombol 1 jika hasil analisis yang akan
kita tampilkan hanya data dari kabupaten Pandenglang saja. Klik Continue – OK (lihat
gambar 2.3b.).

Gambar 2.3a. Fungsi Select Cases

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module
SEAMEO - TROPMED 9
Regional Center for Community Nutrition – University of Indonesia
____________________________________________________________________________________________________________

Tampilan di layar Data View setelah fungsi Select Cases diaktifkan dapat dilihat pada
gambar 2.4. Dalam hal ini hanya data dari kabupaten Pandeglang saja yang dapat
dianalisa nantinya, sementara data dari kabupaten lain akan “dikeluarkan” dari analisa
sampai fungsi Select Cases ditiadakan atau diubah. Untuk meniadakan fungsi Select
Cases, pilih All Cases yang ada di kotak dialog Select Cases.

Gambar 2.4. Tampilan pada Data View saat fungsi Select Cases diaktifkan

Hasil analisis data setelah fungsi Select Cases diaktifkan dapat dilihat di Output 2.4.

Output 2.4. Hasil analisis jika fungsi Select Cases diaktifkan

Statistics

Umur ibu (dalam tahun)

pandeglang N Valid 358
Missing 0
Mean 28.71
Median 28.00
Std. Deviation 7.107
Range 33
Minimum 17
Maximum 50
Percentiles 10 20.00
90 39.00

________________________________________________________________________________________________
LW/Basic Biostatitics_2005/HKI/module