Puja Junia Faselfa - Kisi Kisi Analisis Dan Mengolah Data Mandat STR, Kep
Puja Junia Faselfa - Kisi Kisi Analisis Dan Mengolah Data Mandat STR, Kep
MANAJEMEN DATA
“Membangun Struktur Data, Entry Data, Modifikasi Data Dari
Tranformasi Data (Recode Dan Compute), Merge file, Export
Spss ke Word, Analisis Univariat, Uji Normalitas Data Dan Uji
Validitas & Reabilitas ”
OLEH :
Puja Junia Faselfa
(183310818)
DOSEN PEMBIMBING :
Herwati,SKM.S.Kep.M.Biomed
2. Buatlah nama variabel atau data yang ingin diteliti pada variabel view kolom
name dibawah
3. Lalu tentukan type, width, decimal, label, value, missing, column, align dan
measure pada varibael tersebut.
a) Type : menentukan tipe data(numerik/string.dll).
b) Decimal : untuk memberikan angka dibelakang koma.
c) Label : keterangan variabel
d) Value : untuk modifikasi data menjadi kategorik.
e) Measure : untuk menentukan data nominal, ordinal atau skala.
4. Biasanya pada data kategorik (jk, penddikan, pekerjaan dll) sebelum entry data.
Buatlah value untuk menjadikan huruf menjadi kode angka. Seperti gambar diatas.
Pada kotak value di isi angka 1, dan pada label di isi SMP. Lalu tekan add, dan
seterusnya. Lalu tekan ok.
B. Entry Data
1. Klik data view pada lembar kerja spss.
2. Lalu entry kan data.
Lalu pada contoh penggunaan old and new value yang lain. Seperti 1:
hipotensi, 2: normal, 3: overweight. Lalu ingin menjadikan normal tetap
normal dan hipotensi & overweight menjadi tidak normal. Dan ingin mencode
normal jadi 1 dan tidak normal jadi 0. Maka di old value buat di value angka 2
dan new value jadi 1. Dan pada old value untuk hipotensi dan overweight pilih
“all other values” dan padaa new value isi angka 0. Lalu tekan continue dan
ok.
2. Compute
Yaitu Membuat variabel baru dengan hasil operasi matematika (menambah,
mengurang, mengali dan membagi dll).
Contoh :
Seperti ingin membuat skorsikap. Kita akan menambahkan semua variabel
pertanyaan quesioner (misal; variabel segera, kolos, asi_6bulan dan
sampai_2tahun.
Caranya :
a) Pilih tranform
b) Dan pilih compute variabel
c) Lalu pada kotak compute variabel. Tulis nama variabel baru di target variabel.
(misal “skorsikap”) Lalu Masukkan satu persatu variabel ke dalam numeric
expression dengan menekan tanda panah kanan. Lalu tekan tanda rumus yang
diinginkan.
Contoh : segera + kolos + asi_6bulan + sampai_2tahun.
d) Lalu tekan ok.
D. Merge File (menggabungkan dua file yang memiliki judul variabel yang sama
struktur data yang sama)
Langkah langkahnya yaitu ;
1. Bukalah tampilan spss file 1 tempat menggabungkan file ke dua.
2. Lalu pada toolbar “data” pilihlah “merge file” lalu klik add cases.
3. Lalu pada kotak add cases klik “browse” untuk memilih file ke dua yang ingin
digabung/dimasukkan.
4. Jika file sudah diplih. Lalu tekan continue.
5. Lalu ok.
Statistics
N Valid 30
Missing 0
Umur
30 16 19 35 25.20 .918 5.027 .687 .427 -.482 .833
Responden
Valid N
30
(listwise)
f) Jika ingin memunculkan nilai median, beserta 95% confidance interval dsb.
Pada menu analyze, pilih deskriptive statistik dan klik “explore”. lalu pilih
variabel dan tekan ok. Maka akan muncul hasilnya pada output seperti
dibawah ini.
Descriptives
Median 24.00
Variance 25.269
Minimum 19
Maximum 35
Range 16
Interquartile Range 6
g) Cara yang lain untuk mengeluarkan nila statistik deskriptive dari data numerik
adalah dengan cara menggunakan frequencies.lalu klik statistik. Karena disini
item nya sangat lengkap. Selain itu juga dapat ditampilkan grafik histogram dn
kurve normalnya.
h) Jika ingin melakukan penyajian data. Sajikan data yang penting saja dan
bangunlah sebuah tabel baru untuk penyajian data numerik. Seperti dengan
menampilkan jumlah, min max, mean, median, SD dan 95%CI mean. Dan
interprestasikanlah (memberikan kesimpulan terhadap tabel) agar pembaca
lebih mudah memahami tabel yang ditampilkan.
Cases
Median 58.00
Variance 81.564
Minimum 45
Maximum 80
Range 35
Interquartile Range 12
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Frequency Stem & Leaf
,00 4 .
1,00 4 . 5
4,00 5 . 0023
11,00 5 . 55566678888
4,00 6 . 0033
4,00 6 . 5568
1,00 7 . 0
4,00 7 . 6667
1,00 8 . 0
Stem width: 10
Each leaf: 1 case(s)
Untuk mengetahui suatu data berdistribusi normal, ada 3 cara untuk mengetahuinya
yaitu:
1. Dilihat dari grafik histogram dan kurve normal. bila bentuknya menyerupai
bel shape, berarti distribusi normal.
2. Menggunakan nilai Skewness dan standar errornya, bila nilai Skewness dibagi
standar errornya menghasilkan <_ 2, maka distribusinya normal.
3. Uji kolmogorov smirnov, bila hasil uji signifikan (p value < 0.05) maka
distribusi nomal. Namun uji kolmogorof sangat sensitif dengan jumlah
sampel, maksudnya: untuk jumlah sampel yang besar uji kolmogorov
cenderung menghasilkan uji yang signifikan (yang artinya bentuk
distribusinya tidak normal). Atas dasar kelemahan ini dianjurkan untuk
mengetahui kenormalan data lebih baik menggunakan angka skewness atau
melihat grafik histogram dan kurve normal.
Untuk contoh variabel berat badan responden diatas, dilihat dari histogram dan kurve
normal terlihat bentuk yang normal, selain itu hasil dari perbandingan skewness dan
standar error didapatkan: 0,580 / 0,427 = 1,36 , hasilnya dibawah 2, berarti distribusi
data normal. Dari hasil tersebut diatas dengan demikian variabel BBresponden
disimpulkan berdistribusi normal.
H. Uji Validitas Dan Reabilitas
1. Uji validitas
Validitas adalah sejauh mana ketepatan suatu alat ukut dalam mengukur suatu
data. uji validitas Yaitu dengan cara membandingkan nilai R tabel dan nilai R
hasil. Jika r hasil > r tabel, maka pertanyaan tersebut valid.
a) Menentukan nilai R tabel (Tergantung sampel)
Misal sampel: 15 (R tabel: 0,514 dengan kemaknaan 5%)
b) Menentukan nilai R hasil
Yaitu dapat dilihat pada kolom “corrected item-total Correlation”
2. Uji reabilitas
Adalah suatu ukuran yang menunjukkan sejauh mana hasil pengukuran tetap
konsisten bila dilakukan pengukuran dua kali atau lebih.
Dilakukan setelah semua pertanyaan valid. Dilakukan dengan cara
membandingkan nilai R tabel dan nilai R alpha. Jika r alpha > r tabel, maka
pertanyaan tersebut reliable.
N %
Excludeda 0 .0
Total 30 100.0
Reliability Statistics
.882 4
Item Statistics
Pemberian Kolostrum
2.80 1.400 30
Responden kepada Bayi
Pemberian Kolostrum
8.33 11.678 .735 .854
Responden kepada Bayi
Scale Statistics
g) Jika pertanyaan ada yang tidak valid. Maka pertanyaan tersebut dibuang.
Pertanyaan pertanyaan yang sudah valid kemudian baru secara bersama sama
diukur reabilitasnya.
Langkah langkah uji reabilitas adalah ;
1) Klik analyze
2) Lalu pilih scale
3) dan klik reliability analysis.
4) Lalu pada kotak items, keluarkan pertanyaan yang tidak valid. (hanya
variabel yang valid didalam kotak items)
5) Lalu Klik option statistic. Pada bagian deskriptives for, centang item,
scale dan scale if item deleted.
6) Lalu klik continue dan klik ok.