KISI-KISI

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

POLTEKKES KEMENKES RI PADANG

PRODI SARJANA TERAPAN KEPERAWATAN
T.A 2021/2022
 Kisi kisi
A. Membangun Struktur Data
1. Buka spss

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.

C. Modifikasi Data Dari Transformasi Data (Recode & compute )

1. Recode
Adalah pengkategorian data numerik menjadi data kategorik. Misalnya umur,
diklasifikasian menjadi 3 kelompok. 1:>20 , 2: 20 – 30, 3: >30 tahun.
Langkah langkah nya sebagai berikut ;
a) Pilih transform, lalu pilih recode into different variabel
b) Lalu tekan “umur”, dan klik tanda panah ke kanan. Lalu pastikan umur sudah
berpindah ke dalam.
c) Lalu pada output variabel. Pada nama, isikan nama variabel yang baru untuk
mengkategorikan “umur” yang kita masukkan tadi. Misalnya : Umur1. Lalu
pada label buatlah keterangan variabel tersebut. Lalu tekan change.
 d) Lalu klik option “old and new value”
e) Lalu pada tampilan “old and new value”, lanjutkan me-recode. Misalnya
merecode umur. 1:<20 , 2: 20 – 30, 3: >30 tahun.
1) karena kode 1 mau merecode kecil dari 20 maka, pada old value, Isikan
pada range (lowest thorugh value) Angka 19, lalu berlanjut pada new value
tekan 1. Lalu tekan add.
2) Lalu pada kode 2 mau merecode 20 – 30. Maka, pada old value masukan
pada range 20 dan dibawah nya buat 30. Lalu pada new value buat angka
2. Lalu tekan add.
3) Pada kode 3, mau merecode besar dari 30. Maka pada old value isikan
pada range, value thrugh highest angka 31. Dan pada new value tulis
angka 3. Lalu tekan add.
f) Lalu tekan continue.
g) Dan tekan ok.
h) Lalu terlihat pada variabel view muncul variabel baru yaitu “umur1”.
i) Lalu lengkapi strktur data dengan memberikan value untuk umur1 tersebut,
dengan menekan value dan isikan pada kolom value angka 1 dan labelnya tulis
<20. Lalu tekan add. Begitu seterusnya sampai value 3. Lalu tekan ok. Selesai.
j) Lalu pada kolom decimal. Jadikan 0.
k) Lalu jika ingin menampilkan value label pada data view. Klik value label pada
pada menu value diatas.

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.

E. Export Spss Ke Word

Yaitu memindahkan data output spss ke document word. Caranya yaitu :
1. Buka output spps
2. Lalu blok semua output dengan men-klik tulisan output pada bagian atas dan
pertama pada item output.
3. Setelah semua terblok. Klik kanan. Dan pilih export ke word.
4. Lalu pada kotak dialog. Ubah judul yang diinginkan dan posisi letak file doc
tersebut tersimpan.
5. Lalu tekan ok.
6. Dan tunggu beberapa saat. Selesai.
F. Analisa Univariat
Sebelum melakukan analisis data, kita harus mengetahui konsep jenis data statistik
yaitu numerik atau kategorik. Karena akan berbeda dalam analisis, penyajian dan
interprestasinya. Data numerik adalah data yang berupa angka. Sedangkan data
kategorik adalah data yag berbentuk pengelompokkan/ kategori.
1. Analisis data kategorik
Langkah langkah untuk menampikan distribusi frekuensinya yaitu :
a) Pada menu. Pilih “analyze”
b) Lalu pilih deskriptive stastistic, dan plih frequencies.
c) Pada kotak dialog frequencies. Masukkan variabel data kategorik yang
diinginkan (misalnya pendidikan) lalu masukan ke kotak variabel dengan
mengklik tanda panah ke kanan.
d) Lalu jika ingin menambahkan diagram. Klik chart pada bagian kanan atas.
Lalu pilihlah diagram yang diinginkan (seperti pie chart atau bar chart).
e) Lalu tekan ok.
f) Lalu pada tampilan output akan tampak tabel distribusi frekuensinya.

Statistics

Pendidikan Responden Yang Telah

Ditamatkan

N Valid 30

Missing 0

Pendidikan Responden Yang Telah Ditamatkan

Frequency Percent Valid Percent Cumulative Percent

Valid SD 8 26.7 26.7 26.7

SMP 3 10.0 10.0 36.7

SLTA 11 36.7 36.7 73.3

PT 8 26.7 26.7 100.0

Total 30 100.0 100.0

 g) Jika ingin melakukan penyajian data. Sajikan data yang penting saja dan
bangunlah sebuah tabel baru (Tabel distribusi frekuensi). Dan
interprestasikanlah (memberikan kesimpulan terhadap tabel) agar pembaca
lebih mudah memahami tabel yang ditampilkan.

2. Analisis data numerik

a) Pada menu analyze, pilih deskriptive statistik lalu klik deskriptive.
b) Pada kotak dialog deskriptive, pilih variabel data numerik yang ingin
dimasukkan (misalnya “umur”). Lalu masukkan ke kolom variabel dengan
menekan tanda panah kanan.
c) Lalu pada option, pilhlah berikan tanda centang padaa item item yang ingin
dimunculkan seperti, mean, minimum. Maximum dll. dan juga bisa
menampilkan nilai kurtosis dan skewness.
d) Lalu tekan continue. Dan lanjut tekan ok.
e) maka aka terlihat hasilnya di output seperti dibawah ini.
 Descriptive Statistics

Minimu Maximu Std.

N Range m m Mean Deviation Skewness Kurtosis

Statisti Statisti Statisti Std. Statisti Std. Statisti Std.

c c Statistic Statistic c Error Statistic c Error c Error

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

Statistic Std. Error

Umur Mean 25.20 .918

Responden
95% Confidence Lower Bound 23.32
Interval for Mean
Upper Bound 27.08

5% Trimmed Mean 25.00

Median 24.00

Variance 25.269

Std. Deviation 5.027

Minimum 19

Maximum 35

Range 16

Interquartile Range 6

Skewness .687 .427

Kurtosis -.482 .833

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.

G. Uji Normalitas Data

Uji normalitas data dilakukan pada data numerik. Untuk melihat distribusi normal
atau tidak. Dengan langkah-langkah:
1. Pada menu analyze, pilih deskriptive statistik lalu klik explore.
2. Lalu pada kotak dialog explore, pilih variabel (data numerik) untuk di uji
normalits data (misalnya berat badan responden).
3. Lalu klik tanda panah ke kanan dan masukkan pada kotak dependent list.
4. Kemudian klik plots, dan centang histogram dan normality ploth with test.
5. Lalu tekan continue dan klik ok.
6. Maka akan tampak output seperti dibawah ini.

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Berat Badan Responden 30 100.0% 0 .0% 30 100.0%

 Descriptives

Statistic Std. Error

Berat Badan Responden Mean 61.23 1.649

95% Confidence Interval for Lower Bound 57.86

Mean
Upper Bound 64.61

5% Trimmed Mean 61.06

Median 58.00

Variance 81.564

Std. Deviation 9.031

Minimum 45

Maximum 80

Range 35

Interquartile Range 12

Skewness .580 .427

Kurtosis -.416 .833

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic Df Sig.

Berat Badan Responden .173 30 .022 .937 30 .076

a. Lilliefors Significance Correction

Berat Badan Responden Stem-and-Leaf Plot

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.

Langkah langkah dalam uji validitas yaitu:

a) Klik analyze
b) Lalu pilih scale dan klik reliability analysis.
c) Lalu masukkan semua variabel yang ingin diuji ke dalam kotak items.
d) Klik option statistic. Pada bagian deskriptives for, centang item, scale dan scale
if item deleted.
e) Lalu klik continue dan klik ok.
f) Lalu akan tampak hasilnya pada output seperti dibawah ini
 Case Processing Summary

N %

Cases Valid 30 100.0

Excludeda 0 .0

Total 30 100.0

a. Listwise deletion based on all variables in the

procedure.

Reliability Statistics

Cronbach's Alpha N of Items

.882 4

Item Statistics

Mean Std. Deviation N

Pemberian Kolostrum
2.80 1.400 30
Responden kepada Bayi

Bayi Baru Lahir Responden

2.67 1.269 30
Segera Memberikan Asi

Pemberian ASI 6 bulan kepada

2.97 1.299 30
bayi oleh responden

Pemberian ASI kepada bayi

sampai umur 2 tahun oleh 2.70 1.317 30
responden
 Item-Total Statistics

Scale Mean if Item Scale Variance if Corrected Item- Cronbach's Alpha if

Deleted Item Deleted Total Correlation Item Deleted

Pemberian Kolostrum
8.33 11.678 .735 .854
Responden kepada Bayi

Bayi Baru Lahir Responden

8.47 12.051 .796 .830
Segera Memberikan Asi

Pemberian ASI 6 bulan kepada

8.17 12.351 .726 .856
bayi oleh responden

Pemberian ASI kepada bayi

sampai umur 2 tahun oleh 8.43 12.254 .725 .857
responden

Scale Statistics

Mean Variance Std. Deviation N of Items

11.13 20.671 4.547 4

Kesimpulan ; (R tabel : 0.361) Data quesioner valid dan reliabel.

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.