ANALISIS DESKRIPTIF

(FREQUENSI & DESCRIPTIVES)

SUMMARY STATISTIK

1. DISTRIBUSI FREKUENSI
2. DISTRIBUSI PERSENTASE
3. PENGUKURAN TENDENCY CENTRAL
4. PENGUKURAN DISPERSI (VARIANS)
ANALISIS DESKRIPTIF

• Analisis data diawali dengan statistic deskriptif pada semua bidang

penelitian yg menggunakan data numeric (angka), termasuk penelitian
kualitatif.
• Statistik deskriptif memungkinkan peneliti menggunakan data dengan
tujuan memberikan pengertian, menguji fenomena yang terjadi agar lebih
mengerti apa yang terjadi.
• Pada beberapa penelitian deskriptif, statistic deskriptif merupakan
satu2nya cara untuk menganalisis data.
DISTRIBUSI FREKUENSI & DISTRIBUSI PRESENTASE

• Distribusi frekuensi adalah strategi pertama yang digunakan untuk

mengkaji data dan juga untuk menGEcek kesalahan pengkodean &
program computer
• Tabel distribusi frekuensi adalah salah satu analisis data deskriptif
yang mengelompokkan data berdasarkan interval tertentu.
• Untuk mempermudah digunakan contoh kasus berikut. Misalkan
dibuat tabel frekuensi dari nilai praktikum komputer yang diperoleh
17 mahasiswa yaitu 78 78 81 76 84 94 78 76 78 82 81 88 93 93 81 76
78.
langkah-langkah :

1. Buka aplikasi SPSS

2. BUAT VARIABEL NILAI_PRAKTIKUM
3. INPUT DATA PADA KOLOM NILAI
4. KLIK ANALYZE → DESCRIPTIVE STATISTICS →
FREQUENCIES
5. Setelah
jendela Frequencies terbuka, pilih
nama variabel yang akan dianalisis
frekuensinya. Hal ini dilakukan
dengan memindahkan variabel di
kolom kiri ke kolom kanan.
6. Menambahkan Histogram, klik Charts… pada jendela Frequencies
• Sehingga terbuka jendela Frequencies: Charts, pilih Histogram dan
klik Continue.

7. OK
MEMBACA OUTPUT

• Pada tabel statistics terlihat

• N adalah banyaknya data kasus
• Valid = 17, berarti terdapat 17 kasus pada
variabel nilai mempunyai data yang valid
• Missing = 0, berarti terdapat 0 kasus pada
variabel nilai mempunyai data kosong
• Pada tabel Nilai Praktikum terlihat
• Frekuensi total berjumlah 17 kasus
• Dengan data valid 100%
• ILUSTRASI HISTROGRAM
PENGUKURAN TENDENSI CENTRAL

• Tendensi sentral adalah pengukuran statistik untuk menentukan skor

tunggal yang menetapkan pusat dari distribusi. Tujuan tendensi sentral
adalah untuk menemukan skor single yang paling khusus atau paling
representatif dalam kelompok (Gravetter & Wallnau, 2007).
• Tiga metode dalam pengukuran tendensi sentral yakni : mean, median,
modus.
• Mean biasanya diketahui sebagai ilmu hitung rata-rata. Rata-rata untuk populasi
diidentifikasi dalam huruf yunani yakni μ (mew), dan rata-rata untuk sampel adalah
“M atau x ( x-bar) ”.
• median, yakni skor yang membagi distribusi menjadi dua. Median sama dengan
persentil ke-50.
• modus (mode), modus adalah skor atau kategori yang paling besar dari frekuensi.
Kata mode/modus berarti ”gaya yang paling populer”, definisi statistik modus
adalah skor yang paling sering terlihat dalam kelompok data/ skor yang paling
sering muncul.
LANGKAH-LANGKAH

1. BUKA DATA NILAI_PRAKTIKUM

2. KLIK ANALYZE → DESCRIPTIVE STATISTICS → FREQUENCIES
3. Setelah jendela Frequencies terbuka, pilih nama variabel yang akan dianalisis
frekuensinya. Hal ini dilakukan dengan memindahkan variabel di kolom kiri ke
kolom kanan.
4. KLIK STATISTICS
5. Untuk tendensi sentral silahkan centang tanda mean, median, modE
6. klik CONTINUE
7. klik OK
PENGUKURAN DISPERSI (VARIANS)

• Varians adalah salah satu ukuran variasi atau dispersi statistika suatu
data kuantitatif.
• Nilai varians data sama dengan kuadrat dari standar deviasi (σ).
Sehingga varians disimbolkan dengan sigma kuadrat (σ²).
LANGKAH-LANGKAH

• BUKA DATA NILAI_PRAKTIKUM

• KLIK ANALYZE → DESCRIPTIVE STATISTICS → DESCRIPTIVES
• Memilih variabel untuk dihitung
varians NILAI PRAKTIKUM

• Klik Options, CENTANG Variance dan

NILAI
PRAKTIKUM

Std. Deviation
• KLIK CONTINUE
• KLIK OK
 ANALISIS DESKRIPTIF
(EXPLORE & CROSSTABS)
KARINA, S.KM., M.Kes

nr.karin@gmail.com 15
INPUT DATA

nr.karin@gmail.com 16
 EXPLORE

nr.karin@gmail.com 17
• Perintah Explore digunakan untuk membandingkan antara dua atau lebih
kelompok dengan satu variabel.
• Contoh, jika kita menggunakan Jenis Kelamin sebagai variabel independen;
variabel ini mendefinisikan kelompok (Laki-Laki dan Perempuan),
kemudian membandingkannya dengan variabel lain, seperti Usia.
• Perintah Explore → contoh dalam kasus mean, akan
menghasilkan berapa rata-rata usia laki-laki dan berapa rata-rata usia
perempuan.
• Ukuran-ukuran yang dihasilkan perintah Explore antara lain: ukuran-
ukuran pemusatan data (mean dan median), ukuran
penyebaran (range, interquartile range, standar deviasi, varians,
minimum, dan maksimum), ukuran kurtosis, dan skewness.
nr.karin@gmail.com 18
LANGKAH-LANGKAH
1. TAMBAH VARIABEL NILAI TOTAL (PENJUMLAHAN dari Nilai APK, Nilai PPC
dan Nilai PLO)
2. Klik menu [Analyze] → [Descriptives Statistics] → [Explore], muncul dialog
box Explore.
3. Isi variabel Jenis Kelamin pada form Factor List.
4. Isi variabel Usia, Nilai APK, Nilai PPC, Nilai PLO & Nilai Total
pada form Dependent List.
5. Pada form Display ada tiga pilihan:
1. Klik [Plots] bila perlu grafik boxplot.
2. Klik [Statistics] bila tidak perlu grafik boxplot.
3. Klik [Both] bila perlu keduanya.
6. Klik [OK]. nr.karin@gmail.com 19
OUTPUT

nr.karin@gmail.com 20
 CROSSTABS

nr.karin@gmail.com 21
• Perintah Crosstabs digunakan untuk memperoleh jumlah pada
nilai-nilai lebih dari satu variabel.
• Apabila analisis statistik deskriptif sebelumnya mengolah data
secara keseluruhan dalam setiap variabel dengan menghitung
perhitungan statistik seperti Mean, Standar deviasi, Kurtosis,
etc.
• Pada Crosstabs, setiap nilai pada variabel yang dianalisis
dijabarkan jumlahnya, dengan begitu kita dapat mengetahui
berapa jumlah subyek laki-laki yang berusia 19 tahun, 20
tahun, dst.
• Deskripsi data pada Crosstabs akan disajikan dalam bentuk
tabel silang (crosstab) yang terdiri dari baris dan kolom.
nr.karin@gmail.com 22
LANGKAH-LANGKAH
1. Klik menu [Analyze] -> [Descriptives Statistics] -> [Crosstabs],
muncul dialog box Crosstabs.
2. Isi variabel Jenis Kelamin pada form Row(s).
3. Isi variabel yang akan dianalisis, contoh
variabel Usia pada form Column(s).
4. Centang [Display clustered bar charts] untuk menampilkan
chart bar dari output.
5. Untuk dialog box [Statistics], [Cells], dan [Format] biarkan
sesuai dengan default SPSS.
6. Klik [OK]. nr.karin@gmail.com 23
OUTPUT

nr.karin@gmail.com 24
BESAR SAMPEL PENELITIAN
RUMUS SAMPEL
PENELITIAN CROSS-SECTIONAL

• BILA BESAR POPULASI (N) DIKETAHUI • Keterangan :

𝑍 2 𝛼 .𝑝 1−𝑝 .𝑁
1− 2 • n = jumlah sampel minimal
• 𝑛=
𝑑 2 𝑁−1 +𝑍 2 𝛼 .𝑝(1−𝑝) • p = proporsi case
1− 2
• q = 1-proporsi case
• Bila BESAR POPULASI (N) TIDAK
DIKETAHUI • d = limit error (alpha)
𝑍𝛼2 .𝑝𝑞 • 𝑍1−𝛼/2 = 1,96
• 𝑛= ..... sumber : lemeshow (1997)
𝑑2
• Disederhanakan menjadi
4𝑝𝑞
• 𝑛 = 2 ..... sumber : Slovin
𝑑
contoh

• Mencari sampel minimal untuk penelitian mencaro faktor determinan

pemberian asi eksklusif. Dari hasil peneltian Suyanto (2001) di
daerah Demak Jawa Tengah, proporsibayi yang diberi asi eksklusif
sebesar 17,2%
• p = 17,2 % = 0,172 𝑍𝛼2 .𝑝𝑞
• 𝑛=
• q = 1-proporsi case = 1-0,172 = 0,828 𝑑2
• d = limit error = 0,05 1,962 .0,172.0,828
• 𝑍1−𝛼/2 = 1,96 • 𝑛=
0,052
• Jika tidak diketemukan nilai p dari penelitian atau literatur lain,
• 𝑛 = 219
maka dapat dilakukan maximal estimation dengan p=0,5
RUMUS SAMPEL
PENELITIAN case control

(𝑝0.𝑞0+𝑝1.𝑞1)(𝑍1−𝛼/2 +𝑍1−𝛽 )2
• 𝑛=
(𝑝1−𝑝0)2
• Keterangan :
• n = jumlah sampel minimal kelompok kasus dan kontrol
• 𝑍1−𝛼/2 = 1,96
• 𝑍1−𝛽 = 1,28
• p0 = proporsi kelompok kontrol (tidak sakit)
• p1 = proporsi kelompok kasus (sakit)
• q0 = 1-p0
• q1 = 1-p1
Rumus sampel
penelitian kohort

2(𝑍1−𝛼/2 +𝑍1−𝛽 )2 𝜎 2
•𝑛=
(𝑈1−𝑈0)2
• Keterangan :
• n = jumlah sampel tiap kelompok
• 𝑍1−𝛼/2 = 1,96
• 𝑍1−𝛽 = 1,28
• 𝜎 = standar deviasi outcome
• U1 = mean outcome kelompok tidak terpapar
• U2 = mean outcome kelompok terpapar
contoh

• Penelitian tentang pengaruh pemberian asi eksklusif terhadap berat badan bayi. Dengan menggunakan tingkat kemaknaan 95%
atau alpha 0,05dan tingkat kuasa 90% atau beta = 0,10 dengan outcome BB bayi yang ditetapkan memiliki nilai asumsi SD=0,94
kgdan estimasi selisih antara outcome BB kelompok terpapar dan kelompok tidak terpapar selama 4 bulan pertama 0,6 kg (hasil
penelitian Piwot, 1994).
2(𝑍1−𝛼/2 +𝑍1−𝛽 )2 𝜎2
• 𝑛=
(𝑈1−𝑈0)2
2(1,96+1,28)2 (0,94)2
• 𝑛=
(0,6)2

• 𝑛 = 51,5 ≈ 52 /𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘
• Pada penelitian kohort harus ditambah dengan jumlah lost to follow, biasanya diasumsikan 15%.
• 𝑛 = 52 1 + 0,15
• 𝑛 = 59,8 ≈ 60 /𝑘𝑒𝑙𝑜𝑚𝑝𝑜𝑘
Besar sampel
penelitian eksperimental

• 𝑟 − 1 𝑗 − 1 > 15
• Keterangan :
• r =perlakuan
• j = replikasi/ulangan
• Untuk mengantisipasi hilangnya unit eksperimen maka dilakukan koreksi
1/(1-f), dimana f adalah proporsi unit eksperimen yang hilang atau
mengundurkan diri atau drop out
Penentuan sampel
dengan spss
Random sampling
1. entry data
Id nama
1 ANA
2 ANI
3 ANU
4 BETA
5 BETI
6 GAGAH
7 GARUDA
8 JOJO
... 30
2. Menu data → select cases →
random sample of cases →
sample → exactly
masukkan jumlah sampel yang
diinginkan dikotak yang pertama
(kiri), kemudian masukkan jumlah
populasi di kotak kedua (kanan)
3. CONTINUE → OK
4. Sampel yang terpilih secara
random akan terteradalam kolom
Filter_$ dengan angka 1
Split file
Pengelompokan data
• Data → split file → compare groups
• Pilih variabel ‘kelas’ pindahkan ke “groups based
on”
• Klik ok
Analisis deskriptif
• Analyze → deskriptive statistics → descriptive
• Pilih variabel ujian 1 dan ujian 2 pindah ke
kolom variabel(s) klik ok
unsplit
•Data → split file → analyze all caes, do not
create groups
•ok
TERIMA KASIH

nr.karin@gmail.com 39