Dasar untuk Analisis Data dan Presentasi Data di Siloam Hospitals Group

2018

Bab 3: Mengatur Data

Daftar Isi - Di mana kita sekarang?

Kata pengantar

1. Introduksi dari permukaan tanah

a. Menentukan istilah-istilah kunci
b. Di Siloam Hospitals Group - Mengapa kami mengumpulkan data?
c. Di Siloam Hospitals Group - Contoh skenario
d. Meningkatkan kemampuan berpikir kritis
e. Mengajukan pertanyaan yang tepat
2. Proses pengumpulan data
a. Pertanyaan utama untuk ditanyakan sebelum Anda mulai
b. Tetapkan tujuan Anda
c. Komunikasikan tujuan Anda
d. Gunakan alat yang ada
e. Validasi selama pengumpulan data
f. Perhitungan ukuran sampel
3. Menerima dan mengatur data
a. Pertanyaan kunci untuk ditanyakan saat mengatur data
b. Melihat data dalam berbagai dimensi
4. Analisis Data Dasar
a. Menetapkan kembali tujuan Anda
b. Ekstraksi analisis kualitatif dari data
c. Bertanya "Mengapa?"
5. Grafik dan presentasi data visual
a. Memilih jenis grafik terbaik
b. Keputusan tentang struktur bagan
c. Menjernihkannya
6. Menyusun presentasi akhir
a. Membuat koneksi ke prioritas yang lebih besar
b. Memesan dan mengatur presentasi Anda

1
Bab 3: Menerima dan Mengatur Data

3a. Pertanyaan Kunci untuk Ditanyakan Saat Mengorganisasikan Data

Sekali lagi, jika Anda telah berhasil berkomunikasi selama pengumpulan data, ini harus cukup
sederhana. Namun, seringkali masih membutuhkan beberapa pekerjaan.

Ingatkan diri Anda tentang tujuan dan sasaran proyek Anda.

BERTANYA:
Apa yang ingin kamu tunjukkan?
Tingkat spesifisitas apa yang Anda butuhkan untuk menunjukkan itu?
Bagaimana seharusnya data dikelompokkan dan diatur untuk mendapatkan informasi atau
perbandingan tertentu?

2
3b. Melihat Data dalam Beberapa Dimensi

Saat mengatur data Anda, dalam buku kerja Excel misalnya, Anda mungkin ingin mengingat ide
Simpson's Paradox. Pada dasarnya, dalam beberapa kasus, tren yang muncul dalam kelompok
data yang terisolasi menghilang ketika kelompok digabungkan dan dilihat secara agregat. Ini
mengajarkan kita pentingnya melihat data dalam berbagai dimensi dan dalam berbagai format.

Itulah mengapa ide pengelompokan data yang tepat sangat penting. Satu ide yang bermanfaat
adalah mencoba mengubah data Anda secara terbalik dan melihatnya secara berbeda. Mungkin
Anda pertama kali menyusun tabel yang menunjukkan data X berdasarkan grup Y. Tetapi
bagaimana jika Anda mengubah periode waktu? Bagaimana jika Anda menggabungkan data ke
dalam grup yang berbeda? Cukup melihat data dengan berbagai cara akan membantu Anda
memahami dengan tepat apa yang sedang terjadi, dan juga akan melindungi Anda dari hal-hal
yang hilang.

Pertimbangkan 2 grafik ini, membandingkan tingkat keberhasilan 2 perawatan untuk batu ginjal,
Pengobatan A termasuk prosedur bedah terbuka yang lebih kompleks, dan Pengobatan B
termasuk perawatan dengan hanya tusukan kecil:

Treatment A Treatment B Treatment A Treatment B

93% 87% All Kidney Stones 78% 83%
Common Kidney Stones
(81/87) (234/270) (Common & Severe) (273/350) (289/350)
73% 69%
Severe Kidney Stones
(192/263) (55/80)

Ketika melihat perawatan dengan tingkat keparahan kondisi (tabel kiri), kesimpulannya tampak
jelas bahwa Pengobatan A lebih berhasil. Ini memiliki tingkat keberhasilan yang lebih tinggi
dengan kondisi umum dan dengan kondisi yang parah.

Tapi, ketika melihat perawatan dikombinasikan untuk semua batu ginjal (tabel kanan),
kesimpulannya kelihatannya adalah bahwa Pengobatan B adalah perawatan keseluruhan yang
lebih sukses. Ini memiliki tingkat keberhasilan keseluruhan yang lebih tinggi.

Padahal datanya sama.

Satu-satunya perbedaan adalah bagaimana kami mengambil 1 set data dan mengelompokkan
dalam 2 cara berbeda.

3
Dalam contoh ini, ada faktor tersembunyi yang menciptakan gambar yang menyesatkan ini. Pada
dasarnya, Perawatan A (perawatan yang lebih serius dan kompleks) paling sering digunakan
untuk kondisi yang lebih parah, sementara Treatment B (perawatan yang lebih sederhana) paling
sering digunakan untuk kondisi umum.
Ini jelas terlihat pada angka-angka di atas tabel.

Penyimpangan data ini menciptakan skenario ini di mana kita mungkin tertipu untuk memikirkan
sesuatu yang tidak benar, jika kita tidak menggali lebih dalam untuk mengungkap perbedaan ini
dengan melihat data ini dalam berbagai format dan dimensi.

Jangan khawatir jika Anda tidak memahami detail dari contoh spesifik tersebut.
Tetapi pahami maksudnya:

1 set data dapat mewakili dirinya dalam berbagai cara, karena variabel tersembunyi, atau karena
format presentasi yang berbeda. Jadi kita harus berhati-hati.

Ide ini juga akan muncul lagi di Bab 5: Grafik dan Presentasi Visual Data.