ANALISIS DATA

Pengertian

• Analisis data adalah proses penyederhanaan

data ke dalam bentuk yang lebih mudah
dibaca dan diinterpretasikan. Dalam proses
ini seringkali digunakan statistik.
• Salah satu fungsi pokok statistik adalah
menyederhanakan data penelitian yang amat
besar jumlahnya menjadi informasi yang
lebih sederhana dan lebih mudah untuk
dipahami.
Kelebihan Analisa Data

1. data dengan mudah dapat

diinterpretasi
2. data dapat dipergunakan sesuai
tujuan
Kekurangan Analisa Data

1. butuh waktu
2. perlu tenaga terampil
Langkah-Langkah Analisis Data

Analisis data primer

Analisis data sekunder
Analisis Data Primer

1. siapkan tabel umum

2. sederhanakan tabel umum menjadi
tabel khusus sesuai dengan tujuan
3. kelompokkan variabel berdasar register
menurut skala pengukurannya
4. lakukan perhitungan sesuai dengan
yang diharapkan
Analisis Data Sekunder

Analisis perbandingan dengan cara :

• Membandingkan cakupan yang dicapai
dengan target
• Membandingkan cakupan saat ini
dengan cakupan sebelumnya
• Membandingkan hasil cakupan dengan
skala yang lebih luas
• Membandingkan indikator kesehatan
antar waktu, tempat, dan orang.
Jenis Analisis Data

• Analisis univariat
• Analisis bivariat
• Analisis multivariat
Analisis Univariat
• Dilakukan terhadap tiap variabel
• Umumnya analisis ini hanya menghasilkan
distribusi dan persentase dari tiap variabel
• Analisis yang digunakan antara lain rata-rata
(mean,median, atau modus) dan deviasi
(varians atau standar deviasi) untuk setiap
variabel
• Contoh : distribusi penyakit pada daerah
tertentu, distribusi pemakaian jenis kontrasepsi,
distribusi umur, jenis kelamin, dan sebagainya
Rata-Rata Hitung (Mean)
• Merupakan ukuran nilai tengah yang paling
sering digunakan untuk menganalisis data.
• Rumus mean untuk data tidak berkelompok
X = ∑ x /n
• Rumus mean untuk data berkelompok
X = ∑ fNt /n
Ket :
X = rata-rata
∑ = jumlah
f = frekuensi
Nt = nilai tengah kelas
Median
• Merupakan nilai tengah yang berbada
dengan rata-rata
• Median hanya menyatakan posisi tengah
dari sederetan angka hasil pengamatan
sehingga membagi dua sama banyak
• Rumus median untuk data tidak
berkelompok
Me = (n+1)/2
• Rumus median untuk data berkelompok
Me = Me’ + I (Me” – f kum) / f
Keterangan rumus :
• Me = median
• Me’= nilai sebelum median tercapai
• i = interval kelas
• Me’’ = posisi median = ½ n
• fkum = frekuensi kumulatif kurang dari
tepi bawah kelas sebelum median
berada
• f = frekuensi kelas dimana median
berada
Modus

• Ukuran nilai tengah yang dinyatakan

dalam frekuensi terbanyak dari data
kualitatif maupun data kuantitatif, dan
dapat pula dinyatakan sebagai puncak
dari suatu kurva.
• Perhitungan modus pada data distribusi
frekuensi yang dikelompokkan
Mo = LMo + (d1/ [d1 + d2])xi
Keterangan :
• Mo = modus
• LMo = tepi bawah jelas dimana modus
berada
• d1 = selisih antara frekuensi kelas modus
dengan kelas tepat dibawahnya
• d2 = selisih antara frekuensi kelas
modus dengan kelas tepat
diatasnya
• i = lebar interval kelas modus
Standar Deviasi
• Merupakan ukuran dispersi yang sangat
penting dan banyak digunakan dalam statistik
• Rumus Standar Deviasi
σ = √(X-μ)²/N)
• Rumus Varians
s = ∑(X-μ)²/N)
Keterangan
x = hasil pengamatan
n = banyaknya pengamatan
Analisis Bivariat

• Dilakukan terhadap dua variabel yang

diduga berkorelasi
• Contoh : umur dengan variabel penyakit
jantung, kebiasaan makan dengan
diabetes mellitus
Analisis Bivariat

• Analisis ini dilakukan dengan pengujian

statistik
• Misalnya : chi square (X²), Odds Ratio
(OR), Risk Ratio (RR), Mc Nemar.
Chi Square (X²)

• Menguji proporsi perbedaan parameter

2 populasi atau lebih
• Jumlah sampel harus cukup besar
• Hanya dapat digunakan pada data
deskrit atau data kontinu yang telah
dikelompokkan
• Rumus Chi Square
X² =∑(O – E) ² / E
O = nilai observasi
E = nilai expected (harapan)
Variabel variabel Dependen Jumlah
Independen
Sakit Tidak Sakit
Penyebab + a b a+b
Penyebab - c d c+d
Jumlah a+c b+d n
Rumus Nilai Expected

• Ea = (a + b) (a + c)/ n

• Eb = (a + b) (b + d)/ n

• Ec = (c + d) (a + c)/ n

• Ed = (c + d) (b + d)/ n
• Secara umum, bila nilai ekspektasi terletak
dalam satu sel terlalu kecil (<5) sebaiknya
chi square tidak digunakan karena dapat
menimbulkan taksiran yang berlebih
• Jika semua nilai expected (E) lima atau
lebih gunakan X² dengan koreksi
kontiyuitas (yates corrected), tetapi jika
terdapat nilai E kurang dari 5 gunakan uji
Fisher (Fisher Exact)
• Rumus Yates Correction

X² = n([ ad –bc]-n/2)² /
(a+b)(c+d)(a+c)(b+d)
• Rumus Fisher Exact
ρ = (a+b)!(c+d)!(a+c)!(b+d)! / n !a!b!c!d!
• Interpretasi : Ho ditolak jika X² hitung > X²
tabel (3,84) atau nilai p < α = 0,05
• Jika hasil uji Chi Square untuk tabel 2 x 2
bermakna maka digunakan koefisien Φ
(phi) untuk mengetahui kuatnya hubungan
rΦ = ad-bc/√(a + b)(c + d)(a + d)
• Jika hasil uji Chi Square untuk tabel k x k
(k>2) maka untuk mengetahui kuatnya
hubungan digunakan koefisien Cramer (C)
C = √ X² / n (e – 1)
Keterangan :
e = jumlah baris atau kolom terkecil
Uji Mc Nemar

• Bertujuan untuk menguji perbedaan

dari dua sampel berhubungan
• Variabel mempunyai skala nominal
• Penelitiannya menggunakan design
pre-test treatment (sebelum dan
sesudah perlakuan)
• X²m = (a – d)²/a + b
• Ho ditolak jika X²M > X²a (db)
Risiko Relatif (RR)
• Membandingkan risiko terjadinya
penyakit yang terpapar faktor risiko
dengan yang tidak terpapar
• RR = a/(a+b) / c(c+d)
Risiko Relatif (RR)
• Makin besar nilai RR maka makin kuat
hubungan antara penyakit dan paparan
terhadap faktor risiko
• RR = 1 menunjukkan bahwa penyakit dan
paparan terhadap risiko tidak ada hubungan
• RR < 1 menunjukkan hubungan negatif antara
penyakit terhadap faktor risiko
Odds Ratio (OR)
• Membandingkan OR dari orang-orang yang
terpapar dan tidak terpapar untuk menjadi
sakit
• OR = ad/bc
• Jika
OR = 1 tidak ada asosiasi antara faktor risiko
dengan kejadian penyakit
OR > 1 ada asosiasi antara faktor risiko
dengan kejadian penyakit
OR < 1 asosiasi menunjukkan negatif
Analisis Multivariat

• Merupakan teknik statistik untuk satu

set data dengan variabel bebas lebih
dari satu
• Jenis analisis multivariat yang sering
digunakan adalah regresi multipel dan
regresi logistik
Regresi Multipel

• Datanya berupa data kontinu

• Hubungan diantara masing-masing
variabel bebas dengan variabel
tergantung
• Y = a +b1X1 + b2X2 + b3X3…+biXi
Regresi Logistik
• Variabel bebas terdiri dari variabel berskala
numerik dan kategorikal sedangkan variabel
tergantung berskala nominal (biasanya
dikotom namun dapat pula nominal lebih dari
nilai)
• Teknik ini sangat kuat untuk menyingkirkan
berbagai variabel perancu
• Kelemahannya adalah interpretasinya sering
sulit dan tidak natural, sulit digeneralisasikan
dalam keadaan nyata dan membutuhkan
subyek yang besar
• Rumus :
in (p/1-p) = a + b1X1+b2X2+b3X3…biXi
Keterangan :
p = peluang terjadinya efek
X1 – Xi = variabel prediktor
b1 – bi = koefisien regresi
a = konstanta
Teknik Analisis Data

• Teknik analisis kuantitatif

• Teknik analisis kualitatif
Teknik Analisis Kuantitatif

a. dilakukan secara manual atau melalui

proses komputerisasi
b. dalam pengolahan mencakup tabulasi
data dan perhitungan statistik bila
diperlukan uji statistik
Teknik Analisis Kualititatif
• Menggunakan proses berpikir induktif
• Pengujian hipotesis berdasarkan dari data
yang terkumpul kemudian disimpulkan
• Dimulai dari keputusan khusus kemudian
diambil kesimpulan secara umum
• Teknik ini biasa digunakan untuk
menganalisis data yang diperoleh dari
metode observasi, wawancara tak berstruktur
dan diskusi kelompok terarah
Interpretasi

• Amati data yang tercantum dalam kolom total

yang merupakan tolok ukur untuk
perbandingan antara kategori dalam tabel
• Hubungan pokok yang diuji harus diuraikan
• Interpretasi angka-angka yang ekstrem dan
terangkan mengapa hal itu terjadi
• Interpretasi hasil harus dihubungkan dengan
hasil penelitian lain dan teori yang sesuai.