- titi indriyati -
Pendahuluan - Tujuan penelitian yang telah Data yg dikumpulkan dr hasil
ditetapkan oleh peneliti, penelitian, secara alamiahnya
berdampak pada proses analisis berbentuk angka (numerik),
data yang akan dilakukan. seperti: umur, berat badan, tinggi
- Untuk mencapai tujuan penelitian badan, tekanan darah dan lain-lain
tsb, peneliti harus sudah selanjutnya DAPAT DIUBAH
memikirkan sejak awal tentang menjadi kelompok-kelompok
bagaimana memperlakukan data (kategorik).
yang sudah dikumpulkan?
INGAT !!!
mengubah data berbentuk angka (numerik) menjadi data berbentuk
kategorik TIDAK HARUS tergantung banyak hal: tujuan
penelitian, hipotesis, jenis analisis data yg akan digunakan.
2
Pengertian Transformasi Data
Transformasi data adalah proses untuk mengubah bentuk data sehingga
data siap untuk dianalisis.
5
Contoh_latihan
2
Untuk mengubah variabel yang datanya numerik menjadi kategorik: pertama
tentukan kategori yang akan digunakan dan cantumkan sumber referensi yang
digunakan dalam menentukan kategorik
Contoh: variabel umur diklasifikasikan menurut Depkes RI tahun 2009
6
“
Praktik menggunakan SPSS
File: data hipertensi_baru
7
Siapkan kolom utk tempat variabel baru: umur yg telah dikategorikan
“
- Arahkan kursor ke kolom
di sebelah variabel umur
- Klik kanan
- Klik insert variabel
8
Siapkan kolom utk tempat variabel baru: umur yg telah dikategorikan
“
Kolom baru untuk
variabel baru
9
INGAT
10
INGAT:
kategori umur • Masa remaja akhir : 17-25 tahun kode 6
menurut • Masa dewasa awal : 26-35 tahun kode 5
Depkes RI,
2009 • Masa dewasa akhir : 36-45 tahun kode 4
• Masa Lansia Awal : 46-55 tahun kode 3
• Masa lansia akhir : 56-65 tahun kode 2
• Masa manula : > 65 tahun 1
Peneliti harus menentukan, kategori umur yang
akan digunakan dalam analisis akan dibuat
mjd berapa kategori? 6 kategori? 3 kategori ?
Atau 2 kategori?
Kode angka tergantung interest penelitian
11
Latihan 1:
mengubah
umur Langkahnya:
menjadi 6
kategori - Klik transform
- Klik Recode into different variabel
12
- Klik Transform
- Klik Recode into different variabel
catatan:
- Recode into different variables JIKA variabel asli
tidak ingin dihapus & masih digunakan utk analisis
selanjutnya.
- Recode into Same variables JIKA variabel asli tdk
diperlukan lagi secara permanen (dihapus)
13
Variabel umur (numerik) diblok klik
panah biru ke kanan variabel umur Ketikan nama
pindah ke kotak ‘Numeric Variable’ varibel baru &
labelnya
Big concept
14
Big concept
Klik
OK
16
Ketik 1
Pilih: Range, value through
HIGHEST, isi angka 66
Klik
artinya usia >=66 tahun (66
Add
tahun ke atas) akan diberi kode
angka 1
Ketik
66
17
Ketik
angka 2
Langkah tsb diulangi lagi dgn cara yg sama utk membuat kategori:
- Kode 3, utk umur 46-55 thn
- Kode 4, utk umur 36-45 thn
- Kode 5, utk umur 26-35 thn
18
Pilih: Range, LOWES through
value, isi angka 25 artinya
usia <= 25 tahun (25 tahun ke
bawah) akan diberi kode angka 6
19
Jika sudah selesai
proses “RECODE”,
selanjutnya, variabel
baru: umur_6kat harus
diberi label agar lebih
jelas keterangan dari
setiap kelompok
umurnya
Catatan:
INGAT kembali materi
kuliah yg lalu tentang
cara memberi
keterangan pd values
label
20
Selanjutnya
dilakukan
analisis Karena variabel umur (numerik) sudah diubah
univariat pada menjadi variabel baru (kategorik), maka analisis
variabel baru:
univariat yang dilakukan adalah membuat tabel
umur_6kat
distribusi frekuensi (seperti yg sudah pernah
dipelajari pd materi sebelumnya)
21
OUTPUT
Hasil output ini, ditulis (disajikan) sebagai hasil analisis univariat pada
variabel umur yang sudah diubah menjadi 6 kategori cara penyajian
data lihat kembali pada materi sebelumnya.
22
Penyajian hasil analisis data
ANALISIS UNIVARIAT – variabel kategorik
CONTOH:
Tabel 1 Distribusi Frekuensi Karakteristik Responden Berdasarkan Usia di Kec A, Jakarta TimurTahun 2019
Berdasarkan tabel tersebut menunjukkan bahwa distribusi frekuensi responden berdasarkan usia tampak paling
banyak adalah responden yang berusia 36 – 45 tahun yaitu 38,5% (50 orang).
Contoh
Untuk
kebutuhan
lain
analisis data,
variabel umur ▹ Umur dalam 2 kategorik:
bisa dibagi
menjadi 2 Kode 1: usia lansia >= 46 tahun
kategorik
Kode 2: usia dewasa <46 tahun
Variabel baru = umur_2kat
Caranya sama dgn pengelompokkan
umur menjadi 6 kategorik.
LATIHAN KERJAKAN
24
Tentukan variabel apa saja yang akan diubah
bentuk datanya
25
Lanjutkan sesuai contoh yang sudah dipraktekan sebagai
latihan melakukan RECODE (merubah data dari numerik
menjadi bentuk kategorik)
INGAT!!!
26