TRANSFORMASI DATA

(note: masih merupakan bagian

lanjutan dari analisis univariat)

- titi indriyati -
Pendahuluan - Tujuan penelitian yang telah
ditetapkan oleh peneliti,
berdampak pada proses analisis
data yang akan dilakukan.
- Untuk mencapai tujuan penelitian
tsb, peneliti harus sudah
memikirkan sejak awal tentang
bagaimana memperlakukan data
yang sudah dikumpulkan?
Data yg dikumpulkan dr hasil
penelitian, secara alamiahnya
berbentuk angka (numerik),
seperti: umur, berat badan, tinggi
badan, tekanan darah dan lain-lain
 selanjutnya DAPAT DIUBAH
menjadi kelompok-kelompok
(kategorik).

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.

 Banyak cara yang dapat dilakukan untuk mengubah bentuk data,

misalnya:
- Mengubah bentuk data dari NUMERIK ke KATEGORIK
- Mengubah bentuk data menjadi hasil atau nilai yang dihitung
menggunakan rumus matematika seperti: menjumlah, membagi,
perkalian, dan lain-lain, contoh: rumus indeks massa tubuh (IMT) =
berat badan dibagi tinggi badan (dlm meter)

 Cara yang paling sering digunakan untuk mengubah data adalah

RECODE dan COMPUTE
3
Dalam SPSS, proses TRANSFORMASI
DATA untuk mengubah data numerik
menjadi kategorik

MENU yang digunakan

adalah RECODE
 1
Tentukan variabel apa saja yang akan
diubah bentuk datanya

Dalam file: data hipertensi_baru

Beberapa variabel numerik bisa diubah menjadi kategorik:
- Umur  ubah mjd 3 dan 2 kategorik)
- Kualitas tidur  baik dan kurang
- Stress  stres dan tidak stres
- IMT  kurus, normal, overweigth, obesitas)
- Tekanan darah (sistolik dan diastolik)  hipertensi dan tdk hipertensi

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

1. Masa balita : 0-5 tahun

2. Masa kanak- kanak : 5-11 tahun
3. Masa remaja awal : 12-16 tahun
4. Masa remaja akhir : 17-25 tahun
5. Masa dewasa awal : 26-35 tahun
6. Masa dewasa akhir : 36-45 tahun
7. Masa Lansia Awal : 46-55 tahun
8. Masa lansia akhir : 56-65 tahun
9. Masa manula : > 65 tahun

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

Lakukan seperti contoh berikut:

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

Bring the attention of your audience

over a key concept using icons or
illustrations
15
Klik Old and New
Values utk membuat
kode kategorinya.

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

Pilih: Range (utk mengisi

rentang usia), isi angka 56 
through (sampai), isi angka 65
(artinya usia 56 – 65 thn) akan Klik
diberi kode angka 2 Add

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)

INGAT lagi langkah2nya: Analyze  Descriptive

Statistics  Frequencies  pilih variabel umur_6kat
 contreng biru Display Frequencies Tables  OK

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

Jenis Kelamin Frekuensi (n) Persentase (%)

Usia > 65 tahun 2 1,5
Usia 56-65 tahun 13 10
Usia 46-55 tahun 26 20
Usia 36-45 tahun 50 38,5
Usia 26-35 tahun 28 21,5
Usia 17-25 tahun 11 8,5
Jumlah 130 100

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

Dalam file: data hipertensi_baru

Beberapa variabel numerik bisa diubah menjadi kategorik:
- - Kualitas tidur  baik (skor....), kurang (skor....)
- - status kesehatan mental  stres dan tidak stres
- - Pengetahuan  baik, dan kurang)
- - IMT (kurus, normal, overweigth, obesitas)
- - Tekanan darah (sistolik dan diastolik)  hipertensi dan tdk hipertensi

25
 Lanjutkan sesuai contoh yang sudah dipraktekan sebagai
latihan melakukan RECODE (merubah data dari numerik
menjadi bentuk kategorik)

 Gunakan definisi operasional untuk menentukan kategorik

yang dijelaskan pada file Excel ketika praktikum latihan entri
data.

INGAT!!!

Merubah data berbentuk angka (numerik) menjadi data berbentuk

kategorik  TIDAK HARUS  tergantung banyak hal: tujuan penelitian,
hipotesis, jenis analisis data yg akan digunakan.

26