DESKRIPSI SINGKAT
Mata pelatihan ini membahas tentang Manajemen Data Epidemiologi. Manajemen data
merupakan kemampuan dasar yang harus dimiliki oleh seorang Epidemilog lapangan
untuk nantinya dapat melakukan pengolahan, analisis dan interpretasi data epidemiologi,.
Hal ini penting karena kegiatan surveilans ataupun kegiatan penyelidikan epidemiologi
akan menghasilkan sejumlah data yang perlu di-manage untuk menghasilkan informasi
yang cepat dan tepat. Mata Pelatihan ini merupakan lanjutan Manajemen Data yang
telah Anda pelajari pada Pelatihan Fundamental Epid. Jika dasar teori sudah Anda
pelajari pada Fundamental epid, maka modul ini akan lebih mengasah kemampuan Anda
untuk melakukan pengolahan data, Analisis data, dan membuat tampilan dengan
menggunakan MS Excel.
TUJUAN PEMBELAJARAN
A. Hasil Belajar
Setelah mengikuti materi ini peserta dapat melakukan Manajemen Data
menggunakan apikasi Ms excel.
B. Indikator Hasil Belajar
Setelah mengikuti mata pelatihan ini, peserta dapat:
1. Melakukan pengolahan dan Analisis data deskriptif
2. Membuat tampilan data
3. Menggunakan Excel untuk melakukan pengolahan data dan membuat
tampilan data
Materi Pokok 1
Pendahuluan
Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan masih
memerlukan suatu pengolahan. Data bisa berwujud suatu keadaan, angka,
matematika, ataupun simbol-simbol lainnya yang bisa kita gunakan sebagai
bahan untuk melihat lingkungan, obyek, kejadian ataupun suatu konsep.
Informasi merupakan hasil pengolahan dari sebuah data yang memiliki nilai
tertentu, dan bisa digunakan untuk menambah pengetahuan bagi pihak yang
menerimanya. Dalam hal ini, Informasi juga bisa disebut sebagai hasil
pengolahan ataupun pemrosesan data
Sebelum anda mempelajari lebih lanjut tentang Pengolahan Data, apa yang anda
ketahui tentang kualitas data dan pengumpulan data?
A. Pengolahan Data
Bila data surveilans telah terkumpul, tugas seorang epidemiolog lapangan
dalam langkah selanjutnya adalah melakukan pengolahan data. Pengolahan
data dapat dilakukan dengan mengelompokkan data ke dalam bentuk yang
teratur, menjelaskan kecenderungan–kecenderungan, mentabulasi data
dengan cara yang sedemikian rupa sehingga memungkinkan untuk dilakukan
analisis dan interpretasi dengan tepat.
Kini saatnya kita berlatih, untuk menilai kualitas data berikut ini
Apa dampaknya jika kualitas data surveilans yang kita miliki kurang baik ?
Kualitas data surveilans yang buruk dapat berdampak serius.
Pertama, para pengambil kebijakan mengandalkan data surveilans untuk
memberikan informasi penyakit apa yang terjadi di masyarakat. Jika data
yang diperoleh berkualitas buruk, atau tidak ada data sama sekali, maka
mungkin pengambil kebijakan akan:
• Melewatkan adanya suatu kasus penyakit yang penting bagi
kesehatan masyarakat, seperti polio
• Melalaikan terjadinya wabah/KLB, atau setidaknya melewatkannya
lebih awal saat lebih mudah dikendalikan
• Mengarahkan sumber daya ke area yang melaporkan lebih baik, tidak
harus ke tempat penyakit paling banyak terkadi tetapi pelaporannya
buruk
• Tidak meminta sumber daya yang cukup untuk program, karena
pengambil kebijakan bahkan tidak tahu bahwa kami memiliki masalah
atau ukuran masalahnya
Selain itu, Surveilans adalah salah satu alat yang digunakan untuk
memantau apakah program pengendalian dan pencegahan penyakit
berhasil dilaksanakan. Tanpa data surveilans yang baik, program-program
Kesehatan yang berjalan tidak dapat dipantau dan dievaluasi dengan baik.
Pada Akhirnya, Pemerintah dapat kehilangan kredibilitas dan kepercayaan
masyarakat serta dukungan publik jika mereka tampak tidak tahu apa
yang sedang terjadi.
Berkaca pada dampak serius akibat kualitas data yang buruk, Penting
bagi Anda Epidemiologi lapangan untuk memperhatikan dengan seksama
dan memastikan bahwa data surveilans yang Anda miliki berkualitas
(akurat, lengkap dan tepat waktu)
Pada modul ini, Akan dibahas lebih lanjut mengenai Analisis Data
Deskriptif, Adapun Analisis Data Analitik dapat Anda pelajari lebih secara
mandiri untuk memperkaya kemampuan Anda dalam melakukan Analisis
data.
Analisis Deskriptif
Analisis deskriptif adalah analisis data dengan cara mendeskripsikan atau
menggambarkan data yang telah terkumpul sebagaiamana adanya tanpa
bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.
Analisis deskriptif dilakukan menggunakan statistik deskriptif dalam
analisisnya. Statistik deskriptif dapat digunakan bila peneliti hanya ingin
mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang
berlaku untuk populasi dimana sampel dambil. Mengenai data dengan
statistik deskriptif peneliti perlu memperhatikan terlebih dahulu jenis datanya.
Jika peneliti mempunyai data diskrit, penyajian data yang dapat dilakukan
adalah mencari frekuensi mutlak, frekuensi relatif (mencari persentase), serta
mencari ukuran tendensi sentralnya yaitu: mode, median dan mean.
MODUS
Modus (modus) adalah nilai yang paling sering muncul pada suatu
distribusi nilai variabel. Ukuran kecenderungan sentral yang paling
mudah adalah modus. Untuk menemukan modus, hitung berapa kali
setiap nilai muncul. Hitungan ini harus dimasukkan ke dalam tabel yang
disebut distribusi frekuensi. Kemudian pilih nilai yang memiliki hitungan
tertinggi.
Contoh:
Tabel Pengamatan Masa Inkubasi Bagaimana cara menemukan modus
data masa inkubasi Ebola?
Buatlah tabel distribusi frekuensi
sebagaimana yang Anda telah pelajari
pada Modul Fundamental
Epidemiologi. Dari distribusi frekuensi
dapat dilihat bahwa sembilan hari
merupakan masa inkubasi yang paling
sering terjadi (terjadi 5 kali), sehingga
modus distribusi ini adalah sembilan
hari.
Pada excel, Anda dapat dibantu fungsi “count if” untuk menghitung
frekuensi nilai yang muncul, atau Anda dapat pula membuat pivot tabel
Modus adalah nilai yang paling umum dalam kumpulan data. Dengan
demikian, ini adalah ukuran deskriptif yang paling mudah untuk
dipahami, dijelaskan, dan diidentifikasi.
Namun ada beberapa kelemahan pengunaan modus, yaitu
• Mungkin ada lebih dari satu modus jika dua atau lebih nilai sama-sama
umum.
• Mungkin tidak ada modus jika, misalnya, setiap nilai hanya muncul
sekali.
• Modus mungkin tidak berada di tengah data.
MEDIAN
Median adalah nilai tengah dari sekumpulan nilai suatu variabel yang
telah diurutkan dari nilai terkecil kepada nilai yang tetinggi. Setelah Anda
mengurutkan data dari terkecil ke terbesar (atau terbesar ke terkecil,
tidak masalah), median adalah nilai tengah. Ini adalah nilai yang berada
di tengah-tengah kumpulan nilai yang diurutkan, sehingga membagi
kumpulan data menjadi dua bagian yang sama, dengan 50% di bawah
dan 50% di atas median.
Contoh
Penting untuk dicatat perbedaan antara posisi tengah dan nilai pada
posisi tersebut. Median bukan 10; bukan median adalah nilai pada posisi
ke-10, yang merupakan masa inkubasi 9 hari.
Sekarang mari coba kita tambahkan kasus ke-20 dengan masa inkubasi
21 hari. Maka untuk median, Anda perlu menjumlahkan nilai ke 10 dan
11 lalu membagi 2, dalam hal ini nilai ke 10 dan 11 adalah sama 9, maka
menambahkan 1 kasus tidak akan merubah nilai median.
Mean juga disebut rata-rata, adalah ukuran lokasi pusat yang paling
terkenal. Berbeda dengan median yang hanya berfokus pada
pertengahan distribusi, mean menggunakan atau didasarkan pada
semua data. Tetapi sebagai hasil dari penggunaan semua data, rata-rata
dipengaruhi oleh satu atau beberapa nilai ekstrim atau outlier.
Jadi mean adalah ukuran yang lebih disukai ketika kumpulan data
memiliki pengamatan yang didistribusikan dalam kurva "berbentuk
lonceng" simetris atau yang disebut "distribusi normal". Tapi itu tidak
disukai ketika distribusi miring ke satu sisi atau yang lain, atau ketika
kumpulan data memiliki outlier. Jika data miring atau memiliki outlier, nilai
mean akan tertarik ke arah nilai ekstrim. Jadi jika data Anda memiliki
distribusi yang tidak normal atau memiliki outlier, maka gunakan median.
Tampilan Data
Pendahuluan
Tidak semua orang memiliki kemampuan membaca data dan menterjemahkannya
sebagai suatu informasi yang bermanfaat. Maka menjadi salah satu tugas Anda
sebagai epidemiolog lapangan untuk mampu membuat tampilan data sedemikan
rupa sehingga mudah dibaca oleh pihak lain dan memeberikan infromasi dengan
tepat, terutama bagi para pengambil kebijakan.
Setelah mengikuti materi ini, peserta dapat membuat tampilan data dengan tepat
Data yang sudah diolah harus dapat memberikan informasi yang mudah dipahami
oleh pembaca. Untuk itu, membuat tampilan data dengan tepat merupakan
kemampuan yang wajib dimiliki oleh seorang Epidemilog lapangan. Anda seringkali
dihadapkan dengan data-data kasus. Jika Anda memiliki data kasus yang
menampilkan usia dan jenis kelamin tiap pasien, tampilan data seperti apa yang akan
Anda gunakan ? apakah tabel ? grafik ? atau tampilan data yang lain?
Uraian berikut ini Akan membantu me-refresh pemahaman Anda tentang alat
penyajian data sehingga pada akhir sesi ini diharapkan Anda dapat membuat
tampilan data yang tepat sesuai jenis data. Jika ada hal yang ingin didiskusikan,
jangan ragu untuk menghubungi fasilitator dan mentor Anda. Selamat Belajar
Penyajian data atau informasi dapat menggunakan teks atau textular. Cara ini
dilakukan dengan menjelaskan atau mendeskripsikan data yang berupa angka
baik data kategorikal, maupun data yang bersifat numerik menggunakan teks.
Sebetulnya penyajian data secara teks merupakan penyajian data atau informasi
yang baik, terutama untuk data kualitatif yang tidak berisikan angka – angka.
Oleh karena itu, maka sangat dianjurkan data yang bersifat kuantitatif sebaiknya
tidak menggunakan teks, tetapi dapat menggunakan tabel atau grafik.
Ada beberapa syarat yang harus Anda perhatikan untuk dapat memberikan
penyajian textular yang baik, yaitu:
1. Gunakan kata kata yg tepat, dan jangan memberikan arti ganda
2. Gunakan kalimat yang pendek, dengan mengikuti kaidah bahasa Indonesia
yang benar
3. Jika menyajikan angka di awal kalimat jangan berupa angka, melainkan
tulislah kalimat tersebut dengan kata kata
4. Uraian harus mencakup apa, dimana, kapan pengumpulan data itu
dilakukan.
Contoh:
Total kasus difteri yang diketemukan dan ditangani pada periode Januari –
Desember 2019 di Puskesmas X, Kabupaten Y yaitu sebanyak 25 kasus. Tidak
ada kasus kematian pada saat kasus dirawat ataupun 10 hari paska kepulangan
(CFR = 0 %). Upaya penanggulangan yang telah dilakukan diantaranya yaitu:
penanganan kasus di (pengobatan dan perawatan, isolasi kasus), penyelidikan
epidemiologi, pemberian profilaksis kontak kasus, pengambilan dan
pemeriksaan spesimen kasus kontak, edukasi kasus, keluarga dan masyarakat.
Sebuah tabel memiliki sejumlah komponen dalam tabel yang tersusun dalam
baris dan kolom. Sebelum kita berlanjut, Coba Anda pasangkan komponen tabel
beikut ini:
Warna Komponen
Label Kolom
Label Baris
Data Cell
Sumber data
Judul Tabel
Total Kolom
Sel Data
Label Kolom
Label Baris
Total Kolom
Sumber Data
Ada banyak jenis tabel yang dapat digunakan untuk meringkas dan
menampilkan data. Beberapa yang sering digunakan yaitu:
1. Tabel 1 variabel (Tabel Distribusi Frekuensi),
Tabel ini memuat nilai dari sebuah variabel. Tabel jenis ini dapat
digunakan untuk meringkas baik variabel kuantitatif maupun kualitatif.
Misalkan variabel jenis kelamin (kualitatif) dan variabel kelompok
umur (kuantitatf).
Jika variabel kuantitatif memiliki rentang pilihan yang terbatas, seperti
jumlah dosis vaksin polio yang diterima seorang anak, distribusi
frekuensinya bisa seperti variabel kualitatif, yang mencantumkan
Contoh:
65 10 8,0 %
Apabila ada kasus individu, di mana seorang remaja memliki usia 14 tahun
11 bulan, maka datanya akan dimasukkan pada kelompok usia mana pada
tabel tersebut ?
2. Tabel 2 variabel,
Contoh berikut adalah kombinasi dari 3 tabel yang ada pada halaman 21.
Selain tabel, diagram merupakan alat lain yang sering digunakan untuk
meringkas dan menampilkan data deskriptif. Pada aplikasi ms office, pembuatan
diagram dapat ditemukan pada menu chart. Seperti halnya tabel, diagram dapat
menunjukkan pola, trend, penyimpangan, persamaan, dan perbedaan dalam
data. Sering kali kita lebih mudah untuk melihat dan memahami detail data
dengan melihat diagram daripada dengan melihat data yang sama dalam
bentuk tabel. Namun, kami menganjurkan Anda untuk mengatur data ke
dalam tabel terlebih dahulu sebelum menampilkannya dalam diagram.
1) Diagram Lingkaran
Diagram garis sering disebut juga diagram garis (line chart) atau kurva
(curve), merupakan bentuk penyajian yang paling banyak dipakai dalam
berbagai laporan epidemiologi dan penelitian ilmiah. Diagram ini cocok untuk
tampilan data yang dapat diklasifikasi secara kronologis (data deret berkala)
(time series). Sebagian besar distribusi data dapat diklasifikasi secara
kuantitatif dalam bentuk distribusi frekuensi. Hasil kedua cara klasifikasi
tersebut dapat digambarkan secara visual dalam bentuk diagram garis.
Dalam epidemiologi lapangan, diagram garis paling sering digunakan untuk
menampilkan data dari waktu ke waktu. Contoh
JUDUL
Gambar 2
DATA-DATA
KETERANGAN
Mari kita bahas komponen dari diagram garis yang ditampilkan pada gambar 2.
Pada bagian dasar terdapat garis mendatar yang disebut axis X (sumbu X).
Pada data epidemiologi, sumbu x seringkali menggambarkan variabel waktu,
seperti hari, minggu dan bulan. Interval pada sumbu x (sumbu horizontal)
adalah sama. Satu sentimeter di mana saja pada sumbu x mewakili jumlah
waktu yang sama, dalam contoh ini, adalah variabel bulan.
Dalam epidemiologi, kami sangat menyarankan agar sumbu y dimulai dari nol
dan melampaui nilai terbesar dalam data yang akan dibuat grafiknya. Untuk
grafik garis sederhana, interval pada sumbu y adalah sama. Dalam contoh ini,
setiap interval mewakili 2 kasus. Dan tentu saja fitur utama dari grafik adalah
Seperti halnya judul pada tabel, Judul pada diagram garis meliputi nama
penyakit, lokasi, dan rentang tanggal data (orang, tempat, waktu).
Legenda menjelaskan jenis garis atau warna yang digunakan untuk setiap
variabel jika lebih dari satu yang ditampilkan.
Latihan
3) Diagram Batang
4) Histogram
Gambar 9. Histogram
Contohnya dapat dilihat saat kita ingin menampilkan trend jumlah kasus serta
positive rate kasus tersebut dalam 1 diagram yang sama. Perhatikan gambar
10 berikut. Ini:
Metode penyajian data deskriptif selanjutnya adalah peta. Peta adalah bagan
yang menyertakan koordinat geografis untuk menggambarkan ada tidaknya
variabel di lokasi tertentu. Peta digunakan untuk menggambarkan atau
menampilkan distribusi geografis penyakit, lokasi populasi, klinik, laboratorium,
lokasi paparan, dll. Meskipun ada banyak jenis peta, pada modul ini kita akan
bahas dua jenis peta yang paling umum digunakan yaitu: peta titik dan peta
area.
1) Peta Titik
Gambar ini mungkin peta paling terkenal dalam kesehatan masyarakat. Ini
adalah peta yang dibuat oleh John Snow, seorang dokter dan ahli anestesi
untuk Ratu Inggris yang juga seorang ahli epidemiologi otodidak. Dia
memetakan tempat tinggal orang-orang yang meninggal karena kolera selama
epidemi di area Golden Square London pada tahun 1848. Pada saat itu, banyak
ilmuwan percaya bahwa kolera menyebar melalui "udara buruk", tetapi John
Snow percaya bahwa kolera disebarkan melalui air. Jadi, dia menandai lokasi
pompa air di daerah itu dan melihat kasusnya berpusat di sekitar pompa di
Broad Street. Pegangan pompa dilepas dan epidemi berakhir. Kebanyakan ahli
epidemiologi menandai penyelidikan ini sebagai kelahiran epidemiologi
lapangan.
Pada peta titik, simbol seperti lingkaran, X, atau ikon lainnya digunakan untuk
mewakili kasus penyakit atau peristiwa lainnya. Ukuran lingkaran yang
digunakan dengan peta titik dapat proporsional dengan jumlah orang sakit, yang
merupakan perkiraan beban penyakit.
Ini adalah peta area yang menampilkan distribusi geografis kasus wabah di
Madagaskar selama epidemi wabah 2017.
Perhatikan bahwa intensitas pewarnaan mencerminkan jumlah kasus per
wilayah geografis; warna yang lebih terang mencerminkan lebih sedikit
kasus wabah, dan warna yang lebih gelap mencerminkan lebih banyak
kasus wabah. Selain itu, di sisi kanan atas gambar ini terdapat peta yang
lebih kecil yang menunjukkan lokasi Madagaskar (warna merah) di lepas
pantai tenggara Afrika.
- Data dapat disusun dan disajikan dalam bentuk tekstual, tabel, diagram dan
peta.
- Tampilan data membantu proses verivikasi dan analisis data, mengetahui
pola dan tren yang ada serta memudahkan komunikasi dengan pihak lain.
- Saat membuat tampilan tekstual, gunakan kata yang tepat, pendek, sesuai
kaidah Bahasa Indonesia, jangan memberikan arti ganda serta mencakup
informasi apa, dimana, kapan pengumpulan data itu dilakukan .
- Sebelum membuat diagram, selalu mulai dengan membuat table.
- Jenis table yang sering digunakan
o Tabel 1-variabel menunjukkan distribusi frekuensi
o Tabel 2-variabel
o Tabel komposit
- Diagram yang sering digunakan dalam penyajian data epidemiologi dapat
dirangkum sbb:
Tampilan Penggunaan
Diagram lingkaran Untuk menyajikan frekuensi (jumlah) dari setiap variable
data kualitatif, berbentu presentase atau proporsi
Diagram garis Untuk membuat tampilan data yang dapat diklasifikasi
secara kronologis waktu (time series).
Berguna untuk menunjukkan pola atau trend suatu varibel,
terhadap waktu.
Diagram batang Memberikan cara mudah untuk membandingkan besaran
relatif dari berbagai nilai variabel kualitatif.
Memberikan tampilan visual data dari tabel 1 variabel
(diagram batang sederhana), atau 2 variabel (diagram
batang berkelompok)
Histogram Paling sering digunakan untuk membuat tampilan data
kuantitatif kontinu.
Merupakan diagram yang paling sering digunakan pada
epidemiologi lapangan, untuk membuat kurva epidemi
(kasus berdasarkan waktu)
Pendahuluan
Untuk data set epidemilogi yang cukup banyak, Anda perlu menggunakan suatu
aplikasi untuk mempermudah Anda melakukan pengolahan dan membuat
tampilan data. Salah satu aplikasi sederhana dan umum dijumpai dalam
perangkat komputer/laptop adalah MS Office (dalam hal ini Ms Excel).
Setelah mengikuti materi pokok pelatihan ini, peserta dapat menggunakan Excel
untuk melakukan pengolahan data dan membuat tampilan data
Pada modul ini, Anda akan mempelajari beberapa fungsi yang ada pada MS
Excel untuk membantu Anda melakukan pengolahan data
1. Formula
2. Function / Fungsi
Formula yang Berikut formula yang paling sering digunakan dalam mengolah
paling sering data surveilans.
digunakan AVERAGE – digunakan untuk menghitung rata-rata nilai (mean)
dalam dalam rentang sel yang dipilih.
Statistical MEDIAN – digunakan untuk menghitung nilai tengah (median)
Functions dalam rentang sel yang dipilih.
MIN – untuk menunjukkan nilai terkecil (nilai minimum) dalam
rentang sel yang dipilih.
MAX – untuk menunjukkan nilai terbesarl (nilai maksimum)
dalam rentang sel yang dipilih
MODE – digunakan untuk menampilkan nilai modus (nilai yang
paling sering muncul) dalam rentang sel yang dipilih.
SD – menampilkan standar deviasi dalam rentang yang berisi
angka yang dipilih
SUM – digunakan untuk menghitung jumlah nilai (total/Sum)
dalam rentang sel yang dipilih
COUNT – menampilkan jumlah sel dalam rentang yang berisikan
angka
COUNT IF – untuk menghitung jumlah sel yang memenuhi
kriteria; misalnya, untuk menghitung berapa kali kota tertentu
muncul dalam daftar pasien / penderita suatu kasus
Saatnya Coba temukan jumlah staf yang terpapar sakit
Praktek 1. Buka File ……….
2. Letakan kursor mouse pada sel B11 (pada sel ini
jawaban akan ditampilkan).
3. Pilih simbol
Contoh Jika Anda menghitung jumlah staf yang sakit di Kolom B dan
menyalin rumus SUM dan menempelkan sel ke lembar kerja
kosong, Maka Anda mendapatkan kesalahan tampilan Error
atau nol (0) (Gambar 20).
Kenapa perlu Menu “Sort” memungkinkan Anda untuk mengatur satu atau
dilakukan Sort beberapa kolom data.
(mengurutkan)? Dalam pengolahan data surveilans, kita sering ingin mengurutkan
data berdasarkan TANGGAL dan WAKTU sebelum membuat
grafik. Pengurutan juga dapat digunakan untuk mengecak kualitas
data dan untuk mendeteksi data yang hilang atau terduplikasi,
salah eja, dan masalah lainnya.
Melakukan “sort” data pada data yang ingin Anda analisis itu
merupakan hal yang penting.
Gambar 22 Gambar 23
Contoh 1. Pilih variable RT pada opsi “Sort by” (lihat gambar 25).
1 variabel Sort 2. klik OK.
Gambar 25
3. Apa yang Anda lihat ?
Ya, Data mengurut mulai dari kejadian di RT 1 sd RT 3. (lihat
gambar 11)
Gambar 27
Gambar 28
Gambar 29 Gambar 30
Eksplore 5. Klik tanda panah pada kolom RT dan un-check pada kolom
lebih lanjut “Select All”. (gambar 31-tengah)
6. Kemudian Klik pada pilihan 2 pada checkbox. (gambar 31-
kanan)
7. Klik OK. (gambar 31)
8. Maka excel hanya akan menampilkan data pada RT 2 dari
dataset tersebut.
9. Jika anda klik Kembali menu filter maka tanda panah akan
hilang. Dan data RT 1 dan 3 akan Kembali muncul. Ini
artinya Anda sudah keluar dari menu filter
Gambar 31
Gambar 32
Sampai tahap ini, Anda sudah mempelajari 5 fitur menu pengolahan data pada
MS Excel. Untuk merangkum pemahaman Anda, Silahkan coba kerjakan
Latihan berikut:
A B
Contoh :
Anda ingin melihat modus usia kasus Gunakan Menu function –
Avarage pada kolom usia
Soal
Anda ingin melihat rentang usia kasus
Anda ingin melihat modus dan rata rata usia kasus
Anda ingin melihat angka kejadian kasus per
Kecamatan di Kabupaten tersebut.
Anda ingin melihat kasus sesuai urutan tanggal onset
Anda ingin melihat angka kejadian kasus per
Kecamatan di Kabupaten tersebut, sekaligus
diurutkan berdasarkan tanggal onset
Keterangan
Kolom A: Berisi Pernyataan / kondisi yang ingin dilakukan
Kolom B: Isilah dengan menu yang menurut Anda diperlukan dalam pengolahan
data sesuai pernyataan pada kolom A (formula, function, Paste Value, sort, Filter)
Pada modul ini, Anda akan mempelajari beberapa fungsi yang ada pada MS
Excel untuk membantu Anda melakukan penyajian data
1. Pivot Tabel
Maka akan muncul kotak dialog “create pivot tabel” (Gambar 34)
Select a
table or
range
Gambar 34
Pada “select tabel or range” – arsir tabel atau keseluruhan data yang
ingin di-pivot, lalu klik OK
Maka akan muncul “Pivot Tabel Field” (gambar 35), beserta nama
nama variabel yang ada pada data Anda. Kemudian Tarik variabel
yang ingin dijadikan variabel kolom, dan variabel baris
Gambar 37 Gambar 38
Horizontal
(category) axis
labels)
Gambar 39
Gambar 40
4. Klik pada Menu Insert , Pilih Chart lalu pilih Column.
5. Klik Add Chart Element untuk menambahkan judul
dan label pada axis (sumbu) (Gambar 41).
4. Diagram Garis
Gambar 45
Ctt.
Perhatikan bahwa jika ukuran jarak interval waktu dalam data
yang Anda miliki tidak equal (tidak sama), maka Diagram Garis
Excel dapat menghasilkan grafik yang terdistorsi. Untuk data
semacan itu, Anda dapat mempertimbangkan penggunaan
Scatter sebagai pilihan yang lebih baik.
Gambar 46
4. Klik pada Menu Insert , Pilih Chart lalu pilih Bar chart.
5. Klik Add Chart Element untuk menambahkan judul dan
label pada axis (sumbu)
6. Klik pada salah satu kolom variable yang tampilannya ingin
Anda ubah menjadi diagram garis, lalu klik kanan untuk
menampilkan menu, kemudian pilih Change Series Chart
Type. (gambar 47)
7. Maka akan muncul box “change chart type” → “custom
combination (gambar 48)
8. Kemudian ubah variable (dalam hal ini series 2) menjadi
bentuk diagram line (garis) (gambar 48)
Gambar 48
Gambar 51