ANALISIS DATA

PENGOLAHAN DATA
PENGEDITAN (EDITING) : DATA
YANG TERKUMPUL DILAKUKAN
PEMERIKSAAN ATAU KOREKSI DATA
YANG TELAH DIKUMPULKAN AGAR
TIDAK ADA DATA YANG TIDAK
MEMENUHI SYARAT, MELENGKAPI
DATA DENGAN MENGUMPULKAN
DATA ATAU MENGHILANGKAN
DATA YANG SALAH
PENGOLAHAN DATA
KLASIFIKASI DATA : DATA YANG
TERKUMPUL DIKLASIFIKASIKAN
BERDASARKAN KELOMPOKNYA.
SMA
Jenis kelamin
152 SMP
160 cm

Laki-laki Tinggi badan

Perempuan
SMP

160 cm 170 cm Pendidikan

155
SMA SMP
Laki-laki Kelompok lain
PENGOLAHAN DATA
PENGKODEAN (CODING) ADALAH
UNTUK MEMBERIKAN KODE
TERTENTU PADA TIAP DATA
PENELITIAN TERMASUK
MEMBERIKAN KATEGORI UNTUK
JENIS DATA YANG SAMA DALAM
BENTUK SIMBOL, HURUF, ANGKA,
ATAU SEKOR
PENGOLAHAN DATA
TABULASI (TABULATING)
ADALAH PROSES MENEMPATKAN
DATA DALAM TABEL SESUAI
KEBUTUHAN ANALISIS. TABEL
YANG DIBUAT SEBAIKNYA
MAMPU MERINGKAS SEMUA DATA
YANG AKAN DIANALISIS.
PENGOLAHAN DATA
TABULASI SELURUH DATA YANG
TELAH DIKELOMPOKKAN
Klasifikasi Data Tally
Jenis kelamin Laki-laki
Perempuan
Tinggi badan 152
155
160
PENYAJIAN DATA
SAJIKAN TABULASI DATA DALAM
BENTUK TABEL ATAU GAMBAR

Tabel 4.1 Jenis kelamin Responden

Jenis kelamin Jumlah Prosentase
Laki-laki 18 36
Perempuan 32 64
Jumlah 50 100
PENYAJIAN DATA

Laki-laki
48%

Perempuan
52%

Gambar 4.1 Jenis kelamin Responden

PENYAJIAN DATA

70

60

50

40

30

20

10

Laki-laki Perempuan

Gambar 4.1 Jenis kelamin Responden

ANALISIS UNIVARIAT
• LAKUKAN PERHITUNGAN STATISTIK
MENGGUNAKAN PROGRAM KOMPUTER
UNTUK MENJAWAB PERMASALAHAN
DENGAN STATISTIK DESKRIPTIF
• STATISTIKA DESKRIPTIF HANYA
UNTUK MEMPEROLEH GAMBARAN
ATAU UKURAN DATA YANG ADA DI
TANGAN.
STATISTIK DESKRIPTIF
• JIKA DATA YANG DIANALISIS
ADALAH SAMPEL MAKA STATISTIKA
INI MENGHASILKAN UKURAN
SAMPEL.
• JIKA DATA YANG DIANALISIS
ADALAH POPULASI MAKA
STATISTIKA ITU AKAN
MENGHASILKAN UKURAN POPULASI.
STATISTIK DESKRIPTIF
MACAM-MACAM STATISTIK
DESKRIPTIF :
1. Mean
2. Median
3. Modus
4. Standar deviasi
5. Nilai minimum
6. Nilai maksimum, dsb
Tabel 4.4 Pengetahuan Responden
SKOR JUMLAH PROSENTASE PROSENTASE
KUMULATIF
65 4 8 8
67 8 16 24
75 8 16 32
82 10 20 52
84 12 24 84
89 6 12 96
90 2 4 100
Jumlah 50 100
Mean = 79,39 Nilai minimum = 65
Median = 83 Nilai maksimum = 90
Modus = 84 Standar deviasi = 4,44
UJI PERSYARATAN
ANALISIS
 Lakukan uji normalitas untuk
melihat distribusi data yang
berupa data interval atau rasio

Tabel 4.7 Uji normalitas

Variabel N P Value Normalitas

Kelengkapan RM 50 0,08 Normal

Kelancaran klaim BPJS 50 0,01 Tidak normal
UJI NORMALITAS

 Buatlah kesimpulan hasil uji normalitas

dengan ketentuan sebagai berikut :
1. Data berdistribusi normal jika P Value
lebih besar dari α = 0,05,
2. Jika P Value lebih kecil dari α =
0,05, maka data tidak berdistribusi
normal
ANALISIS UNIVARIAT
ANALISIS VARIABEL I DENGAN
CARA :
1. Mendeskripsikan nilai mean jika
data normal, atau
2. Mendeskripsikan nilai median jika
data tidak berdistribusi normal,
atau
3. Mendeskripsikan hasil uji hipotesis
DESKRIPSI DATA
 Deskripsi data berdasarkan nilai
median

Tabel 4.9 Klasifikasi pengetahuan

Pengetahuan Skor Jumlah Prosentase
Rendah < 83 30 60
Tinggi > 83 20 40
Jumlah 50 100
DESKRIPSI DATA
 Deskripsi data berdasarkan nilai
mean

Tabel 4.9 Klasifikasi pengetahuan

Pengetahuan Skor Jumlah Prosentase
Rendah (mean-1SD) < 74,95 12 24
Sedang (mean-1SD – 74,95 – 30 60
mean+1SD) 83,83
Tinggi (mean + 1 SD) > 83,83 8 16
Jumlah 50 100
 HIPOTESIS DESKRIPTIF

 Hipotesis Nol : Kelengkapan rekam medis

paling besar 70%
Ho : p1 < 70 %
 Hipotesis alternatif : Kelengkapan rekam
medis lebih besar dari 70 %
H1 : p1 > 70 %
UJI HIPOTESIS
DATA NOMINAL
1. Binomial
2. X2 one sample
DATA ORDINAL
1. Kolmogorov smirnov
2. Run Test
DATA INTERVAL/RASIO
❑ T Test
INTERPRETASI DATA
INTERPRETASI DATA VARIABEL
PERTAMA DENGAN CARA :
1. Mengulas nilai-nilai tersebut
sesuai isi instrumen
2. Mengulas nilai-nilai tersebut
berdasarkan data tambahan yang
diperoleh
INTERPRETASI DATA
KUTIP TEORI YANG DIGUNAKAN DALAM
MENYUSUN KERANGKA TEORI UNTUK
MEMPERKUAT INTERPRETASI DATA
YANG TELAH DILAKUKAN
BERIKAN USULAN-USULAN YANG
BERSIFAT PRAKTIS SESUAI DENGAN
DATA DAN TEORI YANG ADA DENGAN
URAIAN YANG SEDETAIL MUNGKIN.
INTERPRETASI DATA
UNTUK VARIABEL KEDUA, LAKUKAN
LANGKAH-LANGKAH YANG SAMA
SEPERTI VARIABEL 1, YAKNI :
1. Pengumpulan data
2. Pengolahan data : Editing, coding
dan tabulating
3. Penyajian data
4. Interpretasi data
STATISTIK INFERENSIAL
STATISTIKA INFERENSIAL DIGUNAKAN
UNTUK MENGANALISIS DATA SAMPEL
KEMUDIAN DIGUNAKAN UNTUK
MENGUJI HIPOTESIS YANG BERLAKU
UNTUK POPULASI.
STATISTIK INFERENSIAL DIGUNAKAN
APABILA SAMPEL DIAMBIL DARI
POPULASI YANG JELAS DAN DILAKUKAN
DENGAN TEKNIK RANDOM
STATISTIK INFERENSIAL
STATISTIK INFERENSIAL DISEBUT
STATISTIK PROBABILITAS KARENA
KESIMPULAN YANG DIAMBIL UNTUK
POPULASI BERDASARKAN SAMPEL
YANG MEMILIKI PELUANG
KEBENARAN DAN KESALAHAN ATAU
TARAF SIGNIFIKANSI TERTENTU,
MISALNYA 95% (Α = 0.05).
STATISTIK INFERENSIAL
STATISTIKA INFERENSIAL TERDIRI
DARI :
1. Statistik parametrik
2. Statistik non parametrik
UNTUK MEMILIH STATISTIK
PARAMETRIK ATAU NON PARAMETRIK
DIPERLUKAN UJI PERSYARATAN
ANALISIS
UJI PERSYARATAN
ANALISIS
UJI PERSYARATAN ANALISIS DILAKUKAN
DENGAN UJI NORMALITAS UNTUK
MELIHAT DISTRIBUSI DATA
UJI PARAMETRIK DIGUNAKAN JIKA DATA
BERDISTRIBUSI NORMAL, SEBALIKNYA
JIKA DATA TIDAK BERDISTRIBUSI
NORMAL DIGUNAKAN UJI NON
PARAMETRIK
UJI NORMALITAS
 Data berdistribusi normal jika P
Value lebih besar dari α = 0,05,
sebaliknya jika P Value lebih kecil
dari α = 0,05, maka data tidak
berdistribusi normal

Tabel 4.7 Uji normalitas

Variabel N P Value Normalitas
Pengetahuan 50 0,08 Normal
Kinerja 50 0,01 Tidak normal
STATISTIK PARAMETRIK
STATISTIK PARAMETRIK DIGUNAKAN
UNTUK MENGUJI PARAMETER
POPULASI MELALUI DATA SAMPEL.
DATA YANG AKAN DIANALISIS HARUS
BERDISTRIBUSI NORMAL DAN
HARUS HOMOGEN
UKURAN SAMPEL MINIMUM 30 UNIT
SATUAN
STATISTIK NON
PARAMETRIK

STATISTIK NON PARAMETRIK TIDAK

MENGUJI PARAMETER POPULASI
MELAINKAN DISTRIBUSI POPULASI.
STATISTIK NON PARAMETRIK
DIGUNAKAN UNTUK MENGANALISIS
DATA YANG BERSKALA NOMINAL
DAN ORDINAL
HIPOTESIS ASOSIATIF
HIPOTESIS HIPOTESIS NOL : TIDAK ADA
HUBUNGAN KELENGKAPAN REKAM MEDIS
DENGAN KELANCARAN KLAIM BPJS
Ρ=0
HIPOTESIS ALTERNATIF : ADA HUBUNGAN
KELENGKAPAN REKAM MEDIS DENGAN
KELANCARAN KLAIM BPJS
Ρ≠0
UJI STATISTIK
DATA NOMINAL : CONTINGENCY
COEFICIENT C, CRAMER’S CONTINGENCY
COEFICIENT DAN STATISTIK LAMBDA
DATA ORDINAL : SPEARMAN RANK
CORELATION, KENDALL TAU CORRELATION,
KENDALL PARTIAL RANK CORRELATION
DATA INTERVAL ATAU RASIO : PEARSON
PRODUCT MOMENT, PARTIAL CORRELATION,
DAN MULTIPLE CORRELATION
HASIL UJI HIPOTESIS
ASOSIATIF

Tabel 4.8 Hasil Uji Hipotesis

Hubungan .... dengan ....
Variabel α P Value Signifikansi r Koefisien
X Y 0,05 0,000 Signifikan 0,7 Kuat
5
HIPOTESIS KOMPARATIF
HIPOTESIS NOL : TIDAK ADA
PERBEDAAN RATA-RATA NILAI BOD
SEBELUM DAN SESUDAH IPAL
HO : Μ 1 = Μ 2
HIPOTESIS ALTERNATIF : ADA
PERBEDAAN RATA-RATA NILAI BOD
SEBELUM DAN SESUDAH IPAL
H1 : Μ 1 ≠ Μ 2
UJI STATISTIK
DATA NOMINAL
1. Related 2 sampel : Mc Nemar
2. Related > 2 sampel : Cohran Q
3. Independent 2 sampel : Fisher
Exact Probability Test dan X2
two sample
4. Independent > 2 sampel : X2 for
k sample
UJI STATISTIK
DATA ORDINAL
1. Related 2 sampel : Sign Test dan
Wilcoxon matched pairs test
2. Related > 2 sampel : Friedman test
dan Two way ANOVA
3. Independent 2 sampel : Median
test, Mann Whitney U test
4. Independent > 2 sampel : Kruskal
Wallis test, one way ANOVA
HASIL UJI HIPOTESIS
KOMPARATIF

Tabel 4.8 hasil Uji Hipotesis

Perbedaan ... dengan ....
Variabel N α P Value Signifikansi
Y1 30 0,05 0,000 Signifikan
Y2 30
INTERPRETASI DATA
ANALISIS HUBUNGAN VARIABEL
PERTAMA DENGAN VARIABEL
KEDUA ATAU PERBEDAAN
VARIABEL PERTAMA DAN
VARIABEL KEDUA DENGAN CARA :
1. Mendeskripsikan hasil uji hipotesis
2. Mengulas nilai2 tersebut sesuai
data utama dan data lainnya
INTERPRETASI DATA
3. Kutip teori yang memperkuat ulasan
atau pembahasan
4. Kemukakan usulan-usulan yang bersifat
praktis, terkait dengan ulasan
JIKA HIPOTESIS NOL GAGAL DITOLAK,
KEMUKAKAN KEMUNGKINAN YANG
MENJADI PENYEBABNYA
40