o
1 Manajemen dan Hal yang perlu diperhatikan :
Analisis Data 1. Data yang diambil : adalah sampel. Sampel representative dengan populasi. Ada 2
yang mempengaruhi agar sampel mempengaruhi populasi :
a. Jumlah sampel harus cukup (jangan terlalu sedikit/terlalu banyak karena bisa
tidak akurat). Secara teori : tergantung karakteristik populasi. Homogen jlh
sampel bisa sedikit. Jika heterogen sampel perlu banyak. Jumlah sampel
dihitung dengan rumus.
- 2 pertimbangan Rumus sampel yang benar jenis data katerogik/numerik.
Tujuan penelitian (descriptive (estimasi)/menguji hipotesis (ada hubungan)?)
b. Perhitungan sampel selain perhatikan jumlah sampel, juga perhatikan pemilihan
sampel.
- Pemilihan sampel random
- Judul penelitian (kategorik/num), tujuan hipotesis/tidak? Jika multivariat ada
aturan lagi. Jumlah sampel tidak boleh dikit. Hitungan sampel itu minimal. Jika
sampai multivariat, ketika hitung sampel 100. Jika variabel ada 15. 1 variabel
diwakili 15 sampel. Dalam survey, sampel dinaikkan 150. Sebelum survey,
hitung analisis multivariat, tentukan variabel. Antisipasi jumlah sampel.
2. Menyusun kuisioner harus tau definisi operasional (DO) dari variabel. Dari DO
baru diterjemahkan ke pertanyaan.
Contoh : DO : Diare itu BAB > 3 kali sehari
Pertanyaan : apakah ada keluarga yang BAB > 3 kali sehari?
Disini DO kurang lengkap karena BAB diare konsistensinya cair.
DO harus berdasarkan literatur (sesuai perkembangan terbaru). Lebih baik di dalam
DO diberi referensi.
3. Pengumpulan Data ada wawancara, angket, observasi, pengukuran
4. Pengolahan data t independent (entry ke bawah). T berpasangan (entry
kesamping)
5. Transformasi data : Penjumlahan dan pengelompokkan data
Variabel pengetahuan (tinggi rendah) , jumlah skor dulu baru dikelompokkan
6. Analsis Data. Kategorik : Persentase. Numerik : Mean dan SD.
- Salah analisis deskriptif/univariat : persentase tidak tepat? Perhatikan missing
data. Jangan ambil persentase pada data missing.
- Salah dalam pemakaian uji statistic (bivariat/multivariat)
7. Penyajian data :
- Pembuatan tabel/grafik salah
- Double penyajian (tidak boleh ada grafik setelah ada tabel)
- Interpretasi kurang tepat (1 kepuasan saja).
8. Pembahasan
- Hasil analisis jangan diulang. Yang diambil sig/tidak?Tidak usah dijelaskan OR/ p
value. Bandingkan dengan penelitian lain. Mengapa bisa terjadi? Mengapa tidak
signifikan? Sejalan dengan penelitian siapa? Argumentasi bagaimana?
9. Kesimpulan
- Kualitatif saja. Hindarkan p value dan OR.
- Bukan ringkasan
- Menjawab tujuan
10. Saran
- Sesuai dengan hasil penelitian
- Harus operasional
Coding 2 kelompok : 0, 1. Jika coding 1,2 dianggap numerik (stata)
Cara atasi entry data :
- Cek variasi data (sesuai yang seharusnya/tidak) masing2 variabel keluarkan
distribusi frekuensinya.
- Membandingkan 2 variabel cek konsistensinya. Jika KB 20 alat 20.
- Cek tabel silang : contoh hubungan variabel umur dan jumlah anak.
4 ibu umur 19, jumlah anak 1 wajar.
2 ibu umur 15 jumlah anak 10 tidak wajar (kemungkinan salah input) Bisa jadi
umur 45. Bisa jadi jumlah anak 1.
Dalam analisis umur dikelompokkan.
Analisis data
2 Penyusunan Kuisioner
Variabel
Sulitkah mengukur
variabel
Jenis Variabel
DK ini dari teori thesis, disertasi. Contoh definisi secara teori secara teori konsepsional.
DK lebih abstrak dibanding DO.
Perilaku :
Langkah Pertanyaan
sederhana
Contoh :
Nilai xb memperkirakan nilai µ (rata2 sampel digunakan untuk memperkirakan
rata2 populasi)
Induktif-Deduktif Menyimpulkan dari data khusus (sampel) ke - - umum (populasi) INDUKTIF
Induktif diambel sampel 100 untuk menggambarkan bayi seluruh depok.
Aturan data normal dan tidak normal salah satunya data jumlah sampelnya
sedikit maka cenderung tidak normal. Data banyak cenderung normal
2. Ukuran Variasi
Ditentukan karena ukuran tengah saja tidak cukup. Harus ada ukuran variasi
Ukuran Variasi variabel numerik :
Range : Semakin besar range semakin bervariasi.
Sangat dipengaruhi angka ekstrem
Kelemahannya hanya melibatkan nilai terkecil dan terbesar
Varian dan standar deviasi
Varian (mengatasi kelemahan range) :
2
∑ ( x−x )
s2=
n−1
Standar Devasi/Simpangan Baku (mengatasi kelemahan varian yang
masih berbentuk kuadrat) :
√
2
s=
∑ ( x− x )
n−1
Standar deviasi nilai variasi data terhadap mean (rata-ratanya)
Jika data berdistribusi normal maka :
68% Data berada di kisaran mean ± 1*SD
95% Data berada di kisaran mean ± 2*SD
99% Data berada di kisaran mean ± 3*SD
b. Melenceng Kanan (Skew to the right) terjadi karena ada angka extrem
besar. Mean>median>modus
Contoh : 4 mhs dipilih 2 mhs utk bertugas. Brp pasangan kombinasi yg dihasilkan
Diket : n=4 r=2
4! 24
C= = =6
2! ( 4−2 ) ! 4
AB AC AD BC BD CD Jika sudah ada AB, tidak perlu BA karena urutan tidak
dipentingkan.
Contoh : mencampur 2 warna.
Permutasi Permutasi : Urutan dipentingkan
n!
n Pr=
(n−r )!
Contoh : di data kombinasi (4 mhs)
Bila dipilih 2 mhs, berapa pasangan permutasinya
4! 24
P= = =12
( 4−2 ) ! 2
AB AC AD BC BD CD BA CA DA CB DB DC
Contoh : Password
5 Distribusi Probabilitas
Hitung lamdanya:
= גn p = 50 x 0,04 = 2,0
a. Peluang dua pasien meninggal adalah
P2 = p2-p1 =0,677-0,406= 0,271(27,1 %)
b. Peluang kurang dari 3 pasien meinggal P(<3) = P2 = 0,677 (67,7 %)
c. Maksimal 3 meninggal = P (≤3) = P=3 = 0, 857
d. P(>2) = 1-(P2) = 1-0,677 = 0,323
e. P(≥4) = 1-P3 = 1-0,857 = 0,143
Pendekatan Binomial Contoh : hasil survey di RS diketahui 30% adalah memakai Askes. Kalau dalam
ke normal satu hari pasien yang datang adalah 300 orang. Berapakah probabilitasnya yang
memakai Askes Kurang dari 75 orang
N=300, p=0,30 q=1-0,3 = 0,7 xb=np =300 x 0,3 = 90
S=√ 300 x 0,3 x 0,7= 7,9
Z=(75-90)/7,9 = -1,80 p= 0,3699
P ( Z < -1,80)= 0,5 – 0,3699 = 0,1301
Jadi peluang yang memakai askes kurang dari 75 org = 0,1301
Standar Error Standar deviasi dari rata-rata pada distribusi sampel - - - menghasilkan standard
error (SE)
SE merupakan standar deviasi nilai rata-rata sampel dari nilai rata-rata populasi
SE menggambarkan variasi nilai rata-rata sampel jika sampel diambil berulang-
ulang
INGAT: SE berbeda dengan standar deviasi (S)
SE = σ/√n bisa juga : SE = S /√n
Semakin kecil SE semakin baik karena nilainya akan semakin dekat dengan
populasi
Cara memperkecil SE ?
-memperbesar jumlah sampel
-memperkecil standar deviasi populasi atau sampel
Contoh kasus :
Contoh Distribusi Normal
Laporan tahunan RS ‘Sayang Ibu’ menyatakan bahwa rata-rata berat badan bayi
adalah 3000 gram dengan standar deviasi sebesar 500 gram.
Hitunglah probabilitas berat badan bayi saat lahir lebih dari 3500 gram?
√ 0 , 40∗(1−0 , 40 )
400
0 , 45−0 , 40
Z 1= =2 , 04
√ 0 , 40∗(1−0 , 40 )
400