Sesi ANALISIS DESKRIPTIF

10

KEGIATAN PRAKTIK 3
1. Kemampuan Akhir yang Diharapkan
a) Mahasiswa mampu memahami cara melakukan analisis deskriptif untuk
data kategorik
b) Mahasiswa mampu memahami cara melakukan analisis deskriptif untuk
data numerik
c) Mahasiswa mampu membuat bentuk-bentuk penyajian data

2. Uraian Materi

ANALISIS DESKRIPTIF
Dosen: Drs. Eka Trio Effandilus, M.Si

A. Pendahuluan

Pada dasarnya tujuan analisis tidak lain adalah melakukan penyederhanaan atau
peringkasan sekumpulan data dari hasil pengukuran yang dilakukan sedemikian
rupa sehingga dapat memunculkan informasi yang berguna. Bentuk peringkasan
data dapat berupa ukuran-ukuran statistik yang disesuaikan dengan bentuk data
yang akan diringkas.

Analisis deskriptif merupakan analisis yang dilakukan untuk menggambarkan

karakteristik masing-masing variabel penelitian. Dalam melakukan peringkasan
data tentunya disesuaikan dengan tujuan penelitian dan bentuk atau skala ukur
data. Untuk data numerik, ukuran statistik yang digunakan untuk meringkas data
seperti : 1) ukuran tengah berupa nilai mean (rata-rata), median dan modus; 2)
ukuran variabilitas berupa standar deviasi, varians, standar error, nilai minimum-
 Analisis Deskriptif

maksimum, CI (confidence interval). Untuk data penelitian berbentuk kategori,

peringkasan data dapat berupa penyajian tabel distribusi frekuensi dengan
ukuran persentase ataupun proporsi.

Pada pokok bahasan ini, kita akan memahami langkah-langkah dalam melakukan
analisis deskriptif menggunakan aplikasi program SPSS versi 16. Untuk analisis
deskriptif data kategori dijelaskan bagaimana memunculkan distribusi frekuensi
masing-masing variabel penelitian serta penyajian dan interpretasi hasil olahan
secara univariat. Selanjutnya dipaparkan juga bagaimana langkah dalam analisis
data numerik, penyajian dan interpretasi hasil analisis. Selain itu juga, pada pokok
bahasan ini dijelaskan langkah-langkah dalam pengujian kenormalan data yang
menjadi salah satu persyaratan analisis (asumsi klasik) dalam pemilihan uji
statistik parametrik atau non-parametrik.

B. Analisis Data Kategori

Bentuk penyajian data kategori hanya menggunakan distribusi frekuensi dengan
memunculkan angka persentase atau proporsi. Apabila data penelitian kita
berbentuk kategori, tidak lazim informasi yang disajikan berupa ukuran mean,
median, atau standar deviasi. Penyajian hasil penelitian yang berbentuk data
kategori hanya dapat berupa tabel distribusi frekuensi atau dalam bentuk grafik.

Sebagai latihan kita akan menyajikan tabel distribusi frekuensi dari variabel umur,
pengetahuan, jenis kelamin, ASI, imunisasi dan kejadian pneumonia dari file
“Kejadian Pneumonia”. Adapun langkah peringkasan data sebagai berikut :

Langkah 1. Klik “Analyze”, sorot “Descriptive Statistic” lalu Klik “Frequencies”,

tampak dibawah :

Klik sini

Klik sini

2
 Analisis Deskriptif

Ketika “frequencies” di klik, maka tampil kotak berikut :

Langkah 2. Setelah muncul kotak “Frequencies”, klik nama variabel yang akan
dianalisis, lalu tekan tombol panah, sehingga variabel tersebut
masuk pada kotak “Variable(s)”, seperti tampak berikut :

Langkah 3. Berhubung kita hanya mau menampilkan distribusi frekuensi pada

masing-masing variabel penelitian, maka abaikan pilihan kotak
dibawah (Statistics, Charts dan Format).
Langkah 4. Klik “OK”, segera muncul output hasil olahan seperti berikut :

Statistics

Kelompok Umur Pengetahuan Jenis Kelamin

N Valid 30 30 30

Missing 0 0 0

3
 Analisis Deskriptif

Frequency Table

Kelompok Umur
Cumulative
Frequency Percent Valid Percent Percent
< 35 tahun 16 53.3 53.3 53.3
Valid
>= 35 tahun 14 46.7 46.7 100.0

Total 30 100.0 100.0

Pengetahuan
Cumulative
Frequency Percent Valid Percent
Percent
Valid Kurang Baik 11 36.7 36.7 36.7
Baik 19 63.3 63.3 100.0

Total 30 100.0 100.0

Jenis Kelamin
Cumulative
Frequency Percent Valid Percent
Percent
Laki-Laki 13 43.3 43.3 43.3
Valid
Perempuan 17 56.7 56.7 100.0

Total 30 100.0 100.0

Langkah 5. Buat penyajian data dan lakukan interpretasi hasil analisis deskriptif

Kita ambil contoh menyajikan tabel distribusi frekuensi dari variabel “jenis
kelamin pasien” sebagai berikut :

Tabel 10.1
Distribusi Responden Menurut Jenis Kelamin
di Rumah Sakit X Tahun 2022

Jenis Kelamin Frekuensi Persentase

Laki-Laki 13 43,3

Perempuan 17 56,7
Total 30 100

4
 Analisis Deskriptif

Interpretasi Tabel 10.1 :

Berdasarkan hasil analisis diketahui bahwa lebih dari separoh (56,7%) responden
berjenis kelamin perempuan.

Tabel 10.2
Distribusi Responden Menurut Umur di Rumah Sakit X Tahun 2022

Umur Pasien Frekuensi Persentase

< 35 tahun 16 53,3
>= 35 tahun 14 46,7
Total 30 100

Interpretasi Tabel 10.2 :

Dari hasil analisis didapatkan bahwa lebih dari separoh responden berumur < 35
tahun yaitu sebanyak 16 pasien (53,3%).

C. Analisis Data Numerik

1. Ukuran Nilai Tengah (Tendency Central)

Ukuran nilai tengah menggambarkan konsentrasi dari nilai-nilai hasil

pengamatan atau pengukuran. Ukuran nilai tengah dibagi atas tiga macam yaitu
mean, median dan modus. Secara manual perhitungan nilai tengah dapat dijelaskan
sebagai berikut :

a. Nilai Rerata (Mean)

Mean merupakan rerata yang merupakan hasil bagi dari penjumlahan semua nilai
pengamatan dibagi dengan banyaknya data. Adapun rumus mencari nilai mean
adalah :

1) Data Tunggal, digunakan rumus :

∑𝑿𝒊
x = 10.1
𝒏

Keterangan :
X = mean
∑Xi = jumlah semua data
n = banyak data
2) Data Berkelompok, digunakan rumus :

∑𝒇𝑵𝒕
x = 10.2
𝒏
5
 Analisis Deskriptif

Keterangan :
X = mean
∑ = jumlah
f = frekuensi
Nt = nilai tengah
N = banyak data
Rerata (mean) sebagai salah satu ukuran nilai tengah memiliki kelemahan, karena
dipengaruhi oleh nilai-nilai ekstrim, baik ekstrim tinggi maupun rendah. Oleh
sebab itu, pada sekelompok data yang ditemui adanya nilai-nilai ekstrim, maka
nilai mean tidak dapat mewakili rerata sekelompok nilai hasil pengukuran.

Contoh
Hasil pengukuran berat badan 10 ibu hamil di RSB Entah Berantah sebagai berikut:
65, 60, 55, 70, 67, 53, 61, 64, 75, 50
Hitunglah nilai rerata dari kesepuluh berat badan ibu hamil tersebut ?

Penyelesaian :
∑𝑿𝒊 65+60+55+70+67+53+61+64+75+50
x = =
𝒏 10
620
x = = 62
10

b. Median

Median menyatakan posisi tengah dari sekelompok hasil pengamatan dengan

membagi dua sekelompok data sama banyak, yaitu 50% data di atas dan 50% data
di bawah median.

Adapun kelebihan nilai median yaitu lebih stabil menggambarkan nilai tengah
dibandingkan nilai rerata pada data yang berdistribusi tidak normal,
perhitungannya mudah dan dapat menggambarkan nilai tengah data kualitatif.

Adapun rumus mencari nilai median di bagi atas dua, yaitu median untuk data
tunggal dan median untuk data berkelompok. Cara mencari nilai median data
tunggal dengan mengurutkan data tersebut dari data terkecil sampai terbesar atau
sebaliknya, lalu posisi median dicari dengan rumus 10.3 berikut :

6
 Analisis Deskriptif

1) Data Tunggal, digunakan rumus :

Me = (n + 1)/2 10.3

Keterangan : Me = median
n = jumlah data
2) Data Berkelompok, digunakan rumus :

(𝟏𝟐𝒏−𝑭) 10.4
Me = b + p
𝒇

Keterangan :
b = batas bawah kelas median terletak (kelas dimana median akan terletak)
p = panjang kelas median
F = jumlah semua frekuensi sebelum kelas median
f = frekuensi kelas median
n = banyak data

Contoh
Hasil pengukuran berat badan 40 ibu hamil yang melakukan pemeriksaan
kehamilan di RS Bakti sudah dikelompokkan atas 6 kelas interval. Carilah nilai
median ?

Berat Badan
f
(kg)
55 - 59 4
60 - 64 6
65 - 69 7
70 - 74 8
75 - 79 9
80 - 84 6
Jumlah 40

Penyelesaian :
Langkah 1. Cari nilai interval yang mengandung unsur median dengan rumus
berikut :
1/2n = ½.40 = 20
Jadi median terletak pada kelas interval ke-4 (70 – 74)
Langkah 2. Hitunglah nilai-nilai berikut :

7
 Analisis Deskriptif

a. Cari batas bawah kelas median (b) yaitu :

½ ( 69 + 70 ) = 69,5
b. Hitung panjang kelas median (p) = 5
c. Frekuensi kelas median ( f ) = 8
d. Jumlah semua frekuensi sebelum kelas median = 4 + 6 + 7 = 17
Langkah 3. Hitung nilai median dengan rumus 5.4 :

(12𝑛−𝐹)
Me = b+p
𝑓
(1240−17)
= 69,5 +5
8
= 69,5 + 1,87
Me = 71,4

c. Standar Deviasi
Nilai standar deviasi atau simpangan baku menunjukkan tingkat variasi suatu
kelompok data atau suatu ukuran standar penyimpangan dari nilai rerata.
Untuk menghitung nilai standar deviasi data tunggal dapat digunakan rumus
berikut :

∑(𝒙−𝒙)²
SD = 10.5
𝒏−𝟏

Keterangan :
SD = standar deviasi
∑ = jumlah seluruh
X = nilai data
X = nilai rerata
N = jumlah data

Contoh
Hasil pemeriksaan glukosa darah 6 orang yang berobat di RS Janji Melulu adalah
sebagai berikut :

No 1 2 3 4 5 6
Glukosa Darah 70 72 76 77 78 79

Carilah berapa nilai standar deviasi dari data di atas ?

8
 Analisis Deskriptif

Penyelesaian :

Langkah 1. Hitunglah nilai rerata glukosa darah dari keenam sampel di atas.
Langkah 2. Kurangi masing-masing nilai data (x) dengan rerata yang diperoleh.
Langkah 3. Hasil dari selisih masing-masing data dikuadratkan, lalu jumlahkan
semuanya.
Langkah 4. Sebaiknya dibuat tabel penolong untuk memudahkan perhitungan
seperti berikut :

Glukosa Darah
Mg%
x x - x ( x - x )2
70 -5,3 28,09
72 -3,3 10,89
76 0,7 0,49
77 75,3 1,7 2,89
78 2,7 7,29
79 3,7 13,69
∑ = 452 ∑ = 63,34

Langkah 5. Masukkan nilai yang diperoleh ke dalam rumus 5.5 sebagai berikut :

∑(𝒙−𝒙)²
SD =
𝒏−𝟏

𝟔𝟑,𝟑𝟒
SD = = 3,56 mg%
𝟔−𝟏

Latihan Aplikasi SPSS

Contoh kasus untuk menampilkan hasil penelitian berbentuk data numerik secara
univariat dapat kita gunakan variabel “umur”. Dalam kasus ini kita akan
menampilkan analisis deskriptif umur pasien yang akan melakukan operasi
dilengkapi dengan grafik histogram dan kurva normal (untuk mengetahui apakah
datanya berdistribusi normal atau tidak). Adapun langkah penyelesaiannya
sebagai berikut :

Langkah 1. Aktifkan data “ Kejadian Gejala Mual Muntah..Sav”

Langkah 2. Pilih “Analyze”, lalu sorot “Descriptive Statistics”, lalu “Frequencies”,
seperti tampilan berikut :

9
 Analisis Deskriptif

Klik sini

Langkah 3. Klik “frequencies”, maka akan tampil kotak “frequencies”, lalu sorot
variabel “umur” dan klik tanda panah sehingga masuk ke kotak
“variable(s), seperti tampilan berikut :

Langkah 4. Klik tombol “Statistics”, lalu muncul kotak “Frequencies : Statistics”,

lalu pilih ukuran deskriptif yang akan ditampilkan yaitu : mean,
median,mode, Std deviation, Variance Range, minimum, maximuml, dan
SE.Mean. Seperti tampilan berikut :

Langkah 5. Setelah itu, Klik “Continue” nampak tampilan kembali pada kotak
“Frequencies”. Kemudian klik “Charts” lalu muncul kotak
“Frequencies Charts”. Lalu klik tombol pilihan “Histogram”, kemudian

10
 Analisis Deskriptif

beri tanda contreng pilihan “With normal curve”, seperti tampilan di

bawah :

Langkah 6. Setelah itu, Klik “Continue”, terakhir klik “OK”. Muncul outputnya
seperti berikut :

Frequencies

Statistics

Umur
Valid 30
N
Missing 0
Mean 34.87
Median 34.00
Mode 36
Std. Deviation 10.585
Variance 112.051
Range 40
Minimum 16
Maximum 56

11
 Analisis Deskriptif

Langkah 7. Munculkan estimasi interval dengan menggunakan analisis

“eksplore” data. Klik perintah “Analyze”, sorot “Descriptive
Statistics”, lalu Klik “Eksplore”. Lihat tampilan berikut :

Klik sini

Langkah 8. Setelah muncul kotak “Explore”, isikanlah kotak “Dependent List”

dengan variabel “Umur ”, sedangkan kotak “Faktor List” dan “Label
Case By” abaikan. Dapat dilihat pada tampilan berikut :

12
 Analisis Deskriptif

Langkah 9. Kemudian klik “Plot” dan pilih “Normality plots with test”, seperti
berikut :

Langkah 10. Lalu lanjutkan dengan klik “Continue” dan terakhir klik “OK”,
hasilnya dapat dilihat pada output berikut :

Explore

Case Processing Summary

Cases

Valid Missing Total

N Percent N Percent N Percent

Umur 30 100.0% 0 .0% 30 100.0%

13
 Analisis Deskriptif

Descriptives

Statistic Std. Error

Mean 34.87 1.933
Umur
95% Confidence Lower Bound 30.91
Interval for Mean
Upper Bound 38.82

5% Trimmed Mean 34.74

Median 34.00

Variance 112.051

Std. Deviation 10.585

Minimum 16

Maximum 56

Range 40

Interquartile Range 20

Skewness .259 .427

Kurtosis -.929 .833

Tests of Normality

Kolmogorov-Smirnova Shapiro-Wilk

Statistic df Sig. Statistic df Sig.

Umur .120 30 .200* .960 30 .318

a. Lilliefors Significance Correction

*. This is a lower bound of the true significance.

14
 Analisis Deskriptif

Langkah 11. Uji Kenormalan Data Penelitian

Untuk mengetahui apakah data penelitian kita berdistribusi normal atau tidak,
dapat dilakukan dengan 3 cara yaitu :

1. Melihat histogram dan kurva normal. Apabila bentuknya mirip setangkup

(genta), bisa dianggap distribusi data normal. Hanya cara ini kurang akurat
dalam menggambarkan distribusi data.

2. Menggunakan Uji Kolmogorov-Smirnov. Uji ini sangat sensitif terhadap

jumlah sampel. Umumnya jika sampel yang diuji tergolong besar, maka hasil
uji cenderung berdistribusi tidak normal. Adapun Kriteria pengujian adalah
jika p-value > 0,05, maka data berdistribusi normal. Kriteria pengujian untuk
normalitas data terbalik dengan kriteria pengujian untuk uji hipotesis lainnya.
Sebaliknya jika didapat nilai p < 0,05, maka dapat disimpulkan distribusi data
tidak normal.

3. Menggunakan nilai Skewness dan Standar Error. Apabila nilai skewness dibagi
standar error menghasilkan angka kecil dari 2, maka disimpulkan distribusi
data normal.

Kembali kita pada kasus di atas, kalau dilihat dari histogram dan kurva normal
terlihat secara visual distribusi data berbentuk normal. Kemudian jika dicari
perbandingan nilai skewness dengan standar error didapat : 0,239/0,427 = 0,56.
Berhubung hasilnya di bawah 2, maka dapat disimpulkan bahwa data “umur
pasien dinyatakan berdistribusi normal.

15
 Analisis Deskriptif

Langkah 12. Penyajian dan Interpretasi Data

Tabel 10.3
Distribusi Umur Responden di Kelurahan Cacamarica Tahun 2022
Mean Minimal-
Variabel SD CI 95%
Median Maksimal
34,87
Umur 10,5 16 - 56 30,91 – 38,82
34

Interpretasi :
Berdasarkan hasil analisis, diketahui bahwa rata-rata berat umur pasien 34,87
tahun, median 34 tahun dengan standar deviasi sebesar 10,5. Umur termuda 16
tahun dan tertua 56 tahun. Dari estimasi interval dapat disimpulkan bahwa 95%
percaya bahwa rata-rata umur pasien yang akan melakukan operasi di rumah
sakit X tahun 2022 berkisar 30,91 hingga 38,82 tahun.

16