Program Studi Pendidikan Dokter

FKK UMJ
Sugiatmi
 Tahapan Pengolahan Data

1. Editing à pengecekan isian formulir atau kuisioner apakah jawaban

yg ada dikuesioner sudah ;
a. Lengkap : semua pertanyaan sdh terisi jawabannya
b. Jelas : tulisannya sdh cukup jelas terbaca
c. Relevan : jawaban relevan dg pertanyaan
d. Konsisten : pertanyaan yg berkaitan jawabannya konsisten

2. Coding à merubah data berbentuk huruf mjd data berbentuk

angka/bilangan
Cth : tk.pendidikan, 1 = SD, 2 = SMP, 3 = SMA, 4 = PT
 Tahapan Pengolahan Data

3. Processing à Pemrosesan data dilakukan dg cara meng-entry data

dari kuesioner ke paket program komputer
cth : spss for window

4. Cleaning (pembersihan data) à pengecekan kembali data yg sdh di

– entry apakah ada kesalahan atau tidak
Cara meng-cleaning data :
a. Mengetahui missing data : melakukan list (distribusi frekuensi) dr
variabel yg ada
b. Mengetahui variasi data : salah dlm peng-coding-an. (coding 1-4, tp
muncul angka 7)
c. Mengetahui konsistensi data (membandingkan dua tabel)
cth : jumlah peserta KB =20 org sama dengan total jenis alat
kontrasepsi = 20 jg
ENTRY DATA
Ruang Lingkup
Pembahasan

cara memasukan data:

- nominal
- ordinal
- variabel numerik
- variabel tipe String.
 Kasus:

Berikut adalah data survei yang akan dimasukan datanya:

No. Nama Umur Pendidikan Kerja Hb

1 Wati 23 SD kerja 10.1

2 Nana 24 PT kerja 9.8

3 Tina 34 PT tidak kerja 11.1

4 Sari 35 SMU kerja 10.2

5 Yani 19 SMU tidak kerja 10.4

6 Mery 24 SMP tidak kerja 11.2

7 Yeyen 22 SD tidak kerja 12.5

8 Nila 19 SD kerja 11.4

9 Rahma 26 SMU kerja 13.2

10 Lala 25 PT tidak kerja 9.2

 Ada 2 langkah: Isi bagian
Variabel View dan Data View:
Mengisi Variabel View
PBuka program SPSS
PAktifkan variabel view (ada di kiri bawah).
Pada tampilan variabel view akan terlihat kata Name, Type, Width,
Decimals, Labels, Values, Column Width, Alignment, Measures.
Name : Kata yang mewakili nama variabel. Biasanya diisi dengan
kata yang mudah diingat yang berkaitan dengan nama
variabelnya. Misalnya: “edu” untuk variabel tingkat pendidikan
responden.
Type : Tipe data yang akan dimasukkan. Pilihan yang paling umum
adalah numeric (karena semua proses uji dalam SPSS bisa
dilakukan dalam bentuk numeric) dan string (kalau data yang
dimasukkan adalah huruf/kata/kalimat).
Witdh : Jumlah digit yang akan dimasukkan.
Decimals : Jumlah digit dibelakang titik.
 Mengisi Variabel View
(lanjutan)

Labels : Penjelasan rinci dari kolom name. Misalnya: dalam kolom name
diketik edu, labels-nya adalah “tingkat pendidikan terakhir yang
ibu tempuh”
Values : Kode jika variabel merupakan variabel kategorik (nominal dan
ordinal). Misalnya kode 1 untuk kategori PT, kode 12 untuk
kategori SMU, kode 3 untuk kategori SMP, kode 4 untuk
kategori SD.

Column Width : Lebar kolom.

Alignment : Pilihan tampilan variabel (rapat kiri, kanan, atau tengah).
Measures : Skala pengukuran variabel (nominal, ordinal, scale).

Dari kasus, masukkan lima variabel yaitu: nama (string), umur (numerik),
pendidikan (kategori ordinal), kerja (kategori nominal), dan
Hb (numerik).
 Mengisi Variabel View
(lanjutan)
Pengisian variabel view untuk variabel nama

Name : Isi dengan mengetik nama

Type : Isi dengan mengaktifkan pilihan string
Witdh : Isi dengan 15 (untuk keseragaman). Pemilihan lebar
kolom tergantung dari beberapa karakter nama
terpanjang.
Decimals : Tidak aktif
Labels : Isi dengan nama responden
Values : Tidak diisi
Column Width : 15 (untuk keseragaman)
Alignment : Terserah
Measures : Tidak aktif
 Mengisi Variabel View
(lanjutan)
Pengisian variabel view untuk variabel umur

Name : Isi dengan mengetik age

Type : Isi dengan mengaktifkan pilihan numeric
Witdh : Terserah
Decimals : pilih 0
Labels : Isi dengan umur responden
Values : Tidak diisi
Column Width : Terserah
Alignment : Terserah
Measures : pilih scale
 Mengisi Variabel View
(lanjutan)
Pengisian variabel view untuk variabel pendidikan:

Name : Isi dengan mengetik edu

Type : Isi dengan mengaktifkan pilihan numeric
Witdh : Terserah
Decimals : pilih 0
Labels : Isi dengan tingkat pendidikan terakhir responden/ibu
Values : Klik kotak kecil berwarna abu-abu pada sisi kanan
kolom values, akan terlihat tampilan sbb.
Column Width : Terserah
Alignment : Terserah
Measures : pilih scale
Mengisi Variabel View
(lanjutan)
Mengisi Variabel View
(lanjutan)
P Ketik 1 pada kotak Value
P Ketik PT pada kotak Value Label
P Klik Add
P Ketik 2 pada kotak Value
P Ketik SMU pada kotak Value Label
P Klik Add
P Ketik 3 pada kotak Value
P Ketik SMP pada kotak Value Label
P Klik Add
P Ketik 4 pada kotak Value
P Ketik SD pada kotak Value Label
P Klik Add
PProses telah selesai.

Akan terlihat tampilan sebagai berikut:

Mengisi Variabel View
(lanjutan)
 Mengisi Variabel View
(lanjutan)

P Klik OK
P Column Width terserah Anda
P Alignment terserah Anda
P Measures pilihlah Ordinal
 Mengisi Variabel View
(lanjutan)
Pengisian variabel view untuk variabel kerja

Name : Isi dengan mengetik kerja

Type : Isi dengan mengaktifkan pilihan numeric
Witdh : Terserah
Decimals : Pilih 0
Labels : Isi dengan pekerjaan responden/ibu
Values : Klik kotak kecil berwarna abu-abu pada sisi kanan kolom
values.

PKetik 0 pada kotak Value

 Mengisi Variabel View
(lanjutan)

P Ketik kerja pada kotak Value Label

P Klik Add
P Ketik 1 pada kotak Value
P Ketik tidak kerja pada kotak Value Label
P Klik Add
P Proses telah selesai.
Akan terlihat tampilan sebagai berikut:
Mengisi Variabel View
(lanjutan)
 Mengisi Variabel View
(lanjutan)

P Klik OK
P Column Width terserah Anda
P Alignment terserah Anda
P Measures pilihlah Nominal
 Mengisi Variabel View
(lanjutan)
Pengisian variabel view untuk variabel hb

Name : Isi dengan mengetik hb

Type : Isi dengan mengaktifkan pilihan numeric
Witdh : Terserah
Decimals : Isi dengan 1 (artinya satu desimal di belakang koma)
Labels : Isi dengan kadar hb dalam mmHg
Values : Tidak diisi (karena variabel hb tidak mempunyai
kategori)
Column Width : Terserah
Alignment : Terserah
Measures : Pilih scale
 Mengisi Variabel View
(lanjutan)

Untuk keseragaman beri kode tertinggi

untuk faktor yang berisiko. Misal: kode 0
untuk yang kerja dan kode 1 untuk yang
tidak bekerja.
 Mengisi Data View

Aktifkan data view, lalu isilah dengan

data pada kasus yang diberikan. Jika
sudah selesai simpan file dengan nama:
entry_lat (file → save as → entry_lat).
ANALISIS DATA
Pendahuluan
— Pengolahan data à Analisis data
— Analisis data à interpretasi data
— Interpretasi mempunyai 2 bentuk :
- arti sempit (deskriptif) à dilakukan hanya sebatas pd masalah
penelitian yg diteliti bdsrkn data yg dikumpulkan & diolah utk
keperluan penelitian tsb

- arti luas (analitik) à guna mencari makna data hasil peneltian dg

jln tdk hanya mjelaskan/ menganalisis data hasil penelitian tsb, ttp jg
melakukan inferensi (generalisasi) dr data yg diperoleh dg teori2 yg
relevan dg hasil2 penelitian tsb.
Tujuan Analisis Data :

ž Memperoleh gambaran/dedkripsi masing2 variabel

ž Membandingkan & menguji teori/konsep dg informasi yg ditemukan
ž Menemukan adanya konsep baru dr data yg dikumpulkan
ž Mencari penjelasan apakah konsep baru yg diuji berlaku umum
atau hanya berlaku pd kondisi ttt

Seberapa jauh analisis suatu penelitian akan dilakukan tgt :

- Jenis penelitian
- Jenis sampel
- Jenis data/variabel
- Asumsi kenormalan distribusi data
a. Jenis Penelitian
cth : ingin mengetahui bgmn pd umumnya (rata-rata) pendapat
masyarakat ttg suatu hal ttt à survei à pendekatan kuantitatif

jika menginginkan pendapat/gambaran yg mendalam ttg suatu

fenomena à FGD atau obeservasi à pendekatan kualitatif

b. Jenis Sampel
apakah kedua sampel independen atau dependen ?
cth : survei utk mengetahuui apakah ada perbedaan berat badan
bayi antara bayi2 yg dilahirkan dr ibu perokok dg bayi2 dr ibu tdk
perokok?
à kelompok ibu perokok & ibu bkn perokok : independen
…jenis sampel

ž Utk penelitian eksperimen (ada pre & post test à sblm & sesudah
adanya perlakuan ttt dlakukan pengukuran) : data dependen

cth : ingin mengetahui pelatihan manajemen thd kinerja petugas

kesehatan à”apakah ada perbedaan kinerja petugas kesehatan
antara sblm & sesudah mdptkn pelatihan manajemen?”
Sampel kelompok petugas kesehatan : dependen à pd kelompok
(org) yg sama diukur 2x (pre & post test)
c. Jenis Data/Variabel
Analisis data kategorik berbeda dg data numerik
cth : nilai proporsi/presentase (pd analisis univariat) biasanya
cocok untuk menjelaskan data kategorik, sdgkn utk data numerik
mgunakan nilai rata-rata utk menjelaskan karakteristiknya

Utk analisis bivariat à uji kai kuadrat hanya dpt dipakai utk
mengetahui hubungan data kategori dg data kategori.
utk mengetahui hubungan data numerik dg data numerik à uji
korelasi/regresi.
d. Asumsi Kenormalan Distribusi Data

Bila distribusi datanya tdk normal à prosedur uji statistik nonparametrik.

Jika asumsi kenormalan dpt dipenuhi à uji statistik parametrik

Langkah-langkah analisis (pendekatan kuantitatif) :

1. Analisis deskriptif (univariat)
tujuan : menjelaskan/mendiskripsikan karakteristik
masing2 variabel yg diteliti
utk data numerik : mean, median, SD, minimal, maksimal

2. Analisis Analitik (bivariat)

utk mengetahui hubungan antar dua variabel

3. Analisis Multivariat
menghubungkan antara beberapa variabel indepnden dg
satu variabel depdenden
ANALISIS
UNIVARIAT
ANALISIS UNIVARIAT

METODE :
ž Peringkasan Data (Ukuran Tengah)
ž Ukuran Penyebaran (Ukuran
Variasi)
 Peringkasan Data : Numerik
: Mean, Median , Modus
Mean kadar Hb:

(10+11+12+13+14)
-------------------------- = 12 mg/dl
5
Hb=10 Hb=11 Hb=12
Median =12 mg/dl
Modus : tidak ada

Hb=13 Hb=14
Kelemahan nilai mean : terpengaruh data ekstrim
Keuntungan nilai median : tidak terpengaruh adanya data ekstrim
Peringkasan Data Katagorik
: Proporsi /persentase

Proporsi bumil
dengan K4:

6/10 = 0,6 = 60%

= Bumil tanpa K4

= Bumil dengan K4
Ukuran Sebaran
: Standar Deviasi
Lebak Cianjur

Hb=10 Hb=11 Hb=12 Hb=12 Hb=12 Hb=12

Hb=13 Hb=14 Hb=12 Hb=12

Rata-rata Hb = 12 mg/dl Rata-rata Hb = 12 mg/dl
 Ukuran Sebaran

ž Dari data Kabupaten Lebak dan Cianjur,

rata-rata hemoglobin sama
ž Di Kabupaten Lebak kadar Hb lebih
beragam
ž Ukuran yang digunakan untuk mengukur
keragaman data adalah Standar Deviasi
— Std. Deviasi Hb bumil di Lebak = 1,58 mg/dl
— Std. Deviasi Hb bumil di Cianjur = 0,0 mg/dl
Analisis utk var katagorik
Output spss

pendidikan formal ibu menyusui

Cumulative
Frequency Percent Valid Percent Percent
Valid 1 10 20.0 20.0 20.0
2 11 22.0 22.0 42.0
3 16 32.0 32.0 74.0
4 13 26.0 26.0 100.0
Total 50 100.0 100.0

Note : ingat ouput spss tdk dapat langsung dilaporkan, harus dibuat tabel
Penyajian dan interpretasi
Proses utk variabel numerik

Mis ; akan dianalisis umur ibu

Output spss

Nilai statistik deskriptif yg dimunculkan

Perintah Explore

: explore berguna utk mengeluarkan CI 9estimasi

interval)
Output explore : ci, uji kolmogorov
Penyajian dan interpretasi
ANALISIS BIVARIAT
 Pengertian

§ Analisis Univariat: analisis yang mendeskripsikan masing-masing

variabel.
§ Contoh: ada dua variabel : jenis pembayaran berobat dan kepuasan
pasien
§ Analisis univariatnya mendeskripsikan
§ jenis pembayaran berobat: berapa persen menggunakan asuransi, berapa
persen membayar sendiri.
§ Kepauasan pasien: berapa pasien yang nerasa puas, berpa persen tidak puas
§ Analisis Bivariat: analisis yang menghubungkan 2 variabel yaitu
variabel independen dan variabel dependen
§ Contoh: Ada 2 variabel: Jenis pembayaran berobat dan kepuasan pasien
§ Analisis bivariat: ingin mengetahui hubungan jenis pembayran berobat
dengan kepuasan pasienà apakah ada perbedaan kepuasan antara
pasien yang membayar sendiri dengan pasien yang membayar dengan
asuransi
 Pengertian

§ Guna Analisis bivariat:

§ Mengetahui apakah ada hubungan yang signifikan antara dua
variabel
§ Mengetahui apakah ada perbedaan yang signifikan antara dua
atau lebih kelompok (sampel)

§ Dalam analisis bivariat selalu menguji hipotesis

 Perbedaan substansi/klinis
DAN Perbedaan statsistik

ž Bermakna/signifikan scr statistik blm tentu menurut

substansi/klinis
ž Semakin besar sampelàmakin >>> kemungkinan berbeda
scr signifikan à pun tdk berbeda signifikan scr
substansi/klinis
ž Cth : pengaruh obat thd penurunan tekanan darah
- pemberian obat A : 40 mmHg Diuji scr statistik :
- pemberian oabt B : 39 mg bermakna
secara klinis obat A dan B = sama khasiatnya, krn hanya
berbeda 1 mm Hg penurunan tekanan darahnya.
Uji hipotesis

ž f/ à membantu pengambilan keputusan thd hipotesis yg

diajukan cukup meyakinkan ditolak atau tdk ditolak
ž Prinsip à melakukan perbandingan antara nilai sampel
(data hasil penelitian) dg nilai hipotesis (nilai populasi) yg
diajukan.
ž Makin besar perbedaan antara nilai sampel dg nilai
hipotesis, makin besar peluang utk menolak hipotesis
ž Hipotesisà hupo : sementara/lemah kebenarannya
thesis : pernyataan/teori
ž Hipotesis à pernyataan yg perlu diuji kebenarannya
ž Perlu diuji kebenarannya à pengujian hipotesis :
2 jenis hipotesis : Ho (Hipotesis nol) & Ha (Hipotesis
alternatif)
Uji hipotesis

A. hipotesis Nol (Ho) :

menyatakan tdk ada perbedaan sesuatu kejadian antara
kedua kelompok (tdk ada hubungan antara variabel satu dg
yg lainnya.
cth : - tdk ada perbedaan BB bayi antara mereka yg
dilahirkn dr ibu yg merokok dg dr yg tdk merokok
- tdk ada hubungan antara merokok dg BB bayi

B. Hipotesis Alternatif (Ha)

menyatakan ada perbedaan sesuatu kejadian antara kedua
kelompok (ada hubungan antara variabel satu dg lainnya)
cth : - Ada perbedaan BB bayi antara mereka yg dilahirkan
dr ibu yg merokok dg dr ibu yg tdk merokok
- Ada hubungan antar merokok dg BB bayi
Arah & Bentuk Hipotesis

ž One tail (satu sisi) :

bila Ha menyatakan ada perbedaan & ada pernyataan yg
mengatakan hal satu lbh tinggi/rendah dr hal lain
cth : BB bayi yg dilahirkan dr ibu yg merokok < dibanding BB
bayi dr ibu tdk merokok

ž Two Tail (dua sisi)

Ha yang hanya menyatakan perbedaan tanpa melihat
apakah hal 1 lebih tinggi/rendah dr hal lain.
Cth : BB bayi dr ibu yg merokok berbeda dibanding BB bayi
dr ibu tdk merokok
…next

ž Cth penulisan :
suatu penelitian ingin mengetahui hubungan antara jenis
kelamin dg tekanan darah, maka hipotesisnya :
Ho : µA = µB
à tdk ada perbedaan mean tekanan darah antara laki-laki &
perempuan (tdk ada hubungan antara jenis kelamin dg
tekanan darah)

Ho : µA≠µB
à Ada perbedaan mean tekanan darah antara laki-laki &
perempuan (tdp hubungan antara jenis kelamin dg tekanan
darah)
Menentukan tingkat kemaknaan

ž Tingkat kemaknaan (level of significance) atau nila α :

- Nilai yg menunjukkan besarnya peluang salah dlm menolak Ho
- Batas toleransi peluang salah dlm menolak hipotesis nol
- Batas maksimal kesalahan menolak Ho
- bila kita menolak Ho à menyatakan ada perbedaan/hubungan
- Batas maksimal kita salah dlm menyatakan adanya perbedaan

ž Penetuan nilai α tgt dr tujuan & kondisi penelitian

ž Yg sering digunakan : 10%, 5%, atau 15
ž Kesmas : 5%
ž 1% utk risiko yg fatal à berkaitan dg nyawa seseorang
Pemilihan jenis uji parametrik
atau non parametrik

ž Bila distribusi data populasi yg akan diuji berbentuk

normal/simetris/gauss à pdktn uji statistik parametrik
ž Bila distribusi data populasinya tdk normal à pdktn uji
statistik non parametrik
ž Kenormalan suatu distribusi data dpt juga dilihat dr jenis
variabelnya, bila variabel berjenis numerik/kuantitatif à
biasanya datanya mendekati normal/simetris à uji statistik
parametrik.
ž Bila jenis variabelnya kategorik (kualitatif) à distribusi tdk
normal à uji non parametrik
ž Penentuan jenis uji jg ditentukan oleh jml data yg dianalisis,
bila jml data kecil (<30) à cenderung digunakan uji non
parametrik
Penentuan uji statistik yang sesuai

ž Jenis uji statistik sgt tgt dr :

1. Jenis variabel yg akan dianalasis
2. Jenis data apakah dependen atau independen
3. Jenis distribusi data populasinya apakah
mengikuti distribusi normal atau tidak

o mengatahui perbedaan mean : uji t dan ANOVA

o Mengetahui perbedaan proporsi : kai kuadrat
Keputusan uji statistik

ž 2 kemungkinan keputusan yaitu menolak Ho dan Gagal

menolak Ho.
ž Penggunaan software analisis data à nilai p dibandingkan
dg α (alpha)
ž Ketentuan yg berlaku adl :
a. bila nilai p≤ α, maka keputusannya adalah Ho ditolak
b. bila nilai p > α, maka keputusannya Ho gagal ditolak
Berbagai uji statistik yg dapat digunakan utk analisis
bivariat

Variabel I Variabel II Jenis uji statistik

yg digunakan
kategorik Kategorik -Kai kuadrat
- Fisher exact

Kategorik numerik -Uji T

- ANOVA

numerik numerik -korelasi

- regresi
Berbagai uji statistik yg dapat digunakan utk analisis
Multivariat

Variabel Variabel Dependen Jenis uji statistik

Independen yg digunakan
kategorik Kategorik -Regresi Logistik
Beganda

numerik numerik Regresi Linier

Berganda