HILMAN SYARIF

Fakultas Keperawatan Unsyiah

1.
2.
3.
4.
5.

Data
Data
Data
Data
Data

Coding
Entering
Cleaning
Output
Analyzing

Proses penyusunan secara sistematis

data mentah ( yang terdapat dalam
kuesioner ) ke dalam mesin pengolah
data semisal SPSS.
Contoh
Variabel jenis kelamin
1: laki-laki 2. Perempuan
Variabel jenis pekerjaan ;
1. TNI 2. PNS 3.Karyawan 4. Dosen

Data Coding digunakan sebagai dasar

dalam pembuatan Buku Coding (Coding
Book)
Kuesioner dalam pertanyaan tertutup
lebih mudah untuk dilakukan coding,
apabila dibandingkan dengan pertanyaan
terbuka.
Jika menggunakan pertanyaan terbuka
dalam kuesioner harus
menginventarisasi jawaban responden.

Kegiatan memindahkan data yang

telah diubah menjadi kode ( data
coding ) ke dalam mesin pengolah
data.
Data dipindahkan ke program pengolah
data seperti SPSS, Minitab, SAS, dsb.

Kegiatan untuk memastikan bahwa

seluruh data yang telah dimasukkan
kedalam mesin pengolah data sudah
sesuai dengan keadaan sebenarnya.
Data Cleaning harus dilakukan dengan
teliti agar data dapat diolah dengan
mesin pengolah data sehingga
mendapatkan data valid.

1.

2.

Possible Code Cleaning : kesalahan yang

diakibatkan oleh peneliti ketika
memasukan data ke dalam mesin
pengolah data.
Contingency Cleaning: Kesalahan yang
diakibatkan oleh adanya struktur
kuesioner yang hanya khusus digunakan
dijawab oleh sebagian orang saja,
sedangkan yang lain tidak.

Apakah anda menggunakan

pepsodent?
A. ya
B. tidak (lanjut ke no 12 )
2. Apakah anda puas dengan khasiat
pepsodent?
A. Puas
B. Tidak Puas
3. Bagaimana rasa varian pepsodent?
A. Segar B. Tidak Segar
1.

No

Nama variabel

Kode

Var001

Menggunakan
Pepsodent

1= ya
2= tidak

Var002

Tingkat Kepuasan 1=puas

Khasiat
2=tidak puas
Pepsodent
Rasa Pepsodent
1=segar
2=tidak segar

var003

Var /
responden

Responde Responde Responde

n1
n2
n3

Respond
en 4

Var001

Var002

Var003

Possible Code Cleaning : dapat ditemukan pada

responden nomor 2 variabel 003, yakni angka 3.
nilai 3 tidak ada dalam buku koding. Yang
tersedia dalam buku koding adalah kode 1 & 2.
Contingency Cleaning : ditemukan pada
responden no.4 variabel 001-003.ketika
menjawab tidak (kode 2) seharusnya responden
tidak dapat menjawab pertanyaan selanjutnya.
Dan responden tersebut diperbolehkan
menjawab pada kembali pada no.12. Ia Tidak
menggunakan pepsodent, tetapi tahu rasa
varian. Itulah contingency cleaning.

Data Univariat
Analisis 1 variabel Dalam bentuk Tabel
dan grafik
Ukuran Pemusatan : Mean, Median,
Modus, Ukuran Persebaran : Range,
standar Deviasi dan Ragam
Data Bivariat :
Analisis 2 variabel Tabulasi Silang, Uji
Statistik chi square, lambda dsb.
Data Multivariat
Analisis lebih dari 2 variabel

Skala pengukuran
Jenis-jenis analisa data
Uji hipotesis

Hasil suatu pengukuran untuk analisa

data dapat dibagi dalam 4 skala:

Nominal
Ordinal
Interval
rasio

 Merupakan

tingkat pengukuran yg paling

sederhana untuk klasifikasi data
Tidak ada asumsi jarak atau urutan antara
angka-2
Dasar
penggolonganya mutualy exclusive
(tumpang tindih) & exhautive (tuntas)
Kode atau angka tak menunjukan rendah ke
tinggi atau sebaliknya
Misalnya
Variabel jenis kelamin : 1= pria dan 2 = wanita
Warna, partai, lokasi, dsb

 Variabel

yang dapat membedakan nilai datanya

dan juga sudah diketahui tingkatan lebih tinggi
atau rendah, tetapi belum diketahui besar beda
antar nilainya

misalnya
Variabel sikap : 3=setuju, 2=ragu-ragu/ tidak
berpendapat, dan 1= tidak setuju
Pendidikan (SD, SLTP, SLTA, perguruan tinggi)
Produk (sangat bagus, bagus, tidak bagus)

Memberikan informasi tentang interval antara

satu kode/ angka dengan yang lain
Merupakan tingkat pengukuran urutan dari
rendah ke tinggi
Variabel yang dapat dibedakan, diketahui
tingkatannya dan diketahui juga besar beda
antar nilainya, belum diketahui kelipatannya dan
tidak mempunyai nol mutlak

misalnya
Variable nilai ujian : A = 86-99, B = 76-85, C =
66-75, D = 56-65

Variabel yang paling tinggi skalanya, yaitu

bisa dibedakan, ada tingkatan, ada besar
beda dan ada kelipatannya serta ada nol
mutlak.

Misalnya
Berat badan
Panjang

KRITERIA

NOMINAL

ORDINAL

INTERVAL

RASIO

ASUMSI URUTAN

ASUMSI JARAK

TITIK 0 ABSOLUT

Skala yg lebih tinggi dapat diubah menjadi skala yg

lebih rendah, dan tidak sebaliknya.

Dalam analisis seringkali digunakan

pembagian data/ variabel menjadi dua
kelompok data

Katagorik
Merupakan data hasil
pengklassifikasian/ penggolongan
suatu data. Contoh; seks, jenis kelamin
Numerik
Merupakan variabel hasil dari
penghitungan dan pengukuran.

Variabel katagorik pada umumnya

berisi variabel berskala nominal dan
ordinal.

Sedangkan variabel numerik umumnya

berisi variabel berskala interval dan
rasio

Analisis univariat adalah analisis satu

variabel
Analisis bivariat adalah analisis
hubungan 2 variabel
Analisis multivariat adalah analisis
hubungan lebih dari 2 variabel secara
bersama dengan mengontrol variabel
lain.

Adalah analisis satu variabel

Misalnya
Distribusi frekuensi
Nilai rerata
Variasi
Persentase

No

Jenis data

Alternatif analisis

nominal

Modus
Frekuensi absolut/ relatif
Histogram

ordinal

Median, frekuensi absolut/ relatif, histogram

Interval/ rasio

Rata-rata, median, SD, skewness, kurtosis,

frekuensi absolut, frekuensi relatif,
histogram, ogive

Adalah analisis hubungan 2 variabel yang

dapat bersifat :

Simetris tak saling mempengaruhi

Saling mempengaruhi
Variabel satu mempengaruhi variabel
lain

No

Variabel 1

Variabel 2

Uji

katagorik

katagorik

Kai kuadrat
Fisher exact

katagorik

numerik

Uji T
ANOVA

numerik

numerik

Korelasi
Regresi

Berguna untuk membantu

pengambilan keputusan tentang
apakah suatu hipotesis yang diajukan ,
seperti perbedaan atau hubungan ,
cukup meyakinkan untuk ditolak atau
tidak ditolak.
Gagal menolak atau menolak hipotesis

Hipotesis null
Hipotesis yang menyatakan tidak ada
perbedaan suatu kejadian antara dua
kelompok atau yang menyatakan tidak ada
hubungan antara variabel satu dengan yang
lainnya

Hipotesis alternatif
Hipotesis yang menyatakan ada perbedaan
suatu kejadian antara kedua kelompok atau
hipotesis yang menyatakan ada hubungan
antara variabel satu dengan yang lainnya

One tail
Bila hipotesis alternatif menyatakan
adanya perbedaan dan ada pernyataan
yang mengatakan hal satu lebih tinggi/
rendah dari yang lain.
Two tail
Merupakan hipotesis alternatif yang
hanya menyatakan perbedaan tanpa
melihat apakah hal satu lebih tinggi/
rendah dibanding yang lain.

Dinotasikan dengan
Peluang salah dalam menolak hipotesis
null
Batas maksimal kesalahan dalam
menyatakan adanya perbedaan
Tergantung dari tujuan dan kondisi
penelitian
Umumnya 10%, 5% atau 1%

Menetapkan hipotesis
Penentuan uji statistik yang sesuai
Menentukan batas atau tingkat
kemaknaan
Penghitungan uji statistik
Keputusan uji statistik

Setiap melakukan uji statistik melalui

program komputer, maka yang akan
kita cari adalah nilai p valeu
Keputusan uji statistik dilakukan dengan
membandingkan nilai p dengan
PENTING.!!! (INGAT)
Bila nilai p value Ho ditolak

Bila nilai p valeu Ho gagal

ditolak