Manajemen Data

SIK
 Manajemen Data

Data dari masyarakat belum dapat

menggambarkan informasi apapun

Diperlukan proses pengolahan dan

analisis untuk merubah data
menjadi informasi
 Manajemen Data

Informasi yang diperoleh dapat

digunakan untuk pengambilan
keputusan
harus dipastikan bahwa data yang
akan dianalisis bebas dari
kesalahan (kesalahan seminimal
mungkin)
 Tujuan
Mengidentifikasi masalah dan besar
masalah
Mengetahui sebab masalah yang terjadi
Memantau situasi kesehatan secara terus
menerus dari waktu ke waktu
Mengantisipasi kemungkinan masalah
yang akan terjadi
 Manajemen Data

Hal penting yang harus diperhatikan adalah

SIFAT DATA yang akan diolah/dianalisis,
yaitu :

1. Sifat epidemiologis data

2. Keterbatasan dan kualitas data
 Sifat Epidemiologis Data

Orang : karakteristik orang atau subyek

yang mengalami kejadian yang dicatat
dan dilaporkan
Tempat : lokasi kejadian
Waktu : saat kejadian dicatat dan
dilaporkan
 Keterbatasan Dan Kualitas Data

Berbentuk data agregat (frekuensi

kejadian yang dikelompokkan menurut sifat
epidemiologis)

Keterbatasan/kelemahan :
1. Analisis terbatas
2. Sukar dilakukan tabulasi silang
 Keterbatasan Dan Kualitas Data

Data yang dikumpulkan berasal dari

populasi

Keterbatasan/kelemahan :
Analisis terbatas hanya metode
statistika deskriptif
 Manajemen Data

Tahapan dalam Manajemen Data :

1. Editing
2. Coding
3. Pemasukan (Entry) data
4. Pembersihan (Cleaning) data
5. Analisis Data
 Editing
Editing dimaksudkan untuk meneliti kembali
apakah isian dalam kuesioner sudah cukup
baik dan dapat segera diproses lebih lanjut

Merupakan proses pengolahan data yang

sudah dapat dilakukan sedini mungkin di
lapangan

Editing dapat dilakukan oleh pewawancara

sendiri atau oleh pengawas lapangan
 Lanjutan : Editing

Hal yang perlu diperhatikan dalam editing :

1. Kelengkapan jawaban
2. Keterbacaan tulisan
3. Kesesuaian jawaban satu dengan lainnya
4. Keseragaman satuan ukuran
 Coding

Coding dimaksudkan untuk

mengklasifikasikan jawaban menurut
jenis atau macamnya

Klasifikasi dilakukan dengan cara

menandai jawaban dengan kode
(dianjurkan berupa angka) tertentu
 Lanjutan : Coding

Perlu dibuat buku kode atau

coding book yang dapat
digunakan untuk mengidentifikasi
variabel yang akan dipakai dalam
proses analisis data dan juga
membaca hasil analisis
 Lanjutan : Coding

Buku kode biasanya berisi :

1. Nomer Pertanyaan
2. Nama variabel
3. Jenis/type variabel
4. Lebar variabel
5. Label dan value label
 Lanjutan : Coding

Dalam memberikan kode perlu

diperhatikan : Apakah kode tersebut
hanya simbol atau melambangkan
skor
Untuk kode tidak tahu, tidak
relevan dan lain-lain diberi kode
tertentu yang sama untuk
memudahkan waktu analisis
 Entry Data

Setelah editing dan coding dilakukan,

langkah berikutnya adalah memasukkan
data dalam file komputer
File komputer adalah kode-kode
elektromagnetik yang digunakan untuk
menyimpan data dan data tersebut dapat
ditampilkan kembali jika diperlukan
 Lanjutan : Entry Data

Ada banyak software yang bisa digunakan

untuk entry data, diantaranya : Excel, Dbase,
SPSS, Epi Info, Minitab, dan lainnya
Pada file komputer, jawaban satu responden
akan tersimpan dalam satu record yang
terdiri dari beberapa variabel/field
Dibuat struktur file yang berisi nama variabel,
jenis dan lebar variabel
 Lanjutan : Entry Data

Contoh struktur file entry data

 Lanjutan : Entry Data

Contoh file komputer untuk entry data

 Cleaning Data

Setelah data dimasukkan, data tidak

langsung siap untuk dianalisis, data
harus bebas dari kesalahan

Cleaning data adalah proses untuk

menguji kebenaran data
 Lanjutan : Cleaning Data

Tujuan : menyiapkan data agar pada saat

analisis bebas dari kesalahan
Metode :
1. Saat pengumpulan data
Segera setelah data dikumpulkan
Diperiksa kebenaran, kelengkapan pengisian data
2. Saat coding
Memeriksa ulang isian sambil melakukan coding
 Lanjutan : Cleaning Data

3. Saat data entry

Beberapa program komputer dilengkapi fasilitas untuk
melakukan loncatan, menentukan range jawaban,
hubungan antar variabel (cek logika), dll
4. Sebelum analisis
a. Validasi data : 2 orang memasukkan data yang sama,
dibandingkan hasilnya
b. Distribusi frekuensi
c. Tabulasi silang (tabel kontingensi)
 Lanjutan : Cleaning Data

Distribusi Frekuensi :
untuk mengecek apakah ada nomor kode
diluar kode yang ditetapkan

Tabulasi silang :
untuk menguji pertanyaan yang meloncat
 Analisis Data

Tahap terakhir untuk merubah data

menjadi informasi adalah analisis
data
Analisis data dikelompokkan menjadi:
1. Analisis data deskriptif
2. Analisis data inferensial
 Lanjutan : Analisis Data

Contoh Analisis data deskriptif

 Lanjutan : Analisis Data

Contoh Analisis data deskriptif

7; 47%

8; 53%

Jumlah laki-laki Jumlah Perempuan

 Lanjutan : Analisis Data

Contoh Analisis data deskriptif

 Lanjutan : Analisis Data

Contoh Analisis data deskriptif

6
6

4
3 3
3

2
1 1 1
1

0
Kurus Norm al Obesitas

Laki-laki Perempuan
 Lanjutan : Analisis Data

Contoh Analisis data inferensial

 Lanjutan : Analisis Data

Contoh Analisis data inferensial

 Lanjutan : Analisis Data

Yang dilakukan saat analisis data :

1. Analisis untuk menggambarkan kondisi kesehatan
masyarakat
2. Interpretasi data, menentukan masalah kesehatan
yang ada
3. Analisis dan interpretasi faktor yang berhubungan
dengan masalah kesehatan yang ada
 Lanjutan : Analisis Data

Analisis data untuk menggambarkan kondisi

kesehatan masyarakat
a) Tabel frekuensi :
- Tabel distribusi frekuensi
- Tabel kontingensi/tabulasi silang
b) Rata-rata hitung (mean)
c) Indikator kesehatan
 Lanjutan : Analisis Data

Indikator Kesehatan
1. Indikator Umum Dan Lingkungan
2. Indikator Derajat Kesehatan
3. Indikator Upaya Kesehatan
4. Indikator Sumber Daya Kesehatan
 Lanjutan : Analisis Data

Interpretasi data
a) Membandingkan cakupan dengan target
b) Membandingkan cakupan saat ini dengan cakupan
sebelumnya
c) Membandingkan dengan skala yang lebih luas
d) Melihat trend
 Lanjutan : Analisis Data

Analisis dan interpretasi data untuk mengetahui

faktor yang berhubungan dengan masalah
kesehatan
Penting : kerangka konsep
Hubungan sebab akibat
Tabel kontingensi
Angka risiko
 INPUT PROSES OUTPUT

DATA PENGOLAHAN INFORMASI

- EDITING
- EDITING
- CODING INDIKATOR
- CLEANING
- DATA ENTRY INDEKS
- CLEANING
- ANALISIS
KARAKTERISTIK DATA
SDM
- SEKUNDER
- AGREGAT DISKRIPTIF/
ANALITIK
- TERGANTUNG LEVEL :
* MASYARAKAT
* PUSKESMAS
* DATI II
* DATI I
* PUSAT