PENGOLAHAN

& ANALISIS DATA

B. TALARIMA

PROGRAM STUDI ILMU KESEHATAN MASYARAKAT

FAKULTAS KESEHATAN
UNIVERSITAS KRISTEN INDONESIA MALUKU (UKIM)
KOSENTRASI EPIDEMIOLOGI
 RUANG LINGKUP

PENDAHULUAN
JENIS PENGOLAHAN DATA
LANGKAH LANGKAH PLAHAN DATA
TUJUAN ANALISIS DATA
JENIS ANALISIS DATA
PENDAHULUAN

PENGOLAHAN dan ANALISIS DATA

merupakan salah satu langkah yang penting,
disebabkan karena data yang diperoleh
langsung dari penelitian masih mentah, blm
memberikan informasi apa-apa, dan belum
siap untuk disajikan
 PENDAHULUAN

Data sebagai hsl penelitian, dari segi jenis

terbagi 2 :
1. Data Kualitatif : data yang berhubungan
dengan kategorisasi
2. Data Kuantitatif : data yang berhubungan
dengan angka.
 JENIS PENGOLAHAN DATA

Pengolahan data terdiri dari :

1. Pengolahan data secara manual
2. Pengolahan data secara komputerisasi
 LANGKAH PENGOLAHAN DATA

1. Editing ; kegiatan untuk pengecekan dan

perbaikan isian kuesioner.
2. Coding ; merubah data berbentuk kalimat atau
huruf menjadi data angka atau bilangan
3. Memasukan Data (Entry Data) ; data, yakni
jwb2 dari msig2 responden yg dlm btuk kode
dimasukan ke dlm program atau software
komputer
 LANGKAH PENGOLAHAN DATA

4. Pembersihan Data (Cleaning) ; pengecekan

kembali utk melihat kemungkinan2 adanya
kesalahan2 kode, ketidaklengkapan, &
sbgainya kemudian dilkukn pbaikan atau
koreksi.
5. Analisis Data ; mdeskripsikan dan
minterpertasikan data yg telah diolah
 TUJUAN ANALISIS DATA

1. Mperoleh gambaran dari hasil penelitian yg

tlah dirumuskan dlm tujuan pnelitian
2. Mbuktikan hipotesis2 pnelitian yg tlah
dirumuskan
3. Mperoleh kesimpulan secara umum dari
pnelitian
 JENIS ANALISIS DATA

1. Analisis Univariat
- Analisis univariate bertujuan untuk
menjelaskan atau mendeskripsikan
karakteristik setaip varaiabel penelitian
- Pada umunya dalam analisis ini hanya
menghasilakan distribusi frekuensi atau
presentase
 CONTOH:

DISTRIBUSI RESPONDEN BERDASARKAN

KEPATUHAN BEROBAT TB

Kepatuhan n %
Patuh 148 60,8
Tidak Patuh 131 39,2
Total 279 100,0

Responden yang patuh berobat TB lebih banyak (60%), dibanding

dengan yang tidak patuh berobat (39,2%).
 JENIS ANALISIS DATA

2. Analisis Bivariate
- Analisis biavariate dilakukan terhadap
dua variabel yang diduga berhubungan.
- Contoh variabel umur dengan
kepatuhan berobat TB
 JENIS ANALISIS DATA

- Analisis biavariate dilakukan dengan

beberapa tahap :
1. Analisis proporsi atau presentase
2. Analisis uji statistik
3. Analisis faktor risiko
 CONTOH:

DISTRIBUSI RESPONDEN BERDASARKAN

UMUR DAN KEPATUHAN BEROBAT TB

Kepatuhan
Jumlah
Umur Tak patuh Patuh p value OR 95%
n % n % n %
Dewasa Md 7 22.6 28 58.3 35 44.3
0,004 3,08
Dewasa 24 77.4 20 41.7 44 55.7
Total 31 100 48 100 79 100
 INTERPERTASI:

Berdasarkan tabel diatas responden berumur

dewasa mudah lebih banyak patuh berobat
TB sebanyak 28 orang (58.3%) dibandingkan
dengan yang tidak patuh berobat TB
sebanyak 7 orang (22.6%), sedangkan
responden berumur dewasa lebih banyak
tidak patuh berobat sebanyak 24 orang
(77.4%) dibandingkan dengan yang patuh
berobat sebanyak 20 orang (41.7%).
 INTERPERTASI:

Hasil uji statistik didapatkan nilai p = 0,004.

Karena nilai p < nilai = 0,05 maka
hipotesis nol ditolak yang berarti ada
hubungan umur dengan kepatuhan berobat
TB.
 INTERPERTASI:

Diperoleh nilai Odds Ratio (OR) = 3,08

dengan demikian umur merupakan faktor
risiko terhadap kepatuhan berobat TB. Besar
risiko ketidak patuhan berobat TB pada
responden umur dewasa adalah 3.08 kali
lebih besar dibandingkan dengan responden
yang berumur dewasa muda.
 JENIS ANALISIS DATA

3. Analisis Multivariate
- Untuk mengetahui hubungan lebih dari
satu variabel independen dengan satu
variabel dependen.
- Contoh : Pengaruh antara variabel
pendidikan ibu, pengetahuan ibu, sosial
ekonomi keluarga, jumlah anak, dengan
status gizi anak balita (variabel dependen)
CONTOH:

HUBUNGAN ANTARA : PENGETAHUAN, UMUR, PENDIDIKAN

DENGAN KEPATUHAN BEROBAT TB

95% CI
Variabel b p OR
Lower Upper
Pengetahun 2,960 0,000 19,305 4,34 84,92
Umur 3,079 0,008 11,747 2,22 212,61
Pendidikan 2,625 0,000 13,804 3,28 58,05
Constanta -10,497
 INTERPERTASI:

Dari ketiga variabel independen tersebut, maka

variabel pengetahuan adalah variabel yang paling
dominan berhubungan dengan kepatuhan
berobat, dengan OR 19,305. Hal ini berarti bahwa
responden yang mempunyai pengetahuan TB
yang tinggi berpeluang 19 kali untuk patuh
berobat, dibandingkan dengan responden yang
berpengetahuan TB yang rendah, setelah
dikontrol variabel pendidikan dan umur.