Siti Nur Qomariah, S.Kep.,Ns.,M.

Kep
Metodologi Riset Kep.
Fakultas Ilmu Kesehatan Universitas Gresik
 Salah satu bagian rangkaian kegiatan
penelitian setelah pengumpulan data

 Data terkumpul  Bingung??

 Raw data  diolah  informasi u/ menjawab

pertanyaan penelitian
 Editing
 Coding
 Processing
 Cleaning
 Pengecekan isian instrumen penelitian
 Apakah kuesioner sudah:

- Lengkap : terisi semua

- Jelas : Tulisan terbaca
- Relevan : dgn pertanyaan
- Konsisten
misal: usia dgn jumlah anak, usia 15
tahun tapi jumlah anak 9 ????
 Merubah data berbentuk huruf menjadi
angka/ bilangan
 Mempermudah analisis data dan

mempercepat entry data

 Misal:

Pendidikan; koding 1=SD, 2=SMP, 3=SMU,

4=PT
Jenis kelamin; 1= laki-laki, 2=perempuan
 Memproses data agar data yg sdh di-entry
dapat dianalisis

 Pemrosesan = entry data ke program

komputer SPSS for window
  Pengecekan kembali data yang sudah di-
entry apakah ada kesalahan atau tidak
 Cara meng-cleaning data:

a. Mengetahui missing data dgn tabel

b. Misal: jumlah responden 100

Jenis Kelamin Jumlah Pendidikan Jumla

Laki-laki 40 h
Perempuan 60 SD 40
Total 100 SMP 15
SMU 30
PT 15
Total 100
b. Mengetahui variasi data, mengkoding data

Pendidikan Jumlah
1 40
2 30
3 20
4 6
7 4
Total 100
c. Mengetahui konsistensi data,
menghubungkan dua variabel
Misal : Junlah responden 100,
Keikutsertaan KB (Ya=20, Tidak=80)
Jenis alat kontrasepsi (suntik 5, pil 5,
kondom 4, IUD 10 jumlah 24 ??? )
d. Membuat tabel silang
Misal menghubungkan umur dgn jumlah anak
 SPSS (Statistical Program For Social Science)
 Di dalam operasionalnya, SPSS ada 2 jendela
(window) utama yakni: SPSS Data editor dan
SPSS output
 Struktur data
Kolom (variabel), baris (cases/ responden)
 Variabel: tdk blh spasi pake _ nama tidak
ada yg sama
 Tipe: numerik (angka/nomer), string (huruf),
date (tanggal), dll
 Desimal
 Label: keterangan variabel yg disingkat
 Value ( masukkan koding data)
1. Nomor responden
2. Umur ibu? ... Tahun
3. Pendidikan ibu yang telah ditamatkan?
1. SD 2.SMP 3.SMU 4.PT
4. Apakah ibu bekerja? 1.Bekerja 2.Tdk kerja
5. Berat badan ibu? .....kg
6. Apakah ibu menyusui eksklusif (menyusui sampai bayi 6
bulan)? 1.Tidak 2. Ya
7. Kadar Hb ibu pengukuran pertama:.... gr%
8. Kadar Hb ibu pengukuran kedua:.....gr%
9. Berat badan bayi ? .... gram
1. Bayi yang baru lahir sesegera mungkin
diberi ASI ? 1.STS 2.TS 3.KS 4.S 5.SS
2. Bayi baru lahir diberi kolostrum (ASI warna
kekuningan) ? 1.STS 2.TS 3.KS 4.S 5.SS
3. Bayi sejak lahir sampai usia 6 bulan hanya
diberi ASI saja ? 1.STS 2.TS 3.KS 4.S 5.SS
4. ASI diberikan sampai bayi usia 2 tahun?
1.STS 2.TS 3.KS 4.S 5.SS
a. Data Katagorik
Analyze-Deskriptive-Frequencies, masukkan
variabel misal: pendidikan, OK

b. Data Numerik
Analyze-Descriptive-Frequencies, masukkan
variabel, pilih statistic:mean, median, standar
deviasi, min, max, SE – continue, pilih Chart pilih
histogram with normal Curve, Continue, OK
 JIKA SUATU NILAI VARIABEL DITINGKATKAN MAKA
AKAN MENIONGKATKAN NILAI VARIABEL LAINNYA,
SEBALIKNYA JIKA NILAINYA DITURUNKAN AKAN
MENNURUNKAN NILAI VARIABEL YANG LAIN
 CONTOH : HUBUNGAN NUTRISI DENGAN
PRODUKTIVITAS PEKERJA. SEMAKIN TINGGI
NUTRISI MAKA MAKIN TINGGI PRODUKTIVITAS
PEKERJA
 JIKA NILAI SUATU VARIABEL DITINGKATKAN
MAKA AKAN MENURUNKAN NILAI VARIABEL
YANG LAINNYA, SEBALIKNYA BILA NILAI
VARIABEL TERSBUT DITURUNKAN AKAN
MENINGKATKAN VARIABEL YANG LAIN.
 SEMAKIN RENDAH NUTRISI AKAN
MENINGKATKAN PRODUKTIVITAS PEKERJA.
 r Interpretasi
0 Tidak berkorelasi
0.01 - 0.20 Sangat rendah
0.21 - 0.40 Rendah
0.41 - 0.60 Agak rendah
0.61 - 0.80 Cukup
0.81 – 0.99 Tinggi
1 Sangat tinggi