ANALISIS DESKRIPTIF

Yeni, SKM, MKM

FKM UNSRI
ANALISIS DESKTIPTIF dan ANALITIK2

Deskriptif : Suatu metode dalam proses pengumpulan,

pengolahan, penyajian, & interpretasi data menjadi
suatu informasi

Analitik : Suatu metode dalam menyimpulkan (meng-

generalisasikan) ‘nilai sampel’ menjadi ‘nilai populasi’
 Metode Induktif

FKM UNSRI
ANALISIS DATA NUMERIK ??

FKM UNSRI
UKURAN DATA1

FKM UNSRI
 analisis data numerik
Praktek : Data “Asi.sav”
1. Lakukan analisis deskriptif untuk variabel
umur ibu?
2. Buat tabel hasil analisisnya dan
interpretasikan!!

Langkah-langkah :
1. analyze,,, descriptive,,, frequencies
2. Masukkan variabel umur ..... 
FKM UNSRI
3. Pilih statistics mean, median, mode, Std
deviation, variation, max dan min, continue

FKM UNSRI
Output....

Jika distribusi
normal

Jika distribusi
tidak normal

FKM UNSRI
Penyajian data pada tabel…

Mean (SD)

Umur 25,10 (4,850)

ATAU

Mean SD

Umur 25,10 4,850

Interpretasi = rata-rata umur ibu menyusui adalah 25

tahun dengan standar deviasi 4,85 tahun

FKM UNSRI
ANALISIS DATA KATEGORIK ??

FKM UNSRI
Contoh.....

Lakukan analisis deskriptif terhadap tingkat

pendidikan ibu!!

Langkah-langkah :
Klik Analyze,,, descriptive,, frequencies
Masukkan variabel”didik”  ok

FKM UNSRI
Output ...

FKM UNSRI
Penyajian data pada tabel
Tabel. 1. Gambaran tingkat pendidikan ibu menyusui
Pendidikan Frekuensi Persentase
SD 10 20
SMP 11 22
SMU 16 32
PT 13 26
Total 50 100

• Interpretasi :
Hasil analisis menunjukkan bahwa ibu yang
berpendidikan SD sebanyak 20%, SMP sebanyak 22%,
SMA sebanyak 32% dan berpendidikan PT 26%.

FKM UNSRI
Contoh penyajian data hasil analisis
deskriptif
Tabel 1. Distribusi responden menurut karakteristik sosiodemografi
Variabel Jumlah
n(%)
Jenis Kelamin
1. Wanita 14362 (70,2)
2. Pria 6103 (29,8)
Daerah Tempat Tinggal
1. Perkotaan 11241 (54,9)
2. Pedesaan 9224 (45,1)
Pendidikan
1. Rendah 5612 (27,4)
2. Tinggi 14853 (72,6)

FKM UNSRI
Recode Mengubah data
numerik  data
kategorik

FKM UNSRI
 Dua jenis perintah recode

Recode into same variable

• variabel baru hasil ‘recode’ langsung
mengganti variabel asli (replace)

Recode into different variable

• Variabel baru hasil ‘recode’ dibuat
dalam variabel berbeda
FKM UNSRI
Contoh...
Praktek : data “asi.sav”
Lakukanlah pengelompokkan variabel umur
menjadi 3 kategori :
1 = umur muda (<25 tahun)
2 = umur sedang (25-30 tahun)
3 = umur tua (> 30 tahun)

“ Berapa proporsi ibu pada kelompok umur

muda??? “

FKM UNSRI
• Klik transform,,,recode into different variable,,

FKM UNSRI
Jawaban...

• Interpretasi ???

FKM UNSRI
COMPUTE Membuat variabel baru
dari BEBERAPA VARIABEL
atau dengan SYARAT dan
RUMUS TERTENTU

FKM UNSRI
 Perintah compute
• Contoh 1 : Buatlah variabel HBrata2 dari variabel
Hb1 dan Hb2

• Langkah-langkah
1. transform, compute
2. Ketik nama variabel Hbrata2 pada target
variabel
3. Masukkan variabel yang ingin digabung, misal
Hb1 dan Hb2 pada numeric expression disertai
tanda kurung, tnda plus (+),lalu dibagi 2 ok

FKM UNSRI
• Buat nama var
baru pada
target variable
• Masukkan
syarat variabel
baru pada
numeric
expression,
• Klik ok
• Lihat var baru
pada lembar
data editor

FKM UNSRI
 Perintah compute
• Contoh 2 : Buatlah variabel risiko dari variabel
pendidikan dan pekerjaan ibu

1 = risiko tinggi  jika ibu bekerja dan

pendidikan PT
2 = risiko rendah  selain dari risiko tinggi

FKM UNSRI
Langkah-langkah
Langkah 1. buat kategori yang tidak berisiko
1. Pilih transform, compute
2. Isi target var dg nama var baru
3. Tulis angka 2 pada numeric expression, ok
Langkah 2. buat kategori yang berisiko
1. Pilih transform, compute
2. Target variabel tetap ‘risiko’, tulis angka 1
pada numeric expression
3. Klik ‘if’

FKM UNSRI
 Langkah-langkah
• Masukkan syarat kategori risiko tinggi, continue,ok

FKM UNSRI
 Uji normalitas data
Tujuan = mengetahui distribusi data

f(X)
Bell shape
Simetris
Mean, median, 
X

dan modus berada Mean

Median
pada satu garis lurus Mode

(sama)

FKM UNSRI
Data berdistribusi normal atau tidak ???

FKM UNSRI
 Kenormalan data
• Dilihat dari grafik histogram dan kurva
normal, bila bentuknya menyerupai lonceng
 distribusi normal
• Menggunakan nilai skewnes dan standar
errornya, nilai skewnes dibagi standar error ≤2
 distribusi normal
• Uji Kolmogorov Smirnov,, p value > alpha
(0,05)  distribusi normal

FKM UNSRI
 Uji normalitas
Pada SPSS,,, analyze.. Descriptives..explore..
Masukkan variabel pada dependent list.. plots

FKM UNSRI
Ho = distribusi umur berbentuk normal
Jika P value > alpha (5%)  terima Ho (data
berdistribsui normal)

Distribusi tidak
normal

FKM UNSRI
 LATIHAN SOAL

• Data “asi.sav”
1. Buatlah variabel “skorsikap” dengan
menjumlahkan variabel-variabel sikap yang
ada
2. Berapa proporsi ibu yang memiliki sikap
positif dan ibu yang memiliki sikap negatif
terhadap ASI eksklusif
(1=sikap positif : ≥ mean/median) (2= sikap
negatif : < mean / median)
FKM UNSRI
 Tugas
• Tugas mandat.pdf

FKM UNSRI
 Referensi

1. Najmah , 2011, Managemen dan Analisis,

Konsep dan Aplikasi SPSS di Bidang
Kesehatan , Nuha Medika:Yogyakarta
2. Hastono, SP,.Sabri, Luknis. 2008. Statistik
Kesehatan. PT. Rajagrafindo Persada,
Jakarta

FKM UNSRI
Sekian .....

FKM UNSRI