1
ANALISIS DATA
Agar analisis hasil penelitian
menghasilkan suatu informasi yang
benar, paling tidak ada empat tahapan
dalam pengolahan data yang harus
dilalui, yaitu :
1. Editing
Merupakan kegiatan untuk melakukan
pengecekan isian formulir atau kuesioner,
apakah jawaban yang ada di kuesioner sudah:
1. Nominal :
Yaitu variable yang hanya dapat mmbedakan
nilai datanya dan tidak tahu nilai data yang
mana yang lebih tinggi atau rendah.
Contoh :
Jenis kelamin, suku bangsa, agama dll.
j.k laki-laki tidak lebih tinggi dibandingkan
dengan j.k perempuan.
2. Ordinal :
Yaitu variable yang dapat membedakan nilai
datanya dan juga sudah diketahui tingkatan
lebih tinggi atau lebih rendah, tapi belum
diketahui besar beda antar nilai datanya.
Contoh :
Pendidikan, pangkat, stadium penyakit, dll.
Pendidikan SD pengetahuannya lebih rendah
dibandingkan SLTP, namun demikian kita
tidak dapat seberapa besarnya perbedaan
pengetahuan antara SD dengan SLTP.
3. Interval :
Variabel yang dapat dibedakan, diketahui
tingkatannya dan diketahui juga besar beda
antara nilainya. Namun pada variable interval
belum diketahui kelipatan suatu nilai
terhadap nilai yang lain dan pada skala
interval tidak mempunyai titik nol mutlak.
Contoh :
Variabel suhu, misalnya benda A suhunya 40
derajat dan benda B 10 derajat. Benda A
lebih panas dari benda B dan beda panas
antara A dan B adalah 30 derajat.
4. Rasio :
Yaitu variabel yang paling tinggi skalanya,
yaitu bisa dibedakan, ada tingkatan, ada
besar beda dan ada kelipatannya serta ada
titik nol mutlaknya.
Contoh :
Berat badan, tinggi badan, dll. Misalnya
Benda A beratnya 30 kg dan benda B
beratnya 60. Mka dalam hal ini dikatakan
bahwa A lebih ringan dari pada B selisih
beratnya 30 kg. Jadi berat B dua kali lebih
tinggi dibandingkan berat A. Berat 0 kg
berarti tidak ada bendanya (ini berarti ada
titik nol mutlaknya)
Pembagian Data
Dalam analisis seringkali digunakan
pembagian data / variable menjadi dua
kelompok, yaitu : data katagorik dan data
numerik.
Data kontinyu
merupakan variable hasil pengukuran
Misalnya : Tekanan darah, berat badan,
kadar Hb, dll.
Variabel katagorik pada umumnya berisi
variable yang bersekala nominal dan ordinal.
Sedangkan variable numeric berisi variable
yang berskala interval dan rasio.
Misalnya :
Pada penelitian survei yang tidak menggunakan
sample yang sama, dapat digunakan uji statistik
yang mengasumsikan sample yang independen.
Misalnya :
Suatu penelitian ingin mengetahui pengaruh pelatihan
manajemen terhadap kinerja petugas kesehatan antara
sebelum dengan sesudah mendapatkan pelatihan
manajemen.
Mean
Variabel Sd Min-Mak 95% CI
Median
25,10
Umur 4,85 19 – 35 23,72 – 26,48
24,00
Hasil analisis didapatkan rata-rata umur
ibu adalah 25,10 tahun (95% CI : 23,72 -
26,48), median 24,0 tahun dengan
standar deviasi 4,85 tahun. Umur
termuda 19 tahun dan umur tertua 35
tahun. Dari hasil estimasi interval dapat
disimpulkan bahwa 95 % diyakini bahwa
rata-rata umur ibu adalah diantara 23,72
tahun sampai dengan 26,48 tahun.
Untuk data katagori
Tentunya hanya dapat menjelaskan angka / nilai
jumlah dan persentase masing-masing kelompok.
Contoh : Penyajian dan Interpretasi Data
Distribusi Responden Menurut Tingkat Pendidikan
Pendidikan Jumlah %
SD 12 24
SMP 8 16
SMA 17 34
PT 13 26
Jumlah 50 100
Distribusi tingkat pendidikan responden
hampir merata untuk masing-masing
tingkat pendidikan. Paling banyak
responden berpendidikan SMU yaitu 17
orang (34,0 %), sedangkan untuk
pendidikan SD, SMP dan PT masing-
masing 24,0 %, 16,0 %, dan 26,0 %.
Contoh lain :
Menyusui Frekuensi %
Eksklusivel 26 52,0
Total 50 100
Distribusi pola menyususi responden
dapat dilihat pada table diatas. Hasil
penelitian dilaporkan bahwa responden
yang menyusui eksklusive sedikit lebih
banyak disbanding responden yang
menyusui tidak eksklusive, masing-
masing 26(52 %) dan 24(48 %).
ANALISIS HUBUNGAN
Di bidang kesehatan sering kali harus
menarik kesimpulan apakah parameter
dua populasi berbeda atau tidak.
Misalnya :
Apakah ada perbedaan tekanan darah
penduduk dewasa orang kota dengan orang
desa ?.
Apakah ada perbedaan berat badan antara
sebelum mengikuti program diet dengan
sesudahnya ?.
Untuk uji statistik yang membandingkan mean
dua kelompok data ini disebut uji beda dua
mean. Pendekatan ujinya dapat menggunakan
pendekatan distribusi Z dan distribusi T. Tapi
yang paling sering digunakan adalah
pendekatan uji distribusi T.
X1 – X2
T = ------------------------------
Sp V(1/n1) + (1/n2)
(n1-1)S12 + (n2-1)S22
Sp2 = -----------------------------------
n1 + n2 – 2
df = n1 + n2 – 2
b. Uji Varian Berbeda
X1 – X2
T = ---------------------------------
V(S12/n1) + (S22/n2)
(S12/n1) + (S22/n2)
df = ----------------------------------------
[{(S12/n1)2/(n1-1)} + {(S22/n2)2/(n2-1)}]
Uji beda dua mean dependen
( Uji T dependen)
Tujuan : untuk menguji perbedaan mean
antara dua kelompok data yang dependen.
Contoh kasus :
Apakah ada perbedaan tingkat pengetahuan
antara sebelum dan sesudah dilakukan
pelatihan.
Rumus Ujinya :
d
T = ----------------------
SD_d / Vn
d = rata-rata deviasi atau selisih sample 1 dan
sample 2
SD_d = standar deviasi dari deviasi atau selisih
sample 1 dan sample 2
Contoh : Uji t Independen
Dist. Rata-rata Kadar Hb Resp.
menurut pola menyusui.
Pola
Mean Sd Se Pv N
Menyusui
Penguk. Hb Mean Sd Se Pv N
df = (k-1) (b-1)
Keterangan :
O = nilai observasi
E = Ekpektasi (harapan)
k = Jumlah kolom
b = Jumlah bris
Untuk mempermudah analisis kai kuadrat, nilai
data kedua variable disajikan dalam bentuk
table silang :
Variabel 2
Variabel 1 Jumlah
Tinggi Rendah
Ya a b a+b
Tidak c d c+d
Jumlah a+c b+d N
a,b,c,d merupakan nilai observasi, sedangkan
nilai ekspekasi (harapan) masing-masing sel
dicari dengan rumus :
Konsumsi Alkohol
Status
Tdk Pemi Pemi Pemi Jumlah
Merokok Pemi num num num
num Ringan Sedang Berat
1880 2048 194 76 4198
Perokok
44,78% 48,78% 4,64% 1,81% 100%
Konsumsi Alkohol
Status
Tdk Pemi Pemi Pemi Jumlah
Merokok
Pemi num num num
num Ringan Sedang Berat
Tdk
Perokok
3842,2 2788,9 227,9 70,4 6929