Analisis dan Penyajian Data

Kuantitatif

Lilis Muchlisoh, SKM, MKM

 Langkah-Langkah dalam
Analisis Data Kuantitatif
1. Data Coding
2. Data Entering
3. Data Cleaning
4. Data Output
5. Data Analyzing
 Pengkodean Data ( Data
Coding)
Proses penyusunan secara sistematis
data mentah ( yang terdapat dalam
kuesioner ) kedalam mesin pengolah
data semisal SPSS.
Contoh ; Variabel jenis kelamin
1: laki-laki 2. Perempuan
Variabel jenis pekerjaan ;
1. TNI 2. PNS 3.Karyawan 4.
Dosen
 Data Coding
Data Coding digunakan sebagai dasar
dalam pembuatan Buku Coding ( Coding
Book)
Kuesioner dalam pertanyaan tertutup
lebih mudah untuk dilakukan coding,
apabila dibandingkan dengan pertanyaan
terbuka.
Jika anda menggunakan pertanyaan
terbuka dalam kuesioner anda harus
menginventarisasi jawaban responden.
Pemindahan Data Ke Komputer
( Data Entry )
Kegiatan memindahkan data yang
telah diubah menjadi kode ( data
coding ) ke dalam mesin pengolah
data.
Dipindahkan ke program pengolah
data seperti SPSS, Minitab,dsb.
 Pembersihan Data ( data
cleaning)
Kegiatan untuk memastikan bahwa
seluruh data yang telah dimasukkan
kedalam mesin pengolah data sudah
sesuai dengan keadaan sebenarnya.
Data Cleaning harus dilakukan
dengan teliti agar data dapat diolah
dengan mesin pengolah data
sehingga mendapatkan data valid.
 2 Tipe Kesalahan dalam Data
Cleaning
1. Possible Code Cleaning : kesalahan yang
diakibatkan oleh peneliti ketika
memasukan data ke dalam mesin
pengolah data.
2. Contingency Cleaning: Kesalahan yang
diakibatkan oleh adanya struktur
kuesioner yang hanya khusus digunakan
dijawab oleh sebagian orang saja,
sedangkan yang lain tidak.
 Contoh Kuesioner
1. Apakah anda menggunakan
pepsodent?
A. ya B. tidak (lanjut ke no 12)
2. Apakah anda puas dengan khasiat
pepsodent?
A. Puas B. Tidak Puas
3. Bagaimana rasa varian pepsodent?
A. Segar B. Tidak Segar
 Data Coding
No Nama Kode
variabel
Var001 Menggunakan 1= ya
Pepsodent 2= tidak

Var002 Tingkat 1=puas

Kepuasan 2=tidak puas
Khasiat
Pepsodent
var003 Rasa 1=segar
Pepsodent 2=tidak segar
 Coding Book
Var / Responden Responden Responden Responden
1 2 3 4
respond
en
Var001 1 1 1 2

Var002 1 1 2 2

Var003 2 3 1 1
 Contoh data cleaning
Possible Code Cleaning : dapat ditemukan pada
responden nomor 2 variabel 003, yakni angka 3.
nilai 3 tidak ada dalam buku koding. Yang
tersedia dalam buku koding adalah kode 1 & 2.
Contingency Cleaning : ditemukan pada
responden no.4 variabel 001-003.ketika
menjawab tidak (kode 2) seharusnya responden
tidak dapat menjawab pertanyaan selanjutnya.
Dan responden tersebut diperbolehkan menjawab
pada kembali pada no.12. Ia Tidak menggunakan
pepsodent, tetapi tahu rasa varian. Itulah
contingency cleaning.
 Data Ouput
Data Univariat : analisis 1 variabel Dalam
bentuk Tabel dan grafik, Ukuran
Pemusatan : Mean, Median, Modus,
Ukuran Persebaran : Range, standar
Deviasi dan Ragam
Data Bivariat : analisis 2 variabel Tabulasi
Silang, Uji Statistik chi square, lambda
dsb.
Data Multivariat : analisis lebih dari 2
variabel
 Tabel dan Grafik
Terdapat 3 unsur utama dalam
penyusunan tabel dan grafik
1. Judul
2. Isi / Substansi
3. Sumber Data
 Analisis Bivariat
Tabulasi Silang ( Crosstab )
Variabel Independen Persentase
Variabel Dependen Interpretasi
Terbagi menjadi Persentase Baris,
Kolom dan Total
 Tabel frekuensi
Kategori Frekuensi Persentase

Laki-laki 125 62,5%

Perempuan 75 37,5%

Jumlah 200 100%

Hubungan Grafik dengan Skala
Pengukuran
Nominal : Piechart, Bargraph
Ordinal : Pie chart, Bargraph
Interval: Histogram, Poligon, Ogive
Rasio : Histogram, Poligon, Ogive,
Diagram batang daun dan scatter
plot (diagram titik) .
 Penyajian scr narasi
Menyajikan hasil pengolahan data
dengan menggunakan kalimat
Misal :
‘Sejumlah 90 % penderita penyakit
Y di kota X adalah anak usia sekolah
dasar yang tinggal di daerah nelayan’
‘ Tiga diantara tujuh peserta
penyuluhan kesehatan tentang
penanggulangan DB adalah kader 17

kesehatan’
 Penyajian secara tabel
Menyajikan hasil pengolahan data dengan
menggunakan tabel dari sederhana-
kompleks
Penyajian informasi dalam bentuk angka
dengan menggunakan format baris dan
kolom

Tabel hrs mudah dipahami pembaca

Buat sesederhana mungkin
Dua/tiga tabel lebih baik daripada satu
variabel besar dengan banyak variabel 18
 Syarat tabel
 Terdiri : judul tabel, badan/isi tabel,
catatan kaki
 Judul tabel : singkat, jelas, relevan,
menjelaskan apa yg disajikan,
dimana,kapan
 Badan tabel : lajur baris-kolom, tiap lajur
diberi label, titik temu baris kolom berisi
nilai var, ada lajur berisi jumlah
 Catatan kaki : penjelasan label, sumber
informasi dari isi tabel
19
 Tabel dalam statistik
Dibedakan menjadi 2 : umum,
khusus

1. Tabel umum
- Berisi seluruh data/ variabel
hasil penelilitian
- Utk data kuantitatif berisi angka
absolut/ nilai asli
Contoh :
20
Tabel 1. Distribusi karakteristik responden berdasarkan hasil penelitian

21
 Tabel dalam statistik
Dibedakan menjadi 2 : umum,
khusus

2. Tabel khusus
- Berisi data hasil ‘variasi’ dari
tabel umum/ master tabel
- Tujuan : menyajikan data dlm
bentuk sederhana,
menggambarkan adanya
hubungan
22
Tabel 2. Distribusi Frekuensi Responden Berdasarkan Kelompok Umur

Kelompok umur Frekuensi Persentase

Kurang 20 tahun 1 6,3
20 -35 tahun 5 31,3
36-50 tahun 7 43,8
Lebih 50 tahun 3 18,8
Jumlah 16 100,0

Sumber : Survey pada pasien di RS Y di kota X tahun Y 23

Tabel 1. Sasaran Pengobatan Massal Filariasis berdasarkan Puskesmas*

*)Sasaran Pengobatan Massal dilaksanakan serentak yang dimulai pada tanggal 1 s/d 3124
Desember 2008 terhadap semua penduduk di wilayah Kabupaten Parigi Moutong Sul-tengah
 Tabel 4.1.
Beberapa Alasan Menyalahgunakan Narkoba Pada Siswa Sekolah
Menengah Atas di Kota X

No Alasan Persen
1 Coba-coba 87,2
2 Iseng 69,2
3 Mencari ketenangan 59,0
4 Ikut teman 59,0
5 Menambah keberanian 20,5
6 Dipaksa seseorang 10,3

Sumber : Survey pada siswa SMA di kota X tahun 2003

25
 Penyajian grafik
Menyajikan hasil pengolahan data
dengan grafik / diagram tertentu

Penyajian perhatikan skala

pengukuran data.

26
 Syarat grafik
 Terdiri : judul grafik, badan/isi grafik,
catatan kaki /keterangan
 Judul grafik : singkat, jelas, relevan,
menjelaskan apa yg disajikan,
dimana,kapan
 Badan grafik :tampilkan var dgn warna
menarik, batasi jml var yg ditampilkan,
lengkapi dgn legenda yg menjelaskan
artinya.
 Catatan kaki : penjelasan label, 27
 Bentuk grafik
Bentuk Skala pengukuran data

Garis, Histogram Kontinyu :

Interval, Rasio
Bar, Pie, Pictogram Kategorikal :
( Nominal, Ordinal )

28
Contoh2 Grafik :
Skala data kategori

Tabel 1.1.
Jumlah penderita DB menurut wilayah desa kota di propinsi X pada
bulan Januari-April Tahun Y
90
80
70
60
50 Kota
40 Desa
30 Desa+Kota
20
10
0 29
jan feb mar april
Bar diagram

30
Pie diagram

Source: Michigan Department of

Community Health, Bureau of
Epidemiology, HIV/AIDS Surveillance31
Section; reported cases as of July 1,
2006
Deteksi outbreaks dysentery dengan memonitor incidence kasus
diare berdarah

Grafik 1.1. Trend penderita diare berdarah di Kabupaten Y

Tahun 2007-2008
120
Cases
100

80

60

40

20

0
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr

32
2007 2008
Grafik garis

33
 OGIVE
 Merupakan grafik dari distribusi frekuensi kumulatif.
 Nilai data disajikan pada garis horisontal (sumbu-x).
 Pada sumbu vertikal dapat disajikan:
 Frekuensi kumulatif, atau
 Frekuensi relatif kumulatif, atau
 Persen frekuensi kumulatif
 Frekuensi yang digunakan (salah satu diatas)masing-masing kelas
digambarkan sebagai titik.
 Setiap titik dihubungkan oleh garis lurus.

34
OGIVE (Cumulative percentage )
FIGURE 2. Cumulative percentage distribution curve
of the age at which addicts become inactive

35
 DIAGRAM SCATTER
Diagram scatter (scatter diagram)
merupakan metode presentasi secara
grafis untuk menggambarkan hubungan
antara dua variabel kuantitatif.
– Salah satu variabel digambarkan pada sumbu
horisontal dan variabel lainnya digambarkan
pada sumbu vertikal.

Pola yang ditunjukkan oleh titik-titik yang

ada menggambarkan hubungan yang
terjadi antar variabel.
36
 POLA HUBUNGAN PADA
DIAGRAM SCATTER

y y y

x x
x

Hubungan Positif Hubungan Negatif Tidak ada hubungan

Jika X naik, maka Jika X naik, maka antara X dan Y
Y juga naik dan Y akan turun dan
jika X turun, maka jika X turun, maka
Y juga turun Y akan naik
37
 Analysis of responsiveness of primary myoblasts to myostatin

38

©2009 by National Academy of Sciences

MAPPING

39
Penyajian Data Diagram Batang

Jenis Kelamin Responden

60

50

40

30

20

10
Percent

0
Laki-Laki Perempuan

Jenis Kelamin
Diagram Lingkaran
PIlihan Partai Politik

PDIP

PPP

PKB
 Diagram Garis

Tingkat Pendapatan
40

30

20

10
Percent

0
1 2 3 4 5 6 7 8 9

Pendapatan (jutaan)
 Diagram Area

30

20

10

Jenis Kelamin

Perempua n
Count

0 Laki-Laki
2 4 5 6 8 11 12 14 15 16 18 19 20

Tabungan
 Diagram Titik
30

20

10
Tabungan

0
-1 0 1 2 3 4 5 6 7

Lama Kerja ( tahun )

 Deskriptif

Descriptive Statistics

N Mean Std. Deviation Variance

VAR001 Pendapatan
70 3.91 2.749 7.558
(jutaan)
VAR002 Lama Kerja (
70 2.43 1.470 2.161
tahun )
VAR003 Tabungan 70 7.63 5.253 27.599
VAR004 Jenis Kelamin 70 1.44 .500 .250
VAR00001 Pilihan
70 2.01 .789 .623
Partai Politik
Valid N (lis twis e) 70
 Deskriptif

Descriptive Statistics

N Mean Skewness Kurtos is

Statis tic Statis tic Statis tic Std. Error Statis tic Std. Error
VAR001 Pendapatan
70 3.91 .575 .287 -1.194 .566
(jutaan)
VAR002 Lam a Kerja (
70 2.43 .426 .287 -.632 .566
tahun )
VAR003 Tabungan 70 7.63 .911 .287 -.432 .566
VAR004 Jenis Kelam in 70 1.44 .235 .287 -2.003 .566
VAR00001 Pilihan
70 2.01 -.026 .287 -1.384 .566
Partai Politik
Valid N (lis twis e) 70
 Tabulasi Silang

VAR004 Jenis Kelamin * VAR00001 Pilihan Partai Politik Crosstabulation

VAR00001 Pilihan Partai Politik

1 PDIP 2 PKB 3 PPP Total
VAR004 Jenis 1 Laki-Laki Count 20 14 5 39
Kelamin % of Total 28.6% 20.0% 7.1% 55.7%
2 Perempuan Count 1 13 17 31
% of Total 1.4% 18.6% 24.3% 44.3%
Total Count 21 27 22 70
% of Total 30.0% 38.6% 31.4% 100.0%
 Ukuran Asosiasi dan Korelasi
Chi square : menguji hipotesis antara variabel
independen dan dependen terdapat hubungan
yang signifikan atau tidak.
Tau Kendall : ukuran korelasi non parametrik
yang digunakanuntuk variabel ordinal dengan
arah hubungan simetrik atau simetrik.
Sommers D : mengukur kekuatan hubungan
pada tingkat pengkuran ordinal dengan
asimetrik/ simetrik
Korelasi Spearman : mengukur korelasi antar 2
variabel yang memiliki ukuran skala ordnal
Hasil Output SPSS uji chi
Square

Chi-Square Tests

Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-s ided) (2-s ided) (1-s ided)
Pears on Chi-Square .906 b 1 .341
Continuity Correctiona .711 1 .399
Likelihood Ratio .931 1 .335
Fisher's Exact Test .385 .201
Linear-by-Linear
.905 1 .341
Ass ociation
N of Valid Cas es 919
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count les s than 5. The minimum expected count is
32.37.
 UJI KORELASI

Correlations

VAR001 VAR002
VAR003 Pendapatan Lama Kerja (
Tabungan (jutaan) tahun )
VAR003 Tabungan Pears on Correlation 1 .910** .698**
Sig. (2-tailed) . .000 .000
N 70 70 70
VAR001 Pears on Correlation .910** 1 .719**
Pendapatan (jutaan) Sig. (2-tailed) .000 . .000
N 70 70 70
VAR002 Lama Kerja Pears on Correlation .698** .719** 1
( tahun ) Sig. (2-tailed) .000 .000 .
N
70 70 70

**. Correlation is s ignificant at the 0.01 level (2-tailed).

 Uji Regresi Sederhana

Variables Entered/Removedb

Variables Variables
Model Entered Removed Method
1 VAR001
Pendapataa . Enter
n (jutaan)
a. All reques ted variables entered.
b. Dependent Variable: VAR003 Tabungan
 Uji Regresi

Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .910 a .828 .825 2.195
a. Predictors: (Constant), VAR001 Pendapatan (jutaan)
 Uji Regresi

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 1576.715 1 1576.715 327.251 .000 a
Residual 327.628 68 4.818
Total 1904.343 69
a. Predictors: (Constant), VAR001 Pendapatan (jutaan)
b. Dependent Variable: VAR003 Tabungan
 Uji Regresi

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) .822 .459 1.793 .077
VAR001
1.739 .096 .910 18.090 .000
Pendapatan (jutaan)
a. Dependent Variable: VAR003 Tabungan
 Uji Regresi Multivariat

Model Summary

Adjus ted Std. Error of

Model R R Square R Square the Es timate
1 .917 a .842 .837 1.110
a. Predictors : (Constant), VAR002 Lama Kerja ( tahun ) ,
VAR003 Tabungan
Pengujian Hipotesis Korelasi
Ho : Tidak Terdapat hubungan
antara variabel X dengan variabel Y
Ha : Terdapat hubungan antara
variabel X dengan variabel Y
Aturan Pengujian : jika nilai
signifikansi yang dipilih < 0,05 maka
Ho DITOLAK.
 Kesalahan Hipotesis
Hipotesis Keadaan yang sebenarnya
peneliti
Tidak Ada Ada Hubungan
hubungan
Tdk Ada Keputusan Kesalahan Tipe 2
Hubungan Tepat
Ada Kesalahan Keputusan Tepat
Hubungan Tipe 1
Hal-Hal yang harus diperhatikan
dalam penelitian Kuantitatif
Berikan interpretasi dari hasil ouput.
Analisa data tidak dapat dipisahkan
dari kajian teoritis yang
dipergunakan. Teori tetap digunakan
sebagai alat analisis dari temuan
data kuesioner.
Pola penelitian kuantitatif bersifat
linear dan baku.
 Penelitian Kuantitatif
Berpola
Bebas nilai obyektif
Deduktif nomotetik
Ilmu adalah cara
terbaik
memperoleh
pengetahuan
Mencari penjelasan
Menemukan
hukum universal