ANALISIS DATA

RATNA JUWITA, SKM, M.KES

Analisis mempunyai posisi strategis dalam suatu
penelitian.
Analisis tidak dengan sendirinya dapat langsung
memberi jawaban penelitian
Untuk itu perlu diketahui bagaimana
menginterpretasi hasil penelitian tersebut.
Menginterpretasi berarti kita menjelaskan hasil
analisis guna memperoleh makna/arti.
 Interpretasi mempunyai dua bentuk

Interpretasi dalam arti sempit (deskriptif)

interpretasi dalam arti luas (analitik)
 Secara umum analisis data bertujuan untuk:

Memperoleh gambaran/deskripsi masing-masing

variabel
Membandingkan dan menguji teori atau konsep
dengan informasi yang ditemukan
Menemukan adanya konsep baru dari data yang
dikumpulkan
 Mencari penjelasan apakah konsep baru yang diuji
berlaku umum atau hanya berlaku pada kondisi
tertentu
ANALISIS UNIVARIAT ( DESKTIPTIF)

Tujuan dari analisis ini adalah untuk

menjelaskan/mendeskriptifkan karakteristik masing-masing
variabel yang diteliti.
Dalam analisis data kuantitatif kita dihadapkan pada
kumpulan data yang besar/banyak yang belum jelas
maknanya.
Fungsi analisis sebetulnya adalah menyederhanakan atau
meringkas kumpulan data hasil pengukuran sedemikian
rupa sehingga kumpulan data tersebut berubah menjadi
informasi yang berguna.
Peringkasan tersebut berupa ukuran-ukuran statistik, tabel
dan juga grafik.
Peringkasan Data Untuk Data Jenis Numerik

Ukuran Tengah yang paling sering dipakai adalah

mean, median dan mode/modus.
Ukuran Variasi :Untuk mengetahui seberapa jauh
data bervariasi digunakan ukuran variasi antara lain
range, jarak linier kuartil dan standard deviasi.
 Peringkasan Data Katagorik

Pada data katagorik peringkasan data hanya menggunakan

distribusi frekuensi dengan ukuran persentase atau proporsi.
Untuk ukuran variasi, pada data katagorik variasi maksimal
apabila jumlah antar katagori sama.
Contoh: Kelas A: mahasiswa 50 dan mahasiswi 50
Kelas B: mahasiswa 90 dan mahasiswi 10
• Pada kelas A, jenis kelamin mahasiswa bervariasi (heterogen)
karena 50% pria dan 50% wanita
Pada kelas B, jenis kelamin mahasiswa tidak bervariasi
(homogen pada pria)
 karena pria 90% dan wanita hanya 10%.
 Bentuk Penyajian Data

Data numerik

Variabel Mean SD Minimal-

 
Maksimal
Median
1. Umur 30,3 10,1 17 – 60
 
31,1
2. Lama hari rawat 10,1 8,9 2 – 60
 
7,0

Data katagorik
Pendidikan Jumlah Persentase
SD 60 60,0
     
30 30,0
SMP    
10 10,0
SMU
Total 100 100,0
 ANALISIS DESKRIPTIF (UNIVARIAT)

A Data Kategorik
Dari menu utama SPSS pilih ‘Analyze’, kemudian
‘Descriptive Statistic’ dan pilih ‘Frequencies’,
sehingga muncul tampilan:
Sorot variabel ‘didik’. Klik tanda panah dan
masukkan ke kotak “Variable (s)”

Klik ‘OK’,
Penyajian dan Interpretasi di Laporan Penelitian
B. Data Numerik

Pada SPSS ada dua cara untuk mengeluarkan analisis

deskriptif yaitu dapat melalaui perintah ‘Frequencies’
atau perintah ‘Expolre’.
Berikut akan dicoba mengeluarkan analisis deskriptif
untuk variabel umur dengan menggunakan perintah
frequencies.
 Aktifkan data “susu.sav”
 Pilih ‘Analyze’
  Pilih ‘Descriptive Statistic’
  Pilih ‘Frequencies’, terlihat kotak frequencies:
 Sorot variabel yang akan dianalisis, sorot umur, dan klik
tanda panahsehingga umur masuk ke kotak variable (s).
Klik tombol option ‘Statistic
pilih ukuran yang anda minta misalnya mean,
median, standard seviasi, minimum, maximum, SE.
Klik ‘Continue’
Klik tombol option ‘Charts’ lalu muncul menu baru
dan klik ‘Histogram’, lalu klik ‘With Normal Curve’
Klik ‘Continue’
 Klik ‘OK’,
Bila anda ingin memperoleh estimasi interval lakukan
analisis eksplorasi data dengan perintah ‘Explore’. Adapun
caranya sbb:
 Dari menu utama SPSS, pilih menu ‘Analyze’, kemudian
pilih submenu ‘descriptive Statistics’, lalu pilih ‘Explore’
 Isikan kotak ‘Dependent List’ dengan variabel ‘umur’, kotak
‘Factor List’ dan‘Label Cases By’ biarkan kosong, sehingga
tampilannya sbb:
Klik tombol ‘Plots’, dan pilih ‘Normality Plots With Test’

Klik ‘Continue’
 Klik ‘OK’,
 Uji kenormalan data:

Dilihat dari grafik histogram dan kurve normal, bila bentuknya

menyerupai bel shape, berarti distribusi normal.
Menggunakan nilai Skewness dan standar errornya, bila nilai
Skewness dibagi standar errornya menghasilkan angka ≤ 2,
maka distribusinya normal
Uji kolmogorov smirnov, bila hasil uji signifkan (p value <
0,05) maka distribusi normal. Namun uji kolmogorov sangat
sensitif dengan jumlah sampel, maksudnya : untuk jumlah
sampel yang besar uji kolmogorov cenderungmenghasilkan
uji yang signifikan (yang artinya bentuk distribusinya
tidak normal). Atas dasar kelemahan ini dianjurkan untuk
mengetahui kenormalan data lebih baik menggunakan angka
skewness atau melihat grafik histogram dan kurve normal
Penyajian dan Interpretasi di Laporan Penelitian
 ANALISIS BIVARIAT

1. Uji Hipotesis.
2. Arah dan Bentuk Hipotesis
3. Menentukan Tingkat Kemaknaan
4. Pemilihan jenis uji parametrik atau non parametrik
 Uji Hipotesis

Prinsip uji hipotesis adalah melakukan

perbandingan antara nilai sampel (data hasil
penelitian) dengan nilai hipotesis (nilai populasi)
yang diajukan.
Hipotesis berasal dari kata hupo dan thesis. Hupo
artinya sementara/lemah kebenarannya dan thesis
artinya pernyataan/teopri.
Dengan demikian hipotesis berarti pernyataan yang
perlu diuji kebenarannya
 Pengujian Hipotesis Dijumpai Dua Jenis

 Hipotesis Nol (Ho).

Hipotesis yang menyatakan tidak ada perbedaan atau tidak ada
hubungan antara variabel satu dengan variabel lainnya
 Tidak ada perbedaan berat badan bayi antara mereka yang
dilahirkan dari ibu yang merokok dengan mereka yang
dilahirkan dari ibu yang tidak merokok
 Tidak ada hubungan antara merokok dengan berat badan bayi

Hipotesis Alternatif (Ha)

Hipotesis yang menyatakan ada perbedaan atau ada hubungan
antara variabel satu dengan variabel lainnya.
 Ada perbedaan berat badan bayi antara mereka yang
dilahirkan dari ibu yang merokok dengan mereka yang
dilahirkan dari ibu yang tidak merokok
 Ada hubungan antara merokok dengan berat badan bayi
 Arah Dan Bentuk Hipotesis
One tail (satu sisi)
Bila hipotesis alternatifnya menyatakan adanya
perbedaan dan ada pernyataan yang mengatakan hal
satu lebih tinggi/rendah dari hal lain.
 Berat badan bayi dari ibu yang merokok lebih kecil
dibanding berat badan bayi dari ibu tidak merokok.
Two tail (dua sisi)
Merupakan hipotesis alternatif yang hanya
menyatakan perbedaan tanpa melihat apakah hal
satu lebih tinggi/rendah dari hal lain.
 Berat badan bayi dari ibu yang merokok Berbeda dibanding
berat badan bayi dari ibu tidak merokok
 Menentukan Tingkat Kemaknaan (Level of
Significance)

Batas/tingkat kemaknaan, sering juga disebut dengan

nilai α.
Setiap kita melakukan uji statistik melalui program
komputer maka yang akan kita cari adalalah nilai p (p
value).
Nilai p digunakan untuk keputusan uji statistik
dengan cara membandingkan nilai p dengan α (alpha).
Ketentuan yang berlaku adalah:
 Bila nilai p ≤ α, maka keputusannya adalah Ho ditolak
 Bila nilai p > α, maka keputusannya adalah Ho gagal
ditolak
 Perlu diketahui

Nilai p two tail adalah 2 kali nilai p one tail berarti

kalau tabel yang digunakan adalah tabel one tail
sedangkan uji statistik yang dilakukan adalah two
tail maka nilai p dari tabel harus dikalikan 2
dengan demikian dapat disederhanakan dengan
rumus : nilai p two tail = 2 x nilai p one tail.
 Pengertian Nilai P

Nilai p merupakan nilai yang menunjukkan

besarnya peluang salah menolak Ho dari data
penelitian.
Harapan kita nilai p adalah sekecil mungkin, sebab
bila nilai p-nya kecil maka kita yakin bahwa adanya
perbedaan pada hasil penelitian menunjukkan pula
adanya perbedaan di populasi.
Uji Statistik Yang Dapat Digunakan Untuk Analisis Bivariat

 
Variabel I Variabel II Jenis uji statistik
yang digunakan
 
Katagorik ↔ Katagorik - Kai kuadrat
 
- Fisher Exact
 
Katagorik ↔ Numerik - Uji T
 
- ANOVA
 
Numerik ↔ Numerik - Korelasi
 
- Regresi
 UJI T

Uji beda dua mean dibagi dalam dua kelompok, yaitu:

 uji beda mean independen (uji T independen)
 uji beda mean dependen (uji T dependen).
Dikatakan kelompok independen bila data kelompok yang
satu tidak tergantung dari kelopok kedua, misalnya
membandingkan mean tekanan darah sistolik orang desa
dengan orang kota.
Kelompok data dikatakan dependen/pasangan bila kelompok
data yang dibandingkan datanya saling mempunyai
ketergantungan, misalnya data berat badan sebelum dan
sesudah mengikuti program diet berasal dari orang yang sama
(data sesudah dependen/tergantung dengan data sebelum).