Pengolahan Data dan Analisis Data

Supriyadi
Definisi
Proses pengolahan sekumpulan data
menjadi informasi yang dapat dimengerti
 Ukuran Data
 Hitungan (enumerasi) atau angka mutlak
• Jumlah kasar atau frekuensi
• Contoh: 10 kasus, 1961 kasus
 Rasio
• nilai yang didapat dengan pembagian suatu kuantitas dengan kuantitas yang
lain.
• Ratio adalah pecahan yang pembilangnya bukan merupakan bagian dari
penyebutnya. Ini yang membedakannya dengan proporsi. Ratio menyatakan
hubungan antara pembilang dan penyebut yang berbeda satu dengan yang lain.
• kuantitas numerator (pembilang) boleh berbeda dari kuantitas denominator
(penyebut) atau denominator mungkin tidak memuat numerator
• Contoh: a
b

06/07/20 Ukuran-ukuran frekuensi yang digunakan 3

dalam epidemiologi
Jenis Rasio
1. Ratio yang mempunyai satuan, misalnya:
• Jumlah dokter per 100.000 penduduk
• Jumlah kematian bayi selama setahun per 1.000 kelahiran
hidup.
2. Ratio yang tidak mempunyai satuan oleh karena
pembilang dan penyebutnya mempunyai satuan
yang sama, misalnya:
 Ratio antara satu proporsi dengan proporsi lain atau ratio
antara satu rate dengan rate yang lain, contohnya
Relative Risk dan Odds Ratio
Ukuran Data
 Proporsi
• suatu fraksi atau tipe rasio yang unsur
numerator adalah bagian dari denominator
– Bila dikalikan dengan 100, biasanya disebut suatu
persentase.
– Contoh: 28/56 = 0,5; 0,5 x 100% = 50%
– Ada 28 kasus dari 56 orang. Berarti proporsi kasus adalah 50%.

06/07/20 Ukuran-ukuran frekuensi yang digunakan 5

dalam epidemiologi
 Rate
• Tipe spesifik dari rasio yang digunakan
mengkuantifikasi proses dinamik seperti
pertumbuhan dan kecepatan

06/07/20 Ukuran-ukuran frekuensi yang digunakan 6

dalam epidemiologi
Rate
 Rate merupakan konsep yang lebih kompleks
dibandingkan dengan dua bentuk pecahan yang
terdahulu.
 Rate yang sesunguhnya merupakan kemampuan
berubah suatu kuantitas bila terjadi perubahan
pada kuantitas lain.
 Kuantitas lain yang digunakan sebagai patokan ini
biasanya adalah kuantitas waktu.
 Bentuk ukuran ini sering dicampuradukkan
penggunaannya dengan proporsi.
Rate…
 Contoh: Kecepatan mobil pada satu saat tertentu
bentuknya adalah suatu rate.
 kecepatan sebuah mobil yang sedang berjalan
dapat berubah setiap saat, maka yang diukur
adalah kecepatan rata-rata dari mobil tersebut.
 kecepatan (speed) diukur dengan membagi jarak
tempuh mobil tersebut dengan waktu yang
digunakan untuk mencapainya.
 Misalnya: Jakarta-Bogor yang jaraknya 60 Km
ditempuh dalam waktu 1 jam.
 Maka kecepatan mobilnya = 60 Km per jam.
Ciri Rate
 Mempunyai satuan ukuran, yaitu per
satuan waktu.
 Besarnya tidak terbatas. Secara teoritis
nilainya terbentang antara 0 sampai tak
terhingga.
 Rate
• pernyataan numeris dari frekuensi suatu
peristiwa
• dihitung dengan cara pembagian antara jumlah
individu yang mengalami peristiwa (numerator)
dengan jumlah total (keseluruhan) yang
mungkin dapat (kapabel) mengalami peristiwa
(denominator atau populasi berisiko) dan
perkalian dengan suatu konstanta (tetapan)
06/07/20 Ukuran-ukuran frekuensi yang digunakan 10
dalam epidemiologi
 Tipe kuantitas matematis
 Rate
• Format umum dari rate adalah

Numerator
Rate  xF
Denominator
Numerator adalah jumlah orang atau individu yang mengalami
peristiwa.
Denominator adalah jumlah populasi berisiko (jumlah total orang atau
keseluruhan individu yang mungkin mengalami peristiwa).
F adalah faktor pengali, biasanya kelipatan 10, mengkonversi rate dari
suatu fraksi ke suatu jumlah keseluruhan.

06/07/20 Ukuran-ukuran frekuensi yang digunakan 11

dalam epidemiologi
 Rate
• Dapat berarti
– suatu pernyataan numeris dari frekuensi kejadian yang
terjadi dalam suatu kelompok orang tertentu (didefinisikan)
di dalam satu periode waktu tertentu
• Sinonim
– Tingkat
– Laju
• Contoh: Pada tahun 2004, ada 100 kasus demam
berdarah di suatu kota yang berpenduduk 1.250.000
orang. Berapa rate kasus demam berdarah di kota itu ?
06/07/20 Ukuran-ukuran frekuensi yang digunakan 12
dalam epidemiologi
Rate 
 kasus

100 kasus

1 kasus
 Populasi 1.250.000 orang 12500 orang

Rate demam berdarah  8 kasus per 100.000 orang

06/07/20 Ukuran-ukuran frekuensi yang digunakan 13

dalam epidemiologi
 Rate
• Bentuk khusus dari suatu proporsi yang
memuat waktu (atau faktor lain) dalam
denominator
• Contoh
– Incidence rate = 3 kasus per 100 orang per
tahun
– kematian per 1000 penumpang - kilometer

06/07/20 Ukuran-ukuran frekuensi yang digunakan 14

dalam epidemiologi
Tipe ukuran yang digunakan dalam
epidemiologi

 Ukuran frekuensi penyakit

• Merefleksikan besar kejadian penyakit
(morbiditas) atau kematian karena penyakit
(mortalitas) dalam suatu populasi
• Biasanya diukur sebagai suatu rate atau
proporsi

06/07/20 Ukuran-ukuran frekuensi yang digunakan 15

dalam epidemiologi
Analisis Data
 Analisis Univariabel (univariate)

 Analisis Bivariate

 Analisis Multi variate

Simpulam numerik/Analisis
Univariabel
 Data Numerik,
• berasal dari pengukuran memakai skala
interval dan ratio
 Data Kategorik
• Berasal dari pengukuran memakai skala
nominal dan ordinal.
Data kategorik
 Contoh: hasil pengukuran golongan darah
sekelompok orang didapatkan
• Gol darah O………35 orang ( 35% )
• Gol darah A………25 orang ( 25% )
• Gol darah B……….29 orang ( 29 % )
• Gol darah AB……..11 orang ( 11 % )

Jadi ditemui paling banyak gol darah O yaitu 35%........dst

Data Numerik
 Karena data ini berasal dari skala yang
rangkingnya tinggi maka banyak informasi
yang didapatkan dari meng analisais nya
yi:
• Nilai tengah ( Central Tendency ) t/d mean
(arythmatic mean ), Median, Modus
• Nilai Posisi t/d Median, Kuartil, Desil, Presentil
• Nilai Varias/ deviasi t/d Range, inter kuatil
range, Mean deviasi, Varian, Standar deviasi
Nilai Tengah (Mean)
 Mean (Arythmatic mean)
• Simbol x ( x bar)
• Paling banyak dipakai dlm analisis
• Mudah dihitung yi jumlah semua nilai observasi dibagi
jumlah observasi
n

x i
x i 1
n
 Contoh:
observasi: x1 x2 x3,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,xn
Nilai Tengah ( Median )
 Median:
• Adalah nilai observasi yang paling ditengah
• Syaratnya setelah nilai raw data di array
• Posisi median (n+1) /2
• Nilai median adalah nilai observasi pada
posisi tersebut
• Simbol Md atau Me
Contoh :
Nilai Tengah ( Modus = Mode )
 Modus (Mode):
• Adalah nilai yang paling banyak ditemui dalam
suatu agregate (observasi)
• Didalam suatu observasi karena mode adalah
yang terbanyak maka dapat saja terjadi, tidak
ada modus, hanya satu modus atau lebih dari
satu modus.
 Contoh:
Hubungan Mean, Median , Modus
 Untuk pengamatan yang cukup besar dan
satu Modus maka kurva yang dibentuk:
 1) kurva symetris

X = Md = Mo
Hub Mean- Md - Mo
 Kurva Skewed to the left, menceng ke
kiri,adanya nilai ektrim kecil

Md
---------

X Mo
Hub Mean – Md - Mo
 Kurva skewed to the right= menceng ke
kanan: adanya nilai ekstrim besar

Md
----------

Mo X
Nilai Posisi
 Median….. Posisi tengah
 Kuartil …..nilai yang membagi empat
agregate, ,,,,, K1. K2. K3
 Desil….nilai yang membagi agregate
menjadi 10 bagian…..D1, D2…………D9
 Presentil…..nilai yang membagi agregate
menjadi 100 bagian…. P1 , P2……..P99
Nilai posisi
 Md,Kuartil, Desil, Persentil
Md

K1 K2 K3

D5

P 25 P 50 P 75
Nilai variasi
 Range:
• Adalah perbedaan antara nilai terbesar
dengan terkecil
• R= ( max – min ) /2………(max – min )
 Inter Kuartil Range
• Perbedaan antara K1 dengan K3
• IKR= IQR = (K3-K1)/2…….(K3-K1)
Nilai Variasi
 Mean Deviation ( Mdev ) x Ix-xI=d
• Adalah rata-rata perbedaan
antara nilai observasi 1 5
dengan mean
• Rumus 5 1
xx 6 0
xd 
• Contoh n 7 1
• 1 5 6 7 8 9 mean = 6 8 2
 Jarang dipakai kerena 9 3
nilai mutlak
X=6 Xd = 12/6= 2
Nilai variasi
 Varian
• Rata-rata kuadrat perbedaan antara observasi dengan
mean
• Rumus:

s 2

 x  x
2

n 1

• (n-1) koreksi Fisher Wilks………..degree of fredom

• Contoh
Varian
x ( x-x ) (x-x)2
( x  x ) 2
40
1 -5 25 S 
2
 8
n 1 6 1
5 -1 1
6 0 0
Kalau satuannya
7 1 1
cm……..cm2
8 2 4
kg………kg2
9 3 9

X=6 ∑=0 ∑=40

Nilai variasi
 Standar deviasi
• Akar dari varian
• Rumus

s
 x  x 2

n 1
• Contohdiatas maka S= V8= 2,8 (cm a’ kg )

 Varian dan Standar deviasi banyak dipakai dalam

analisis statistik
COV (Coeffisien Of Variation)
 Adalah nilai Standar deviasi
dibagi mean x 100% COV= s
S/X x 100% cov  *100%
 Membandingkan variasi antara
dua atau lebih agregate yang
x
ukurannya berbeda atau
gradasinya berbeda
 Contoh : dari suatu pengukuran
didapatkan rata TB= 162 cm
dan S= 15 cm. Berat badan rata-
rata 58 kg dan S= 8
kg…..manakah yang lebih
bervariasi TB atau BB ?
COV
 Jawab:
• COV TB= 15/162 x100%= 9,3 %
• COV BB= 8/58 x100% = 13,8 %
 Dari hasil COV terlihat bahwa walaupun S
TB 15cm dan S BB 8 kg ternyata COV BB
lebih besar dari COV TB , Jadi dapat
disimpulkan BB lebih bervariasi.
Penyajian Data
Penyajian data dapat berupa:
1) Narasi ( tekstular) adalah penyajian dalam
bentuk tulisan . Biasanya narasi ini dipakai
dalam menyajikan informasi yang didapat
dari penyajian tabel maupun gambar
Penyajian data ( Tabel)
 Tabel adalah penyajian data dalam bentuk
kolom dan baris
Bagian-bagian tabel
• Body tabel
• Box head
• Stubb
• Jumlah ( total baris maupun total kolom
Dummy tabel
Box head Tot
stubb

Body

tot Tot kolom Grand

tot
Tabel:
 Bagian tabel ini dilengkapi:
• Judul (menjawab what, where, when)
• Nomer tabel
• Keterangan ( Foot Note= catatan kaki)
• Sumber, kalau tabel itu tabel kutipan
 Kegunaan masing-masing
• Agar mudah dirujuk
• Keterangan , agar didapat keterangan yang lengkap
• Sumber, agar jangan dianggap plagiat dan
memudahkan untuk merujuk kembali
Jenis tabel
 Tabel induk (master tabel
 Tabel text
• Tabel ditribusi frekuensi
• Tabel distribusi relatif
• Tabel distribusi kumulatif
• Tabel silang
 Contoh:
 Tabel:1 Distribusi berat badan 160 orang
Mhs Fike UMP Th 2016

BB Frek F Relatif F kum less then Fkum more then

(%) (%) (%)
41-45 4 2,5 2,5 100
46-50 16 10 12,5 97,5
51-55 34 21,3 33,8 87,5
56-60 56 35 68,8 66,2
61-65 32 20 88,8 31,2
66-70 13 8,1 96,9 11,1
71-75 5 3.1 100 3,1

Total 160 100

Tabel:2 Jumlah donor menurut gol darah
bulan Juli 2006 di PMI Jak-pus

Gol Darah Jumlah

O 156
A 102
B 88
AB 104

Total 450

Sumber: PMI Jak-Pus

 Tabel:3 Distribusi 150 pasien RSCM menurut
pendidikan dan pengetahuan terhadap HIV/AIDs Th
2006

Penget Baik Sedang Kurang

Pendidikan
Tinggi 20 10 5

Menengah 15 25 10

Rendah 20 25 20

Sumber: Evaluasi RSCM 2006

Penyajian data dengan Grafik
 Seperti tabel, gambarpun perlu dilengkapi
dengan
• Judul (menjawab What, Where, When)
• Nomer
• Keterangan (key)
• Sumber (kalau gambar tersebut kutipan)
Gambar
 Berbeda dengan tabel, gambar sudah ditentukan
peruntukannya sesuai jenis data
 Data numerik:
• Histogram,
• Frek poligon,
• Ogive,
• Stem & leaf,
• Box plot,
• Scatter diagram
 Data kategorik:
• Bar , Single bar, multiple, subdivided
• Pareto chart
• Pie
• Line diagram
• Pictogram
• Mapgram
 Gambar:1
Distr BB Mhs Fikes th 2006……(histogram

jml
40

30

20

10

40 50 60 70 80 90
Kg
Gambar:2 (Frek Poligone)
Distr BB Mhs Fikes th 2006……
 Ogive
Y
Less then

Md

Posisi
Md

More then

Nilai
Md
X
Stem & leaf
40 44555677899 11
50 00022445677889 14
60 011122333444666778899 21
70 001122233355 12
80 022334 6
90 0045 4
Batang
Daun Frek
Box & plot
Box Plot
Batas atas
K3

Kuartil2= Median

K1

Batas bawah
Scatter Diagram
 Scatter +
+
TB + +
+
+ + +
+
+

BB
Bar diagram/single bar
Jumlah akseptor baru di Psk X triwulan I, II &
III th 2006

50 52
45
40
35
30
20

10

Trwl I Trwl II Trwl III

Multiple bar
Jumlah Akseptor Baru di
tiga Wilayah Jakarta th 2005

90
80
70 Key
60
50 J.Pst
40 J.Tmr
30 J Utr
20
10
0
1st Qtr 2nd Qtr 3rd Qtr 4th Qtr
Sub divided bar
Pareto Chart
Jumlah Kematian dan 3penyebab di RS “X” th
2004

Jumlah Kasus Kematian di RS X tahun 2004

100 95
90
80
70
60
60
50
40 35
30
20
10
0
Kecelakaan PJK Ca
Pie Diagram
 Jumlah HIV AIDs dan H5N1 di Jakarta
th 2000-2004

Line diagram

jml

HIV AIDs

H5N1

2001 2002 2003 2004

2000
Pictogram
jumlah PJK thn 2001 – 2005

Tahun 2001:

Tahun 2003:

Tahun 2005:

Keterangan:

= 10 kasus
Map gram

DHF
H5N1