ANALISIS DESKRIPTIF

LANOVA D. A.

DEPARTEMEN KEPENDUDUKAN DAN BIOSTATISTIK

2016
Apa Itu Analisis..?
 Analisis Memberikan arti atau makna pada
data
 Hasil analisis Kesimpulan = Informasi
 Perbedaan DATA dan INFORMASI:

◦ DATA Belum mempunyai arti/ makna

◦ INFORMASI Sudah memili arti/ makna
 Analisis akan maksimal jika;
◦ Menguasai statistik
◦ Menguasai substansi
◦ Menguasai paket program statistik komputer
Penyajian Hasil Analisis
 Hasil analisis disajikan dalam bentuk tabel
atau grafik
 Tidak boleh double penyajian
 Kurang tepat penyajian output komputer
 Beberapa angka yg penting dari output

komputer  tabel/grafik
 Penyajian Hasil Analisis
 Contoh yang salah dalam penyajian analisis

Tidak boleh langsung menggunakan (copy-paste) output perhitungan

komputer untuk laporan
Data Kategorik
Penyajian dan Interpretasi

Interpretasi: Hasil analisis menunjukkan proporsi

terbesar adalah responden dengan tingkat
pendidikan SMP yaitusebesar 44,4% (84 orang), dan
diikuti tingakt pendidikan SMU (30,7%) dan SD
(24,9%).
Data Numerik

OUTPUT
Perintah Explore

Untuk mengeluarkan CI
(estimasi interval)
Interpretasi: Dari hasil
analisis diyakini bahwa 95%
rata-rata berat bayi berada
pada rentang 2840,05 s.d.
3049,26
Penyajian dan Interpretasi

Interpretasi:
Hasil analisis didapatkan rata-rata berat bayi saat lahir di Kelurahan
X adalah 2944,7 gram (95% CI: 2840,1 – 3049,3), dengan standar
deviasi 729,0 gram. Berat bayi lahir terendah adalah 709 gram
dan paling besar adalah 4990 gram. Dari hasil estimasi interval
dapat disimpulkan bahwa diyakini 95% rata-rata berat bayi berada
pada rentang 2840,1 gram sampai dengan 2049,3 gram.
Kenormalan Data
 Dilihat dari grafik histogram dan kurva normal, jika
bentuknya menyerupai bel shape berarti distribusi normal
 Menggunakan nilai Skewness dan standar errornya, jika
nilai Skewness dibagi standar errornya menghasilkan
angka -2 s.d 2 maka distribusinya normal
 Uji Kolmogorov Smirnov, jika nilai p (p value > 0,05) maka
distribusi normal. Namun, uji Kolmogorof sensitif dgn
jumlah sampel, semakin besar sampel cenderung
menghasilkan nilai p <0,05 (artinya bentuk distribusi
tidak normal). Atas dasar kelemahan ini dianjurkan untuk
mengetahui kenormalan data menggunakan nilai
Skewness atau melihat grafik.
 QQ Plot dan PP Plot: Jika data tersebar disekitar garis
maka data kemungkinan berdistribusi normal.
Kurva Normal
PP Plot dan QQ Plot