Yuliaji Siswanto

08/18/21 1
Proses penelitian
PENDAHULUAN

REALITA DATA

MASALAH DATA KEPUTUSAN

IDEALITA DATA

08/18/21 3
 DATA
• Kumpulan informasi/fakta yg dipakai untuk
keperluan suatu analisis, diskusi,
presentasi ilmiah atau uji statistik.
• Setiap bahan yg sediakan dasar utk ambil
keputusan

• Guna : bahan evaluasi shg dpt digunakan

utk membuat keputusan & dpt dipakai dlm
proses perencanaan
08/18/21 4
DATA
• Sebelum data diolah, yakinkan :
• Telah merumuskan masalah dg tepat
• Telah tentukan populasi & ambil sampel scr
random
• Tak ada sampel bias
• Kumpulkan semua informasi sesuai tujuan
• Cegah ikutsertakan org yg dapat pengaruhi
outcome
• Hukum ‘GIGO’ (Garbage In Garbage Out)

08/18/21 5
MANAJEMEN DATA
• Serangkaian kegiatan pengelolaan data
mulai dari pengumpulan, pengolahan,
analisis sampai dengan penyajian data
sehingga menghasilkan informasi yang
diperlukan untuk pengambilan keputusan
• Tahap penting dalam meningkatkan validitas
internal penelitian sebelum analisis statistik

08/18/21 6
 TUJUAN MANAJEMEN DATA

• Menjamin tersedianya data yang

berkualitas tinggi (valid & reliabel)
• Pengendalian kehilangan data dan
masukan data

Manajemen data dimulai dengan memindahkan

data dari formulir pengumpulan data ke dalam set
data dengan teliti & lengkap menggunakan suatu
format data yg dapat dianalisis secara statistik
08/18/21 7
PENGUMPULAN DATA -1

• Cara dan kondisi pengumpulan data 

jaminan kualitas data
• Kesalahan pengumpulan data
bersumber pada pengumpul data &
sumber data
• Diperlukan rancangan formulir data
yang baik

08/18/21 8
PENGUMPULAN DATA -2

Langkah2 :
A. Menentukan sumber data
B. Memilih data yg diperlukan, sesuai
masalah
C. Menentukan variabel yg
berhubungan dgn masalah
D. Menentukan definisi operasional
08/18/21 9
 Definisi operasional
Kelahiran Mati/ still MATI
KELAHIRAN birth

Kematian sebelum keluar/

dikeluarkan secara sempurna
oleh ibu, hasil konsepsi telah
mencapai umur 28
minggu/lebih, yang setelah
pemisahan, janin tidak
menunjukkan tanda-tanda
kehidupan.
08/18/21 10
PENGUMPULAN DATA -3

Metode pengumpulan :
A. Observasi : partisipasi, non
partisipasi
B. Interview : terstruktur, tdk
terstruktur
C. Angket : terbuka, tertutup
D. Dokumenter : studi kepustakaan
08/18/21 11
 PENGOLAHAN DATA

08/18/21 12
 PENGOLAHAN DATA

TUJUAN :
Menyiapkan data agar mudah
‘ditangani’ saat analisis
Data bebas dari
kesalahan saat
pengumpulan
dan entry data.
08/18/21 13
 Langkah-langkah :
Editing Koding Entry Tabulating

Editing (Pemeriksaan Data)-1 :

• Meneliti kembali/seleksi jawaban,

kelengkapan, kebenaran pengisian data,

kejelasan makna, konsistensi jawaban,
relevansi jawaban, keseragaman satuan
data.

08/18/21 14
 Langkah-langkah :
Editing Koding Entry Tabulating

Editing (Pemeriksaan Data)-2

• Dilakukan SEBELUM meninggalkan responden.

- Biasakan menanyakan/mengisi kuesioner
secara urut.
- Biasakan mencatat segala sesuatu kejadian
waktu mengisi kuesioner

08/18/21 15
Editing Coding Entry Cleaning

Coding-1
: membuat klasifikasi dan pemberian kode
jawaban berupa angka pada data.

INGAT ! HANYA ANGKA YG DAPAT DIOLAH SCR

STATISTIK !!!!
Misal : laki-laki = 1 , perempuan = 2
sehat =1, sakit = 2

08/18/21 16
Editing Coding Entry Cleaning

Coding-2
• Koding universal untuk data missing = 9, 99, 999 dst
• Data berskala kontinyu : tulis nilai asli, misal kadar Hb 12,5
• Koding dapat MENYATU atau TERPISAH dari kuesioner
• Pertanyaan tertutup, koding telah ditentukan
• Pertanyaan terbuka & semi terbuka, ditentukan stlh data
terkumpul
• Sebaiknya dibuat buku koding : pedoman analisis

08/18/21 17
Editing Coding Entry Cleaning

Entry (pemindahan) Data

: memasukkan data ( manual/
komputer )
Cleaning (Validasi) Data
: proses pembersihan data
sebelum diolah secara
statistik.

08/18/21 18
BENTUK PENGOLAHAN
DATA
• Pengolahan data sederhana ( univariat)
1. Distribusi frekuensi
2. Menghitung nilai tengah
3. Menghitung sebaran
4. Proporsi, rate, rasio
• Pengolahan data komplek ( hubungan)
1. Hubungan 2 variabel ( bivariat)
2. Hubungan lebih 2 variabel ( multivariat)

08/18/21 19
UNIVARIAT
.

08/18/21 20
Hasil Pengolahan Data
- Skala data kontinyu ( interval/Rasio)
Umur Responden

Cumulative
Frequency Percent Valid Percent Percent
Valid 18 1 .9 .9 .9
19 2 1.8 1.8 2.7
20 5 4.5 4.5 7.1
21 3 2.7 2.7 9.8
22 7 6.3 6.3 16.1
23 4 3.6 3.6 19.6
24 13 11.6 11.6 31.3
25 13 11.6 11.6 42.9
26 10 8.9 8.9 51.8
27 3 2.7 2.7 54.5
28 7 6.3 6.3 60.7
29 3 2.7 2.7 63.4
30 10 8.9 8.9 72.3
31 5 4.5 4.5 76.8
32 6 5.4 5.4 82.1
33 3 2.7 2.7 84.8
34 3 2.7 2.7 87.5
35 6 5.4 5.4 92.9
36 1 .9 .9 93.8
37 2 1.8 1.8 95.5
38 2 1.8 1.8 97.3
40 1 .9 .9 98.2
42 1 .9 .9 99.1
08/18/21 59 1 .9 .9 100.0 21
Total 112 100.0 100.0
 Hasil Pengolahan Data
- Skala data kontinyu ( interval/Rasio)
Pendidikan

Cumulative
Frequency Percent Valid Percent Percent
Valid 6 22 19.6 19.6 19.6
9 18 16.1 16.1 35.7
12 65 58.0 58.0 93.8
15 3 2.7 2.7 96.4
16 4 3.6 3.6 100.0
08/18/21
Total 112 100.0 100.0 22
Hasil Pengubahan Skala Data

08/18/21 23
 Nilai2 tengah & sebaran
Statistics

Umur Status Pendapatan

Responden Pendidikan bekerja rata2
N Valid 112 112 112 112
Missing 0 0 0 0
Mean 27.78 10.56 2.17 607294.64
Std. Error of Mean .555 .256 .165 33399.322
Median 26.00 12.00 1.00 500000.00
Std. Deviation 5.875 2.707 1.750 353465.205
Variance 34.517 7.329 3.061 1.2494E+11
Skewness 1.590 -.490 1.246 1.546
Std. Error of Skewness .228 .228 .228 .228
Kurtosis 6.011 -.502 .200 3.326
Std. Error of Kurtosis .453 .453 .453 .453
Range 41 10 5 1900000
Minimum 18 6 1 100000
08/18/21
Maximum 59 16 6 200000024
BIVARIAT

• Deskriptif  Analisis baris kolom /

tabulasi silang

• Analitik/inferensial  Uji2 statistik

08/18/21 25
 ANALISIS DATA

08/18/21 26
 Ilustrasi : gajah
Pekerjaan analisis data : mencicipi makanan kmd menyimpulkan kelezatannya

ANALISIS
Proses terakhir dlm kegiatan
penelitian, sebelum membuat laporan
Menjelaskan fenomena/kejadian
Tidak tergantung pada alat yang
dipakai utk analisa
Tergantung pada skala pengukuran dt
( Nominal-Ordinal-Interval-Rasio)
08/18/21 27
 Langkah-Langkah Analisis Data
Perumusan masalah

Tujuan Penelitian

Kerangka Teoritis/
Konseptual

Rumusan Hipotesis

Pengukuran

Pengolahan data

Analisis data
ANALISIS DESKRIPTIF ANALISIS ANALITIK
Ratio,proporsi, persentase
Nilai tengah,penyebaran Bivariate Multivariate

Penyajian : tabel & grafik Penyajian : tabel & narasi

08/18/21 28
 Ingat GIGO

Langkah Analisis
MULAI YANG SEDERHANA KE RUMIT
AN. UNIVARIAT

AN. BIVARIAT

AN. HUBUNGAN YG ADA AN. HUB TDK TERDUGA

AN. BIVARIAT
 Prinsip Analisis
1. Secara Mekanik

Pengubahan angka dan

catatan hasil pengumpulan
data menjadi informasi yang
mudah dipahami
Penggunaan alat bantu
statistik utk buktikan
hipotesa
Interpretasi thd informasi
 Prinsip Analisis
2. Secara substansi

Membandingkan dan
mengetes teori/konsep dgn
info yg ditemukan
Mencari dan menemukan
konsep baru dr data yg
dikumpulkan
Mencari penjelasan apkh
konsep berlaku umum
ANALISA UNIVARIAT
GUNA :
1. Memberi gambaran apakah data layak
utk dianalisa
 jawaban di luar jangkauan (Mis : umur balita
> 60 bulan)
 jawaban ekstrim (Mis : bayi dg BB 20 kg)
 konsistensi jawaban (dg tabel silang atau
plot 2 variabel)

08/18/21 32
 Contoh hasil print out -1
Analisis Univariat ( Deskriptif)

08/18/21 33
Contoh hasil print out -2
Analisis Univariat ( Deskriptif)

08/18/21 34
ANALISA UNIVARIAT
GUNA :
2. Memberi gambaran suatu fenomena
 rincian scr detail/ lengkap sebuah fenomena
 gambaran besarnya sebuah fenomena
 gambaran aspek tertentu sebuah fenomena
 petunjuk pemecahan masalah

08/18/21 35
Tabel 1 Pola pencarian pengobatan keluarga

Jenis pencarian pengobatan %

Hanya yang modern 10.1

Modern dan tradisional 25.9
Hanya tradisional 31.7
Tradisional dan lainnya 7.2
Pergi ke orang pintar 3.6
Tidak mencari pertolongan 21.6
N Total 139

08/18/21 36
ANALISA UNIVARIAT
GUNA :
3. Memberi gambaran utk analisa lebih
lanjut
 transformasi data
 mengubah skala data

08/18/21 37
Anak- bpk-keledai

ANALISA BIVARIAT
= hubungan 2 variabel
= dilakukan setelah an. univariat
1. TABEL SILANG
2. PERBEDAAN ANGKA RATA-RATA
3. ANALISA KORELASI REGRESI

08/18/21 38
Anak- bpk-keledai
ANALISA BIVARIAT

1. TABEL SILANG

• Cara termudah utk melihat hubungan

• Umumnya membuat persentase mnrt
variabel yg diduga sbg var bebas.
• An. baris kolom
• Contoh :

08/18/21 39
 Tabel 3.3 Hubungan antara pendidikan ibu dengan Kejadian BBLR

Pendidikan ibu Berat Badan Lahir Rendah

Ya Tidak Total ( n )
SD 21,6 % 78,4% 100 % (190)

SMP 15,3% 84,7% 100% (353)

SMA 10,9% 89,1% 100% ( 966)

Ket : total baris, analisis kolom

08/18/21 40
 Tabel 3.3 Hubungan antara pendidikan ibu dengan Kejadian BBLR

Bayi dgn BBLR Tingkat Pendidikan

SD SMP SMA
Ya 21,6 % 15,3% 10,9%

Tidak 78,4% 84,7% 89,1%

Total 100 % 100% 100%

(190) (353) ( 966)

Ket : total kolom, analisis baris

08/18/21 41
 ANALISA BIVARIAT

2. PERBEDAAN ANGKA RATA-RATA

Tabel 3.10 Rata-rata kadar Hb menurut status zat besi sebelum

dan Sesudah penambahan zat besi

Kelompok Kadar Hb
Pemberaian Fe Sebelum Sesudah
Kelompok sehat, 12,1 12,8
mendapat zat besi
Kelompok sehat, 12,3 12,4
mendapat placebo

08/18/21 42
 Analisis Data (Komputer)
 Keuntungan
1. Ketepatan & kecepatan
2. Versatilitas / kepintaran
3. Kemampuan grafik
4. Fleksibilitas
5. Dapat bentuk variabel baru
6. Volume data
7. Mudah transfer data

08/18/21 43
08/18/21 44