ANALISIS DATA

Oleh
Yuliaji Siswanto
PSKM STIKES NGUDI WALUYO
BAYI BARU
LAHIR

• Berapa rata2 berat badan bayi baru lahir

• Berapa variasi dari hasil pengukuran tersebut

ANALISIS DATA
 Ilustrasi : gajah

Pekerjaan analisis data : mencicipi makanan kmd menyimpulkan

kelezatannya
 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)
 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

Pembagian data/variabel dalam analisis data

1. Data katagorik (kualitatif) Misalnya : jenis

kelamin, pendidikan.
2. Data numerik (kuantitatif)
• Diskrit (merupakan variabel hasil
penghitungan, misalnya jumlah anak, jumlah
pasien),
• Kontinu (merupakan variabel hasil dari
pengukuran, misalnya tekanan darah, Hb).
 Tujuan Analisis Data
1. Memperoleh gambaran/deskripsi masing-
masing variabel.
2. Membandingkan dan menguji teori atau
konsep dengan informasi yang ditemukan.
3. Menemukan adanya konsep baru dari data
yang dikumpulkan.
4. Mencari penjelasan apakah konsep baru
yang diuji berlaku umum atau hanya
berlaku pada kondisi tertentu.
 Ingat GIGO

Langkah Analisis
MULAI YANG SEDERHANA KE RUMIT
AN. UNIVARIAT

AN. BIVARIAT

AN. HUBUNGAN YG ADA AN. HUB TDK TERDUGA

AN. BIVARIAT
ANALISA UNIVARIAT
 Analisis ini digunakan untuk
menjelaskan/mendeskripsikan masing-
masing variabel yang diteliti.
 Guna :
1. Memberi gambaran apakah data layak utk
dianalisa ( Mis : jawaban di luar jangkauan,
jawaban ekstrim, konsistensi jawaban )
2. Memberi gambaran suatu fenomena (rincian
scr detail/ lengkap)
3. Memberi gambaran utk analisa lebih lanjut
( transformasi data, mengubah skala data)
 Lanjutan analisa univariat

 Bentuknya tergantung dari jenis datanya

• Data Kategorikal :
 biasanya digunakan jumlah atau frekuensi tiap
kategori (n) dan persentase tiap kategori (%),
 umumnya disajikan dalam bentuk tabel atau grafik.
• Data Numerik :
 biasanya digunakan ukuran nilai tengah (mean,
median, modus) dan sebarannya (standar deviasi,
varians, interkuartil, range, dan minimum
maksimum).
 umumnya disajikan dalam bentuk tabel dan grafik
(histogram dan plots).
Tabel 1 Distribusi tingkat pendidikan ibu

Tingkat Pendidikan f %
SD 190 12,6
SMP 353 23,4
SMA 966 64,0
Total 1509 100,0

966
1000
800
600
353
400
190
200
0
SD SMP SMA
Tingkat pendidikan ibu

Grafik 1 :Distribusi tingkat pendidikan ibu

 Ukuran Nilai Tengah
• Nilai tengah adalah suatu nilai yang dapat
mewakili sekelompok nilai hasil
pengamatan yang telah disusun dalam
distribusi frekuensi disebut rata-rata
• Mempunyai kecenderungan untuk terletak
di tengah distribusi disebut
kecenderungan di tengah (central tendency).
 Ukuran Nilai Tengah
• Beberapa ukuran nilai tengah :
1. Rata-rata hitung (mean)
2. Rata-rata ukur
3. Median
4. Modus
x

1. Rata-rata hitung (Mean)

• Paling sering digunakan untuk

menganalisis data
• Simbol yg digunakan :  = rata-rata
populasi, = rata-rata sampel
• Rata-rata hitung ialah jumlah semua
hasil pengamatan dibagi dengan
banyaknya pengamatan.
 Rata-rata Hitung (Mean)

 Data tidak berkelompok (Ungrouped data)

• Rumus : x
xi : nilai data
x i
n : jumlah data
n
• Contoh :
Hasil pencatatan berat badan di Posyandu Melati :
10,5 ; 4,4 ; 5,3 ; 4,9 ; 9,1

x 10,5  4,4  5,3  4,9  9,1 34,2

x i    6,84kg
n 5 5
 • Contoh : (Data disusun dlm distribusi yg
tidak dikelompokkan)

Tabel 2 : Hasil pencatatan berat badan balita di Posyandu Melati

Berat badan (xi) Frekuensi (fi) f.xi

10,5 5 52,5
4,4 6 26,4
5,3 5 26,5
4,9 3 14,7
9,1 1 9,1
Jumlah 20 129,2

fx 129,2
x i   6,46kg
n 20
 Rata-rata Hitung (Mean)

 Data berkelompok (Grouped data)

• Rumus :
f x
x i i
n
xi : tanda data
fi : frekuensi untuk nilai xi yang bersesuaian

• Contoh :
Nilai ujian statistik 80 mahasiswa PSKM
 Tabel 3 : Nilai ujian statistik mahasiswa PSKM

Nilai Ujian (x) Frekuensi (fi) xi f.xi

31 – 40 1 35,5 35,5
41 – 50 2 45,5 91,0
51 – 60 5 55,5 277,5
61 – 70 15 65,5 982,5
71 – 80 25 75,5 1887,5
81 – 90 20 85,5 1710,0
91 – 100 12 95,5 1146,0
Jumlah 80 6130,0

f x 6130
x i i   76,62
n 80
x

2. Rata-rata ukur
• Rata-rata ukur adl penghitungan rata-
rata adalah akar pangkat n dari hasil
perkalian setiap pengamatan
• Rumus :

• Hanya dapat digunakan untuk n kecil

x

3. Median
• Median ialah suatu ukuran gejala pusat
yang menunjukkan letak dan membagi
sekumpulan bilangan menjadi 2 sehingga
separo (50%) bilangan terletak di atas
median dan separo bilangan terletak di
bawah median.
• Langkah-langkah menentukan Median :
1. Urutkan data berdasarkan nilainya (kecil ke
besar)
2. Tentukan posisi/letak median
3. Tentukan nilai median
 Median

 Data tidak berkelompok (Ungrouped data)

• Data disusun menurut urutan nilainya
• Posisi median (Me) = n 1
2
• Contoh :
Sampel dengan data : 4, 12, 5, 7, 8, 10, 10
1. Data disusun : 4, 5, 7, 8, 10, 10, 12
2. Posisi median n 1 7 1
Me   4
2 2

3. Nilai median = 8
 Median
 Data berkelompok (Grouped data)
• Rumus :
 1 / 2n  F 
Me  b  p 
 f 
Keterangan :
• b : batas bawah kelas median, ialah kelas dimana median
akan terletak
• p : panjang kelas median
• n : ukuran sampel atau banyak data
• ½ n : letak median
• F : jumlah semua frekuensi dengan tanda kelas lebih
kecil dari tanda kelas median (frekuensi kumulatif)
• f : frekuensi kelas median

• Contoh : Nilai ujian statistik 80 mahasiawa PSKM

 Tabel 4 : Nilai ujian statistik mahasiswa PSKM

Nilai Ujian (x) Frekuensi (fi) xi f.xi

31 – 40 1 35,5 35,5
41 – 50 2 45,5 91,0
51 – 60 5 55,5 277,5
61 – 70 15 65,5 982,5
71 – 80 25 75,5 1887,5
81 – 90 20 85,5 1710,0
91 – 100 12 95,5 1146,0
Jumlah 80 6130,0

• Posisi median = ½ n = ½ 80 = 40
• Nilai median =  1 / 2n  F   1 80  23 
b  p   70,5  10 2   77,3
f  25 
   
x

4. Modus
• Modus merupakan salah satu ukuran nilai
tengah yang dinyatakan dalam bentuk frekuensi
terbanyak dari data kualitatif maupun data
kuantitatif.
• Modus dapat pula dinyatakan sebagai puncak
kurva, sehingga dikenal unimodal bila
puncaknya satu, bimodal bila puncaknya dua,
dan multimodal bila puncaknya lebih dari dua
• Jarang digunakan karena dipengaruhi nilai
ekstrim berpengaruh thd letak modus
x

Modus

• Langkah-langkah menentukan Modus :

1. Urutkan data berdasarkan nilainya (kecil ke
besar)
2. Tentukan letak modus
3. Tentukan nilai modus

 Data tidak berkelompok (Ungrouped data)

• 100, 103, 127, 130, 115 : tidak ada modus
• 112, 124, 108, 124, 111 : modus = 124 (unimodal)
• 124, 133, 124, 141, 141 : modus = 124 dan 141
(bimodal)
x

Modus

• Langkah-langkah menentukan Modus :

1. Urutkan data berdasarkan nilainya (kecil ke
besar)
2. Tentukan posisi/letak modus
3. Tentukan nilai modus

 Data tidak berkelompok (Ungrouped data)

• 100, 103, 115, 127, 130 : tidak ada modus
• 108, 111, 112, 124, 124 : modus = 124 (unimodal)
• 124, 124, 133, 141, 141 : modus = 124 dan 141
(bimodal)
 Modus

 Data berkelompok (Grouped data)

• Rumus :  b 
Mo  b  p 1 
b b 
 1 2
Keterangan :
• b : batas bawah kelas modus, ialah kelas dimana modus
akan terletak
• p : panjang kelas modus
• b1 : frekuensi kelas modus dikurangi frekuensi terdekat
sebelum kelas modus
• b2 : frekuensi kelas modus dikurangi frekuensi terdekat
sesudah kelas modus

• Contoh : Nilai ujian statistik 80 mahasiawa PSKM

 Tabel 5 : Nilai ujian statistik mahasiswa PSKM

Nilai Ujian (x) Frekuensi (fi) xi f.xi

31 – 40 1 35,5 35,5
41 – 50 2 45,5 91,0
51 – 60 5 55,5 277,5
61 – 70 15 65,5 982,5
71 – 80 25 75,5 1887,5
81 – 90 20 85,5 1710,0
91 – 100 12 95,5 1146,0
Jumlah 80 6130,0

• Posisi modus (frekuensi terbanyak) = 25 (kelas : 71-80)

• Nilai modus =  b1   10 
b  p   70,5  10   77,17
 b1  b2   10  5 
 Ukuran Dispersi
(penyimpangan = variasi)
• Kegunaan :
• Mengetahui penyimpangan pd suatu distribusi
• Menilai ketepatan nilai tengah dlm mewakili
distibusinya
• Mengadakan analisis perhitungan statistik lanjut
• Apabila kita mempunyai data sebagai berikut :
• Data I : 40 40 40 40 40
• Data II : 40 60 20 30 50
• Data III : 70 20 30 60 20
 Ukuran Dispersi
Beberapa ukuran dispersi :
a. Dispersi absolut
1. Rentang (range)
2. Kuartil
3. Desil
4. Persentil
5. Deviasi rata-rata (mean deviation)
6. Deviasi standar (standart deviation)
7. Varians (variance)
b. Dispersi relatif : koefisien variasi (coefficient
of variation)
x

a. Dispersi absolut
1. Rentang (range)
• Range = nilai maksimum – nilai minimum
• Contoh :
Range data III = 70 – 20 = 50

2. Kuartil
• Data yang telah disusun menjadi suatu
distribusi kita bagi menjadi 4 bagian yang
sama (kuartil).
• Hal ini menunjukkan bahwa kuartil pertama
(K1) merupakan 25% dari seluruh distribusi,
K2(=Me) merupakan 50%, dan K3 merupakan
75% dari seluruh distribusi.
x

a. Dispersi absolut

3. Desil
• Data yang telah disusun menjadi suatu
distribusi kita bagi menjadi 10 bagian yang
sama (desil), maka didapat sembilan.
4. Persentil
• Data yang telah disusun menjadi suatu
distribusi kita bagi menjadi 100 bagian yang
sama (persentil), maka didapat 99 pembagi
x
Kuartil, Desil, Persentil

• Langkah-langkah menentukan Kuartil, Desil,

Persentil :
1. Urutkan data berdasarkan nilainya (kecil ke besar)
2. Tentukan posisi/letak kuartil/desil/persentil
i( n  1)
Letak Ki = data ke- , dengan i = 1, 2, 3
4
Letak Di = data ke- i (n  1)
, dengan i = 1, 2, 3, 4, 5, 6, 7, 8, 9
10

Letak Pi = data ke- i (n  1) , dengan i = 1, 2, 3, ... 99

100

3. Tentukan nilai kuartil / desil / persentil

 Kuartil

 Data tidak berkelompok (Ungrouped data)

• Contoh : sampel 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70
1. Data disusun : 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
2. Posisi kuartil
1(12  1)
Letak K1 = data ke-  datake  3 1
4 4

, yaitu antara data ke-3 dan data ke-4 seperempat jauh dari
data ke-3

3. Nilai K1
Nilai K1 = data ke-3 + ¼ (data ke-4 –
data ke-3)
= 57 + ¼(60 – 57) = 57¾
 Desil

 Data tidak berkelompok (Ungrouped data)

• Contoh : sampel 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70
1. Data disusun : 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
2. Posisi desil
7(12  1)
Letak D7 = data ke-  datake  9,1
10

, yaitu antara data ke-9 dan data ke-10 sepersepuluh jauh

dari data ke-9

3. Nilai D7

Nilai D7 = data ke-9 + (0,1) (data ke-10 – data ke-9)

= 82 + (0,1)(86 – 82) = 82,4
 Persentil

 Data tidak berkelompok (Ungrouped data)

• Contoh : sampel 75, 82, 66, 57, 64, 56, 92, 94, 86, 52, 60, 70
1. Data disusun : 52, 56, 57, 60, 64, 66, 70, 75, 82, 86, 92, 94
2. Posisi persentil
60(12  1)
Letak P60 = data ke-  datake  7,8
100

, yaitu antara data ke-7 dan data ke-8 delapan persepuluh

jauh dari data ke-7

3. Nilai P60

Nilai P60 = data ke-7 + (0,8) (data ke-8 – data ke-7)

= 70 + (0,8)(75 –70) = 74
 Kuartil

 Data berkelompok (Grouped data)

• Rumus :  in 
  F 
K  b  p 4 
i  f 
 
 
Keterangan :
• i : kuartil yang dicari (i =1, 2, 3)
• b : batas bawah kelas Ki, ialah kelas dimana Ki akan
terletak
• p : panjang kelas Ki
• n : ukuran sampel atau banyak data
• F : jumlah semua frekuensi dengan tanda kelas lebih kecil
dari tanda kelas Ki (frekuensi kumulatif)
• f : frekuensi kelas Ki

• Contoh : Nilai ujian statistik 80 mahasiawa PSKM

 Tabel 6 : Nilai ujian statistik mahasiswa PSKM Kuartil

Nilai Ujian Frekuensi (fi) xi f.xi

(x)
31 – 40 1 35,5 35,5
41 – 50 2 45,5 91,0
51 – 60 5 55,5 277,5
61 – 70 15 65,5 982,5
71 – 80 25 75,5 1887,5
81 – 90 20 85,5 1710,0
91 – 100 12 95,5 1146,0
Jumlah 80 6130,0
3(80  1)
• Posisi K3 =  60,75
4
• Nilai K3 =  in   3x80 
  F   48 
K  b  p 4   80,5  10 4   86,5
3  f   20 
   
   
 Desil
 Data berkelompok (Grouped data)
• Rumus :  in 
 F
D  b  p 10 
i  f 
 
Keterangan :  
• i : desil yang dicari (i =1, 2, 3,…9)
• b : batas bawah kelas Di, ialah kelas dimana Di akan
terletak
• p : panjang kelas Di
• n : ukuran sampel atau banyak data
• F : jumlah semua frekuensi dengan tanda kelas lebih kecil
dari tanda kelas Di (frekuensi kumulatif)
• f : frekuensi kelas Di

• Contoh : Nilai ujian statistik 80 mahasiawa PSKM

 Tabel 7 : Nilai ujian statistik mahasiswa PSKM Desil

Nilai Ujian Frekuensi (fi) xi f.xi

(x)
31 – 40 1 35,5 35,5
41 – 50 2 45,5 91,0
51 – 60 5 55,5 277,5
61 – 70 15 65,5 982,5
71 – 80 25 75,5 1887,5
81 – 90 20 85,5 1710,0
91 – 100 12 95,5 1146,0
Jumlah 80 6130,0
2(80  1)
• Posisi D2 =  16,2
10
• Nilai D2 =  in   2 x80 
 F  8
D  b  p 10   60,5  10 10   71,2
2  f   15 
   
   
 Persentil
 Data berkelompok (Grouped data)
• Rumus :  in 
 F
P  b  p 100 
i  f 
 
Keterangan :  
• i : persentil yang dicari (i =1, 2, 3,…99)
• b : batas bawah kelas Pi, ialah kelas dimana Pi akan
terletak
• p : panjang kelas Pi
• n : ukuran sampel atau banyak data
• F : jumlah semua frekuensi dengan tanda kelas lebih kecil
dari tanda kelas Pi (frekuensi kumulatif)
• f : frekuensi kelas Pi

• Contoh : Nilai ujian statistik 80 mahasiawa PSKM

 Tabel 7 : Nilai ujian statistik mahasiswa PSKM Persentil

Nilai Ujian Frekuensi (fi) xi f.xi

(x)
31 – 40 1 35,5 35,5
41 – 50 2 45,5 91,0
51 – 60 5 55,5 277,5
61 – 70 15 65,5 982,5
71 – 80 25 75,5 1887,5
81 – 90 20 85,5 1710,0
91 – 100 12 95,5 1146,0
Jumlah 80 6130,0
30(80  1)
• Posisi P30 =  24,3
100
• Nilai P30 =  in   30 x80 
 F   23 
P  b  p 100   70,5  10 100   70,9
30  f   25 
   
   
 a. Dispersi absolut
5. Deviasi rata-rata
 Data tidak berkelompok (Ungrouped data)
• Rumus : x x
i
n
• Contoh :
Tabel 8 : Berat badan penderita hipertensi
xi  x 250
Berat badan (xi) xi x
x  50
40 - 10 10 5
45 -5 5
50 0 0 SR =  x i  x 30
 6
55 5 5 n 5
60 10 10
Jumlah 30
  Data berkelompok (Grouped data)
• Rumus : f x  x f x  x
i
i i i 807,6
  10,095
n n 80
• Contoh :

Tabel 9 : Nilai statistik 80 mahasiswa PSKM

Nilai Ujian Frekuensi xi xi  x xi  x f i xi x x x
i

(x) (fi)
6130
31 – 40 1 35,5 -41,1 41,1 41,1 x  76,6
80
41 – 50 2 45,5 -31,1 31,1 62,2
51 – 60 5 55,5 -21,1 21,1 105,5
61 – 70 15 65,5 -11,1 11,1 166,5
71 – 80 25 75,5 -1,1 1,1 27,5
81 – 90 20 85,5 8,9 8,9 178,0
91 – 100 12 95,5 18,9 18,9 226,8
Jumlah 80 807,6
 a. Dispersi absolut
6. Deviasi standar (Sd) dan Varians (Sd2)
 Data tidak berkelompok (Ungrouped data)
• Rumus :
1) Populasi

2 2
x x x x
i
SD 2  i SD 
n n

2) Sampel
2 2
x x x x
i i
SD 2  SD 
n 1 n 1
 Data berkelompok (Grouped data)
• Rumus :

2
f x  x
SD 2  i i
n 1

2
f x  x
i i
SD 
n 1
 • Contoh :
Tabel 10 : Nilai statistik 80 mahasiswa PSKM
2
Nilai Ujian (x) Frekuensi (fi) xi xi  x
2
f i xi  x
xi  x
31 – 40 1 35,5 -41,1 1689,21 1689,21
41 – 50 2 45,5 -31,1 967,21 1834,42
51 – 60 5 55,5 -21,1 445,21 2226,05
61 – 70 15 65,5 -11,1 123,21 1848,15
71 – 80 25 75,5 -1,1 1,21 30,25
81 – 90 20 85,5 8,9 79,21 1584,20
91 – 100 12 95,5 18,9 357,21 4286,52
Jumlah 80 13498,80

2 2
f x  x f x  x
i i 13498,80 i i
2
SD    170,9 SD   170,9  13,07
n 1 79 n 1
 b. Dispersi relatif
Koefisien variasi (KV)
• Digunakan ut membandingkan variasi dua
variabel/kelompok pengamatan yang berlainan
jenis pengukurannya atau berlainan satuannya
SD
• Rumus : KV   100%
x

• Contoh :
Misalkan harga obat per kemasan dos besar : Rp. 4.000.000,00 ;
Rp. 4.500.000,00 ; Rp. 5.000.000,00 ; Rp. 4.750.000,00 ; Rp.
4.250.000,00
Harga pil per butir : Rp. 600,00 ; Rp. 800,00 ; Rp. 900,00 ; Rp.
550,00 ; Rp. 1.000,00
Manakah yang lebih bervariasi harganya ?
 xi SD  395.284
Data I x  4.500.000
n
SD 395.284
KVI   100%   100%  8,78%
x 4.500.000

xi
Data II x   770 SD  192
n

SD 192
KVII   100%   100%  24,93%
x 770

Karena KV II > KV I, maka harga pil per butir lebih

bervariasi harganya daripada obat per kemasan dos.
i