MANAJEMEN

ANALISIS DATA
(Lanjutan)

1
MERENCANAKAN ANA
L ISIS DATA
1. Pahami kerangka konsep penelitiannya
2. Pahami teori-teori yang mendukung kerangka konsep penelitian
3. Perhatikan definisi operasionalnya
4. Cek kuesioner yang telah diisi: kejelasannya & kelengkapan datanya
5. Entri data dengan teliti
6. Apakah ada variabel yang akan diubah dari numerik ke katagorik?
7. Apakah ada variabel yang datanya banyak kosong (missing) ?
8. Apakah ada data ekstrim (outlier/paling kecil atau paling besar)?
9. Lihat tujuan penelitian  menentukan kedalaman analisis  univariat – bivariat – sampai
multivariat?
10. Tentukan uji hipotesis yang akan dilakukan

2
 Latihan
Manajemen Data
Gunakan file: data hipertensi_latihan1

3
1. Pahami
Kerangka Konsep
Penelitian
 Kerangka konsep penelitian
Judul penelitian: faktor-faktor yang berhubungan dengan kejadian Hipertensi pada orang Dewasa di
Kec. A, Jakarta tahun 2019
Variabel
independent
Variabel
1. Umur Dependent
2. Jenis kelamin
3. Status bekerja
4. Status perkawinan
5. Pendapatan keluarga
6. Riwayat PJK
7. Riwayat hipertensi Kejadian hipertensi pada
8. Riwayat diabetes
9. Riwayat hiperkolesterol orang dewasa
10. Kualitas tidur
11. Stress
12. Pengetahuan
13. Indeks massa tubuh
14. Lingkar perut
 Usia
memengaruhi
HT
HT pd
orang
dewasa
2.
Teori Pahami konsep/teori
stress
yang terkait dengan
Teori IMT
masalah penelitian dan
Status
sosek
metodologinya

Dan lain-lain
Riwayat
penyakit
kronis

6
 PENGUASAAN
TEORI/KONSEP
1. Outcome (variabel Metodologi
dependent) dari penelitiannya:
penelitian, spt pada - Desain penelitian
contoh adalah - Definisi
hipertensi operasional
2.Faktor-faktor yang variabel
berkaitan dengan - Hipotesis
Artikel penelitian
kejadian hipertensi penelitian
terkait
- Tehnik analisis
data 7
 Analisis
Univariat

Analisis data untuk satu per satu variabel

kategorik
numerik ? ?

 Tergantung tujuan penelitian & definisi operasionalnya

8
 1.
Analisis Univariat
pada variabel yang
berjenis numerik

9
 Langkah awal:
× Identifikasi variabel numerik
× Ciri variabel numerik  datanya berupa angka-angka yang cukup “besar”
dan kita akan mengetahui gambaran dari data tersebut apakah berdistribusi
normal atau tidak, misalnya dengan melihat nilai tengah (mean, median,
modus), simpangan atau dispersi (varian, standar deviasi), estimasi (95%CI).
× Contoh variabel umur, kualitas tidur, stress, pengetahuan, IMT, lingkar perut,
tekanan darah

10
 Mengetahui nilai tengah v
ariabel numerik
× Klik Analyze  Descriptive Statistics  Frequencies muncul kotak dialog, pilih
variabel numerik dan klik tanda panah ke kanan (pilih bisa satu per satu atau beberapa)

Pindahkan variabel
numerik di kotak kiri
ke kotak kanan dgn
cara klik tanda
panahnya

11
Mengetahui nilai tengah
variabel numerik
× Klik Analyze  Descriptive Statistics  Frequencies muncul kotak dialog, pilih variabel numerik dan
klik tanda panah ke kanan  hilangkan tanda cek list pd tabel frekuensi  klik Statistics

Klik ‘statistics’

Hilangkan tanda cek list

dgn cara meng-klik (tabel
frekuensi tdk diperlukan
utk data numerik)

12
Mengetahui nilai tengah
variabel numerik
× Klik hingga muncul tanda ceklist pd mean, median, modus, std deviasi, variance, range, minimum,
maksimum, SE Mean  klik Continue  klik OK

13
Mengetahui nilai tengah
variabel numerik
× Hasil analisis akan muncul pada file output  beri nama file ini, misalnya: output_univariat_1

File output tidak dapat diedit

 untuk memudahkan
dalam penulisan hasil
analisis  copy ke word

14
Mengetahui nilai tengah
variabel numerik
× Cara copy file output ke word  bisa dilakukan satu per satu pada setiap kali analisis atau dilakukan scara keseluruhan jika
analisis telah diselesaikan secara keseluruhan
× Siapkan file word untuk menyimpan output
× Pada file output  Arahkan kursor pada bagian yg akan dicopy (misalnya tabel)  klik kanan  klik copy  selanjutnya
pindah ke file word  klik paste

Dlm file word ini,

dpt diedit sesuai
ketentuan
penulisan misal:
utk skripsi

15
Cara lain dlm analisis univariat pd
variabel numerik

Mengetahui nilai estimasi interval dari

nilai tengah variabel numerik

16
Cara “Explore”  untuk mendapatkan nilai estimasi interval (95%CI) 
lakukan analisis eksplorasi data dengan perintah ‘Explore
Klik Analyze  Descriptive Statistics  Explore

17
Isikan kotak ‘Dependent List’ dengan variabel ‘umur’,
kotak ‘Factor List’ dan ‘Label Cases By’ biarkan kosong

18
Klik tombol ‘Plots’  pilih ‘Normality Plots With Test’ 
Klik ‘Continue’  OK

19
output Dari hasil analisis ‘Explore’ terlihat
juga nilai mean, median dan modus
(mode).

Nilai estimasi interval (95%

confidence interval) dari rata-rata
umur (40,7 thn) dengan
- Nilai batas bawah: 38,77 tahun
- Nilai batas atas: 42,58 tahun

 Nilai 95% CI menggambarkan

bahwa kita percaya/yakin 95%
bahwa rata-rata umur responden di
populasi adalah sekitar antara 38,77
sampai 42,58 tahun.

20
 Uji NORMALITAS data  Untuk mengetahui
output suatu data berdistribusi normal, ada 3 cara untuk
mengetahuinya yaitu:

1. Dilihat dari grafik histogram dan kurve normal, bila

bentuknya menyerupai bel shape (lonceng), berarti
distribusi normal
2. Menggunakan nilai Skewness dan standar errornya,
bila nilai Skewness dibagi standar errornya
menghasilkan angka ≤ 2, maka distribusinya normal
 0,408/0,212 = 1,92  angka ini masih lebih kecil
dari 2.
3. Pada tabel “Test of Normality”, lihat pada kolom Uji
kolmogorov smirnov, bila hasil uji signifkan (p value <
0,05) maka distribusi normal (INGAT!!: Uji
kolmogorov sangat sensitif dengan jumlah sampel,
maksudnya : untuk jumlah sampel yang besar uji
kolmogorov cenderung menghasilkan uji yang
signifikan (yang artinya bentuk distribusinya normal)
 shg dianjurkan untuk mengetahui kenormalan data
lebih baik menggunakan angka skewness atau melihat
grafik histogram dan kurve normal
21
Untuk melihat grafik histogram dan
kurve normal:
Klik Analyze  Descriptive
Statistics  Frequencies pilih
variabel umur  Charts
Histogram show normal curve on
histogram  continue  OK

22
 Penyajian hasil analisis data
CONTOH: ANALISIS UNIVARIAT – variabel numerik
Tabel 1
Tabel Distribusi Umur Responden di Kec A, Jakarta Timur Tahun 2019
Variabel Mean Median SD Minimal-maksimal 95%CI
Umur 40,7 41 10,99 22 - 74 38,8 – 42,6
           

Pada tabel 1 menunjukkan bahwa rata-rata umur responden adalah 40,7 tahun (95% CI: 38,8 – 42,6),
dengan standar deviasi 10,99 tahun. Umur termuda 22 tahun dan umur tertua 74 tahun. Dari hasil estimasi
interval dapat disimpulkan bahwa 95% diyakini bahwa rata-rata umur responden adalah diantara 38,8
sampai dengan 42,6 tahun.

Latihan: lakukan analisis dan tuliskan penyajian hasil untuk variabel numerik (univariat)
pada variabel2 numerik yang lain
 2.
Analisis Univariat
pada variabel yang
berjenis katagorik

24
Analisis data untuk satu p
er satu variabel (Univari
pada variabel KATAGOR at)
IK
LANGKAH AWAL: Contoh variabel katagorik:
× Identifikasi variabel katagorik  Jenis kelamin
 Status bekerja
× Ciri variabel katagorik  datanya
berupa angka-angka yang “kecil”  Status perkawinan
seperti: 0,1,2,3,4,5 angka tersebut  Pendapatan keluarga
bukan merupakan angka yang  Riwayat PJK
sebernarnya, hanya menunjukkan
 Riwayat hipertensi
kode untuk setiap katagorinya 
tidak perlu dilakukan uji normalitas  Riwayat diabetes
data.  Riwayat hiperkolesterol

25
INGAT: pada variabel kat
PERHATIKAN KODE AN
agorik 
GKA nya
 SPSS akan menampilkan output sesuai urutan angka dari
�
yang terkecil sampai terbesar secara berurut  menentukan kode

�
angka harus sesuai dengan definisi operasional (sebaiknya: kode
angka terkecil diberikan untuk hal yang merupakan interest dari
penelitian  apakah interest pada masalah (misalnya:
gangguan/penyakit) atau pada hal2 yang positif misalnya
kesembuhan/perbaikan perilaku) dsb. ( kode angka harus
konsisten pada semua variabel katagorik)

26
Contoh: analisis univariat pada
variabel jenis kelamin

Klik “Analyze’  ‘Descriptive Statistic’  pilih ‘Frequencies’,

27
Sorot variabel jenis kelamin’  Klik tanda panah dan masukkan ke kotak “Variable (s)”
Klik “Chart” jika ingin menampilkan grafik (tergantung kebutuhan) (kotak statistics tidak perlu di-klik)
Klik OK

28
Output

• Kolom ‘Frequency’ menunjukkan jumlah responden pada setiap katagori.

• Pada contoh ini total responden 130 orang dan tidak ada (nol) data missing
• Dari jumlah tersebut 48 responden laki-laki, proporsi dapat dilihat pada kolom ‘Percent’, yaitu
36,9% responden laki-laki. Kolom ‘Valid Percent’ memberi hasil yang sama karena pada data ini
tidak ada ’missing cases’. ‘Cumulative Percent’ menjelaskan tentang persent kumulatif setiap
katagori
• Untuk menjelaskan (interpretasi) tabel katagorik paerhatikan variasi nilai (atau %) dan
konsentrasi (dominasi) datanya.
29
 Penyajian hasil analisis data
CONTOH: ANALISIS UNIVARIAT – variabel katagorik
Tabel 2
Tabel Distribusi Frekuensi responden berdasarkan jenis kelamin di Kec A, Jakarta TimurTahun 2019

Jenis Kelamin Frekuensi (n) Persentase (%)

Laki-laki 48 36,9
Perempuan 82 63,1
Jumlah 130 100

Berdasarkan tabel tersebut menunjukkan bahwa sebagian besar responden berjenis kelamin
perempuan yaitu 63,1% (82 orang).

Latihan: lakukan analisis dan tuliskan penyajian hasil untuk variabel katagorik (univariat) pada
variabel2 katagorik yang lain