Indah Sri Wahyuni, SST, SKM, MKM

Prodi Diploma III Kebidanan

Politeknik Karya Husada Jakarta
Apa itu analisis ?
= memberi makna data, memberi arti data

Hasil analisis  Kesimpulan = INFORMASI

 Informasi sudah mempunyai arti/makna

 Beda informasi dng data?: Data belum

mempunyai arti/makna, sedangkan informasi
sudah mempunyai makna
 Tujuan Analisis data

• Memperoleh gambaran/ deskripsi masing-masing
variabel
• Membandingkan dan menguji teori/atau konsep
dengan informasi yang ditemukan
• Menemukan adanya konsep baru dari data yang
dikumpulkan
• Mencari penjelasan apakah konsep baru yang diuji
berlku umum atau hanya berlaku ada kondisi
tertentu
 Contoh informasi ‘ 1


 Hasil analisis data melaporkan bahwa rata-rata berat
bayi di bogor 2100 gram

 Apa kesimpulan/informasinya?
………………………………………………..
………………………………………………..
 Contoh informasi ‘ 2


 Hasil analisis data melaporkan bahwa rata-rata
umur kawin pertama wanita di Pekanbaru adalah 18
tahun.

 Apa kesimpulan/informasinya?
………………………………………………..
………………………………………………..
 Analisis akan
maksimal
 :
- Menguasai statistik
- Menguasai substansi
- Menguasai paket program
statistik komputer
 KEDALAMAN
ANALISIS

JENIS PENELITIAN
:Kuantitatif --- Kualitatif
JENIS SAMPEL YANG DIBANDINGKAN
Independen --- Dependen
JENIS VARIABEL
Katagorik --- Numerik
JENIS KENORMALAN DATA
Distribusi Normal ---- Dist. Tidak Normal
ANALISIS DATA
ANALISA UNIVARIAT
 Mean, Median, Sd, Min-Max, 95 % CI
 Proporsi/persentase

Tujuan:
1. Deskripsi setiap variabel diteliti
2. Diagnosis asumsi statistik lanjut
3. Deteksi nilai ekstrim/outlier

ANALISIS BIVARIAT:
1. Diagnosis data
2. Uji Hipotesisi 2 var

ANALISIS MULTIVARIAT:
1. Pemodelan Kuantitatif
 ANALISIS UNIVARIAT

: deskripsi setiap variabel yg
diteliti

METODE :
Menyajikan Ukuran Tengah
Menyajikan Ukuran Variasi
 Ukuran tengah : Var Numerik
: Mean, Median , Modus
Mean kadar Hb:
(10+11+12+13+14)
-------------------------- = 12 mg/dl
5
Hb=10 Hb=11 Hb=12
Median =12 mg/dl
Modus : tidak ada

Hb=13 Hb=14

Kelemahan nilai mean : terpengaruh data ekstrim

Keuntungan nilai median : tidak terpengaruh adanya data ekstrim
 Ukuran Variasi: Numerik

: Standar Deviasi
Lebak
 Cianjur

Hb=12 Hb=12
Hb=12
Hb=10 Hb=11 Hb=12

Hb=12 Hb=12
Hb=13 Hb=14

Rata-rata Hb = 12 mg/dl Rata-rata Hb = 12 mg/dl

 Ukuran Tengah : Katagorik
: Proporsi /persentase
 Proporsi bumil
dengan K4:

6/10 = 0,6 = 60%

= Bumil tanpa K4
= Bumil dengan K4

Ukuran variasi : Katagorik :

Bentuknya sama dng ukuran tengah : Proporsi/persentase
 ESTIMASI
 Perkiraan kondisi/karakteristik populasi


melalui data sampel (data hasil survei)

Mis: hasil survei sampel 150 bayi di Depok

didapatkan rata-rata berat badan bayi 2100 g

Untuk seluruh Depok berapa rata-rata nya ? ->

estimasi

Misal hasil Estimasi Interval didapatkan hasil : 95 % CI

(2000 ; 2300)
Berarti Gambaran kondisi bayi di Depok, sbb:

95 % dipercaya bahwa rata-rata berat badan bayi di wilayah

Depok adalah berada diantara 2000 g s/d 2300 g
 

PENYAJIAN DATA
 Bentuk Penyajian

- Tabel atau Grafik
- Tidak boleh double penyajian
- Kurang tepat penyajian output komputer
- Beberapa angka yg penting dari output komputer 
tabel/grafik
 Tabel
Data Kategorik

Tabel 5.1

Distribusi Pasien Menurut Tingkat Pendidikan di Puskesmas X, 2004

Pendidikan Jumlah Persentase

SD 40 40,0
SMP 30 30,0
SMU 20 20,0
PT 10 10,0

Jumlah 100 100

 Data Numerik

Tabel 5.2
Variabel Mean
Distribusi Umur dan SD pasienMinimal-maksimal
lama dirawat Rumah Sakit X tahun
Median Y
1. Umur 30.3 10.1 17 – 60
31.1

2. Lama hari 10.1 8.9 2 – 60

dirawat 7.0
 GRAFIK
Lingkaran (PIE)


Distribusi Pendidikan Penduduk
Jakarta Utara

26%
14% 9,6%
Tidak sekolah
50,4% Sekolah Dasar
Tamat SLTP
Tamat SLTA+
 Grafik Batang (Bar)

Cakupan Pemeriksaan Kehamilan

di Kabupaten Cianjur 1995
90
80
70
60
50
40
30
20
10
0
Pernah periksa Periksa > 4 kali Periksa > 4 kali Periksa > 4 kali
+ sesuai 5 T + sesuai 5 T
+ pil Fe > 90
 Pareto Chart
140  100

Persen
90
120
80
100 70

80 60
50
60
40
Jumlah kasus

40 30
40
36 20
20 25
18 10
0 10 10 0

Penyebab kematian
 Diagram Garis (Line)
Jumlah Kasus DBD Menurut Bulan di RS

50

40
J u m la h k a s u s

30

20 Kasus DBD

Batas atas = 33.9

10
Rata-rata = 20.4

0 Batas bawah = 6.9

Sigma level: 3
 Grafik: Histogram

Distribusi Umur Ibu, Survei Cepat KIA
Cianjur, 1995

40
35
30
25
Persen

20
15
10
5
0
15-19 20-24 25-29 30-34 35-39 40-44 45-49
Umur (tahun)
Contoh salah dlm penyajian di
laporan

Tabel 2. Distribusi Pendidikan Responden
Survei Cepat Kesehatan Ibu,
Kabupaten Tangerang, 1996

Pendidikan | Freq Percent Cum. Jangan langsung

----------------+-----------------------
Tidak sekolah
Tidak tamat SD |
| 42
98
14.1%
32.9%
14.1%
47.0%
menggunakan
Tamat SD
Tamat SLTP
|
|
87
37
29.2%
12.4%
76.2%
88.6% hasil keluaran
Tamat SLTA | 33 11.1% 99.7%
Akademi/PT | 1 0.3% 100.0%
----------------+-----------------------
komputer
untuk tabel
Total | 298 100.0%

Tabel 3. Distribusi Pekerjaan Responden

pada laporan
Survei Cepat Kesehatan Ibu,
Kabupaten Tangerang, 1996

Pekerjaan | Freq Percent Cum.

----------------+-----------------------
Bekerja | 274 91.9% 91.9%
Tidak bekerja | 25 0.4% 100.0%
----------------+-----------------------
Total | 298 100.0%
 
ANALISIS DATA
DENGAN
SPSS
 Analisis Deskriptif (Univariat)


Analisis utk var katagorik

1. Dari menu SPSS Pilih ‘ Analyze’ kemudian ‘ Descriptive statistic’ dan

pilih ‘frequencies’
2. Sorot variabel ‘didik’ klik tanda panah dan masukkan ke kotak
“variabel(s)”
3. Klik ‘OK”
 Output spss


Note : ingat ouput spss tdk dapat langsung dilaporkan, harus dibuat tabel
Penyajian dan interpretasi


 Proses utk variabel numerik

Pada SPSS untuk mengeluarkan analisis deskriptive
yaitu dapat melalui perintah ‘Frequencies’ atau
perintah ‘ explore’. Biasanya yang digunakan adalah
frequencies oleh karena ukuran tengah statistik
yang dihasilkan pada menu frequencies sangat
lengkap ( mean, median, varian, dll) selain itu juga
dapat ditampilkan grafik histogram dan kurve
normalnya
Mis ; akan dianalisis umur ibu
1. aktifkan data
2. Pilih ‘ analize’

3. Pilih ‘ descriptive statistic’
4. Pilih ‘frequencies’
5. Sorot variabel yang akan dianalisis, sorot umur, klik
tanda panah sehingga umur masuk ke kotak variable
6. Klik tombol option ‘ statistic…, pilih ukuran yang anda
minta misalnya mean, median, std. variasi, minimum,
maximum, SE

7. Klik ‘ continou’
8. Klik tombol option ‘ chart’ lalu muncul menu baru dan
klik ‘ histogram’ lalu klik ‘ with normal curve’
9. Klik ‘ continou’
10. Klik ‘ok’

 Output spss
Nilai statistik deskriptif yg dimunculkan


 Perintah Explore
Explore berguna utk mengeluarkan CI (estimasi interval)
Caranya :

1. Dari menu SPSS pilih menu ‘analyze’ kemudian pilih
sub menu ‘descriptive statistic’, lalu pilih ‘explore’
2. Isikan kotak ‘ dependen list’ dengan variabel umur,
kotak ‘factor list’ dan ‘label cases by’ biarkan kosong
3. Klik tombol ‘ plot’ dan pilih normality plots with test’
4. Klik ‘ continou’
5. Klik ‘OK’

Output explore : ci, uji kolmogorov, skewnes


 Dari hasil analisis ‘ explore’ terlihat juga nilai mean, media
dan mode, namun paling penting dari tampilan explore
munculnya angka estimasi interval. Dari hasil tersebut kita

dapat melakukan estimasi interval dari umur ibu. Kita
dapat menghitung 95 % confidence interval umur 23.72
s/d 26.48
 Jadi kita 95 % yakin bahwa rata2 umur ibu di populasi
berada pada selang 23.72 sampai 26.48 tahun
Kenormalan Data


 Untuk variabel diatas, dilihat dari histogram dan kurve


normal terlihat bentuk yang norml, selain itu hasil
perbandingan skewness dan standar error didapatkan :
0.547/ 0.337 = 1.62, hasilnya masih dibawah 2, berarti
distribusi normal. Dari hasil tersebut diatas dengan
demkian variabel umur disimpulkan berdistribusi
normal.
Penyajian dan interpretasi


 
TeRiMa KaSiH
…….