BAHAN KULIAH PPDS

Eddy Roflin
IKM-IKK Fakultas Kedokteran Universitas Sriwijaya
022 02 -2016
MANAGEMAN DATA
INPUT DATA
Input data lebih mudah dilakukan menggunakan Excel karena
dianggap lebih mudah dan lebih banyak orang yang bisa
mengoperasikan Excel.
Peneliti dapat meminta bantuan orang lain untuk melakukan input data
dari kuesioner ke komputer menggunakan Excel.
Sebelum melakukan input data, Peneliti perlu melakukan langkahlangkah berikut.
Memeriksa jawaban responden yang dituliskan pada kuesioner,
apakah jawaban responden telah lengkap dan benar.
Memberikan nomor urut pada kuesioner yang telah terisi secara
lengkap dan benar. Nomor urut kuesioner penting diberikan
sebagai identitas responden.
Kuesioner yang cacad, tidak terisi secara lengkap, dan
membingungkan dapat diabaikan apabila jumlahnya tidak banyak,
sementara jumlah kuesioner yang baik jumlahnya sudah
mencukupi.
Input data tidak harus dilakukan berdasarkan nomor urut kuesioner,
karena Excel dapat melakukan sorting (proses pengurutan)
berdasarkan nomor urut setelah semua data diinput.

SPSS memiliki fasilitas untuk membukan data yang diinput

menggunakan Excel. Hal ini sangat berguna ketika data yang akan
dibuka sangat besar (ratusan atau bahkan ribuan cases) yang tentunya
sangat tidak efisien jika harus diinput langsung di dalam SPSS Data
Editor.
Hasil input data menggunakan Excel adalah sebagai berikut.

Keterangan

Berikut diberikan contah cara mengimport data dari Excel ke dalam

SPSS Data Editor.
Buka Program SPSS
* File, open, data
* Pilih file excel yang akan dibuka

Perhatikan window Format Data Editor.

Kolom Label dan Value masih berum terisi. Untuk mengisi kolom ini
dapat dilakukan langsung atau melalui Syntax Window. Dalam hal ini
akan dilakukan pengisian kolom Variable dan Value melalui Syntax
Window sebagai berikut.
Mengisi kolom Variable dan Value Label menggunakan
Syntax.
Buka Syntax Window
File, New, Syntax

Perintah untuk mengisi kolom variable label dan value label (dan
perintah untuk lainnya) bisa ditulis di Microsoft Word kemudian
dikopi ke Syntax Window atau langsung ditulis di Syntax Window.
Kolom Variable Label dapat diisi sampai 60 karakter. SPSS
menggunakan label ini untuk membuat keluarannya lebih berarti
daripada bila hanya menggunakan nama variabel yang dibatasi
hanya 8 karakter.
Kolom Value Label dapat diisi sampai 60 karakter.
*Perintah mengisi kolom Variable Label.
Variable Label
V1 V1 = ID Responden
/V2 V2 = Jenis Kelamin
/V3 V3 = Tingkat Pendidikan
/V4 V4 = Umur
/V5 V5 = Berat Badan
/V6 V6 = Tinggi Badan
/V7 V7 = Sistolik
/V8 V8 = Diastolik
/V9 V9 = Total Kolesterol
/V10 V10 = Trigliserid Kolesterol
/V11 V11 = HDL Kolesterol
/V12 V12 = LDL Kolesterol
/V13 V13 = Gula Darah Sewaktu
/V14 V14 = Genetik PJK
5

/V15 V15 = Hemotokrit

/V16 V16 = PJK.
*Perintah mengisi kolom Value Label.
Value Label
V2
0Wanita
1Pria
/V3
1SD
2SLTP
3SLTA
4S1
5S2
6S3
/V14
0Nagtif
1Positif
/V16
0Negatif
1Positif.

Membuat struktur data analisis.

Langkah selanjutnya setelah selesai menginput data adalah menusun
rancangan data untuk keperluan analisis.

*Recode into Different Variables V3.

Compute V3a = V3.

Variable label V3a V3a = Tingkat Pendidikan.
Recode V3a
(1 2 3 = 0)
(4 5 6 = 1).
Value label V3a
0 P. Dasmen
1 P. Tinggi.
Freq Var V3a.
*Recode into Different Variables V4.

Compute V4a = V4.

Variable label V4a V4a = Katagori Kelompok Umur.
Recode V4a
(21 thru 30 = 1)
(31 thru 40 = 2)
(41 thru 50 = 3)
(51 thru 60 = 4)
(61 thru 70 = 5)
(71 thru 80 = 6).
Value label V4a
121-30 th
231-40 th
341-50 th
451-60 th
561-70 th
671-80 th.
Freq var V4a.
*Menghitung IMT.

*Rumus

IMT=

Berat Badan( Kg)

2
( Tinggi Badan(m) ) .

Compute IMT = V5/(V6/100)**2.

Variable label IMT IMT = Indeks Massa Tubuh.
*Recode into Different Variables IMT.

Compute IMT1 = IMT.

Variable Label IMT1 IMT1 = Katagori IMT.
Recode IMT1
(lo thru 18.49 = 1)
(18.50 thru 22.99 = 2)
(23.00 thru 24.99 = 3)
(25.00 thru 29.99 = 4)
(30.00 thru hi = 5).
Value label IMT1
1 BB Kurang
2 BB Normal
3 Berisiko Obesitas
4 Obesitas Tk.1
5 Obesitas Tk.2.
Freq var IMT1.
*Recode into Different Variables V7.

Compute V7a = V7.

Variable label V7a V7a = Katagori Tekanan Darah Sistolik.
Recode V7a
(lo thru 119 = 1)
(120 thru 139 = 2)
(140 thru 159 = 3)
(160 thru hi = 4).
Value label V7a
1 Normal
2 Berisiko Hipertensi
3 Hipertensi Tk.1
4 Hipertensi Tk.2.
Freq var V7a.
*Recode into Different Variables V8.

Compute V8a = V8.

Variable label V8a V8a = Katagori Tekanan Darah Diastolik.
Recode V8a
(lo thru 79 = 1)
(80 thru 89 = 2)

10

(90 thru 99 = 3)
(100 thru hi = 4).
Value label V8a
1 Normal
2 Berisiko Hipertensi
3 Hipertensi Tk.1
4 Hipertensi Tk.2.
Freq var V8a.
*Membuat Variabel Baru Tekanan Darah (TD).

Compute TD = 0.
If (V7a = 1 and V8a = 1) TD = 1.
If (V7a = 2 or V8a = 2) TD = 2.
If (V7a = 3 or V8a = 3) TD = 3.
If (V7a = 4 or V8a = 4) TD = 4.
Variable Label TD TD = Katagori Tekanan Darah.
Value Label TD
1 Normal
2 Berisiko Hipertensi
3 Hipertensi Tk.1
4 Hipertensi Tk.2.
Freq var TD.
*Recode into Different Variables V9.

Compute V9a = V9.

Variable label V9a V9a = Katagori Total Kolesterol.
Recode V9a
(lo thru 199 = 1)
(200 thru 239 = 2)
(240 thru hi = 3).
Value Label V9a
1 Normal
2 Agak Tinggi
3 Tinggi.
Freq Var V9a.
*Recode into Different Variables V10.

Compute V10a = V10.

11

Variable label V10a V10a = Katagori Trigliserid Kolesterol.

Recode V10a
(lo thru 149 = 1)
(150 thru 199 = 2)
(200 thru 499 = 3)
(500 thru Hi = 4).
Value Label V10a
1 Normal
2 Agak Tinggi
3 Tinggi
4 Sangat Tinggi.
Freq var V10a.
*Recode into Different Variables V11.

Compute V11a = V11.

Variable label V11a V11a = Katagori HDL Kolesterol.
Recode V11a
(lo thru 39 = 0)
(40 thru hi = 1).
Value label V11a
0 Rendah
1 Normal.
Freq var V11a.
*Recode into Different Variables V12.

Compute V12a = V12.

Variable label V12a V12a = Katagori LDL Kolesterol.
Recode V12a
(lo thru 99 = 1)
(100 thru 129 = 2)
(130 thru 159 = 3)
(160 thru hi = 4).
Value label V12a
1 Normal
2 Agak Tinggi
3 Tinggi
4 Sangat Tinggi.

12

Freq var v12a.

*Count LIPID: Trigliserid, HDL, LDL, Total Kolesterol Normal.

Count L1 = V9a V10a V11a V12a (1).

Variable Label L1 Profil Lipid.
Value Label L1
0 tdk ada yg normal
1 1 normal
2 2 normal
3 3 normal
4 semua normal.
Freq var L1.
Compute LIPID =L1.
Variable Label LIPID LIPID = Profil Lipid.
Recode LIPID
(0 1 2 3 = 0)
(4 = 1).
Value Label LIPID
0 Tidak Normal
1 Normal.
Freq var LIPID.
*Recode into Different Variables V13.

Compute V13a = V13.

Variable label V13a V13a = Katagori Kadar Gula Sewaktu.
Recode V13a
(lo thru 99 = 1)
(100 thru 199 = 2)
(200 thru hi = 3).
Value label V13a
1 Normal
2 Gangguan Toleransi Gula
3 Diabetes Melitus.
Freq var V13a.

13

ANALISIS DESKRIPTIF
Satu Variabel Katagorik
1. Frekuensi menurut tingkat pendidikan

14

2. Frekuensi menurut Kelompok Umur dan Kejadian PJK

Catatan
Perhatikan penempatan variabel di kolom dan di baris
Dependen Variabel di Kolom
Independen Variabel di Baris

15

Satu Variabel Numerik

3. Report Olap Cubes
Report Olap Cubes digunakan untuk mengetahui ukuran statistik
variabel berskala interval/rasio.
Sebagai contoh disajikan ukuran statistik meliputi Rata-rata,
Minimum, Maksimum, Simpangan Baku, dan Simpangan Baku RataRata variabel V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V15 BY V2.

16

OLAP CUBES V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V15 BY V2

/CELLS=MEAN MIN MAX STDDEV SEMEAN
/TITLE='OLAP Cubes'.

17

4. Report Case Summaries

Report-Case Summary digunakan untuk mengetahui ukuran statistik
variabel berskala interval/rasio.
Sebagai contoh disajikan ukuran statistik meliputi Rata-rata,
Minimum, Maksimum, Simpangan Baku, dan Simpangan Baku RataRata variabel V9 V10 V11 V12 BY V16.
SUMMARIZE
/TABLES=V9 V10 V11 V12 BY V16
/FORMAT=NOLIST TOTAL
/TITLE='Case Summaries'
/MISSING=VARIABLE
/CELLS=MEAN MIN MAX STDDEV SEMEAN.

18

5. Report Summaries in Raws

19

Report Summary in Raw digunakan untuk mengetahui ukuran

statistik variabel berskala interval/rasio.
Sebagai contoh disajikan ukuran statistik meliputi Rata-rata,
Minimum, Maksimum, dan Simpangan Baku variabel V9 V10 V11
V12 BY V16.
Report
/FORMAT=CHWRAP(ON) PREVIEW(OFF) CHALIGN(BOTTOM) UNDERSCORE(ON)
ONEBREAKCOLUMN(OFF) CHDSPACE(1) SUMSPACE(0)
AUTOMATIC NOLIST BRKSPACE(1) PAGE(1) MISSING'.' LENGTH
(1, 59) ALIGN(LEFT) TSPACE(1) FTSPACE(1) MARGINS(1,62)
/TITLE=RIGHT 'Page )PAGE'
/VARIABLES V9 (VALUES) (RIGHT) (OFFSET(0)) (11)
V10 (VALUES) (RIGHT) (OFFSET(0)) (11)
V11 (VALUES) (RIGHT) (OFFSET(0)) (11)
V12 (VALUES) (RIGHT) (OFFSET(0)) (11)
/BREAK V16 (LABELS) (LEFT) (OFFSET(0)) (9) (SKIP(1))
/SUMMARY MEAN(V9) SKIP(0) MEAN(V10) MEAN(V11) MEAN(V12) 'Mean'
/SUMMARY MIN(V9) MIN(V10) MIN(V11) MIN(V12) 'Minimum'
/SUMMARY MAX(V9) MAX(V10) MAX(V11) MAX(V12) 'Maximum'
/SUMMARY STDDEV(V9) STDDEV(V10) STDDEV(V11) STDDEV(V12) 'StdDev'.

20

6. Report Summaries in Columns

Report-Summary in Column digunakan untuk mengetahui ukuran
statistik variabel berskala interval/rasio.
Sebagai contoh disajikan ukuran statistik meliputi Rata-rata,
Minimum, Maksimum, Simpangan Baku, dan Simpangan Baku RataRata variabel V9 V10 V11 V12 BY V16.

21

22

7. Descriptive Statistics Frequensies

23

8. Descriptive Statistics, Descriptives

24

9. Descriptive Statistics, Explore

25

EXAMINE VARIABLES=V9
/PLOT BOXPLOT STEMLEAF HISTOGRAM NPPLOT
/COMPARE GROUP
/MESTIMATORS HUBER(1.339) ANDREW(1.34) HAMPEL(1.7,3.4,8.5) TUKEY
(4.685)
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

26

27

28

10. Statistik Data Tidak Dikelompokkan dan

Dikelompokkan
Ukuran statistik yang dihitung dari data yang telah dikelompokkan
dalam tabel distribusi frekuensi hasilnya sedikit berbeda dengan
ukuran statistik yang dihitung dari data yang belum dikelompokkan
dalam tabel distribusi frekuensi.

29

Ukuran statistik yang dihitung dari data yang telah dikelompokkan

dalam tabel distribusi frekuensi murupakan hasil pendekatan dari
ukuran statistik yang dihitung dari data yang belum dikelompokkan
dalam tabel distribusi frekuensi.
Menghitung ukuran statistik dari data yang telah dikelompokkan
dalam tabel distribusi frekuensi mengandung risiko kesalahan akibat
pengelompokkan data (grouping error).
Berikut diberikan contoh perhitungan ukuran statistik yang dihitung
dari data yang belum dikelompokkan dalam tabel distribusi frekuensi
dan ukuran statistik yang dihitung dari data yang telah dikelompokkan
dalam tabel distribusi frekuensi.

Belum Dikelompokkan
Statistik Umur yang dihitung dari data yang belum dikelompokkan
dalam tabel distribusi frekuensi

Dikelompokkan: Aturan STURGESS

30

Statistik Umur yang dihitung dari data yang telah dikelompokkan

dalam tabel distribusi frekuensi menurut aturan Sturgess.
Membuat tabel distribusi frekuensi Umur menurut aturan Sturgess
adalah sebagai berikut.
Banyak Kelas

= 1 + 3.33 Log (n)

= 1 + 3,33 Log (250)
= 8.913202

Banyak Kelas

= Range / Banyak Kelas

= (80-22)/8.913202 = 6.507201 7

*Recode into Different Variables V4.

Compute V4b = V4.
Variable label V4b V4b = Katagori Umur.
Recode V4b
(22 thru 27 = 24.5)
(28 thru 33 = 30.5)
(34 thru 39 = 36.5)
(40 thru 45 = 42.5)
(46 thru 51 = 48.5)
(52 thru 57 = 54.5)
(58 thru 63 = 60.5)
(64 thru 69 = 66.5)
(70 thru 75 = 72.5)
(76 thru 81 = 78.5).
Value label V4b
24.5 22 27 Th
30.5 28 33 Th
36.5 34 39 Th
42.5 40 45 Th
48.5 46 51 Th
54.5 52 57 Th
60.5 58 63 Th
66.5 64 69 Th
72.5 70 75 Th
78.5 76 81 Th.
Freq Var V4b.
31

Dikelompokkan : Tidak mengikuti aturan STURGESS

Statistik Umur yang dihitung dari data yang telah dikelompokkan
dalam tabel distribusi frekuensi tidak mengikuti aturan Sturgess.
*Recode into Different Variables V4.
Compute V4c = V4.
Variable label V4c V4c = Katagori Umur.
Recode V4c
(21 thru 30 = 25.5)
(31 thru 40 = 35.5)

32

(41 thru 50 = 45.5)

(51 thru 60 = 55.5)
(61thru 70 = 65.5)
(71 thru 80 = 75.5).
Value label V4c
25.5 21 30 Th
35.5 31 40 Th
45.5 41 50 Th
55.5 51 60 Th
65.5 61 70 Th
75.5 71 80 Th.
Freq Var V4c.

33

Dikelompokkan : Tidak mengikuti aturan STURGESS

Statistik Umur yang dihitung dari data yang telah dikelompokkan
dalam tabel distribusi frekuensi tidak mengikuti aturan Sturgess
dengan panjang kelas yang lain.
*Recode into Different Variables V4.
Compute V4d = V4.
Variable label V4d V4d = Katagori Umur.
Recode V4d
(21 thru 40 = 30.5)
(34 thru 60 = 50.5)
(61 thru 80 = 70.5).
Value label V4d
30.5 21 40 Th
50.5 41 60 Th
70.5 61 80 Th.
Freq Var V4d.

34

Keterangan
V4 = dihitung dari data yang belum dikelompokkan dalam tabel
distribusi frekuensi
V4a = dihitung dari tabel distribusi frekuensi menurut aturan
Sturgess
V4c dan V4d = dihitung dari tabel distribusi yang tidak mengikuti
aturan Sturges tetapi dengan panjang kelas interval yang berbeda
Perhatikan beberapa tabel di atas!
Ukuran statistik dapat dihitung dengan bebera cara.
Pada contoh di atas ukuran statistik dihitung menggunakan Statistics
Descriptive-Explore dan Report-Case Summary
Tabel Case Summary memperlihatkan ukuran statistik (rata-rata,
simpangan baku, dan simpangan baku ata-rata) yang berbeda

Dua Variabel Katagorik dan Satu Variabel Numerik

11. Analyze, Tables
Analyze table digunakan untuk mengetahui ukuran statistik dari
variabel numerik berdasarkan dua variabel katagorik

35

Sebagai contoh, disajikan rata-rata total kolesterol berdasarkan

katagori umur dan kejadian PJK.

36

37