Vous êtes sur la page 1sur 25

ANALISIS DATA

STATISTIK

oleh
Farit
POKOK BAHASAN

1. pengukuran
2. skala pengukuran
3. analisis univariat
4. analisis bivariat
5. analisis multivariat
6. tabel analisis data statistik
PENGUKURAN

 Pengukuran adalah penunjunkan angka-2 pada suatu


variable
 Pengukuran membutuhkan alat ukur/ instrumen yang
standar, baik alat maupun kuesioner
 Pengukuran adalah mendapatkan dimensi kuantitas
suatu objek, misalnya berat badan, jumlah pasien
Syarat pengukuran

isomorfisme, yaitu ukuran harus sedekat mungkin


dengan benda/ kejadian yang diukur (terkadang
yang dapat diukur hanya indikatornya, berkeringat).

exhaustive, yaitu pengukuran harus meliputi


seluruh kemungkinan yang ada

mutually exlusive, yaitu pengukuran tidak boleh


tumpang tindih
Skala pengukuran

Hasil suatu pengukuran untuk analisis data dapat


dibagi dalam 4 skala :

 skala nominal
 skala ordinal
 skala interval
 skala rasio
Skala nominal

 merupakan tingkat pengukuran yg paling sederhana


untuk klasifikasi data
 tidak ada asumsi jarak atau urutan antara angka-2
 dasar penggolonganya mutualy exclusive & exhautive
 kode atau angka tak menunjukan rendah ke tinggi
atau sebaliknya

Misalnya
 variabel jenis kelamin : 1= pria dan 2 = wanita
 warna, partai, lokasi, dsb
Skala ordinal

 merupakan tingkat pengukuran yang mempunyai


urutan dari rendah ke tinggi
 kode atau angka sekedar menunjukan urutan
bukan nilai

misalnya
 variable sikap : 3 = “setuju”, 2 = “ragu-ragu/ tidak
berpendapat, dan 1= “tidak setuju”
 pendidikan (SD, SLTP, SLTA, perguruan tinggi)
Skala interval

 memberikan informasi tentang interval antara satu


kode/ angka dengan yang lain
 merupakan tingkat pengukuran urutan dari rendah ke
tinggi

misalnya
 variable nilai ujian : A = 86-99, B = 76-85, C = 66-75
D = 56-65
Skala ratio

 merupakan tingkat pengukuran urutan dari rendah ke


tinggi
 memberikan informasi tentang nilai sebenarnya
responden/ objek yang diukur
 menggambarkan interval antara kode/angka dgn nilai 0

Misalnya
 variable nilai ujian dari 0 - 100
Hubungan antara skala pengukuran

KRITERIA NOMINAL ORDINAL INTERVAL RASIO


ASUMSI URUTAN - + + +
ASUMSI JARAK - - + +
TITIK 0 ABSOLUT - - - +

Skala yg lebih tinggi dapat diubah menjadi skala yg lebih


rendah, dan tidak sebaliknya.
Konsep

 Uji statistik dilakukan untuk menentukan apakah


perbedaan/hubungan yang terlihat pada sampel
benar-benar ada atau kebetulan ada akibat
pengambilan sampel saja

 Hasil uji statistik berupa: “probabilitas peneliti


memperoleh hasil seperti pada sampel atau lebih
ekstrim jika hipotesis nol benar”
Konsep

 Probabilitas hasil penelitian sejalan dengan


hipotesis nol”
 Jika p besar maka H0 diterima, jika p kecil H0
ditolak
 Besar kecilnya probabilitas ditentukan oleh a, -
probabilitas peneliti untuk menolak H0 jika di
populasi H0 benar
Konsep

 Jika peneliti menolak H0:


 Dapat terjadi kesalahan tipe 1 (a), peneliti salah
mengambil kesimpulan karena sebenarnya di
populasi hipotesis nol benar (tidak ada hubungan)
 Jika peneliti menerima H0:
 Dapat terjadi kesalahan tipe 2 (b), peneliti salah
mengambil kesimpulan karena di populasi hipotesis
nol salah (ada hubungan)
 Signifikan statistik TIDAK SAMA dengan signifikan
substansi karena perbedaan yg kecil dapat signifikan
secara statistik karena penggunaan sampel yg besar
Perlu diperhatikan dalam analisis data

 Membandingkan dan melakukan tes teori atau


konsep dengan informasi yang ditemukan

 Mencari dan menemukan adanya konsep baru


dari data yang dikumpulkan

 Mencari penjelasan apakah konsep baru ini


berlaku umum, atau baru terjadi bila ada
prakondisi tertentu
Urutan analisis data

 Analisis univariat adalah analisis satu variabel

 Analisis bivariat adalah analisis hubungan 2 variabel

 Analisis multivariat adalah analisis hubungan lebih


dari 2 variabel secara bersama dgn mengontrol
variabel lain
ANALISIS UNIVARIAT

Analisis univariat adalah analisis satu variabel

Misalnya
 distribusi frekuensi
 nilai rerata
 variasi
 persentase
Kegunaan analisis univariat

1. Salah satu cara melihat adanya kesalahan koding


atau entry data
 jawaban di luar area penelitian
 data yang sangat ekstrim mengganggu nilai rerata
 data yang tidak konsisten, misalnya variabel seks
pria tetapi variabel kehamilan positif
 jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis 
2. Mendeskripsikan suatu fenomena dengan baik.
3. Perincian/ gambaran besarnya suatu fenomena
4. Petunjuk pemecahan masalah
5. Persiapan analisis bivariat atau multivariat
Contoh analisis univariat
ANALISIS BIVARIAT

Analisis bivariat adalah analisis hubungan 2 variabel


yg dapat bersifat :

(a) simetris tak saling mempengaruhi

(b) saling mempengaruhi

(c) variabel satu mempengaruhi variabel lain


Contoh analisis bivariat
uji Chi-square
Contoh analisis bivariat
uji korelasi
ANALISIS MULTIVARIAT

 Untuk mengontrol confounder & effect modifier

 Jika confounder & effect modifier sudah dapat


dikontrol pada tahap desain, analisis dapat
lebih sederhana (non multivariat)

 Prinsip: model parsimonius (valid, precise &


simple)
Contoh analisis multivariat
uji regresi logistik ganda
TABEL ANALISIS DATA STATISTIK
VARIABLE VARIABLE INDEPENDEN
DEPENDEN
NOMINAL ORDINAL INTERVAL/RATIO

NOMINAL DIKOTOM Difference proportion test Kruskal- Logistic multiple


wallis regression
Chi-square Friedman’s Discriminant
2 way analysis
Fisher’s exact test

Phi-coeficient

POLITOM Chi-square

Kendall’s VCT

ORDINAL Rank-order Ubah var. ordinal


correlation jadi var. nominal
Man-whitney Kendal’s
tau
Kormogrof-smirnov Gamma atau interval ke
Coefficiens ordinal memakai
teknik yang sesuai

INTERVAL/ RATIO Dikotom : Politom : Ubah


ordinal jadi
Anova Anova- nominal Multiple correlation
interclass
t-test DVMR atau Multiple regression
Dummy var.interval
sign test Multiple ke variabel Path-analisis
classification ordinal
U-test Cross memakai Partial regression
classification teknik yang
sesuai

Vous aimerez peut-être aussi