ANALISIS DATA

Ns.MIRZAL TAWI,S.Kep.MKM
 MISI ANALISIS & PENYAJIAN HASIL
.Menjawab Masalah Penelitian; Tujuan & Hipotesis
(Menjawab Secara Efektif-efisien-elegan)

STRATEGI ANALISIS & PENYAJIAN HASIL

•Analisa Deskriptif/univariat & Bi-/multivariat (Bila Perlu)
•Penyajian Tekstular/tabular/grafikal
•Pengunaan Bahasa Ilmiah Yang Baik

VALIDASI HASIL DENGAN STUDI DAN PANDANGAN LAIN:

•.Metode Konfirmasi Dan Kontras
•.Saran Yg Relevan-operasional-bermanfaat
SUMBER DATA
❂ DATA PRIMER :data yang diperoleh dari
proses pengumpulan yang dilakukan
sendiri langsung dari sumber datanya
yaitu subjek yang diteliti,
❂ DATA SEKUNDER :data yang diperoleh dari
institusi yang telah mengumpulkan
datanya ,jadi tidak langsung ke subjek
penelitiannya.
Dalam analisis data ,sering
digunakan pembagian data :
❂ Data Numerik,
• Hasil penghitungan (diskrit) dan
pengukuran(kontinyu)
• Isi variabel berbentuk angka-angka
• Contoh: jlh pasien(diskrit), TD,HB(kontinyu)
❂ Data Kategorik
• Hasil pengklasifikasian/penggolongan suatu data.
• Contoh : jenis kelamin,tk.pendidikan.
❂ Dalam analisis statistik, seringkali data
numerik diubah mjd katagorik dg
melakukan klasifikasi.
❂ Misalnya : Variabel Berat Badan, data
awalnya numerik, dalam bentuk
angka.Namun bila dikelompokkan menjadi
kurus(<50 kg), sedang(50-60 kg) dan
gemuk(>60 kg), maka mjd katagorik.
TAHAP PENGOLAHAN DATA
❂ Editing : kegiatan pengecekan isian formulir atau
kuesioner,apakah sudah lengkap,jelas,relevan
dan konsisten.
❂ Coding : proses untuk mengklasifikasikan data
dan memberi kode untuk masing-masing kelas
sesuai dengan tujuan dikumpulkannya data.
❂ Structure and File data : Proses ini dikembangkan
sesuai dengan analisis data dan program
komputer yang akan digunakan, dengan
menetapkan nama, skala, dan jumlah digit untuk
masing-masing variabel.
❂ Entry Data : Data seluruhnya dientry ke
komputer dengan software statistik, salah
satu yg umum digunakan SPSS (Statistical
Program for Social Science) for Windows
❂ Cleaning Data : Proses pembersihan data
dengan melihat distribusi frekuensi dari
variabel-variabel dan menilai kelogisannya.
 ANALISA UNIVARIAT
• Mean, Median, Mode, Sd, Se, Range,
Min-Max, Skewness, Kurtosis
• Boxplot; Stem-Leaf
Tujuan:
1. Deskripsi setiap variabel diteliti
2. Diagnosis asumsi statistik lanjut
3. Deteksi nilai ekstrim/outlier

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

ANALISIS MULTIVARIAT:
1. Pemodelan Kuantitatif
PENYAJIAN DATA
Penyajian data dapat berupa:
1) Narasi ( tekstular) adalah penyajian dalam
bentuk tulisan . Biasanya narasi ini dipakai
dalam menyajiakan informasi yang didapat
dari penyajian tabel maupun gambar
Penyajian data ( Tabel)
❂ 2. Tabel adalah penyajian data dalam
bentuk kolom dan baris
Bagian-bagian tabel
• Body tabel
• Box head
• Stubb
• Jumlah ( total baris maupun total kolom
Dummy tabel
Box head Tot
stubb

Body

tot Tot kolom Grand

tot
Tabel:
❂ Bagian tabel ini dilengkapi:
• Judul (menjawab what, where, when)
• Nomer tabel
• Keterangan ( Foot Note= catatan kaki)
• Sumber, kalau tabel itu tabel kutipan
❂ Kegunaan masing-masing
• Agar mudah dirujuk
• Keterangan , agar didapat keterangan yang lengkap
• Sumber, agar jangan dianggap plagiat dan
memudahkan untuk merujuk kembali
Jenis tabel
❂ Tabel induk (master tabel
❂ Tabel text
• Tabel ditribusi frekuensi
• Tabel distribusi relatif
• Tabel distribusi kumulatif
• Tabel silang
❂ Contoh:
 Tabel:1 Distribusi berat badan 160 orang
Mhs FKM UI Th 2006

BB Frek F Relatif F kum less then Fkum more then

(%) (%) (%)
41-45 4 2,5 2,5 100
46-50 16 10 12,5 97,5
51-55 34 21,3 33,8 87,5
56-60 56 35 68,8 66,2
61-65 32 20 68,8 32,2
66-70 13 8,1 76,9 12,1
71-75 5 3.1 100 3,1

Total 160 100

Tabel:2 Jumlah donor menurut gol darah
bulan Juli 2006 di PMI Jak-pus

Gol Darah Jumlah

O 156
A 102
B 88
AB 104

Total 450

Sumber: PMI Jak-Pus

 Tabel:3 Distribusi 150 pasien RSCM menurut
pendidikan dan pengetahuan terhadap HIV/AIDs Th
2006

Penget Baik Sedang Kurang

Pendidikan
Tinggi 20 10 5

Menengah 15 25 10

Rendah 20 25 20

Sumber: Evaluasi RSCM 2006

Penyajian data (Grafik)
❂ 3. Seperti tabel, gambarpun perlu
dilengkapi dengan
• Judul (menjawab What, Where, When)
• Nomer
• Keterangan (key)
• Sumber (kalau gambar tersebut kutipan)
Gambar/Grafikal
❂ Berbeda dengan tabel, gambar sudah ditentukan
peruntukannya sesuai jenis data
❂ Data numerik:
• Histogram,
• Frek poligon,
• Ogive,
• Stem & leaf,
• Box plot,
• Scatter diagram
❂ Data kategorik:
• Bar , Single bar, multiple, subdivided
• Pareto chart
• Pie
• Line diagram
• Pictogram
• Mapgram
Contoh Histogram
Histogram
Dependent Variable: Current Salary
160

140

120

100

80
Frequency

60

40
Std. Dev = 1.00
20 Mean = 0.00

0 N = 474.00
-4

-3

-2

-1

-.

.5

5
.5

.5

.5

.5

.5
5

0
.5

.5
.5

.5

0
0

0
0

Regression Standardized Residual

Gambar:2 (Frek Poligone)
Distr BB Mhs FKM th 2006……
 Ogive
Y
Less then

Md

Posisi
Md

More then

Nilai
Md
X
Stem & leaf
40 44555677899 11
50 00022445677889 14
60 011122333444666778899 21
70 001122233355 12
80 022334 6
90 0045 4
Batang
Daun Frek
Box & plot
Box Plot
Batas atas
K3

Kuartil2= Median

K1

Batas bawah
Scatter Diagram
❂ Scatter +
+
TB + +
+

+ + +
+
+

BB
Bar diagram/single bar
Jumlah akseptor baru di Psk X triwulan I, II &
III th 2006

52
50
45
40
35
30

20

10

Trwl I Trwl II Trwl III

Multiple bar
Jumlah Akseptor Baru di
tiga Wilayah Jakarta th 2005

90
80
70 Key
60
50 J.Pst
40 J.Tmr
30 J Utr
20
10
0
1st Qtr 2nd Qtr 3rd Qtr 4th Qtr
Sub divided bar
Pareto Chart
Jumlah Kematian dan 3penyebab di RS “X” th
2004

Jumlah Kasus Kematian di RS X tahun 2004

100 95
90
80
70
60
60
50
40 35
30
20
10
0
Kecelakaan PJK Ca
Pie Diagram
Line diagram
line
Pictogram
jumlah PJK thn 2001 – 2005

Tahun 2001:

Tahun 2003:

Tahun 2005:

Keterangan:

= 10 kasus
Map gram

DHF
H5N1
TERIMA KASIH.....