TABULASI DAN

ANALISIS DATA

I Made Aditya Darmika

1102005178
A. Persiapan Tabulasi
1. Coding (Koding)
Sebelum tabulasi, semua data yang belum
dikoding harus dikoding terlebih dahulu.
Misal
- Pertanyaan pertanyaan yang terbuka
- Pertanyaanppertanyaan yang berisi kategori
jawaban lainnya
 A. Persiapan Tabulasi…

2. Editing atau Data Cleaning (Membersihkan Data)

 ‘Membuat Distribusi Frekuensi’ dari semua variabel
yang ada dalam daftar pertanyaan.
 Hal-hal yang diperbaik/dibersihkan saat editing :

 Kode-kode yang ‘ilegal’ (ex : Variabel pendidikan)

 Ada data yang hilang  kesalahan data entry atau
kesalahan si pewawancara
 Data yang tidak konsisten  Lihat kembali data yang
tercatat pada kuisioner
 Data yang tidak masuk akal
B. Perencanaan Analisis Data
1. Karakteristik Data
 Central Tendency : untuk data interval, yaitu dengan
melihat mean, median dan modus.
 Variance : untuk data interval dengan melihat range
dan standar deviasi
 Melihat perbedaan : melakukan tes statistik
 Perbedaan proporsi dengan chi-square test (data
kategorikal)
 Perbedaan mean dengan t-test (data interval)
 Melihat hubungan : melihat hub. Satu variabel dengan
variabel lainnya (interval dengan koefisien korelasi,
kategorikal dengan analisis non parametrik
 B. Perencanaan Analisis Data…

2. Beberapa Jenis atau Prosedur Analisa Data

Beberapa prosedur analisa data secara kuantitaif
dalam penelitian keluarga berencana antara lain :
a. Variabel transformation
b. Univariate analysis
c. Time Series Analysis
d. Comparisons
e. Bivariate Analysis
f. Multivariate analysis
g. Cost-effectiveness analysis
h. Use-effectiveness analysis
i. Fertility Analysis
 Prosedur Analisa Data…
a. Variable Transformation
1. Recode
Penggantian atau pengelompokan data atau kategori
dalam suatu variabel.
Misal :
 Umur (1,2,3,4 tahun dst)  0-4, 5-9, 10-14 dst

 Pekerjaan  petani dan bukan petani

 Pemakaian KB  pernah memakai KB dan tidak

pernah
Ketika melakukan tabulasi silangkelompokkan
kembali kategori data agar setiap sel dalam tabel
berisi jumlah yang cukup untuk dilakukan analisa
(Pentingnya variabel Transformation : Recode)
 Prosedur Analisa Data…

a. Variable Transformation…

2. Counts
Bila ingin menghitung nilai beberapa variabel.
Berdasarkan beberapa pertanyaan.
Program SPSS  perintah ‘compute’
3. Scaling (Skala)
Skala yang amat sering dipergunakan terutama
untuk mengukur sikap (attitude) adalah Likert Scale
4. Conditional Transformation
Saat analisa data, peneliti membuat variabel baru
dengan menambahkan data-data yang ada pada
pertanyaan
 Prosedur Analisa Data…

a. Variable Transformation…

5. Mathematical Tranformation Lainnya

Misalnya menghitung variabel jumllah tahun sekolah
dari dua variabel yang ada pada kuisioner yaitu
jenjang pendidikan dan kelas.
Contoh lain : menghiung umur responden dengan
cara mengurangi tanggal/tahun wawancara
dengan tanggal/tahun lahir responden
 Prosedur Analisa Data…
b. Univariate Analysis

Adalah ketika peneliti menganalisa satu

variabel saja. Disebut juga Frequency
Distribution.
Tingkat F (Frekuensi) Persen
Pendidikan
Tidak sekolah
SD (dst)
 Prosedur Analisa Data…
c. Time Series Analysis
Adalah analisis data yang diperoleh secara serial.
Misal :
 Prevalensi pemakai kontrasepsi sebelum dilakukan
intervensi dan setiap 3 bulan setelah dilakukan
intervensi. Dengan melakukan analisa time series maka
efek intervensi bisa diketahui.
 Prosedur Analisa Data…
d. Comparison
Selain frequency distribution, analisa data yang amat
sering dilaksanakan oleh peneliti tingkat S1 dan S2
adalah mebandingkan (compare) data yang mereka
peroleh.
Misal :
 Membandingkan proporsi  uji statistik data kaegorikal
misalnya chi-square test
 Membandingkan mean score  uji statistik data interval
misalnya t-test
 Bila Mean yang dibandingkan pada 3 kelompok atau lebih
secara simultan  analysis of variance (ANOVA)
 Membandingkan prevalensi pada sampel yang sama
berdasarkan waktu  McNemar test
 Prosedur Analisa Data…
e. Bivariate Relationship

Untuk melakukan analisa terhadap

hubungan dua variabel (bivariate
relationship) tergantung jenis data atau
jenis variabelnya apakah nominal, ordinal
atau interval
 Prosedur Analisa Data…

e. Bivariate Relationship…

1. Hubungan dua variabel nominal

 Pertama-tama dilakukan tabulasi silang

 Lalu dilakukan chi-square test untuk mengetahui

apakah ada hubungan yang bermakna
 Namun chi-square test tidak bisa dipakai untuk
mengetahui kekuatan hubungan dua variabel nominal
 perlu dilakukan Cramer’s V, nilai ini dapat
diperoleh ketika melakukan chi-square test
 Prosedur Analisa Data…

e. Bivariate Relationship…

2. Hubungan dua variabel ordinal

 Pertama-tama dilakukan tabulasi silang
 Test untuk mengetahui hubngan : Gamma, namun tidak
ada uji kemaknaan yang bagus untuk gamma
 Bisa dilakukan chi-square test untuk mengetahui
apakah ada hub. Yang bermakna atau tidak, namun
tidak begitu sensitif untuk melihat ordinality (urutan,
rangking) dari data ordinal. Sehingga chi-square test
bukan test untuk gamma
 Prosedur Analisa Data…
e. Bivariate Relationship…
3. Hubungan dua variabel interval
– Hubungan dua variabel interval bisa dilihat dengan melakukan
tabulasi silang atau tidak
– Bila dilakukan tabulasi silang  hubungan  nilai gamma atau
Cramer’s V
– Lazim, tanpa tabulasi silang  lihat nilai Pearson Correlation
Coefficient (r) uji kemaknaan untu r adalah t-test.
– Nilai r bervariasi antara -1 sampai +1 (-1: hubungan negatif
sempurna, +1 hubungan positif sempurna, 0 : tidak ada
hubungan sama sekali.
– Mengetahui hub. Variabel dependen dan independen dan
keduanya interval  linier regresion analisis  regresion
coefficient  besarnya perubahan
– Correlation Coefficient dan Regresion Coefficient hanya bisa
digunakan untuk hubungan antara variabel dependen dan
independen yang linier.
– Adanya hubungan sama sekali tidak mencerminkan suatu
hubungan kausal
 Prosedur Analisa Data…
f. Multivariate Analysis
 Kelemahan bivariate analysis : ada efek Varabel
Confounding
 Untuk menghilangkan efek variabel Confounding
perlu dilakukan analisis banyak variabel secara
serentak  multivariate analysis
 Bila peneliti ingin tahu efek/besar hubungan antara
beberapa variabel independen terhadap variabel
dependen satu-satunya cara yang harus dilakukan
 multivariate analysis
 Prosedur Analisa Data…

f. Multivariate Analysis…
1. Multivariate analysis untuk variabel yang semuanya
interval
– Bila dependen dan independen semuanya interval  teknik
yang tepat Multiple Regression Analysis
– Teknik ini  Partial Regression Coefficient dikonversi menjadi
standarized regression coefficient (beta). Interpretasinya
adalah : variabel dependen akan meningkat sebesar koefisien
tersebut bila ada kenaikan pada setiap variabel independen
setelah melakukan kontrol terhadap variabel lainnya secara
simultan.
– Dengan teknik ini juga diperoleh Multiple correlation
Coefficient (R) yang mencerminkan hubungan antara variabel
dependen dengan semua variabel independen secara
simultan. Bila R dikuadrtakan R2 yang disebut Coefficient of
Determination yang mencerminkan proporsi variance dari
variable dependen yang dijlelaskan oleh semua variabel
independen secara simultan
 Prosedur Analisa Data…

f. Multivariate Analysis…

2. Multivaraite analysis untuk Variabel Dependen

yang interval dan variabel independen yang
campuran (Interval dan Kategorikal baik ordinal
maupun nominal)
 Teknikyang tepat adalah Multiple Regression analysis
dengan Dummy Variables
 Dummy variables adalah variabel yang hanya memiliki
dua kategori
 Prosedur Analisa Data…

f. Multivariate Analysis…

3. Multivariate Analysis untuk Variabel Dependen

yang Interval dan Semua Variabel Independen
Kategorikal
 Teknik yang tepat adalah Multiple Classification Analysis
(MCA)

4. Multivariate Analysis untuk Variabel Dependen yang

Kategorikal dan Semua Variabel Independen
Kategorikal
 Teknik yang Tepat adalah Logistic Regression
 Merupakan metode perluasan chi-squre test untu tabulasi
silang yang mutidimensi
 f. Multivariate Analysis…

CATATAN :
 Analisis Multivariat adalah powerfull analytical

tools tetapi asumsi yang harus dipenuhi amat

banyak sehingga harus hati-hati dalam
pemakaiannya
 Bila asumsi tidak terpenuhi  hasil tidak valid da
menyesatkan
 Perlu konsultasi dengan pakar yang betul-betul
memahaminya
 Prosedur Analisa Data…
g. Cost Effectiveness Analysis
 Analisa ini lazim digunakan untuk program KB dan
program lainnya dengan cara menghitung biaya
program (cost) dan efek atau outcome yang
dihasilkan.
 Pada prinsipnya hanya dua komponen yang diukur
yakni komponen biaya dan komponen outcome
 Dengan analisa ini, bisa dibandingkan intervensi
mana yang menghasilkan outcome lebih besar
dengan biaya yang lebih murah
 Prosedur Analisa Data…
h. Analisa lain dalam Program
Keluarga Berencana
1. Use-Effectiveness Analysis
Continuation Rate (CR) Study (monthly CR,
Commulative CR, single method CR, all method CR,
gross pregancy rate, net pregnancy rate, failure
rate, overall pregnancy rate)
2. Fertility Analysis
- Crude Birth rate
- General Fertility rate
- Marital General Fertility Rate
- Age Specific Fertility Rate
- Total Fertility Rate (TFR)
 C. DUMMY TABLES
• Adalah Tabel-tabel kosong yang disiapkan oleh peneliti sejak
awal sebelum analia data dimulai
• Dengan tersedianya dummy tables maka arah persiapan serta
analisis data kan semakin bagus
Pemakaian Pendidikan Responden Jumlah
Kontrasepsi
Tidak Pernah/ Pernah SMP
Sekolah Tamat SD atau lebih
Pern. Pkai KB
Skrg sedang
pkai KB
Tidak prnah
pakai KB
Jumlah

X2 =…………….. d.f=…………….. p<…………….. Gamma =…………………

TERIMA KASIH