Analisis Data

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 (%)

41-45 46-50 51-55 56-60 61-65 66-70 71-75

4 16 34 56 32 13 5

2,5 10 21,3 35 20 8,1 3.1

Total

160

100

F kum less then Fkum more then (%) (%)

2,5 12,5 33,8 68,8 68,8 76,9 100

100 97,5 87,5 66,2 32,2 12,1 3,1

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

Jumlah

O A B AB

156 102 88 104

Total

450

Sumber: PMI Jak-Pus

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

Baik

Sedang

Kurang

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

• • • • • •

Bar , Single bar, multiple, subdivided Pareto chart Pie Line diagram Pictogram Mapgram

Data kategorik:

Contoh Histogram Histogram Dependent Variable: Current Salary 160 140 120 100

Frequency

80 60 40

Std. Dev = 1.00

20

Mean = 0.00 N = 474.00

0 0 .5 5

0 .5 4

0 .5 3

0 .5 2

0 .5 1

0 5

0 .5

-.

0 .5

0 .5 -1

-2

0 .5 -3

0 .5 -4

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 50 60 70 80 90 Batang

44555677899 00022445677889 011122333444666778899 001122233355 022334 0045 Daun

11 14 21 12 6 4 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 50

52 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

J.Pst J.Tmr J Utr

50 40 30 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

35

40 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.....