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.....