Analisis Data
-
Upload
mirzal-tawi -
Category
Documents
-
view
3.897 -
download
4
Transcript of Analisis Data
ANALISIS ANALISIS DATADATA
Ns.MIRZAL TAWI,S.Kep.MKMNs.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 DATASUMBER DATA
DATA PRIMER :DATA PRIMER :data yang diperoleh data yang diperoleh dari proses pengumpulan yang dari proses pengumpulan yang dilakukan sendiri langsung dari dilakukan sendiri langsung dari sumber datanya yaitu subjek yang sumber datanya yaitu subjek yang diteliti,diteliti,
DATA SEKUNDER :DATA SEKUNDER :data yang diperoleh data yang diperoleh dari institusi yang telah dari institusi yang telah mengumpulkan datanya ,jadi tidak mengumpulkan datanya ,jadi tidak langsung ke subjek penelitiannyalangsung ke subjek penelitiannya..
Dalam analisis data ,sering Dalam analisis data ,sering digunakan pembagian data : digunakan pembagian data :
Data Numerik,Data Numerik,• Hasil penghitungan (Hasil penghitungan (diskritdiskrit) dan ) dan
pengukuranpengukuran(kontinyu)(kontinyu)• Isi variabel berbentuk angka-angkaIsi variabel berbentuk angka-angka• Contoh: jlh pasienContoh: jlh pasien(diskrit)(diskrit), TD,HB, TD,HB(kontinyu)(kontinyu)
Data KategorikData Kategorik• Hasil pengklasifikasian/penggolongan suatu Hasil pengklasifikasian/penggolongan suatu
datadata..• Contoh : jenis kelamin,tk.pendidikan.Contoh : jenis kelamin,tk.pendidikan.
Dalam analisis statistik, seringkali data Dalam analisis statistik, seringkali data numerik diubah mjd katagorik dg numerik diubah mjd katagorik dg melakukan klasifikasi.melakukan klasifikasi.
Misalnya : Variabel Berat Badan, data Misalnya : Variabel Berat Badan, data awalnya numerik, dalam bentuk awalnya numerik, dalam bentuk angka.Namun bila dikelompokkan angka.Namun bila dikelompokkan menjadi kurusmenjadi kurus(<50 kg)(<50 kg), sedang, sedang(50-60 (50-60 kg)kg) dan gemuk dan gemuk(>60 kg)(>60 kg), maka mjd , maka mjd katagorik. katagorik.
TAHAP PENGOLAHAN TAHAP PENGOLAHAN DATADATA
EditingEditing : kegiatan pengecekan isian formulir : kegiatan pengecekan isian formulir atau kuesioner,apakah sudah atau kuesioner,apakah sudah lengkap,jelas,relevan dan konsisten.lengkap,jelas,relevan dan konsisten.
CodingCoding : proses untuk mengklasifikasikan : proses untuk mengklasifikasikan data dan memberi kode untuk masing-data dan memberi kode untuk masing-masing kelas sesuai dengan tujuan masing kelas sesuai dengan tujuan dikumpulkannya data.dikumpulkannya data.
Structure and File dataStructure and File data : Proses ini : Proses ini dikembangkan sesuai dengan analisis data dikembangkan sesuai dengan analisis data dan program komputer yang akan dan program komputer yang akan digunakan, dengan menetapkan nama, digunakan, dengan menetapkan nama, skala, dan jumlah digit untuk masing-masing skala, dan jumlah digit untuk masing-masing variabel.variabel.
Entry DataEntry Data : Data seluruhnya dientry ke : Data seluruhnya dientry ke komputer dengan software statistik, komputer dengan software statistik, salah satu yg umum digunakan SPSS salah satu yg umum digunakan SPSS (Statistical Program for Social Science)(Statistical Program for Social Science) for Windowsfor Windows
Cleaning DataCleaning Data : Proses pembersihan : Proses pembersihan data dengan melihat distribusi frekuensi data dengan melihat distribusi frekuensi dari variabel-variabel dan menilai dari variabel-variabel dan menilai kelogisannya.kelogisannya.
ANALISIS MULTIVARIAT:1. Pemodelan Kuantitatif
ANALISA UNIVARIAT Mean, Median, Mode, Sd, Se, Range,
Min-Max, Skewness, Kurtosis Boxplot; Stem-Leaf
Tujuan:1. Deskripsi setiap variabel diteliti2. Diagnosis asumsi statistik lanjut
3. Deteksi nilai ekstrim/outlier
ANALISIS BIVARIAT:1. Diagnosis data
2. Uji Hipotesis 2 var
PPENYAJIAN DATAENYAJIAN DATA
Penyajian data dapat berupa:Penyajian data dapat berupa:
1) Narasi ( tekstular) adalah 1) Narasi ( tekstular) adalah penyajian dalam bentuk tulisan . penyajian dalam bentuk tulisan . Biasanya narasi ini dipakai dalam Biasanya narasi ini dipakai dalam menyajiakan informasi yang menyajiakan informasi yang didapat dari penyajian tabel didapat dari penyajian tabel maupun gambarmaupun gambar
Penyajian data ( Tabel)Penyajian data ( Tabel)
2. 2. Tabel adalah penyajian data Tabel adalah penyajian data dalam dalam
bentuk kolom dan barisbentuk kolom dan baris
Bagian-bagian tabelBagian-bagian tabel• Body tabelBody tabel• Box headBox head• StubbStubb• Jumlah ( total baris maupun total kolomJumlah ( total baris maupun total kolom
Dummy tabelDummy tabel
Box headBox head TotTot
stubstubbb
BodyBody
tottot Tot kolomTot kolom GranGrandd
tottot
Tabel:Tabel:
Bagian tabel ini dilengkapi:Bagian tabel ini dilengkapi:• Judul (menjawab what, where, when)Judul (menjawab what, where, when)• Nomer tabelNomer tabel• Keterangan ( Foot Note= catatan kaki)Keterangan ( Foot Note= catatan kaki)• Sumber, kalau tabel itu tabel kutipanSumber, kalau tabel itu tabel kutipan
Kegunaan masing-masingKegunaan masing-masing• Agar mudah dirujuk Agar mudah dirujuk • Keterangan , agar didapat keterangan yang Keterangan , agar didapat keterangan yang
lengkaplengkap• Sumber, agar jangan dianggap plagiat dan Sumber, agar jangan dianggap plagiat dan
memudahkan untuk merujuk kembalimemudahkan untuk merujuk kembali
Jenis tabelJenis tabel
Tabel induk (master tabelTabel induk (master tabel Tabel textTabel text
• Tabel ditribusi frekuensiTabel ditribusi frekuensi• Tabel distribusi relatifTabel distribusi relatif• Tabel distribusi kumulatifTabel distribusi kumulatif• Tabel silangTabel silang
Contoh:Contoh:
Tabel:1 Distribusi berat badan 160 Tabel:1 Distribusi berat badan 160 orangorang
Mhs FKM UI Th 2006 Mhs FKM UI Th 2006
BBBB FrekFrek F RelatifF Relatif
(%)(%)F kum less F kum less thenthen
(%)(%)
Fkum more Fkum more thenthen
(%)(%)
41-4541-45
46-5046-50
51-5551-55
56-6056-60
61-6561-65
66-7066-70
71-7571-75
44
1616
3434
5656
3232
1313
55
2,52,5
1010
21,321,3
3535
2020
8,18,1
3.13.1
2,52,5
12,512,5
33,833,8
68,868,8
68,868,8
76,976,9
100100
100100
97,597,5
87,587,5
66,266,2
32,232,2
12,112,1
3,13,1
TotalTotal 160160 100100
Tabel:2 Jumlah donor menurut gol Tabel:2 Jumlah donor menurut gol
darah bulan Juli 2006darah bulan Juli 2006 di PMI Jak-pusdi PMI Jak-pus
Gol DarahGol Darah JumlahJumlah
OO
AA
BB
ABAB
TotalTotal
156156
102102
8888
104104
450450
Sumber: PMI Jak-Pus
Tabel:3 Distribusi 150 pasien RSCM Tabel:3 Distribusi 150 pasien RSCM menurut pendidikan dan pengetahuan menurut pendidikan dan pengetahuan
terhadap HIV/AIDs Th 2006terhadap HIV/AIDs Th 2006
PengetPenget
PendidikaPendidikann
BaikBaik SedangSedang KurangKurang
TinggiTinggi
MenengaMenengahh
RendahRendah
2020
1515
2020
1010
2525
2525
55
1010
2020
Sumber: Evaluasi RSCM 2006
Penyajian data Penyajian data ((GrafikGrafik))
3. 3. Seperti tabel, gambarpun perlu Seperti tabel, gambarpun perlu
dilengkapi dengandilengkapi dengan• Judul (menjawab What, Where, When)Judul (menjawab What, Where, When)• NomerNomer• Keterangan (key)Keterangan (key)• Sumber (kalau gambar tersebut Sumber (kalau gambar tersebut
kutipan)kutipan)
GambarGambar/Grafikal/Grafikal Berbeda dengan tabel, gambar sudah ditentukan Berbeda dengan tabel, gambar sudah ditentukan
peruntukannya sesuai jenis dataperuntukannya sesuai jenis data Data numerik:Data numerik:
• Histogram, Histogram, • Frek poligon, Frek poligon, • Ogive, Ogive, • Stem & leaf, Stem & leaf, • Box plot, Box plot, • Scatter diagramScatter diagram
Data kategorik:Data kategorik:• Bar , Single bar, multiple, subdividedBar , Single bar, multiple, subdivided• Pareto chartPareto chart• PiePie• Line diagramLine diagram• PictogramPictogram• MapgramMapgram
Contoh HistogramContoh Histogram
Regression Standardized Residual
Histogram
Dependent Variable: Current Salary
Fre
qu
en
cy
160
140
120
100
80
60
40
20
0
Std. Dev = 1.00
Mean = 0.00
N = 474.00
Gambar:2 (Frek Poligone)Gambar:2 (Frek Poligone) Distr BB Mhs FKM th 2006……Distr BB Mhs FKM th 2006……
OgiveOgive
Less then
More then
Md
Posisi Md
Nilai Md
X
Y
Stem & leafStem & leaf
4040 4455567789944555677899 11 11
5050 0002244567788900022445677889 14 14
6060 011122333444666778899011122333444666778899 21 21
7070 001122233355001122233355 12 12
8080 022334022334 6 6
9090 00450045 4 4
BatangDaun Frek
Box & plotBox & plot
Box PlotBox Plot
Kuartil2= Median
Batas atas
K3
K1
Batas bawah
Scatter DiagramScatter Diagram
ScatterScatter
+
+
+
+
+
+
+
+
+
+
TB
BB
Bar diagram/single barBar diagram/single barJumlah akseptor baru di Psk X Jumlah akseptor baru di Psk X triwulan I, II & III th 2006triwulan I, II & III th 2006
Trwl I Trwl II Trwl III
10
20
30
40
5045
35
52
Multiple barMultiple barJumlah Akseptor Baru di Jumlah Akseptor Baru di tiga Wilayah Jakarta th 2005tiga Wilayah Jakarta th 2005
0
10
20
30
40
50
60
70
80
90
1st Qtr 2nd Qtr 3rd Qtr 4th Qtr
J.PstJ.TmrJ Utr
Key
Sub divided barSub divided bar
Pareto ChartPareto ChartJumlah Kematian dan 3penyebab di Jumlah Kematian dan 3penyebab di RS “X” th 2004RS “X” th 2004
Jumlah Kasus Kematian di RS X tahun 2004
95
60
35
0
10
20
30
40
50
60
70
80
90
100
Kecelakaan PJK Ca
Pie DiagramPie Diagram
Line diagramLine diagram
lineline
Pictogram Pictogram jumlah PJK thn 2001 – 2005jumlah PJK thn 2001 – 2005
Tahun 2001:
Tahun 2003:
Tahun 2005:
Keterangan:
= 10 kasus
Map gramMap gram
DHF
H5N1
TERIMA TERIMA KASIH.....KASIH.....