Analisis Data

34
ANALISIS ANALISIS DATA DATA Ns.MIRZAL TAWI,S.Kep.MKM Ns.MIRZAL TAWI,S.Kep.MKM

Transcript of Analisis Data

Page 1: Analisis Data

ANALISIS ANALISIS DATADATA

Ns.MIRZAL TAWI,S.Kep.MKMNs.MIRZAL TAWI,S.Kep.MKM

Page 2: Analisis Data

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

Page 3: Analisis Data

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..

Page 4: Analisis Data

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.

Page 5: Analisis Data

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.

Page 6: Analisis Data

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.

Page 7: Analisis Data

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.

Page 8: Analisis Data

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

Page 9: Analisis Data

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

Page 10: Analisis Data

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

Page 11: Analisis Data

Dummy tabelDummy tabel

Box headBox head TotTot

stubstubbb

BodyBody

tottot Tot kolomTot kolom GranGrandd

tottot

Page 12: Analisis Data

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

Page 13: Analisis Data

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:

Page 14: Analisis Data

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

Page 15: Analisis Data

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

Page 16: Analisis Data

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

Page 17: Analisis Data

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)

Page 18: Analisis Data

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

Page 19: Analisis Data

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

Page 20: Analisis Data

Gambar:2 (Frek Poligone)Gambar:2 (Frek Poligone) Distr BB Mhs FKM th 2006……Distr BB Mhs FKM th 2006……

Page 21: Analisis Data

OgiveOgive

Less then

More then

Md

Posisi Md

Nilai Md

X

Y

Page 22: Analisis Data

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

Page 23: Analisis Data

Box & plotBox & plot

Box PlotBox Plot

Kuartil2= Median

Batas atas

K3

K1

Batas bawah

Page 24: Analisis Data

Scatter DiagramScatter Diagram

ScatterScatter

+

+

+

+

+

+

+

+

+

+

TB

BB

Page 25: Analisis Data

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

Page 26: Analisis Data
Page 27: Analisis Data

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

Page 28: Analisis Data

Sub divided barSub divided bar

Page 29: Analisis Data

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

Page 30: Analisis Data

Pie DiagramPie Diagram

Page 31: Analisis Data

Line diagramLine diagram

lineline

Page 32: Analisis Data

Pictogram Pictogram jumlah PJK thn 2001 – 2005jumlah PJK thn 2001 – 2005

Tahun 2001:

Tahun 2003:

Tahun 2005:

Keterangan:

= 10 kasus

Page 33: Analisis Data

Map gramMap gram

DHF

H5N1

Page 34: Analisis Data

TERIMA TERIMA KASIH.....KASIH.....