Download doc - TUGAS MANDAT 1 dita

TUGAS MANAJEMEN ANALISA DATA

TRANSFORMASI DATA DAN ANALISIS DESKRIPTIF

Oleh:

DITA SULISTYOWATI

0906574801

PROGRAM MAGISTER KEPERAWATAN KEKHUSUSAN KEPEMIMPINAN DAN MANAJEMEN KEPERAWATAN

FAKULTAS ILMU KEPERAWATAN UNIVERSITAS INDONESIA2010

0

TRANSFORMASI DATA

I. PENGERTIAN

Transformasi data atau dikenal juga dengan “Modifikasi Data” merupakan cara yang dapat dilakukan pada beberapa data untuk di analisis sehingga informasi yang diinginkan dapat diketahui. Perlu tidaknya modifikasi dilakukan dapat dilihat pada definisi operasional variable dari penelitian/tesis/skripsi. Transformasi data dapat dilakukan melalui berbagai macam perintah, seperti: recode, compute, if, select, dan merge.

II. JENIS DAN LANGKAH-LANGKAH TRANSFORMASI DATA

1. Recode (mengelompokkan data)Perintah recode digunakan untuk mengubah pengkodean variable numeric berdasarkan nilai ke nilai atau jangkauan nilai. Pengelompokkan biasanya digunakan untuk mengubah variable numeric menjadi variable kategorik. Pengelompokkan dapat dilakukan pada variable yang sama atau ke variable baru yang berbeda. Dianjurkan kalau melakukan pengelompokkan sebaiknya digunakan variable baru sehingga masih dimiliki nilai yang asli pada file data.

Langkah-langkah melakukan recode kelompok umur pada SPSS sebagai berikut:a. Pilih “transform”, sorot “recode” sorot “into different variables”

1

b. Kemudian klik “into different variables”

c. Sorot variable “umur”, lalu klik tanda panah ke kanan sehingga umur berpindah di kotak Input Variable Output variable

d. Pada kotak output variable, pada bagian Name ketiklah umur1 (nama variable baru untuk umur yang bentuknya sudah kategorik)

e. Klik change sehingga pada kotak Input variable output variable terlihat umur umur1

f. Apabila akan merecode nilai umur <35 tahun menjadi kode1. Umur dibawah 35 tahun artinya umur terendah/paling muda sampai dengan 34 tahun.Pindahkan kursor ke kotak Range: “lowest through , ketiklah 35 dan bawa kursor ke bagian kotak “new value”, ketik Add, hasilnya akan seperti dibawah ini.

2

g. Pindahkan kursor ke kotak Range through , kita akan recode umur 35 – 45 tahun menjadi 2. Pada kotak tersebut isilah 35 dan 45 lalu pindahkan kursor ke kotak ‘New value’, ketiklah 2, klik ‘add’

h. Untuk umur > 45 tahun menjadi kode 3. Pada kotak ‘Range: through highest ketiklah 46. Lalu pindahkan kursor ke kotak ‘New value’, ketiklah 3, klik ‘add’. Langkahnya seperti diatas dan setelah selesai hasilnya sebagai berikut:

3

i. Klik continuej. Klik OK, terlihat variable baru ‘umur1’ sudah terbentuk berada dikolom paling kanan

2. Compute (membuat variable baru hasil perhitungan matematik)Transformasi compute variable digunakan untuk membuat variable baru atau memodifikasi nilai-nilai variable untuk suatu kasus, misalnya melakukan penjumlahan, pengurangan, pembagian dan perkalian.

Langkah-langkah melakukan compute sebagai berikut:a. Posisikan layar pada file data editorb. Pilih ‘transform’c. Pilih ‘compute’, kemudian akan muncul kotak dialog ‘compute variabel’

4

Pada kotak tersebut terdapat kotak:‘target variabel’: diisi nama variable yang akan dibuat, dapat merupakan variable yang lama atau baru, sebaiknya menggunakan nama yang baru.“Numeric Expression” : diisi rumus yang akan digunakan untuk menghitung nilai baru pada target variable. Rumus yang tertulis dapat mengandung nama variable yang sudah ada, operasi matematik dan fungsi, misalnya + (penjumlahan), - (pengurangan), *(perkalian), / (pembagian), ** (pangkat), (.) kurung.

d. Bila akan membuat variable baru umur, dengan nama “umur2” (umur dalam bulan), maka pada kotak ‘target variabel’, ketiklah “umur2”.

e. Klik kotak ‘Numeric Expression’, sorot dan pindahkan variable umur setelah itu kalikan dengan 12, tampilannya : umur*12, sehingga terlihat di layar:

5

f. Klik “OK”, sesaat kemudian variable “umur2” akan muncul dibagian paling kanan.

3. If (membuat variable baru dengan kondisi)Perintah If digunakan jika dalam transformasi data dibutuhkan himpunan bagian dari kasus yang menggunakan ekspresi kondisi, misalnya symbol >, <, >=, <=, atau -=. Dalam pengertian lain, perintah If digunakan dalam pembuatan variable baru dari kondisi beberapa variable yang ada.

Langkah-langkah melakukan If pada SPSS adalah sebagai berikut:a. Pilih “transform”b. Pilih “compute”c. Pada kotak “target variable”, ketiklah ‘risiko’d. Pada kotak “numeric expression”, ketiklah “0”

6

e. Klik “OK”, terlihat dilayar variabel “risiko” sudah terbentuk dengan semua selnya berisi angka nol.

f. Langkah kedua:Membuat kondisi risiko tinggi (kode 1) untuk tekanan darah > 89 dan umur > 45

g. Pilih kembali menu “transform”h. Pilih kembali “compute”i. Pada kotak “target variable” biarkan tetap berisi “puas”j. Pada kotak “numeric expression”, hapus angka 0 dan gantilah dengan angka 1.

7

k. Klik tombol “If”, sesaat kemudian akan muncul dialog “computevariable: If cases”l. Klik tombol berbentuk lingkaran kecil: Include if case satisfies conditionm. Pada kotak dibawah option include….: ketiklah tekdarah > 89 & umur > 45

n. Klik “Continue”o. Klik “OK”, akan muncul pesan:

8

p. Klik “OK”, maka terbentuklah variable “risiko” pada kolom paling kanan dengan isi 0 dan 1 (0=risiko rendah dan 1=risiko tinggi), kalau menemui data yang berisi umur diatas 45 tahun maka isi variable “risiko” akan berubah dari 0 menjadi 1 seperti tampilan dibawah ini:

4. Select (memilih sebagian data)Perintah select digunakan bila seorang peneliti hanya ingin mengetahui atau mengolah dan menganalisis hanya data dari kelompok tertentu saja. Misalnya kita ingin menganalisis data hanya responden dengan pendidikan SMA saja,

Langkah-langkah melakukan select variable pendidikan SMA pada SPSS adalah sebagai berikut:a. Pilih menu “Data”b. Pilih “Select Cases”c. Klik pada tombol : If condition is satisfied

9

d. Klik “If”e. Ketiklah/sorot dan pindah pada kotak dan tuliskan kondisinya yaitu risiko =0

Ket: responden yang berisiko = 0

f. Klik “continue”g. Perhatikan di bagian bawah pada kotak: Unselected cases are: filtered atau deleted.

Pilihlah filtered artinya data yang tidak dianalisis hanya ditandai dengan pencoretan nomor kasus. Sedangkan untuk deleted, artinya kasus akan dihapus secara permanen.

h. Klik “OK” sehingga kembali ke data editor. Akan terdapat nomor kasus yang dicoret yang artinya dikeluarkan dari data, sedangkan yang tidak dicoret merupakan data yang aktif (responden yang tidak berisiko tinggi)

10

5. Merge (menggabungkan data)Perintah merge digunakan bila dalam pengolahan data terdapat lebih dari satu file data, melainkan beberapa file data yang harus digabungkan untuk melakukan analisis data. Terdapat dua jenis tehnik penggabungan data yaitu penggabungan responden dan penggabungan variable.

11

a. Penggabungan responden/caseLangkahnya :Misal:Data 1 berisi nomor responden 1-15

Data 2 berisi nomor responden 16-30

Aplikasi di SPSS:a.1. File ‘data1.sav’ dalam kondisi aktifa.2. Klik data, sorot Merge File, sorot Add case

12

a.3. Klik Add casea.4. Isikan pada kotak file name :data2

a.5. Klik open”a.6. Klik “continue”, dan akhirnya tergabunglah kedua file dataa.7. Untuk menyimpan file gabungan, klik save as isikan nama file baru, misalnya data12

13

b. Penggabungan variabelData 1a: berisi variabel umur, didik,

14

Data 2a: berisi variabel tek darah dan rokok

Langkah – langkah penggabungan variabel:

b.1. File data1a.sav dalam kondisi aktif, klik data, sorot Merge Files, sorot Add

Variables

15

b.2. Klik Add Variables

b.3. Klik open, klik OK

b.4. Tampilan sudah tergabung variabelnya dan lakukan penyimpanan dengan klik

save as dan beri nama baru, misal: data12a.

16

ANALISIS DATA DESKRIPTIF

I. PENGERTIANAnalisis data deskriptif atau statistic deskriptif merupakan gambaran keadaan suatu data secara umum. Analisisnya merupakan analisis paling mendasar dari analisis deskriptif itu sendiri. Analisis meliputi analisis frekuensi, statistic deskriptif, eksplorasi data, table silang, analisis rasio, P-P Plots dan Q-Q Plots.

II. MACAM ANALISIS DATA DESKRIPTIF1. Mean (rata-rata)

Adalah ukuran rata-rata yang merupakan hasil dari jumlah semua nilai pengukuran dibagi oleh banyaknya pengukuran.

2. Median (nilai tengah)Adalah nilai dimana setengah banyaknya pengamatan mempunyai nilai dibawahnya dan setengahnya lagi mempunyai nilai diatasnya. Median tidak dipengaruhi oleh nilai ekstrim.

3. Modus (jumlah terbanyak)Adalah nilai pengamatan yang mempunyai frekuensi/jumlah terbanyak.

4. Varian (variasi) Adalah nilai-nilai hasil pengamatan yang saling berbeda satu sama lain (bervariasi). Untuk mengetahui seberapa jauh variasi data digunakan ukuran variasi antara lain range, jarak linier kuartil dan standar deviasi.

5. Standart deviasi (simpangan baku)Adalah pengukuran variasi data melalui penyimpangan/deviasi dari nilai-nilai pengamatan terhadap nilai mean-nya.

III. LANGKAH-LANGKAHTujuan analisis ini adalah untuk mendeskripsikan karakteristik masing-masing variable yang diteliti. Bentuknya tergantung data jenis datanya. Untuk data numeric digunakan nilai mean (rata-rata), median, standar deviasi. Sedangkan untuk data kategorik hanya dapat menjelaskan angka /nilai jumlah dan persentase masing-masing kelompok.

17

1. Data kategorika. Untuk menampilkan data kategorik digunakan tampilan frekuensi.b. Dari menu utama SPSS pilih “analyze”, kemudian ‘descriptive statistic’ dan pilih

‘frequencies’, sehingga akan seperti:

c. Sorot variable berupa data kategorik seperti ‘pendidikan’ dan riwayat merokok. Klik tanda panah dan masukkan ke kotak “variable”

d. Klik ‘OK’, hasil dapat dilihat di jendela output, seperti dibawah ini:

FrequenciesStatistics

tingkat

pendidikanriwayat perokok

N Valid 30 30 Missing 0 0

Frequency Table18

tingkat pendidikan

Frequency Percent Valid PercentCumulative

PercentValid 1 16 53.3 53.3 53.3 2 6 20.0 20.0 73.3 3 8 26.7 26.7 100.0 Total 30 100.0 100.0

riwayat perokok


PercentValid tidak perokok 16 53.3 53.3 53.3 perokok 14 46.7 46.7 100.0 Total 30 100.0 100.0

2. Data Numerik

a. Pilih Analyse pada menu, Pilih Descriptive Statistic dan Pilih Frequencies

b. Pada Frequencies, Klik variable yang diinginkan dan pindahkan ke kotak

variable(s), misalnya variabel umur dan lama kerja.

19

c. Klik Statistic, pilih ukuran yang diminta yaitu: Mean, Median, Standar Deviasi,

Minimum, Maximum, Standar Error

e. Klik Continue, kemudian Klik tombol option “ Charts” lalu muncul menu baru dan klik “Histogram” lalu klik “With Normal Curve”.

20

f. Klik “Continue”, kemudian Klik “ OK “, maka pada layar terlihat distribusi frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram beserta curve normalnya.

FrequenciesStatistics

umur TD diastoleN Valid 30 30 Missing 0 0Mean 39.27 81.50Std. Error of Mean 1.164 1.828Median 38.50 80.00Mode 32 80Std. Deviation 6.373 10.013Minimum 30 60Maximum 50 110

Frequency Tableumur


PercentValid 30 1 3.3 3.3 3.3 31 2 6.7 6.7 10.0 32 3 10.0 10.0 20.0 33 2 6.7 6.7 26.7 34 1 3.3 3.3 30.0 35 1 3.3 3.3 33.3 36 2 6.7 6.7 40.0 37 2 6.7 6.7 46.7 38 1 3.3 3.3 50.0 39 1 3.3 3.3 53.3 40 1 3.3 3.3 56.7

21

41 1 3.3 3.3 60.0 42 2 6.7 6.7 66.7 43 2 6.7 6.7 73.3 44 1 3.3 3.3 76.7 45 1 3.3 3.3 80.0 47 1 3.3 3.3 83.3 48 2 6.7 6.7 90.0 49 1 3.3 3.3 93.3 50 2 6.7 6.7 100.0 Total 30 100.0 100.0

TD diastole


PercentValid 60 1 3.3 3.3 3.3 70 4 13.3 13.3 16.7 75 3 10.0 10.0 26.7 80 12 40.0 40.0 66.7 85 3 10.0 10.0 76.7 90 5 16.7 16.7 93.3 105 1 3.3 3.3 96.7 110 1 3.3 3.3 100.0 Total 30 100.0 100.0

Histogram22

umur5045403530

Fre

qu

en

cy

6

5

4

3

2

1

0

umur

Mean =39.27Std. Dev. =6.373

N =30

TD diastole1201008060

Fre

qu

en

cy

12

10

8

6

4

2

0

TD diastole

Mean =81.5Std. Dev. =10.013

N =30

IV. PENYAJIAN DAN INTERPRETASI DATA

23

Ada Beberapa jenis penyajian data yaitu :

1. Bentuk Teks, yaitu berupa narasi.

2. Bentuk Tabel

Penyajian data dengan memakai kolom dan baris. Macam-macam bentuk tabel :

a. Master tabel (tabel induk), yaitu tabel yang berisi semua hasil

pengumpulan data yang masih dalam bentuk data mentah, biasanya tabel ini

disajikan dalam lampiran suatu laporan pengumpulan data.

b. Teks Tabel (tabel Rincian), merupakan uraian dari data yang diambil

dari tabel induk.

3. Bentuk Grafik/Diagram

Jenis-jenis grafik :

a. Histogram, yaitu grafik yang digunakan untuk menyajikan data kontinyu.

b. Frekwensi Poligon, yaitu digunakan untuk data kontinyu seperti pada histogram

dengan menghubungkan puncak-puncak dari balok-balok histogram.

c. Ogive, yaitu grafik dari data kontinyu dan dalam bentuk frekwensi kumulatif.

Dari perpotongan ogive ”kurang dari” dan ”besar dari” akan mendapatkan nilai

yang tepat untuk letak dan besarnya nilai modus.

d. Diagram Garis, digunakan untuk menggambarkan data diskrit atau data dengan

skala nominal yang menggambarkan perubahan dari waktu ke waktu.

e. Diagram Batang, digunakan untuk menyajikan data diskrit atau dengan skala

nominal maupun ordinal. Bedanya dengan balok histogram, pada histogram

balok-baloknya menyambung sebab histogram menggambarkan data-data

kontinyu. Gambar balok, dapat vertikal atau horisontal. Cara menampilkan balok :

Single bar, multiple bar dan subdivided bar.

f. Diagram Pie, digunakan untuk menyajikan data diskrit atau data dengan skala

nominal dan ordinal atau disebut juga data kategorik.

g. Diagram Tebar, digunakan untuk menggambarkan hubungan 2 macam variabel

yang diperkirakan ada hubungan. Sumbu Y adalah variabel dependen, sedangkan

sumbu X adalah variabel independen.

24

h. Pictogram, yaitu diagram yang digambar sesuai dengan obejknya, misalnya

jumlah penduduk dengan menggunakan orang, penyakit jantung dengan

menggunakan gambar jantung.

i. Diagram Peta, menggambarkan peta dari suatu daerah. Permasalahan yang akan

digambarkan ditunjukkan langsung di peta tersebut.

j. Box-plot dan Whiskers-plot, digunakan untuk menyajikan data numerik, dipakai

juga untuk membandingkan beberapa pengamatan.

k. Diagram batang dan daun. Penyajian data dalam bentuk distrubusi frekwensi

akan menghilangkan nilai aslinya dari data tersebut. Untuk menghilangkan

kelemahan ini digunakan diagram batang dan daun.

l. Diagram Pareto, yaitu diagram batang yang disusun dengan susunan tinggi

rendahnya batang sehingga dengan demikian dapat diinterpretasi.

Data variable kategorik berupa tingkat pendidikan dan riwayat merokok dapat

disajikan dalam bentuk table di bawah ini.

Tabel 1

Distribusi Responden Menurut Tingkat Pendidikan

Di RT. 011 RW. 05 Kelurahan Jatijajar tahun 2010

Pendidikan Jumlah Presentase

SMA 16 53.3

SMP 6 20.0

SD 8 26.7

Total 30 100

Tabel 2

Distribusi Responden Menurut Riwayat Merokok


25

Riwayat Merokok Jumlah Presentase

Tidak Merokok 16 53.3

Merokok 14 46.7

Total 30 100

Data variable numerik berupa umur dan tekanan darah dapat disajikan dalam bentuk

diagram di bawah ini.

Diagram 1

Distribusi Responden Menurut Umur


Diagram 2

Distribusi Responden Menurut Tekanan Darah Diastole


V. UJI KENORMALAN DATA

Untuk mengetahui suatu data berdistribusi normal ada 3 cara, yaitu:

26

1. Di lihat dari grafik Histogram dan kurve normal, bila bentuknya menyerupai bel shape,

berarti berdistribusi normal.

Contoh: pada distribusi variable umur dan tekanan darah.

umur5045403530

Fre

qu

en

cy

6

5

4

3

2

1

0

umur

Mean =39.27Std. Dev. =6.373

N =30

TD diastole1201008060

Fre

qu

ency

12

10

8

6

4

2

0

TD diastole

Mean =81.5Std. Dev. =10.013

N =30

Pada grafik di atas, kurva tampak menyerupai bel shape yang berarti data variable umur dan

tekanan darah berdistribusi normal.

2. Menggunakan nilai Skewness dan standar errornya, bila nilai skweness di bagi standar

errornya menghasilkan angka ≤ 2, maka distribusinya normal.

Langkah-langkah untuk mencari nilai skewness, misal:

a. Variabel umur:

1) Klik Analyze, pilh descriptive statistic, pilih explore

27

2) Isi kotak “Dependent List” dengan variabel “ Umur”, kotak “ Faktor List” dan “Label

Cases By”, biarkan kosong, sehingga tampilannya sebagai berikut:

3) Klik tombol Plots

4) Pilih Normality plots with tests

5) Klik Continue, kemudian Klik OK, hasilnya sebagai berikut:

28

ExploreDescriptives

Statistic Std. Errorumur Mean 39.27 1.164

95% Confidence Interval for Mean

Lower Bound 36.89

Upper Bound41.65

5% Trimmed Mean 39.17

Median 38.50

Variance 40.616

Std. Deviation 6.373

Minimum 30

Maximum 50

Range 20

Interquartile Range 11

Skewness .249 .427

Kurtosis -1.219 .833

Tests of Normality

Kolmogorov-Smirnov(a) Shapiro-Wilk

Statistic df Sig. Statistic df Sig.umur .106 30 .200(*) .935 30 .065

* This is a lower bound of the true significance.a Lilliefors Significance Correction

umurumur Stem-and-Leaf Plot

Frequency Stem & Leaf

9.00 3 . 011222334 7.00 3 . 5667789 7.00 4 . 0122334 5.00 4 . 57889 2.00 5 . 00

Stem width: 10 Each leaf: 1 case(s)

29

Observed Value504540353025

Ex

pe

cte

d N

orm

al

2

1

0

-1

-2

Normal Q-Q Plot of umur

Observed Value5045403530

Dev

fro

m N

orm

al

0.4

0.2

0.0

-0.2

Detrended Normal Q-Q Plot of umur

30

umur

50

45

40

35

30

Dari hasil analisis “Explore” didapatkan nilai skewness dan standar error. Hasil dari

perbandingan nilai skewness dan standar error pada variabel umur yaitu: 0,249/0,427 =

0,583, hasilnya nilai masih kurang dari 2, berarti dapat disimpulkan variabel umur

berdistribusi normal.

3. Uji Kolmogorov Smirnow, bila hasil uji significant (p value > 0.05) maka distribusi normal.

Namun uji kolmogrov sangat sensitif dengan jumlah sampel, maksudnya: untuk sampel yang

besar uji kolmogorov cenderung menghasilkan uji yang significant (yang artinya bentuk

distribusinya tidak normal). Atas dassar kelemahan ini dianjurkan untuk mengetahui

kenormalan data lebih baik menggunakan angka skewness atau melihat grafik hortogram

dan kurve normal.

Referensi:

Hastono, S. P. (2007). Analisis data kesehatan, Depok: Fakultas Kesehatan Masyarakat UI

Panduan Praktis: Pengolahan data statistic dengan SPSS 15.0. (2007), Editor: Agnes Heni Triyuliana, Yogyakarta: Penerbit Andi (Wahana Komputer)

31