1

ANALISIS DATA

Irman Somantri, S.Kp., M.Kep.

 2

Penelitian Kuantitatif
• Berpola
• Bebas nilai obyektif
• Deduktif nomotetik
• Ilmu adalah cara terbaik memperoleh pengetahuan
• Mencari penjelasan
• Menemukan hukum universal
 3

Effective Data Analysis

engaging in the
Keeping your eye on actual process of
Managing your data
the main game quantitative and / or
qualitative analysis

drawing meaningful
presenting your data and logical
conclusions
 4

Prinsip Analisis Data

• Penyederhanaan Data
• Statistik
 Organizing Data
• Organize all forms/questionnaires in one place
• Check for completeness and accuracy
• Remove those that are incomplete or do not make
sense; keep a record of your decisions
• Assign a unique identifier to each
form/questionnaire
• Enter The Data
– By Hand
– By Computer Programme
 PHASES IN THE ANALYSIS OF
QUANTITATIVE DATA

Interpretive
phase
Principal
analyses
Preliminary
actions
Preliminary
assessments
Preanalysis
phase
 Preanalysis phase
Log in, check, and Select a software
Code data
edit raw data package for analysis

Enter data onto Inspect data for

computer file and outliers/wild codes, Clean Data
verify irregularities

Create and
document an
analysis file
 Preliminary assessments
Assess missing
Assess data
values
quality
problems

Assess
Assess bias assumption for
inferential tests
 Preliminary Action

Perform needed
Address missing
transformations
values problems
and recodes

Perform other
Construct scales, peripheral analyses
composite indexes
 Principal analyses
Perform Perform bivariate
descriptive inferential
statistical statistical
analyses analyses

Perform Perform needed

multivariate post hoc tests
analyses
 11

Analisis Data
Pada Penelitian Kuantitatif

• Dilakukan dengan perhitungan statistik

– Statistik Diskriptif (Descriptive Statistics)
– Statistitik Inferential (Inferential Statistics)
• Parametrik (untuk data interval dan rasio)
• Non-parametrik (untuk data nominal dan ordinal)
 12

Metode Analisis Data

Deskriptif
• Jika tujuan penelitian hanya sebatas ingin mendeskripsikan
karakteristik variabel penelitian.
• Misalnya ingin mengetahui besaran-besaran parameter tendensi
sentral, seperti: mean, median, modus, standar deviasi atau varian
dalam mendeskripsikan karakteristik variabe

Analisis Verifikatif
• Jika tujuan penelitian akan melakukan pengujian terhadap
hipotesis (inferensial)
• dua jenis analisis statitistik yang dapat digunakan, yakni statistik
parametrik dan statistik non-parametrik
 13

Prosedur/Metode
Statistik Kuantitatif

BERDASARKAN
BERDASARKAN
JUMLAH
PARAMETERNYA
VARIABELNYA

STATISTIKA
STATISTIKA
NONPARAMET Univariat Bivariat Multivariat
PARAMETRIK
RIK
 14

STATISTIKA
STATISTIKA
NONPARAMETRIK
PARAMETRIK,
,
Merupakan statistik Merupakan statistik inferensi
inferensial yang membahas yang tidak membahas
parameter-parameter parameter-parameter
populasi, populasi.

berskala nominal dan

skala interval atau rasio
ordinal

distribusi data normal atau distribusi data populasinya

mendekati normal tidak normal
 Prosedur Analisis Data

Jenis

Univariat Bivariat Multivariat

Data Data
Korelatif Komparatif Regresi
Kategorik Numerik

Standar
Mean, Deviasi,
Numerik – Kategorik - Numerik – Kategorik -
Prosentase Median, Rank, Linier Logistik
Numerik Kategorik Kategorik Kategorik
Modus minimum,
maksimum
 Descriptive Analysis

Kategorik Kategorik
• Bar
• Distribusi
• Pareto Chart
Frekuensi • Line
• Proporsi • Pictogram
• Map
Tabel
Grafik
Numerik Numerik
• Histogram
• Tendensi sentral
• Polygon
• Dispersi • Ogive
• Stem & Leaf
• Box Plot
• Scatter Diagram
 Which calculation do I use? It depends upon what
you want to know.
Tujuan Penelitan Rencana Analisis
Do you want to know how many individuals checked Frequency
each answer?
Do you want the proportion of people who answered Percentage
in a certain way?
Do you want the average number or average score? Mean
Do you want the middle value in a range of values or Median
scores?
Do you want to show the range in answers or scores? Range
Do you want to compare one group to another? Cross tab
Do you want to report changes from pre to post? Change score
Do you want to show the degree to which a response Standard deviation
varies from the mean?
 18

Descriptive Statistics
• Descriptive statistics are used to summarize
the basic feature of a data set through
– measures of central tendency (mean, mode, and
median)
– dispersion (range, quartiles, variance, and
standard deviation)
– distribution (skewness and kurtosis)
 19

Contoh Tabel Data Kategorik

Tabel 4.1 : Gambaran Jenis Kelamin Responden

Kategori Jumlah Presentasi
Laki-laki 20 40
Perempuan 30 60
Jumlah 50 100
 20

Contoh Tabel Data Numerik

Mean
Variabel Median SD Min – Mak 95% CI
Usia 30,92 8,91 21 – 53 28,82 – 33,01
28,00
Lama Kerja 8,06 8,32 1 – 30 6,10 – 10,01
5,00
Tabel Silang
22
 Histogram
• Digunakan apabila data berskala interval atau rasio dan
dinyatakan dalam bentuk kelompok distribusi frekuensi
( grouped frecuency distribution)
20
F re q u e n c y

15

10

Mean = 30.92
Std. Dev. = 8.908
N = 72
0
20 30 40 50 60

usia
 Frekuensi Polygon
• Digunakan untuk data kontinyu
• Cara : menghubungkan puncak-puncak dari
suatu balok-balok histogram
• Keuntungan :
– Dpt membandingkan penyebaran beberapa
masalh yg digambar dalam satu gambar
Contoh
 Ogive
• Grafik dari data kontinyu dan dalam bentuk
frekuensi kumulatif
• Dari perpotongan kurang dari (less than) dan
besar dari (more than) akan didapat nilai yg
tepat untuk letak dan besarnya nilai modus
• Digunakan untuk mengetahui posisi individual
dalam kelompok
 Tekanan darah sistolik

30

25

20
futsal
15
sepakbola
10

0
90 95 100 110 115 120 125
 Box Whisker Plot
• Menyajikan data numerik
• Membandingkan beberapa pengamatan
• Kotak (Box) terdiri dari
– Garis tengah : nilai kuartil 2 (Q2)/median
– Garis Bawah : kuartil 1 (Q1)
– Garis atas : kuartil 3 (Q3)
• Tali (Whisker) batas bawah : nilai batas yg tidak lebih
perbedaannya dgn Q1 sebanyak 1½ x (Q3-Q2) atau perbedaan
interkuartil
• Tanda bitang = nilai pencilan (outlier), lingkaran = candidat
outlier
 Formula
• Q1 = 1(n+1)/4
Q2 = 2 (n+1)/4
Q3 = 3(n+1)/4
• IQR = Q3 – Q1
 Scatter Diagram (Diagram Tebar)
• Menggambarkan hubungan dua macam
variabel yg diperkirakan ada hubungan.
• Sumbu Y menggambarkan dependen dan X
independe
 Contoh
Hubungan masa kerja dgn usia
30

25

20
masa

15

10

20 30 40 50 60
usia
 Bar Diagram (Batang)
• Data diskrit/skala nominal & ordinal
• Cara menampilkan balok
– Single
– Multiple
– subdivided
 Single Bar
50
45
40
35
30
Jumlah 25
20 43
35
15
24
10 17
5
0
SD SLTP SLTA PT
 Multiple bar
60

50

40

Pil
30 IUD
Suntik
20

10

0
2000 2004 2008 2012
 Sub Divided Bar
140

120

100

80
Suntik
IUD
60 Pil

40

20

0
2000 2004 2008 2012
 Pareto Chart
• Mrp diagram batang yg disusun dengan
susunan tinggi rendahnya batang sehingga
mudah diinterpretasi
80

100%

60
80%
Count

P e rc e n t
60%
40

40%

20

20%

10 8
6 6 5 4 4 3 3 3 3 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1
0 0%
25 24 30 26 28 31 22 23 36 48 49 27 21 39 43 53 42 52 40 38 47 32 50 33 29 34

usia
 Grafik Pie
• Grafik Pie digunakan apabila data dari variabel
yang dianalisis berskala nominal atau ordinal
S1
11%

SPK
52%
Akper
38%
 Line Diagram
• Digunakan untuk menggambarkan data diskrit
atau data dgn skala nominal yg
menggambarkan perubahan dari waktu ke
waktu300
250
200
DHF
150 Typhus
100 Malaria
50
0
jan feb mar apr jun jul agt sept okt nop des
 Pictogram
• Diagram yg digambar sesuai dgn objeknya
misal ingin menunjukkan jumlah penduduk yg
menderita hipertensi dgn menggambar
gambar hati
GRAFIK GAMBAR (MAP DIAGRAM)

• berupa peta , biasanya terdapat pada instansi yang

mempunyai wilayah kerja seperti Puskesmas ataupun
Kecamatan
• digunakan untuk mengetahui hal-hal sebagai berikut :
– Batas wilayah
– Lokasi wilayah
– Dapat digunakan untuk menyatakan letak suatu produk daerak,
insiden penyakit, atau pemuliman penduduk.
 42
Selecting Statistical Tests for Bivariate
Analysis
• Selecting the right statistical test relies on
– knowing the nature of your variables
– their scale of measurement
– their distribution shape
– types of question you want to ask
 Bivariate Analysis
Binomial Chi Square Mc Nemaar, Cochran 43
Fischer Marginal Homogeneity
Kategorik Chi Square Kolmogorov-Smirnov Wilcoxon, Friedman
1 sampel (Tabel BxK) (Prinsip PxK)
Jenis Hipotesis (Asosiatif)
Masalah Komparatif Korelatif
Skala
Pengukuran Deskriptif Tidak Berpasangan Berpasangan

2 Klp > 2 Klp 2 Klp > 2 Klp

Numerik
Parametr Uji t Tidak One way Uji t Repeated Pearson
ik T Test Berpasangan Berpasangan
ANOVA ANOVA

Kategorik
Run Test Uji Mann Spearman
(Ordinal) Kruskall
Whitney Wilcoxon Friedman Sommers’d
 Non Wallis
Gamma
Parametrik
 44

Interpretasi Data
• Penafsiran atau interpretasi (hasil pengolahan)
data merupakan pencarian pengertian yang
lebih luas tentang penemuan-penemuan.
• Secara umum, penafsiran adalah penjelasan
yang terinci tentang arti yang sebenarnya dari
materi yang dipaparkan
 Interpreting of Result
• The analysis of research data provides the results of the
study. These results need to be evaluated and interpreted,
giving consideration to the aims of the project, its theoretical
basis, the existing body of related research knowledge, and
limitations of the adopted research methods. The interpretive
task involves a consideration of five aspects of the results:
1) their credibility,
2) their meaning,
3) their importance,
4) the extent to which they can be generalized,
5) their implications.
 Interpreting Information
• Interpretation is the process of attaching
meaning to the data.
• Interpretation demands fair and careful
judgments. Often the same data can be
interpreted in different ways. So, it is helpful
to involve others or take time to hear how
different people interpret the same
information
 Part of interpreting information is
identifying the lessons learned
• What did you learn? – about the program, about
the participants, about the evaluation.
– Are there any ‘ah-has’? What is new? What was
expected?
– Were there findings that surprised you?
– Are there things you don’t understand very well –
where further study is needed?
• We often include recommendations or an action
plan. This helps ensure that the results are used.
 Distribusi Normal dlm beberapa Rumus
Kriteria sebaran data
Metode Parameter normal Keterangan
Koefisien Variasi <30% SD/Mean x 100%
Skewness -2 s/d 2 Skewness/SE
Skewness
Kurtosis -2 s/d 2 Kurtosis/SE Kurtosis
Histogram Simetris, tidak miring
Deskriptif

kiri/kanan, tidak terlalu

tinggi/rendah
Box Plot Simetris median tepat di
tengah, tidak ada
outlier/nilai ekstrim
Normal Q-Q Plot Menyebar sekitar garis
Detrend Q-Q Plots Menyebar sekitar Garis
pada nilai 0
Distribusi Normal dlm beberapa Rumus

Metode Parameter Kriteria sebaran data Keterangan

normal
Kolmogorv-Smirnov P > 0,05 Untuk sampel besar
Analitik

(>50)
Shapiro-Wilk P > 0,05 Untuk sampel kecil
(< 50)
 Correlation Test
Parameter Nilai Interpretasi
Kekuatan 0,00 – 0,199 Sangat Lemah
Korelasi (r) 0,20 – 0,399 Lemah
0,40 – 0,599 Sedang
0,60 – 0,799 Kuat
0,80 – 1,000 Sangat Kuat
Nilai p p < 0,05 Terdapat korelasi yang bermakna antara dua variabel
yang diuji
P > 0,05 Tidak Terdapat korelasi yang bermakna antara dua
variabel yang diuji
 Hipotetik Test = p < 0,05
No Test Interpreting if p <0,05
1 Normality Test Data Distribution not normal
2 Varians Levene’s Test Equal Varians not assumed
3 T test, wilcoxon, Terdapat perbedaan rerata (mean differences) yang
mann whitney bermakna antara 2 group
4 ANOVA, Friedman, Paling tidak terdapat 2 group data yg punya mean
Kruskal Wallis differences
5 Mc. Nemar, Terdapat perbedaan proporsi antara 2 group
Homogeneity Test
6 Chi Square, Terdapat hubungan bermakna antara variabel X dan
Kolmogorov Smirnov, Variabel Y
Fisher
7 Pearson, Spearman, Terdapat korelasi bermakna antara variabel A dan B
Koefisien kontingensi,
Lambda, Gamma &
Sommer’s d
 Discuss limitations
Written reports
• Be explicit about your limitations

Oral reports:
• Be prepared to discuss limitations
• Be honest about limitations
• Know the claims you cannot make
• Do not claim causation without a true experimental design
• Do not generalize to the population without random
sample and quality administration
Common errors in analyzing quantitative data

• Incorrect denominator when calculating the

percentage
• Do not average percentages
• Using a single average that distorts or
misrepresents the range of information