METODE PENGUMPULAN, PENGOLAHAN & ANALISA DATA

Oleh : Atik Sri Wulandari

Posisi Statistik dalam kegiatan penelitian

TEORI

GENERALISASI

HIPOTESA

STATISTIK

OBSERVASI

VARIABEL/PEUBAH
Diskret : hasil perhitungan - jumlah anak dalam keluarga - jumlah puskesmas, dll Kontinu : hasil pengukuran - umur - berat badan

- STATISTIK : Ukuran karakteristik sampel ( x, s r )

- PARAMETER : Ukuran karakteristik populasi

DATA/ DATUM
Keterangan yang dapt memberikan gambaran tentang suatu keadaan populasi. Hasil pengamatan suatu populasi : - Status - Informasi - Keterangan

Syarat Data :
Obyektif Representatif Up to date (kecuali utk penelitian historis / retrospektif)

Menurut Sumber, data dikelompokkan :

1. Data primer : Data/ yang dikumpulkan sendiri oleh peneliti ( data langsung dari responden ) 2. Data Sekunder : a. Internal : data yang berasal dari lingkungan sendiri ( medical record ) b. Eksternal : Data yang diperoleh antar lintas sektor ( biro pusat statistik )

Karakteristik data
- Akurasi : data yang dikumpulkan setidaktidaknya harus mendekati sebenarnya. (dinilai sebagai veliditas) - Presisi : pengukuran meskipun dilakukan berulang-ulang oleh siapapun hasilnya tetap sama.(dinilai sebagai reliabilitas) - Validitas eksternal : Karakteristik data sampel harus sama dengan karakteristik data populasi. Seberapa jauh bisa digeneralisasi termasuk ke populasi lain - Validitas Internal :

- Validitias Internal : Meliputi kemampuan dan keahlian dari orang yang melakukan tugas, sensitivitas alat diagnostik atau laboratorium. contoh : pemeriksaan Hb dg Haemometer sahli oleh perawat, Validitas internalnya beda dengan pemeriksaan Hb dg Spektrometer oleh analis.

Metode Pengumpulan Data :

a. Komunikasi (kuesioner dan wawancara) Bersifat self report ( introspeksi terhadap diri sendiri) Kuesioner : - kuesioner pilihan - Kuesioner isian Wawancara : - wawancara bebas - wawancara terpimpin b. Observasi (pengamatan)

Pengamatan
Dengan pengamatan data dapat dicatat dengan segera dlm hal ini tidak tergantung dari ingatan seseorang / data lampau.

Syarat-syarat pengamatan :
Mengetahui apa yang diamati Perilaku dibuat dalam kategori-kategori Unit yang digunakan dalam mengukur kategori harus jelas Harus punya derajat terapan atau generalisasi Besar sampel harus ditentukan Pengamatan harus reliabel dan valid

CARA PEMILIHAN UJI STATISTIK :

1. Tujuan 2. Jenis skala data 3. Asumsi dasar 4. Jumlah sampel 5. Jumlah variabel

Statistik

DESKRIPTIF ANALITIK

TAHAPAN ANALISA DATA

TAHAP Pertama LINGKUP Deskriptif (distribusi variabel) CONTOH
Mean, median,modus, simpangan baku, Int kepercayaan, distribusi frekuensi, (grafik/diagram) Tabel silang, komparasi,korel asi, regresi

TUJUAN
Editing akhir karakteristik, Dasar pemilihan analisis statistik. (membersihkan Data)

Kedua

Analitik / Inferensial (asosiasi antar variabel)

Estimasi Uji Hipotesis, Kuat asosiasi

DESKRIPTIF
Sajian data dapat dilaporkan dalam bentuk : 1. Tulisan 2. Tabel : tabel frekuensi 3. Gambar/grafik : Histogram, diagram garis, diagram batang, diagram lingkar, diagram tebar, pictogram, box whisker plot, dot plot

 Distribusi Frekuensi Data Kuantitatif - Terlebih dulu cari harga max dan min. Selisihnya disebut Range = R - Tentukan jumlah kelas dan interval kelas
Rumus Sturgess :

PENGOLAHAN DATA DESKRIPTIF

M =1 + 3.3logN
M= jumlah kelas, N=jumlah data (observasi)

Interval = R : M

Distribusi Frekuensi Data Kualitatif - Buat frekuensi dan prosentasenya

Contoh : Tinggi Badan anak kelas VI SD

72.3
Jumlah kelas : K = 1 + 3,322 log 48 K = 6,58 K = 7 Lebar kelas interval i = ( 74,2 - 72,3 ) / 7 i = 0,3 72.4 72.5 72.6 72.7 73.2 73.6

73.4
73.0 73.1 73.1 72.8 73.3 73.7

73.5
73.4 73.6 73.4 72.8 73.4 73.7

73.0
74.5 73.4 73.6 72.9 73.5 73.8

73.7
73.7 73.7 73.7 72.9 73.5 73.8

73.9
72.9 73.9 73.9 73.2 73.6 73.8

74.0

74.0

74.0

74.1

74.2

74.2

1. NILAI RATA-RATA HITUNG (MEAN)

NILAI TENGAH (Central Tendency) A. UNGROUpED DATA (TDK TERKELOMPOK) x

contoh :
Peserta BB (KG) 1 59 2 60 3 60 4 60 5 61 6 62 7 66 8 75 9 76

n=9

xi = 579 x = 579 = 64,3Kg 9

2. MEDIAN (Md) Nilai yang membagi distr 2 sama besar - n ganjil : median pada urutan ke (n+1) / 2 contoh diatas : (9+1) / 2 = 5 Md = 61 - n genap : median pada urutan diantara ke n / 2 dan (n/2) + 1 mis = 59 60 60 60 60 61 62 66 75 76 Md = (60+61) / 2 = 60,5 kg

3. MODUS (Mo) Nilai yang sering muncul Mis contoh diatas Mo= 60

B. GROUPed DATA (TERKELOMPOK)

1. Nilai rata-rata hitung (MEAN) rata-rata dari distribusi frekuensi
(x)

asumsi : setiap pengamatan dalam kelas mempunyai nilai yang sama dengan nilai titik tengah klas.
BB (Kg) 35-<45 45-<55 55-<65 f 6 12 14 ttk tengah klas (m) 40 50 60 fm 240 600 840

65-<75
75-<85 n

1
2 35 fm

70
80

70
160 1910

x=

fm 1910 = = 54,6Kg n 35

MEDIAN ( grouped data)

n 2 - cf Md = Lmd + i f.md
Ket : Md Lmd n cf f.Md i = median = batas bawah klas median = besar sampel = frek kump sampai klas median = frek klas median = besar interval

Modus grouped data

Asumsi: modus pada kelas yang mempunyai trek terbanyak ( langsung dibawah puncak poligon frek )

di Mo Lmo i d1 d 2
Keterangan : Mo = modus Lmo = batas bawah kelas modus d1 = beda antara frekuensi klas modus dgn frek kelas sblum kelas modus d2 = beda antara frekunsi kelas modus dgn frek kelas sesudah kelas modus i = besar interval

Nilai Variasi
Varian : parameter ukuran penyebaran data, variabilitas nilai terhadap mean V (S) = (x-) n-1 Standar Deviasi : simpangan baku, akar varian S = v = S Koefisien Varian : rasio SD terhadap mean x 100% dalam persen. S

Histogram
Untuk Data Kontinyu

Diagram Garis (Line Diagram)

Untuk data diskrit

Diagram Batang (Bar)

Data diskrit atau skala nominal atau skala ordinal

Diagram Lingkar (Pie Diagram)

Data diskrit atau kategori. Menggambarkan %

ANALITIK
Ex: Ho = tekanan darah penduduk desa sama dengan penduduk kota H1 = tekanan darah penduduk desa sama berbeda penduduk kota P Value : - Probabilitas untuk memperoleh hasil apabila Ho adalah benar. - semakin kecil P-value, semakin besar penolakan terhadap Ho - Umumnya signifikan apabila P-value <0.05 Uji Hipotesis : menilai P-value - penting krn Uji hipotesis yg sesuai akan membawa kita pada pengambilan kesimpulan yg sahih

Tujuan Penelitian:
Komparasi (perbandingan) Apakah ada perbedaan... Korelasi (hubungan) Apakah ada hubungan... Ctt: magnitude (berapa besar-> deskriptif. causal (apakah penyebab-> analitik)

Data dpt dikelompokkan menurut sifatnya :

Data kualitatif : karakteristiknya bersifat kualitatif ( Skala nominal ) Data semikuantitif : punya peringkat ( skala ordinal ) Data kuantitatif : data yang mempunyai nilai yang dapat ditentukan besarnya ( interval & ratio ) - diskret - kontinyu

SKALA PENGUKURAN
SKALA Sifat Kelipatan Ratio + Interval Ordinal Nominal -

Selisih
Jenjang Bedakan Contoh

+
+ +

+
+ +

+ + pdidikn

+ agama

Titer atb Sh udr

Asumsi Dasar
Asumsi dasar disini hanya diperuntukan untuk skala data kuantitatif ( ratio dan interval ) Apabila data berupa kuantitatif distribusi Normal maka uji memakai Uji Parametrik, Sedangkan data Kuantitatif dengan distribusi tidak normal maka uji akan turun,yaitu menggunakan uji Non Parametrik.

Jumlah sampel
Jumlah sampel / jumlah perlakuankontrol / jumlah kelompok akan menentukan uji yang akan dipakai Ctt: jumlah sampel = jumlah kelompok Besar sampel = jumlah individu / responden

Jumlah Variabel
Jumlah varibel akan sangat berkaitan erat dengan jenis uji yang akan dipakai. Misalkan ada satu variabel tergantung / akibat yang dipengaruhi oleh 5 variabel bebas / penyebab secara bersamaan maka uji yang dipakai akan berbeda halnya bila satau persatu variabel bebas tersebut dikaitkan dengan variabel tergantungnya

Tujuan uji

Jumlah Sampel Jenis variabel Pemilihan teknik analisa data sampel/p bebas / Kuantitatif SemiKuantitati Kualitatif (nominal) / asangan berpasan (rasio-interval) f (ordinal) Populasi Kuantitatif Katogotik gan berdistribusi distribusi
normal populasi tak normal -Uji MannWhitney -Uji jumlah peringkat Wilcoxon -Uji Khikuadrat -Uji eksak Fisher 2

Komparasi

Bebas

Uji t 2 sampel bebas

Berpasanga n
>2

Uji t 2 sampel berpasangan

Anova 1 arah Anova untuk subyek yang sama Korelasi Pearson (r) Regresi

Uji peringkat bertanda Wilc

Uji Mc Nemar

Bebas Berpasanga n

Kruskall-Wallis Uji khi-kuadrat Uji Friedman Uji Cohrans

Korelasi

Korelasi Spearmen (rs) Korelasi Kappa

Koefisien kontingensi(c) Koefisien Phi Koefisien Kappa