ANALISIS DATA

STATISTIK
POKOK BAHASAN
1. pengukuran
2. skala pengukuran
3. analisis univariat
4. analisis bivariat
5. analisis multivariat
6. tabel analisis data statistik
PENGUKURAN
Pengukuran adalah penunjunkan angka-2 pada suatu
variable
Pengukuran membutuhkan alat ukur/ instrumen yang
standar, baik alat maupun kuesioner
Pengukuran adalah mendapatkan dimensi kuantitas
suatu objek, misalnya berat badan, jumlah pasien
Syarat pengukuran
isomorfisme, yaitu ukuran harus sedekat mungkin
dengan benda/ kejadian yang diukur (terkadang
yang dapat diukur hanya indikatornya, berkeringat).
exhaustive, yaitu pengukuran harus meliputi
seluruh kemungkinan yang ada
mutually exlusive, yaitu pengukuran tidak boleh
tumpang tindih
Skala pengukuran
Hasil suatu pengukuran untuk analisis data dapat
dibagi dalam 4 skala :
skala nominal
skala ordinal
skala interval
skala rasio
Skala nominal
merupakan tingkat pengukuran yg paling sederhana
untuk klasifikasi data
tidak ada asumsi jarak atau urutan antara angka-2
dasar penggolonganya mutualy exclusive & exhautive
kode atau angka tak menunjukan rendah ke tinggi
atau sebaliknya
Misalnya
variabel jenis kelamin : 1=pria dan 2 =wanita
warna, partai, lokasi, dsb
Skala ordinal
merupakan tingkat pengukuran yang mempunyai
urutan dari rendah ke tinggi
kode atau angka sekedar menunjukan urutan
bukan nilai
misalnya
variable sikap : 3 =setuju, 2 =ragu-ragu/ tidak
berpendapat, dan 1=tidak setuju
pendidikan (SD, SLTP, SLTA, perguruan tinggi)
Skala interval
memberikan informasi tentang interval antara satu
kode/ angka dengan yang lain
merupakan tingkat pengukuran urutan dari rendah ke
tinggi
misalnya
variable nilai ujian : A =86-99, B =76-85, C =66-75
D =56-65
Skala ratio
merupakan tingkat pengukuran urutan dari rendah ke
tinggi
memberikan informasi tentang nilai sebenarnya
responden/ objek yang diukur
menggambarkan interval antara kode/angka dgn nilai 0
Misalnya
variable nilai ujian dari 0 - 100
Hubungan antara skala pengukuran
ASUMSI URUTAN - + + +
ASUMSI J ARAK - - + +
TITIK 0 ABSOLUT - - - +
RASIO KRITERIA NOMINAL ORDINAL INTERVAL
Skala yg lebih tinggi dapat diubah menjadi skala yg lebih
rendah, dan tidak sebaliknya.
Konsep
Uji statistik dilakukan untuk menentukan apakah
perbedaan/hubungan yang terlihat pada sampel
benar-benar ada atau kebetulan ada akibat
pengambilan sampel saja
Hasil uji statistik berupa: probabilitas peneliti
memperoleh hasil seperti pada sampel atau lebih
ekstrim jika hipotesis nol benar
Konsep
Probabilitas hasil penelitian sejalan dengan
hipotesis nol
J ika p besar maka H
0
diterima, jika p kecil H
0
ditolak
Besar kecilnya probabilitas ditentukan oleh a, -
probabilitas peneliti untuk menolak H
0
jika di
populasi H
0
benar
Konsep
J ika peneliti menolak H
0
:
Dapat terjadi kesalahan tipe 1 (a), peneliti salah
mengambil kesimpulan karena sebenarnya di
populasi hipotesis nol benar (tidak ada hubungan)
J ika peneliti menerima H
0
:
Dapat terjadi kesalahan tipe 2 (b), peneliti salah
mengambil kesimpulan karena di populasi hipotesis
nol salah (ada hubungan)
Signifikan statistik TIDAK SAMA dengan signifikan
substansi karena perbedaan yg kecil dapat signifikan
secara statistik karena penggunaan sampel yg besar
Perlu diperhatikan dalam analisis data
Membandingkan dan melakukan tes teori atau
konsep dengan informasi yang ditemukan
Mencari dan menemukan adanya konsep baru
dari data yang dikumpulkan
Mencari penjelasan apakah konsep baru ini
berlaku umum, atau baru terjadi bila ada
prakondisi tertentu
Urutan analisis data
Analisis uni vari at adalah analisis satu variabel
Analisis bi vari at adalah analisis hubungan 2 variabel
Analisis mul ti vari at adalah analisis hubungan lebih
dari 2 variabel secara bersama dgn mengontrol
variabel lain
ANALISIS UNIVARIAT
Analisis univariat adalah analisis satu variabel
Misalnya
distribusi frekuensi
nilai rerata
variasi
persentase
Kegunaan analisis univariat
1. Salah satu cara melihat adanya kesalahan koding
atau entry data
jawaban di luar area penelitian
data yang sangat ekstrim mengganggu nilai rerata
data yang tidak konsisten, misalnya variabel seks
pria tetapi variabel kehamilan positif
jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis
2. Mendeskripsikan suatu fenomena dengan baik.
3. Perincian/ gambaran besarnya suatu fenomena
4. Petunjuk pemecahan masalah
5. Persiapan analisis bivariat atau multivariat
Contoh analisis univariat
ANALISIS BIVARIAT
Analisis bivariat adalah analisis hubungan 2 variabel
yg dapat bersifat :
(a) simetris tak saling mempengaruhi
(b) saling mempengaruhi
(c) variabel satu mempengaruhi variabel lain
Contoh analisis bivariat
uji Chi-square
Contoh analisis bivariat
uji korelasi
Untuk mengontrol confounder & effect modifier
J ika confounder & effect modifier sudah dapat
dikontrol pada tahap desain, analisis dapat
lebih sederhana (non multivariat)
Prinsip: model parsimonius (valid, precise &
simple)
ANALISIS MULTIVARIAT
Contoh analisis multivariat
uji regresi logistik ganda
TABEL ANALISIS DATA STATISTIK
ORDINAL INTERVAL/RATIO
Kruskal-
wallis
Logistic multiple
regression
Friedmans
2 way
Discriminant
analysis
Rank-order
correlation
Kendals
tau
Gamma
Coefficiens
Dikotom : Politom :
Anova Anova-
interclass
Multiple correlation
t-test DVMR
Dummy
Multiple regression
sign test Multiple
classification
Path-analisis
U-test Cross
classification
Partial regression
VARIABLE
DEPENDEN
VARIABLE INDEPENDEN
NOMINAL
NOMINAL DIKOTOM Difference proportion test
Chi-square
Fishers exact test
Phi-coeficient
atau interval ke
ordinal memakai
teknik yang sesuai
POLITOM Chi-square
Kendalls VCT
INTERVAL/ RATIO Ubah
ordinal jadi
nominal
atau
var.interval
ke variabel
ordinal
memakai
teknik yang
ORDINAL
Man-whitney
Kormogrof-smirnov
Ubah var. ordinal
jadi var. nominal