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
INDONESIA
2010
1
2
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”

3
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

4
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.

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’

5
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:

i. Klik continue

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

6
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 editor

b. Pilih ‘transform’

c. Pilih ‘compute’, kemudian akan muncul kotak dialog ‘compute variabel’

7
 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:

8
 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.

9
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”

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

10
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.

11
k. Klik tombol “If”, sesaat kemudian akan muncul dialog “computevariable: If cases”

l. Klik tombol berbentuk lingkaran kecil: Include if case satisfies condition

m. Pada kotak dibawah option include….: ketiklah tekdarah > 89 & umur > 45

n. Klik “Continue”

o. Klik “OK”, akan muncul pesan:

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:

12
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

13
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)
14
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.

15
a. Penggabungan responden/case

Langkahnya :

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 aktif

a.2. Klik data, sorot Merge File, sorot Add case

16
a.3. Klik Add case

a.4. Isikan pada kotak file name :data2

a.5. Klik open”

a.6. Klik “continue”, dan akhirnya tergabunglah kedua file data

17
 a.7. Untuk menyimpan file gabungan, klik save as isikan nama file baru, misalnya
data12

b. Penggabungan variabel

Data 1a: berisi variabel umur, didik,

18
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

19
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.

20
ANALISIS DATA DESKRIPTIF
I. PENGERTIAN

Analisis 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 DESKRIPTIF

1. 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.

21
III.LANGKAH-LANGKAH

Tujuan 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.

1. Data kategorik

a. 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”

22
 d. Klik ‘OK’, hasil dapat dilihat di jendela output, seperti dibawah ini:

Frequencies
Statistics

tingkat riwayat
pendidikan perokok
N Valid 30 30
Missing 0 0

Frequency Table
tingkat pendidikan

Cumulative
Frequency Percent Valid Percent Percent
Valid 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

Cumulative
Frequency Percent Valid Percent Percent
Valid 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

23
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.

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

24
e. Klik Continue, kemudian Klik tombol option “ Charts” lalu muncul menu baru
dan klik “Histogram” lalu klik “With Normal Curve”.

f. Klik “Continue”, kemudian Klik “ OK “, maka pada layar terlihat distribusi

frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram
beserta curve normalnya.

Frequencies
Statistics

umur TD diastole
N Valid 30 30
Missing 0 0
Mean 39.27 81.50
Std. Error of Mean 1.164 1.828
Median 38.50 80.00
Mode 32 80
Std. Deviation 6.373 10.013
Minimum 30 60
25
 Maximum 50 110

Frequency Table
umur

Cumulative
Frequency Percent Valid Percent Percent
Valid 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
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

Cumulative
Frequency Percent Valid Percent Percent
Valid 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

26
Histogram
umur

5
Frequency

M ean=39.27
Std. Dev. =6.373
N=30
0
30 35 40 45 50
umur

27
 TD diastole

12

10

8
Frequency

Mean =81.5
Std. Dev. =10.013
N =30
0
60 80 100 120
TD diastole

IV. PENYAJIAN DAN INTERPRETASI DATA

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 :
28
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.
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.

29
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
Di RT. 011 RW. 05 Kelurahan Jatijajar tahun 2010
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
Di RT. 011 RW. 05 Kelurahan Jatijajar tahun 2010

10
8
frekuensi

6
4
2
0
30-34 35-39 40-45 45-49 50-55
umur

30
 Diagram 2
Distribusi Responden Menurut Tekanan Darah Diastole
Di RT. 011 RW. 05 Kelurahan Jatijajar tahun 2010

16
14
12
frekuensi
10
8
6
4
2
0
0-60 61-70 71-80 81-90 91-100 101-110 111-120
tekanandarah

V. UJI KENORMALAN DATA

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

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.

TD diastole

12

10

8
Frequency

umur
6

4
5
Frequency

4
2

Mean =81.5
3
Std. Dev. =10.013
N =30
0
2 60 80 100 120
TD diastole
1

Mean =39.27
Std. Dev. =6.373
N =30
0
30 35 40 45 50
umur

Pada grafik di atas, kurva tampak menyerupai bel shape yang berarti data variable umur dan
tekanan darah berdistribusi normal.

31
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

2) Isi kotak “Dependent List” dengan variabel “ Umur”, kotak “ Faktor List” dan “Label
Cases By”, biarkan kosong, sehingga tampilannya sebagai berikut:

32
 3) Klik tombol Plots
4) Pilih Normality plots with tests
5) Klik Continue, kemudian Klik OK, hasilnya sebagai berikut:

Explore
Descriptives

Statistic Std. Error

umur Mean 39.27 1.164
95% Confidence Lower Bound 36.89
Interval for Mean Upper Bound
41.65

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

33
 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

umur
umur 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)

Normal Q-QPlot of umur

2
Expected Normal

-1

-2

25 30 35 40 45 50
ObservedValue

34
 Detrended Normal Q-Q Plot of umur

0.4

0.2
Dev from Normal

0.0

-0.2

30 35 40 45 50
Observed Value

50

45

40

35

30

umur

35
 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)

36