Date post: | 20-Jun-2015 |
Category: |
Documents |
Upload: | rian-anjasmoro |
View: | 2,043 times |
Download: | 4 times |
1
MANAJEMEN DATA
OlehCahya Tri PurnamiStaf Pengajar Bagian Biostatistik & Kependudukan FKM Undip
2
Kepustakaan-1 Sihombing,Gottlieb. Metodologi Penelitian
Bidang Kedokteran. Balai Penerbit Fakultas Kedokteran Universitas Indonesia.Jakarta. 1999
Pratiknya, Watik. Dasar-dasar Metodologi Penelitian Kedokteran dan Kesehatan.Rajawali Pers. Jakarta. 1993
3
Kepustakaan-2 Brockopp, Dorothy Young. Dasar-dasar Riset
Keperawatan. EGC. Jakarta. 1999. Tjokronegoro,Arjatmo. Metodologi Penelitian Bidang
Kedokteran. Fakultas Kedokteran Universitas Indonesia. Jakarta.1999.
Abramson,JH. Metode Survei Dalam Kedokteran Komunitas. Gadjah Mada University Press.Yogyakarta. 1991
Notoatmodjo,Soekidjo. Metodologi Penelitian Kesehatan. Rineka Cipta. Jakarta. 2002.
Santoso, Singgih. Buku latihan SPSS. Satatistik Parametrik. PT Elex Media Komputindo. Jakarta. 2000
4
Manajemen data
Serangkaian kegiatan pengelolaan data mulai dari pengumpulan, pengolahan, analisis sampai dengan penyajian data sehingga menghasilkan informasi yang diperlukan untuk pengambilan keputusan
5
DATA Kumpulan informasi/fakta yg dipakai
untuk keperluan suatu analisis, diskusi, presentasi ilmiah atau uji statistik.
Guna : bahan evaluasi shg dpt digunakan utk membuat keputusan & dpt dipakai dlm proses perencanaan
6
PENGUMPULAN DATA -1
Langkah2 :A. Menentukan sumber dataB. Memilih data yg diperlukan, sesuai
masalahC. Menentukan variabel yg
berhubungan dgn masalahD. Menentukan definisi operasional
7
Kelahiran Mati/ still birth
Kematian sebelum keluar/ dikeluarkan secara sempurna oleh ibu, hasil konsepsi telah mencapai umur 28 minggu/lebih, yang setelah pemisahan, janin tidak menunjukkan tanda-tanda kehidupan.
Definisi operasional KELAHIRAN MATI
8
PENGUMPULAN DATA -2
Metode pengumpulan :A. Observasi : partisipasi, non
partisipasiB. Interview : terstruktur, tdk
terstrukturC. Angket : terbuka, tertutupD. Dokumenter : studi
kepustakaan
9
PENGOLAHAN DATA
10
PENGOLAHAN DATA
TUJUAN :
Menyiapkan data agar mudah ‘ditangani’ saat analisisData bebas dari kesalahan saat pengumpulan dan entry data.
11
Langkah-langkah :
Editing Koding Entry Tabulating Editing :• Meneliti kembali/seleksi jawaban,
kelengkapan, kebenaran pengisian data,konsistensi jawaban.
• Dilakukan SEBELUM meninggalkan responden. - Biasakan menanyakan/mengisi kuesioner
secara urut. - Biasakan mencatat segala sesuatu kejadian waktu mengisi kuesioner
12
Editing Coding Entry Cleaning
Coding : membuat klasifikasi dan
pemberian kode jawaban berupa angka pada data.
INGAT ! HANYA ANGKA YG DAPAT DIOLAH SCR STATISTIK !!!!
Misal : laki-laki = 1 , perempuan = 2 sehat =1, sakit = 2 Koding universal untuk data missing = 9, 99, 999 dst Koding dapat MENYATU atau TERPISAH dari kuesioner.
13
Editing Coding Entry Cleaning
Entry: memasukkan data
( manual/ komputer )
Cleaning : proses pembersihan data
sebelum diolah secara statistik.
14
BENTUK PENGOLAHAN DATA
Pengolahan data sederhana ( univariat)
1. Distribusi frekuensi
2. Menghitung nilai tengah
3. Menghitung sebaran
4. Proporsi, rate, rasio Pengolahan data komplek ( hubungan)
1. Hubungan 2 variabel ( bivariat)
2. Hubungan lebih 2 variabel ( multivariat)
15
UNIVARIAT.
16
Hasil Pengolahan Data - Skala data kontinyu ( interval/Rasio)
Umur Responden
1 .9 .9 .9
2 1.8 1.8 2.7
5 4.5 4.5 7.1
3 2.7 2.7 9.8
7 6.3 6.3 16.1
4 3.6 3.6 19.6
13 11.6 11.6 31.3
13 11.6 11.6 42.9
10 8.9 8.9 51.8
3 2.7 2.7 54.5
7 6.3 6.3 60.7
3 2.7 2.7 63.4
10 8.9 8.9 72.3
5 4.5 4.5 76.8
6 5.4 5.4 82.1
3 2.7 2.7 84.8
3 2.7 2.7 87.5
6 5.4 5.4 92.9
1 .9 .9 93.8
2 1.8 1.8 95.5
2 1.8 1.8 97.3
1 .9 .9 98.2
1 .9 .9 99.1
1 .9 .9 100.0
112 100.0 100.0
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
40
42
59
Total
ValidFrequency Percent Valid Percent
CumulativePercent
17
Hasil Pengolahan Data - Skala data kontinyu ( interval/Rasio)
Pendidikan
22 19.6 19.6 19.6
18 16.1 16.1 35.7
65 58.0 58.0 93.8
3 2.7 2.7 96.4
4 3.6 3.6 100.0
112 100.0 100.0
6
9
12
15
16
Total
ValidFrequency Percent Valid Percent
CumulativePercent
18
Hasil Pengubahan Skala Data
19
Nilai2 tengah & sebaranStatistics
112 112 112 112
0 0 0 0
27.78 10.56 2.17 607294.64
.555 .256 .165 33399.322
26.00 12.00 1.00 500000.00
5.875 2.707 1.750 353465.205
34.517 7.329 3.061 1.2494E+11
1.590 -.490 1.246 1.546
.228 .228 .228 .228
6.011 -.502 .200 3.326
.453 .453 .453 .453
41 10 5 1900000
18 6 1 100000
59 16 6 2000000
Valid
Missing
N
Mean
Std. Error of Mean
Median
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
UmurResponden Pendidikan
Statusbekerja
Pendapatanrata2
20
BIVARIAT
Deskriptif Analisis baris kolom /tabulasi silang
Analitik/inferensial Uji2 statistik
21
ANALISIS DATAOlehCahya Tri PurnamiFKM UNDIP
22
Ilustrasi : gajahPekerjaan analisis data : mencicipi makanan kmd menyimpulkan kelezatannya
ANALISIS
Proses terakhir dlm kegiatan penelitian, sebelum membuat laporanMenjelaskan fenomena/kejadianTidak tergantung pada alat yang dipakai utk analisaTergantung pada skala pengukuran dt ( Nominal-Ordinal-Interval-Rasio)
23
Langkah-Langkah Analisis Data Perumusan masalah
Tujuan Penelitian
Kerangka Teoritis/ Konseptual
Rumusan Hipotesis
Pengukuran
Pengolahan data
Analisis dataANALISIS DESKRIPTIF ANALISIS ANALITIKRatio,proporsi, persentase
Bivariate Multivariate
Penyajian : tabel & grafik Penyajian : tabel & narasi
Nilai tengah,penyebaran
24
Langkah Analisis
MULAI YANG SEDERHANA KE RUMIT
Ingat GIGO
AN. UNIVARIAT
AN. BIVARIAT
AN. HUBUNGAN YG ADA AN. HUB TDK TERDUGA
AN. BIVARIAT
25
Prinsip Analisis 1. Secara Mekanik
Pengubahan angka dan catatan hasil pengumpulan data menjadi informasi yang mudah dipahamiPenggunaan alat bantu statistik utk buktikan hipotesaInterpretasi thd informasi
26
Prinsip Analisis
2. Secara substansi
Membandingkan dan mengetes teori/konsep dgn info yg ditemukanMencari dan menemukan konsep baru dr data yg dikumpulkanMencari penjelasan apkh konsep berlaku umum
27
ANALISA UNIVARIATGUNA :1. Memberi gambaran apakah data layak
utk dianalisa ( Mis : jawaban di luar jangkauan, jawaban ekstrim, konsistensi jawaban )
2. Memberi gambaran suatu fenomena (rincian scr detail/ lengkap)
3. Memberi gambaran utk analisa lebih lanjut ( transformasi data, mengubah skala data)
28
Contoh hasil print out -1Analisis Univariat ( Deskriptif)
29
Contoh hasil print out -2Analisis Univariat ( Deskriptif)
30
ANALISA BIVARIAT
= hubungan 2 variabel= dilakukan setelah an. univariat1. TABEL SILANG2. PERBEDAAN ANGKA RATA-RATA3. ANALISA KORELASI REGRESI
Anak- bpk-keledai
31
ANALISA BIVARIAT
1. TABEL SILANG
Cara termudah utk melihat hubungan Umumnya membuat persentase mnrt
variabel yg diduga sbg var bebas. An. baris kolom Contoh :
Anak- bpk-keledai
32
Pendidikan ibu Berat Badan Lahir Rendah Ya Tidak Total ( n )
SD 21,6 % 78,4% 100 % (190)
SMP 15,3% 84,7% 100% (353)
SMA 10,9% 89,1% 100% ( 966)
Tabel 3.3 Hubungan antara pendidikan ibu dengan Kejadian BBLR
Ket : total baris, analisis kolom
33
Bayi dgn BBLR Tingkat Pendidikan SD SMP SMA
Ya 21,6 % 15,3% 10,9%
Tidak 78,4% 84,7% 89,1%
Total 100 % (190)
100% (353)
100% ( 966)
Tabel 3.3 Hubungan antara pendidikan ibu dengan Kejadian BBLR
Ket : total kolom, analisis baris
34
ANALISA BIVARIAT
2. PERBEDAAN ANGKA RATA-RATA
Tabel 3.10 Rata-rata kadar Hb menurut status zat besi sebelum dan Sesudah penambahan zat besi
Kelompok Kadar Hb
Pemberaian Fe Sebelum Sesudah
Kelompok sehat, mendapat zat besi
12,1 12,8
Kelompok sehat, mendapat placebo
12,3 12,4
35