ANALISIS DESKRIPTIF (UNIVARIAT)
&
PENYAJIAN DATA
EFY AFIFAH, M.Kes
FAKULTAS ILMU KEPERAWATAN
UNIVERSITAS INDONESIA
Pendahuluan
Statistik adalah kumpulan angka yang dihasilkan dari pengukuran dan penghitungan data. Metode statistik adalah alat bantu yang dipakai untuk mengembangkan ilmu pengetahuan
Lingkup statistik atau batasan statistik berupa:
- statistik angka
- statistik hasil pengukuran pada sample mean, SD
- metode statistik: mulai dari pengumpulan datapengolahan data
penyajian dataanalisis data
Metoda statistik mempunyai 2 aktifitas:
Statsitik Deskriptif: 1. aktifitasnya
a. pengumpulan data dengan: kuesioner, form, data sekunder b. pengolahan data
- cari nilai tengah, mean, median, mode
- cari nilai variasi: range, inter quartile range, mean deviation-standar deviation, deviation-standar deviation
c, penyajian data: text, tabel dan diagram
d. analisis data ( sampai dengan penghitungan nilai tengah dan variasi ret dan ratio).
e. interpretasi
Statsitik inferensial= Induktif=analitik
- penarikan kesimpulan ciri-ciri populasi yang dinyatakan dengan
parameternya melalui penghitungan statistik sample berdasarkan teori estimasi dengan pengujian hipotesa
- berdasarkan suatu perkiraan untuk gambarkan ciri-ciri populasi yang seringkali tidak diketahui
Bagaimana karakteristik data yang anda Anda miliki?
- statistik deskriptif
ANALISIS DESKRIPTIF (UNIVARIAT)
Tujuan:
Menjelaskan/mendeskripsikan karakteristik masing-masing variable yang diteliti
Fungsi analisis:
Menyederhanakan atau meringkas kumpulan data hasil pengukuran sedemikian rupa sehingga kumpulan data tsb berubah menjadi informasi berguna.
Peringkasan dapat berupa ukuran-ukuran statistic, table dan grafik.
Peringkasan data:
A. Peringkasan data kategorik B. Peringkasan data numeric
A. Peringkasan data kategorik
Pada data kategorik peringkasan data hanya menggunakan distribusi frekuensi dengan ukuran persentase atau proporsi.
Contoh deskripsi variable kategorik dalam bentuk tabel Tabel 1.
Distribusi Responden Menurut Tingkat Pendidikan Pasien RS Sejahtera tahun Tingkat Pendidikan Jumlah Persentase Rendah 10 20 Sedang 25 50 Tinggi 15 30 Total 50 100
Contoh penyajian variable kategorik dalam bentuk grafik batang
Grafik1.
Sebaran responden berdasarkan tingkat pendidikan RS Sejahtera Tahun 2009 0 20 40 60 80
Rendah Sedang Tinggi
Tingk at Pe ndidik an P e rs e n ta s e Persentase
Berikut akan dipelajari cara mengeluarkan analisis deskriptif di SPSS 11,5, dimulai untuk variable kategorik (latihan variable pendidikan)
Langkah-langkah dalam program SPSS 11,5 sbb:
1. Dari menu utama SPSS, pilih analyze…..descriptive statistics…… frequencies
2. Masukkan variable (misal pendidikan) ke dalam kotak variable 3. Aktifkan displays frequency table
4. Klik kotak charts
5. Pilih bar pada chart type
6. Pilih percentages pada chart values 7. Klik continue, terus klik ok
8.
Output SPSS
Statistics
VAR00001 VAR00002 VAR00003
Valid 31 31 31
N
Missin
g 0 0 0
didik
Frequency Percent Valid Percent
Cumulative Percent 1.00 1 3.2 3.2 3.2 2.00 2 6.5 6.5 9.7 3.00 21 67.7 67.7 77.4 4.00 7 22.6 22.6 100.0 Valid Total 31 100.0 100.0
Keterangan:
Pada kolom frequency menunjukkan kasus dengan nilai yang sesuai, Pada contoh diatas, total responden 31 orang. Ada 1 orang yang berpendidikan SD dst. Proporsi dapat dilihat dari kolom Percent. Ada 3,2% responden yang berpendidikan SD.
Bagaimana penyajian dan interpretasi di laporan penelitian?
Penyajian dan interpretasi di laporan penelitian sbb: Tabel 2.
Distribusi Responden Menurut Tingkat Pendidikan Pasien RS Medika tahun 2009
Tingkat Pendidikan Jumlah Persentase
SD 1 3,2
SMP 2 6,5
SMA 21 67,7
PT 7 22,6
Total 31 100
Distribusi tingkat pendidikan responden paling banyak responden
berpendidikan SMA yaitu 21 orang (67,7%) sedangkan untuk pendidikan SD, SMP dan PT masing-masing 3,2%, 6,5% dan 22,6%.
B. Peringkasan data numerik
Anda harus mengetahui variabel yang akan anda masukkan harus termasuk variable numerik. Pada data numerik, deskripsinya berdasarkan ukuran tengah, sebarannya dan penyajiannya dalam bentuk histogram. Ukuran yang digunakan adalah mean, median dan modus. Untuk ukuran sebaran/variasi digunakan range, standar deviasi, minimal dan maksimal.
Langkah-langkah dalam program SPSS 11,5:
1. Pilih analyze….. Descriptive statistics….. Frequencies
2. Masukkan variable numeric misal berat badan kedalam kotak variables 3. Pilihan display frequency tables dinonaktifkan
4. Klik kotak statistics….pilih mean, median, modus pada central tendency 5. Klik pada dispersion standar deviasi, variance, minimum, maksimum
6. Klik juga skewness dan kurtosis pada distribution sebagai ukuran penyebaran
7. Klik kontinyu, aktifkan chart, pada chart type pilih histogram dan aktifkan kotak with normal curve.
8. Klik continue, dan ok Output SPSS Statistics berat badan Valid 29 N Missing 1 Mean 50.7241 Median 50.0000 Mode 34.00(a) Std. Deviation 11.74170 Variance 137.86761 Skewness .683 Std. Error of Skewness .434 Kurtosis .708 Std. Error of Kurtosis .845 Minimum 33.00 Maximum 83.50
a Multiple modes exist. The smallest value is shown Histogram berat badan 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0 45.0 40.0 35.0 berat badan F re q u e n c y 10 8 6 4 2 0 Std. Dev = 11.74 Mean = 50.7 N = 29.00
Mengetahui suatu data berdistribusi normal atau tidak dengan menggunakan SPSS
Langkah-langkah sbb: 1. Buka file normalitas 2. Lihat variable view 3. Lihat data view
4. Klik analyze…..Descriptive statistics……Explore, masukkan variable misal berat badan ke dalam dependent list
5. Pilih both pada display 6. Aktifkan kotak plots
7. Pada bloxplot aktifkan factor levels together, kemudian aktifkan histogram
8. Klik normally plots with tests 9. Klik continue…ok
Output SPSS
Case Processing Summary Cases
Valid Missing Total
N Percent N Percent N Percent
berat badan 29 96.7% 1 3.3% 30 100.0% Descriptives Statistic Std. Error Mean 50.7241 2.18038 Lower Bound 46.2578 95% Confidence Interval for Mean Upper Bound 55.1904 5% Trimmed Mean 50.1466 Median 50.0000 Variance 137.868 Std. Deviation 11.74170 Minimum 33.00 Maximum 83.50 Range 50.50 Interquartile Range 17.0000 Skewness .683 .434 berat badan Kurtosis .708 .845
Tests of Normality
Kolmogorov-Smirnov(a) Shapiro-Wilk
Statistic Df Sig. Statistic Df Sig.
berat badan .146 29 .114 .957 29 .273
a Lilliefors Significance Correction
berat badan 85.0 80.0 75.0 70.0 65.0 60.0 55.0 50.0 45.0 40.0 35.0
Histogram
F re q u e n c y 10 8 6 4 2 0 Std. Dev = 11.74 Mean = 50.7 N = 29.00Normal Q-Q Plot of berat badan
Observed Value 90 80 70 60 50 40 30 20 E x p e c te d N o rm a l 2 1 0 -1 -2Detrended Normal Q-Q Plot of berat badan
Observed Value 90 80 70 60 50 40 30 D e v f ro m N o rm a l 1.0 .8 .6 .4 .2 0.0 -.2 -.4
Q-Q Plot 29 N = berat badan 90 80 70 60 50 40 30 20 23
Interperetasi hasil output SPSS
Statistic Std. Error Mean 50.7241 2.18038 Lower Bound 46.2578 95% Confidence Interval for Mean Upper Bound 55.1904 5% Trimmed Mean 50.1466 Median 50.0000 Variance 137.868 Std. Deviation 11.74170 Minimum 33.00 Maximum 83.50 Range 50.50 Interquartile Range 17.0000 Skewness .683 .434 berat badan Kurtosis .708 .845
Beberapa ahli statistic ada yang memilih menilai sebaran data berdasarkan descriptive dan yang lain berdasarkan analitik
1, Menilai sebaran data secara descriptive
a. Parameter koefisien varians = standar deviasi /mean x 100% dari tabel diatas dapat dihitung = 11,74/50,72 x 100%= 23,14%
kriteria normal = < 30% jadi kesimpulan sebaran data normal
b.Parameter ratio skewness= skewness/standar error of skewness= 0,683/0,434= 1,57 kriteria normal = -2 s/d 2 jadi kesimpulan sebaran data normal
c. Menghitung ratio kurtosis = ratio kurtosis/standar error of kurtosis = 0,708/0,845= 0,83 kriteria normal = -2 s/d 2 jadi kesimpulan sebaran data normal
d. Melihat Histogram -- miring ke kiri Kesimpulan: sebaran data tidak normal
e.Melihat Box plot, nilai median ada di tengah-tengah kotak, nilai whisker terbagi secara simetris ke atas dan ke bawah dan tidak ada nilai ekstrim atau outlier, Kesimpulan sebaran data normal
f. Melihat Normal Q-Q plots, terdapat data yang tidak berada disekitar garis, kesimpulan sebaran data tidak normal
g. melihat Detrended Q-Q plots, banyak data yang tidak berada di sekitar garis, kesimpulan sebaran data tidak normal
2. Menilai sebaran data secara analitik
Uji kenormalan data bisa menggunakan uji Kolmogorov Sminov untuk sample besar dan Shapiro Wilk untuk sampel yang sedikit.
Dari tabel diatas, denganuji Kolmogorov Sminov menghasilkan nilai p (p value) sebesar 0,114, sedangkan untuk kriteria normal nilai p >0,05, kesimpulan sebaran data normal.
Penyajian dan interpretasi di laporan penelitian
Dari angka-angka yang diperoleh dari output SPSS dimasukkan ke tabel penyajian di laporan penelitian.
Tabel 2.
Distribusi statistic deskriptif variabel berat badan responden RS Medika tahun 2009
Median 1. Umur 50,72 50 11,74 33-83 46,25-55,19 Interpretasi
Hasil analisis didapatkan rata-rata berat badan responden adalah 50,72 kg (95% CI: 46,25-55,19), median 50 kg dengan standar deviasi 11,74 kg. Berat badan teringan 33 kg dan berat badan terberat 83 kg. Dari hasil estimasi interval dapat disimpulkan bahwa 95% diyakini bahwa rata-rata berat badan responden adalah diantara 46,25 kg sampai 55,19 kg
Proses Transformasi data
Tujuan: untuk menormalkan distribusi data yang tidak normal
Transformasi data dilakukan dengan menggunakan fungsi log, akar , kuadrat atau fungsi lainnya.
Transformasi dengan fungsi Log
Langkah-langkah:
1. Buka file normalitas
2. Transform…… Compute
3. Ketik trans_ ke dalam kotak target variabel
4. Pada pilihan functions cari pilih LG 10, pindahkan ke kotak numeric expression dengan mengklik tanda panah- terlihat log 10 [ ],
pindahkan variabel …… ke spasi tersebut dengn mengklik tanda panah. 5. Klik OK
6. Lihat pada data view, akan terdapat variabel baru bernama tran_... yang merupakan hasil transformasi data variabel……
Pada data view tardapat tampilan sbb:
Bb imt tran_imt 67.50 30.69 1.49 47.00 21.09 1.32 58.00 24.78 1.39 46.50 21.46 1.33 51.00 23.73 1.38 34.00 20.53 1.31 42.00 20.42 1.31 67.00 30.55 1.49 66.00 28.95 1.46 62.00 27.56 1.44 61.00 25.32 1.40 49.00 21.21 1.33 42.00 21.74 1.34 47.00 19.07 1.28 51.00 21.79 1.34 60.00 21.06 1.32 39.00 18.65 1.27 50.00 23.42 1.37 43.50 21.63 1.34 50.00 17.99 1.26
51.50 25.91 1.41 37.00 17.33 1.24 83.50 30.67 1.49 33.00 20.12 1.30 38.50 19.53 1.29 52.00 20.57 1.31 . 20.55 1.31 34.00 20.52 1.31 56.00 20.51 1.31 52.00 20.51 1.31 Tests of Normality Kolmogorov-Smirnov(a) Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
TRANS_I
M .226 30 .000 .901 30 .009
a Lilliefors Significance Correction
Interpretasi hasil:
Uji normalitas Kolmogorov-Sminov menghasilkan nilai kemaknaan p sebesar 0,000. Nilai p < 0,05, jadi kesimpulan bahwa tran_imt mempunyai sebaran yang tidak normal.
PENYAJIAN DATA/DATA PRESENTATION
Penyajian data/data presentation
Pemaparan data hasil penelitian yang disusun secara teratur (sederhana, singkat dan jelas)
Syarat penyajian data: - sederhana
- jelas - singkat
Manfaat: agar orang lain
- mudah memperoleh gambaran
- mudah membandingkan
- dapat meramalkan hasil penelitian
Bentuk penyajian data secara:
- textular: narasi
- tabel
- grafik
1. TEXTULAR PRESENTATION = Tulisan
· Dengan narasi = tulisan.→ Kalimat
· tak banyak memberikan gambaran secara statistic
2. TABEL PRESENTATION = Tabel = Tabular
· Macam :
a. Tabel INDUK = Tabel UMUM = Tabel REFERENSI :
◊ Memuat semua variable ◊ Bersifat umum
◊ Biasanya diletakan sebagai lampiran
◊ Tak dapat dipakai untuj membandingkan berbagai variable
◊ Penyusunan berdasarkan abjad
b. Tabel SEBARAN JUMLAH = Tabel DISTRIBUSI
FREKUENSI = SELF EXPLANATORY Table. Penyajian hanya satu2
Misalnya : pendidikan-jumlah masing-masing gradenya Nilai yang ditampilkan:
Jumlah relative: proporsi Jumlah absolute
Jumlah kumulatif< atau> c. Tabel silang
ada bagian kolom dan garis
masing-masing kolom dan garis ada keterangan
misal: sebaran responden menurut keadaan sehat dan sakit serta status ekonomi di kota
3. GRAPHICAL PRESENTATION=Grafik
Syarat-syarat grafik yang lengkap:
A. Judul grafik- singkat, jelas dan sederhana - biasanya terletak di atas gambar B. Bentuk grafik
- sesuai dengan data yang ada dan tujuan penyajian C. Pembuatan grafik: dibuat agar menarik
D. Skala: garis aksis dan ordinat, skala harus jelas
Aksis= vaiabel bebas/independent, ordinat= variable terikat/tergantung E. Keterangan di bawah atau di dalam gambar
Pembagian grafik berdasarkan variabel: Grafik satu variabel
- Kategorik (sex, golongan darah, pendidikan dll)---- grafik balok/bar, digram binka/pie
- Numerik (jumlah anak, TB, BB dll)---histogram/polygon/ogive/kumulatif
Grafik dua variabel
- Numerik-Numerik---diagram tebar/scatter - Kategorik-Kategorik---diagram balok
- Kategorik-Numerik---boxplot cluster Pembagian grafik menurut fungsi:
1.Grafik untuk perbandingan
1. Bar diagram/grafik batang 2. Proportional digram
3. Pie diagram
2.Grafik untuk meramal
1. Histogram
2. frekuensi polygon 3. Frekuensi kumulatif 4. Grafik garis
3.Grafik untuk penerangan
1. Piktogram/grafik model 2. Grafik peta
4. Grafik untuk mengetahui hubungan
1.Grafik pencar/scatter diagram
Keterangan:
Grafik Batang/Bar diagram/Diagram balok
- untuk data berkelompok
- untuk membandingkan beberapa variable pada waktu dan tempat yang sama - untuk membandingkan satu variable pada waktu dan tempat yang berbeda
- diantara 2 batang ada ruang antara
- penggambaran batang dimulai dari titik nol - lebar batang harus sama
- lebar batang > lebar antara
Grafik Proportional
Ada dua:
A.Grafik batang proportional
- bentuk batang tapi dalam persen
- untuk menggambarkan perubahan-perubahan beberapa sesuai dengan berjalannya waktu
- kedua variabel digambar pada titik awal sama
B.Grafik garis proportional
- bentuk garis tapi dalam persen
- untuk menggambarkan perubahan-perubahan sesuai dengan berjalannya waktu
- kedua variabel digambar pada titik awal sama.
Grafik lingkaran/Pie diagram
- pemaparan data berbentuk lingkaran dibagi segmen-segmen - besar segmen-persentasi kategori data
- pie diagram–lingkaran digambar dalam tiga dimensi
Histogram
- adalah balok untuk data kuantitatif kontinyu - disusun berhimpitan tanpa ruang antara - grafik tangga
- termasuk grafik luas
- perbandingan didasarkan atas luas batang, bukan tinggi batang
- untuk membandingkan perbedaan frekuensi terdapat pada interval kelas - bias dipakai nilai tengah kelas
- sebaiknya pakai tepi kelas
Frekuensi Poligon
- menghubungkan titik tengah Histogram - untuk membandingkan beberapa grafik - histogramnya tidak digambar
Grafik garis/Line diagram
- pemaparan data dalam bentuk garis
- bisa garis lurus, patah-patah dan lengkung
- untuk mengetahui perubahan-perubahan sesuai dengan waktu
Grafik pencar/ Scatter diagram
- grafik korelasi/grafik kecenderungan
- untuk mengetahui hubungan 2 variabel yang berpasangan yg
menunjukkan kecenderungan
- penilaian:
- korelasi linier/korelasi sederhana, merupakan garis lurus
- korelasi positif: garis bergerak dari kiri bawah ke kanan atas
- korelasi negative:garis bergerak dari kiri atas ke kanan bawah
- bila garis: horizontal, kedua variable tidak punya hubungan/korelasi
linear, korelasi=0
Grafik model/Piktogram
- grafik berbentuk gambar mirip bentuk asli
- untuk memberi penyuluhan kepada masyarakat
- misalkan untuk menggambarkan jumlah penduduk
Grafik peta/Map diagram
- grafik, gambar peta, wilayah kerja
- untuk keterangan , batas wilayah kerja, keterangan, lokasi
Grafik Lengkung kurva
- kurva simetris
- kurva asimetris/kurva miring=skew
Daftar Pustaka:
Dahlan, S, (2004).
Statistik untuk kedokteran dan kesehatan
. Jakarta : Bina Mitra Press.Hastono, SP (2001).
Modul analisis data
. Depok: Fakultas Kesehatan Masyarakat UI.Sugiyono (2002). Statistik nonparametris untuk penelitian. Bandung:Alfabeta Sabri,L & Hastono, SP (1999). Modul biostatistik dan statistik kesehatan. Depok: Program Pascasarjana Program Studi IKM UI.