TUGAS MANDAT 1 dita

  • Published on
    27-Jun-2015

  • View
    270

  • Download
    6

Embed Size (px)

Transcript

<p>TUGAS MANAJEMEN ANALISA DATA</p> <p>TRANSFORMASI DATA DAN ANALISIS DESKRIPTIF</p> <p>Oleh: DITA SULISTYOWATI 0906574801</p> <p>PROGRAM MAGISTER KEPERAWATAN KEKHUSUSAN KEPEMIMPINAN DAN MANAJEMEN KEPERAWATAN FAKULTAS ILMU KEPERAWATAN UNIVERSITAS INDONESIA 20101</p> <p>2</p> <p>TRANSFORMASI DATAI. PENGERTIAN</p> <p>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.</p> <p>Transformasi data dapat dilakukan melalui berbagai macam perintah, seperti: recode, compute, if, select, dan merge.</p> <p>II. JENIS DAN LANGKAH-LANGKAH TRANSFORMASI DATA</p> <p>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.</p> <p>Langkah-langkah melakukan recode kelompok umur pada SPSS sebagai berikut: a. Pilih transform, sorot recode sorot into different variables</p> <p>3</p> <p>b. Kemudian klik into different variables</p> <p>c. Sorot variable umur, lalu klik tanda panah ke kanan sehingga umur berpindah di</p> <p>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 </p> <p>umur14</p> <p>f. Apabila akan merecode nilai umur 45 tahun menjadi kode 3. Pada kotak Range: through highest ketiklah</p> <p>46. Lalu pindahkan kursor ke kotak New value, ketiklah 3, klik add. Langkahnya seperti diatas dan setelah selesai hasilnya sebagai berikut:</p> <p>i. Klik continue j. Klik OK, terlihat variable baru umur1 sudah terbentuk berada dikolom paling kanan</p> <p>6</p> <p>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.</p> <p>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</p> <p>7</p> <p>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),</p> <p>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:</p> <p>8</p> <p>f. Klik OK, sesaat kemudian variable umur2 akan muncul dibagian paling kanan.</p> <p>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 &gt;, =, 89 dan umur &gt; 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.</p> <p>11</p> <p>k. Klik tombol If, sesaat kemudian akan muncul dialog computevariable: If cases l. Klik tombol berbentuk lingkaran kecil: Include if case satisfies conditionm. Pada kotak dibawah option include.: ketiklah tekdarah &gt; 89 &amp; umur &gt; 45</p> <p>n. Klik Continue o. Klik OK, akan muncul pesan:</p> <p>p. Klik OK, maka terbentuklah variable risiko pada kolom paling kanan dengan isi</p> <p>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:</p> <p>12</p> <p>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,</p> <p>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</p> <p>13</p> <p>d. Klik Ife. Ketiklah/sorot dan pindah pada kotak dan tuliskan kondisinya yaitu risiko =0</p> <p>Ket: responden yang berisiko = 0</p> <p>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</p> <p>yang artinya dikeluarkan dari data, sedangkan yang tidak dicoret merupakan data yang aktif (responden yang tidak berisiko tinggi)14</p> <p>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.</p> <p>15</p> <p>a. Penggabungan responden/case Langkahnya : Misal: Data 1 berisi nomor responden 1-15</p> <p>Data 2 berisi nomor responden 16-30</p> <p>Aplikasi di SPSS: a.1. File data1.sav dalam kondisi aktif a.2. Klik data, sorot Merge File, sorot Add case16</p> <p>a.3. Klik Add case a.4. Isikan pada kotak file name :data2</p> <p>a.5. Klik open a.6. Klik continue, dan akhirnya tergabunglah kedua file data</p> <p>17</p> <p>a.7. Untuk menyimpan file gabungan, klik save as isikan nama file baru, misalnya data12</p> <p>b. Penggabungan variabel Data 1a: berisi variabel umur, didik,</p> <p>18</p> <p>Data 2a: berisi variabel tek darah dan rokok</p> <p>Langkah langkah penggabungan variabel: b.1. File data1a.sav dalam kondisi aktif, klik data, sorot Merge Files, sorot Add Variables</p> <p>19</p> <p>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.</p> <p>20</p> <p>ANALISIS DATA DESKRIPTIFI. 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.</p> <p>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.</p> <p>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.</p> <p>3. Modus (jumlah terbanyak) Adalah nilai pengamatan yang mempunyai frekuensi/jumlah terbanyak.</p> <p>4. Varian (variasi)</p> <p>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.</p> <p>5. Standart deviasi (simpangan baku) Adalah pengukuran variasi data melalui penyimpangan/deviasi dari nilai-nilai pengamatan terhadap nilai mean-nya.21</p> <p>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.</p> <p>1. Data kategorik a. Untuk menampilkan data kategorik digunakan tampilan frekuensi.b. Dari menu utama SPSS pilih analyze, kemudian descriptive statistic dan pilih</p> <p>frequencies, sehingga akan seperti:</p> <p>c. Sorot variable berupa data kategorik seperti pendidikan dan riwayat merokok.</p> <p>Klik tanda panah dan masukkan ke kotak variable</p> <p>22</p> <p>d. Klik OK, hasil dapat dilihat di jendela output, seperti dibawah ini:</p> <p>FrequenciesStatistics tingkat pendidikan 30 0 riwayat perokok 30 0</p> <p>N</p> <p>Valid Missing</p> <p>Frequency Tabletingkat pendidikan Cumulative Percent 53.3 73.3 100.0</p> <p>Valid</p> <p>1 2 3 Total</p> <p>Frequency 16 6 8 30</p> <p>Percent 53.3 20.0 26.7 100.0</p> <p>Valid Percent 53.3 20.0 26.7 100.0</p> <p>riwayat perokok Cumulative Percent 53.3 100.0</p> <p>Valid</p> <p>tidak perokok perokok Total</p> <p>Frequency 16 14 30</p> <p>Percent 53.3 46.7 100.0</p> <p>Valid Percent 53.3 46.7 100.0</p> <p>2. Data Numerik23</p> <p>a.</p> <p>Pilih Analyse pada menu, Pilih Descriptive Statistic</p> <p>dan Pilih</p> <p>Frequencies</p> <p>b.</p> <p>Pada Frequencies, Klik variable yang diinginkan dan pindahkan ke kotak</p> <p>variable(s), misalnya variabel umur dan lama kerja.</p> <p>c.</p> <p>Klik Statistic, pilih ukuran yang diminta yaitu: Mean, Median, Standar</p> <p>Deviasi, Minimum, Maximum, Standar Error24</p> <p>e. Klik Continue, kemudian Klik tombol option Charts lalu muncul menu baru</p> <p>dan klik Histogram lalu klik With Normal Curve.</p> <p>f. Klik Continue, kemudian Klik OK , maka pada layar terlihat distribusi</p> <p>frekuensi disertai ukuran statistik yang diminta dan tampak grafik Histogram beserta curve normalnya.</p> <p>FrequenciesStatistics umur N Mean Std. Error of Mean Median Mode Std. Deviation Minimum Valid Missing 30 0 39.27 1.164 38.50 32 6.373 30 TD diastole 30 0 81.50 1.828 80.00 80 10.013 60</p> <p>25</p> <p>Maximum</p> <p>50</p> <p>110</p> <p>Frequency Tableumur Cumulative Percent 3.3 10.0 20.0 26.7 30.0 33.3 40.0 46.7 50.0 53.3 56.7 60.0 66.7 73.3 76.7 80.0 83.3 90.0 93.3 100.0</p> <p>Valid</p> <p>30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 47 48 49 50 Total</p> <p>Frequency 1 2 3 2 1 1 2 2 1 1 1 1 2 2 1 1 1 2 1 2 30</p> <p>Percent 3.3 6.7 10.0 6.7 3.3 3.3 6.7 6.7 3.3 3.3 3.3 3.3 6.7 6.7 3.3 3.3 3.3 6.7 3.3 6.7 100.0</p> <p>Valid Percent 3.3 6.7 10.0 6.7 3.3 3.3 6.7 6.7 3.3 3.3 3.3 3.3 6.7 6.7 3.3 3.3 3.3 6.7 3.3 6.7 100.0</p> <p>TD diastole Cumulative Percent 3.3 16.7 26.7 66.7 76.7 93.3 96.7 100.0</p> <p>Valid</p> <p>60 70 75 80 85 90 105 110 Total</p> <p>Frequency 1 4 3 12 3 5 1 1 30</p> <p>Percent 3.3 13.3 10.0 40.0 10.0 16.7 3.3 3.3 100.0</p> <p>Valid Percent 3.3 13.3 10.0 40.0 10.0 16.7 3.3 3.3 100.0</p> <p>26</p> <p>Histogramu u mr6</p> <p>5</p> <p>Frequency</p> <p>4</p> <p>3</p> <p>2</p> <p>1 Ma = 9 7 e n 3 .2 S . D v = .3 3 td e . 6 7 N= 0 3 0 3 0 3 5 4 0 4 5 5 0</p> <p>u u mr</p> <p>27</p> <p>TD diastole</p> <p>12</p> <p>10</p> <p>Frequency</p> <p>8</p> <p>6</p> <p>4</p> <p>2 Mean =81.5 Std. Dev. =10.013 N =30 60 80 100 120</p> <p>0</p> <p>TD diastole</p> <p>IV. PENYAJIAN DAN INTERPRETASI DATA Ada Beberapa jenis penyajian data yaitu : 1. 2. a. Bentuk Teks, yaitu berupa narasi. Bentuk Tabel 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.</p> <p>Penyajian data dengan memakai kolom dan baris. Macam-macam bentuk tabel :</p> <p>Teks Tabel (tabel Rincian), merupakan uraian dari data yang diambil dari tabel induk.</p> <p>3.</p> <p>Bentuk Grafik/Diagram Jenis-jenis grafik :28</p> <p>a. b.c.</p> <p>Histogram, yaitu grafik yang digunakan untuk menyajikan data kontinyu. Frekwensi Poligon, yaitu digunakan untuk data kontinyu seperti pada histogram dengan menghubungkan puncak-puncak dari balok-balok histogram. 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.</p> <p>d.e.</p> <p>Diagram Garis, digunakan untuk menggambarkan data diskrit atau data dengan skala nominal yang menggambarkan perubahan dari waktu ke waktu. 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.</p> <p>f. g.</p> <p>Diagram Pie, digunakan untuk menyajikan data diskrit atau data dengan skala nominal dan ordinal atau disebut juga data kategorik. Diagram Tebar, digunakan untuk menggambarkan hubungan 2 macam variabel yang diperkirakan ada hubungan. Sumbu Y adalah variabel dependen, sedangkan sumbu X adalah variabel independen.</p> <p>h.</p> <p>Pictogram, yaitu diagram yang digambar sesuai dengan obejknya, misalnya jumlah penduduk dengan menggunakan orang, penyakit jantung dengan menggunakan gambar jantung.</p> <p>i. j. k.</p> <p>Diagram Peta, menggambarkan peta dari suatu daerah. Permasalahan yang akan digambarkan ditunjukkan langsung di peta tersebut. Box-plot dan Whiskers-plot, digunakan untuk menyajikan data numerik, dipakai juga untuk membandingkan beberapa pengamatan. 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.</p> <p>l.</p> <p>Diagram Pareto, yaitu diagram batang yang disusun dengan susunan tinggi rendahnya batang sehingga dengan demikian dapat diinterpretasi.</p> <p>29</p> <p>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 SMA SMP SD Total 16 6 8 30 Jumlah Presentase 53.3 20.0 26.7 100</p> <p>Tabel 2 Distribusi Responden Menurut Riwayat Merokok Di RT. 011 RW. 05 Kelurahan Jatijajar tahun 2010 Riwayat Merokok Tidak Merokok Merokok Total Jumlah 16 14 30 Presentase 53.3 46.7 100</p> <p>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 201010 frek uens i 8 6 4 2 0 30-34 35-39 40-45 um ur 45-49 50-55</p> <p>30</p> <p>Diagram 2 Distribusi Responden Menurut Tekanan Darah Diastole Di RT. 011 RW. 05 Kelurahan Jatijajar tahun 201016 14 12 10 8 6 4 2 0 0-60 61-70 71-80 81-90 91-100 101-110 111-120 tek na da h a n ra</p> <p>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,</p> <p>berarti berdistribusi normal. Contoh: pada distribusi variable umur dan tekanan darah.TD diastole</p> <p>frek uens i</p> <p>12</p> <p>10</p> <p>8</p> <p>u u mr</p> <p>Frequency</p> <p>6</p> <p>6</p> <p>5</p> <p>4</p> <p>Frequency</p> <p>4</p> <p>2 Mean =81.5 Std. Dev....</p>