Materi Fix

BAB 1

PENDAHULUAN

A. Latar Belakang

Pada suatu penelitian ilmiah yang dilakukan oleh seorang peneliti, akan

didapatkan beberapa data yang merupakan hasil dari pengukuran ataupun pengamatan

obyek penelitian di lapangan. Obyek penelitian dapat berupa orang, tanaman, hewan dan

fenomena-fenomena baik itu dalam bidang ilmiah maupun sosial. Setelah data selesai

dikumpulkan dengan lengkap dari lapangan, tahap berikutnya yang harus dilakukan

adalah tahap analisa. Analisa dapat dibedakan menjadi dua macam yaitu analisa yang

kualitatif dan yang kuantitatif.

Analisis data merupakan suatu proses mengatur urutan data,

mengorganisasikanya ke dalam suatu pola, kategori, dan satuan uraian dasar (Lexy J.

Moleong 2002). Analisis data merupakan tahapan yang sangat penting sebelum diperoleh

kesimpulan dari penelitian yang dilakukan. Sehingga tahap analisis data memiliki

peranan yang sangat penting dalam suatu rangkaian kegiatan penelitian. Untuk

mendapatkan hasil kesimpulan penelitian yang baik dan memiliki akurasi yang tinggi

maka kegiatan analisis data harus dilakukan secara hati-hati dan teliti.

B. Rumusan Masalah

1. Apa yayng dimaksud pengolahan data?

2. Apa yang dimaksud analisis data?

3. Bagaimana teknik pengolahan dan analisis data?

4. Apa saja macam teknik pengolahan dan analisis data?

5. Bagaimana langkah-langkah pengolahan dan analisis data?

C. Tujuan Penulisan

1. Mendeskripsikan pengertian pengolahan data

2. Mendeskripsikan pengertian analisis data

3. Mendeskripsikan teknik pengolahan dan analisi data

4. Mendeskripsikan macam teknik pengolahan dan analisis data

5. Mendeskripsikan langkah-langkah pengolahan dan analisi data

1

D. Manfaat

Manfaat yang diharapkan dari luaran karya tulis ini sebagai berikut.

1. Bagi Mahasiswa

Mampu dipahaminya pengertian dan deskripsi mengenai analisis data,

bentuk data yang dianalisis, teknik yang digunakan, langkah-langkah

penganalisisan serta bagaimana bentuk interprentasi data hasil analisis.

Sehingga mampu menciptakan pemahaman yang lebih mendalam mengenai

teknik analisis data dalam penelitian.

2. Bagi Penulis

Menambah pemahaman mengenai pengertian, analisis data, bentuk data

yang dianalisis, teknik yang digunakan, langkah-langkah penganalisisan serta

bagaimana bentuk interprentasi data hasil analisis untuk dilakukan implementasi

dalam konteks belajar mengajar di bangku perkuliahan.

3. Bagi Pembaca

Menambah wawasan baru mengenai pengertian analisis data, bentuk

data yang dianalisis, teknik yang digunakan, langkah-langkah penganalisisan

serta bagaimana bentuk interprentasi data hasil analisis dalam kehidupan sehari-

hari yang berkaitan dengan penganalisisan data.

2

BAB II

PEMBAHASAN

A. Pengolahan Data

Dalam suatu penelitian, pengolahan data merupakan salah satu langkah yang

penting. Hal ini disebabkan karena data yang diperoleh langsung dari penelitian masih

mentah, belum memberikan informasi apa-apa dan belum siap untuk disajikan. Untuk

memperoleh penyajian data sebagai hasil yang berarti dan kesimpulan yang baik,

diperlukan pengolahan data. Data sebagai hasil penelitian, apabila dilihat dari segi

jenisnya dibedakan menjadi dua, yakni :

a. Data Kualitatif, yaitu data yang berhubungan dengan kategorisasi, karakteristik

atau sifat variabel atau hasil pengklasifikasian atau penggolongan suatu data.

Misalnya, jenis kelamin, jenis pekrjaan, pendidikan, baik sedang, kurang baik,

tidak baik, tinggi sedang rendah dan sebagainya. Data kualitatif biasanya tidak

berhubungan dengan angka-angka, dan sering tidak dikaitkan dengan analisis

statistik, sering disebut data nonstatistik. Jenis data ini juga disebut data kategorik,

dan pada umumnya dibedakan variabel berskala nominal (laki-laki dan

perempuan), ordinal (tinggi dan rendah).

b. Data kuantitatif, yakni data yang berhubungan dengan angka-angka, baik yang

diperoleh dari hasil pengukuran, maupun dari nilai suatu data yang diperoleh

dengan jalan megubah data kualitatif dalam data kuantitatif, misalnya skors dari

hasil tes, atau hasil dari perhitungan. Misalnya: jumlah anak, jumlah kunjungan

rawat jalan, jumlah pendapaatan, dan sebagainya. Data kuantitatif sering dikaitkan

dengan analisis statistik, sebab itu disebut data statistikatau data numerik. Data

numerik mencakup variabel berskala interval (umur 1-5 tahun, 6-10 tahun, dsb),

dan rasio.

Dalam pelaksanaannya, pengolahan data kualitatif dan kuantitatif ini sering

berhubungan. Data kualitatif diubah menjadi data kuantitatif ata sebaliknya. Sesuai

dengan sifat fata tersebut maka teknik pengolahan data dapat dibedakan menjadi:

a. Teknik nonstatistik, yakni pengolahan data dengan tidak menggunakan analisis

statistik, tetapi dengan analisis kualitatif. Analisis kualitatitf ini dapat dilakukan

melalui cara, induktif, yakni pengambilan kesimpulan umum berdasarkan hasil-

hasil observasi yang khusus. Dalam analisis ini tidak diperlukan perubahan data

kualitatif ke dalam data kuantitatif.

3

b. Teknik statistik, yakni teknik pengolahan data dengan menggunakan analisis

statstik. Biasanya analisis ini dilakukan untuk pengolahan data kuantitatif.

Pengolahan dana analisis data kuantitatif ini dapat dilakukan dengan tangan

(manual) ataupun dengan bantuan alat komputer. Untuk pengolahan data dengan

alat komputer, data perlu diterjemahkan ke dalam bahasa komputer yaitu dengan

memberikan kode-kode tertentu sesuai dengan bahasa program yang digunakan.

Perangkat lunak (software) komputer yang sering digunakan untuk pengolahan

data penelitian adalah SPSS atau EfiInfo.

B. Langkah-Langkah Pengolahan Data

Kegiatan pengumpulan dan pengolahan data dalam penelitian selalu

berhubungan. Dalam pengumpulan data digunakan alat pengumpul data atau sering

disebut intrumen penelitian. Instrumen ini disusun sedemikian rupa sehingga

menghasilkan data yang mudah diolah. Langkah-langkah pengolahan tergantung pada

bentuk intrumen atau kuisioner yang digunakan untuk mengumpulkan data, apakah

kuisioner terbuka (open ended), atau terstruktur (closed ended).

Untuk kuisioner yang terbuka langkah-langkah pengolahan data, antara lain

sebagai berikut:

1. Penyusunan Data

Untuk memudahkan penilaian dan penegecekan apakah semua data yang

diperlukan dalam menguji hipotesis dan untuk mencapai tujuan penelitian itu

sudah lengkap, perlu dilakuka seleksi dan penyusunan data. Langkah ini penting

karena sering terjadi kecendrungan bagi peneliti untuk tidak mengaitkan antara

data yang dikumpulkan dengan hipotesis dan tujuan penelitian, sehingga kadang-

kadang data yang diperlukan dalam menguji hipotesis tidak diperoleh, sedangkan

data yang tidak diiperlukan tersedia. Dalam penyusunan data perlu

dipertimbangkan hal-hal sebagai berikut:

a. Hanya memilih atau memasukan data yang penting dan benar-benar

diperlukan.

b. Hanya memilih data yang objektif (tidak bias).

c. Bila data yang dikumpulkan menggunakan teknik wawancara atau angket,

harus dibedakan antara informasi yang diperlukan dengan kesan pribadi

responden.

4

2. Klasifikasi

Kegiatan untuk mengelompokkan atau menggolong-golongkan data ini

disebut klasifikasi data. Klasifikasi data ini didasarkan pada kategori yang dibuat

berdasarkan justifikasi atau pertimbangan peneliti sendiri. Biasanya

pengelompokan ini disesuaikan dengan permsalahan, tujuan penelitian dan

hipotesis. Antara masalah penelitian, hipotesis penelitian, dengan klasifikasi data

ini terkait erat. Misalnya, permasalahan penelitian: Ibu-ibu masih banyak yang

belum mau membawa anaknya ke Posyandu untuk diimunisasi. Tujuan penelitian:

Untuk memperoleh informasi tentang sebab-sebab, ibu-ibu tidak mau membawa

anaknya ke Posyandu untuk diimunisasi.

Hipotesis penelitiannya: Ibu-ibu tidak mau membawa anaknya ke Posyandu untuk

diimunisasi karena tidak tahu gunanya imunisasi bagi anaknya. Karena itu dalam

klasifikasi data nanti harus ada kelompok data pengetahuan ibu, perilku ibu

tentang imunisasi, dan sebagainya. Gambaran dari hubungan tersebut sebagai

berikut:

Hubungan antara Masalah, Tujuan, Hipotesis,

Penelitian, dan klasifikasi data

Masalah Tujuan Hipotesis Klasifikasi Data

Masalah 1 Tujuan 1 Hipotesis 1 Klasifikasi 1

Masalah 2 Tujuan 2 Hipotesis 2 Klasifikasi 2

Masalah n Tujuan n Hipotesis n Klasifikasi n

3. Analisis Data

Dalam tahap ini data diolah dan dianalisis dengan teknik-teknik tertentu. Data

kualitatif diolah dengan teknik analisis kualitatif, sedangkan data kuantitatif

dengan menggunakan teknik analisis kuantitatif. Untuk pengolahan data

kuantitatif dapat dilakukan dengan tangan atau melalui proses komputerisasi.

Dalam pengolahan ini mencakup tabulasi data dan perhitungan-perhitungan

statistik, bila diperlukan uji statistik.

Sedangkan untuk pengolahan data yang diperoleh dari kuisioner yang

terstruktur atau tertutup, teknik pengolahan data lebih mudah dibandingkan

dengan pengolahan data yang diperoleh dari kuisioner terbuka. Langka-langkah

5

pengolahan data dari kuisioner terstruktur, dapat dilakukan secara manual,

maupun menggunakan bantuan komputer (komputerisasi).

C. Pengolahan Data Secara Manual

Pengolahan data secara manual pada saat ini memang jarang dilakukan, sudah

ketinggalan zaman. Namun dalam keterbatasan-keterbatasan sarana dan prasarana atau

kalau tidak terlalu besar, pengolahan data secara manual masih diperlukan. Data yang

kita kumpulkan merupakan data mentah yang harus diorganisasi sedemikian rupa agar

dapat disajikan dalam bentuk tabel atau grafik hingga mudah dianalisis dan ditarik

kesimpulan.

Pengolahan data merupakan proses yang sangat penting dalam penelitian.

Oleh karena itu, harus dilakukan dengan baiak dan benar. Kegiatan dalam proses

pengolahan data adalah:

(1)Memeriksa data (editing)

(2)Memberi kode (coding), dan

(3)Menyusun data (tabulating).

Ketiga kegiatan tersebut diatas disebut proses edisi.Langkah-langkah pengolahan

data secara manual pada umumnya melalui langkah-langkah sebagai berikut:

1. Editing (Penyuntingan Data)

Yang dimaksud dengan proses editing ialah memeriksa data yang telah

dikumpulkan baik berupa daftar pertanyaan, kartu atau buku register.

Hasil wawancara atau angket yang diperoleh atau dikumpulkan melalui

kuisioner perlu disunting (edit) terlebih dahulu. Kalau ternyata masih ada data

atau informasi yang tidak lengkap, tidak memungkinkan dilakukan wawancara

ulang, maka kuisioner tersebut dikeluarkan (drop out).

Yang dilakukan pada kegiatan memeriksa data ialah (a) menjumlah dan (b)

melakukan koreksi.

a) Penjumlahan

Menjumlah ialah menghitung banyaknya lembaran daftar pertanyaan

yang telah diisi untuk mengetahui apakah sesuai dengan jumlah yang telah

ditentukan.

Bila terdapat kekurangan maka dapat segera dicari sebabnya lalu diatasi.

Sebaliknya, bila terdapat jumlah berlebihan yang mungkin terjadi karena

6

pencatatan ganda atau pencatatan subjek studi yang tidak termasuk dalam

sampel maka dapat segera diketahui dan diambil tindakan. Selain itu,

dilakukan juga perhitungan-perhitungan yang ada. Misalnya, untuk

mengetahui jumlah pendapatan per kapita per tahun ditanyakan jumlah

pengeluaran tiap hari maka perhitungan perkapita pertahun dilakukan pada

saat pengolahan data.

b) Koreksi

Yang termasuk dalam proses koreksi ialah proses membenarkan atau

menyelesaikan hal-hal yang salah atau kurang jelas. Misalnya, memeriksa

apakah semua pertanyaan telah diisi dan apakah isi jawaban sesuai dengan

pertanyaan atau terdapat tulisan yang kurung jelas atau terdapat kesalahan

dalam pengisian, misalnya umur balita 4,5 tahun ditulis 45 tahun.

Untuk menyelesaikan maslah tersebut dapat ditanyakan kembali kepada

responden, tetapi bila cara tersebut tidak dapat dilakukan kerena responden

tidak dapat menghubungi maka penyelesaiannya dilakukan oleh peneliti,

apakah dibuang atau diganti dengan yang lain.

2. Membuat Lembaran Kode (Coding Sheet) atau Kartu Kode (coding Sheet)

Lembaran atau kartu kode adalah instrument berupa kolom-kolom untuk

merekam secara manual. Lebaran atau kartu kode berisi nomor responden, dan

nomor-nomor pertanyaan,

Contoh lebaran kode berikut ini:

No. Pertanyaan

No. Resp. 1 2 3 4 5 6 dst.

001

002

003

004

005

006

007

a a c b a b

c b a c b b

dst.-→ diissi jawaban (code) tiap pertanyaan)

7

008

Contoh kartu kode:

1 2 3 4 5 6

7 8 9 10 11 12

13 14 15 16 17 18

19 20 21 22 23 24

25 26 27 28 29 30

31 32 33 34 35 36

Keterangan : No. Adalah nomor pernyataan masing-masing kotak (kolom) diisi

dengan kode-kode (huruf atau angka) sesuai denga jawaban masing-

masing pertanyaan.

Meskipun pemberian kode dapat mempermudah pengolahan, tetapi pekerjaan

ini harus dilakukan dengan seteliti mungkin karena mudah menimbulkan kesalahan

dalam pemberian kode atau dalam memasukan data.

Pemberian kode dapat dilakukan sebelum atau sesudah pengumpulan data

dilaksanakan. Dalam pengolahan selanjutnya kode-kode tersebut dikembalikan lagi

pada variabel aslinya.

3. Memasukkan Data (Data Entry)

Yakni Mengisi kolom-kolom atau kotak-kotak lembar kode atau kartu kode

sesuai dengan jawaban masing-masing pertanyaan.

4. Tabulasi

Penyusunan data merupakan pengorganisasian data sedemikian rupa agar

dengan mudah dapat dijumlah, disusun, dan ditata untuk disajikan dan dianalisis.

8

Proses tabulasi dapat dilakukan dengan berbagai cara antara lain dengan

metode Tally, menggunakan kartu, dan menggunakan komputer. Yakni membuat

tabel-tabel data, sesuai dengan tujuan penelitian atau yang diinginkan oleh

peneliti.

a) Tabulasi Menggunakan Metode Tally

Cara ini dilakukan dengan menghitung variabel kemudian

membuat coretan garis tegak sebanyak 4 buah dan diikuti dengan garis

meintang yang memeotong keempat garis tegak. Cara ini sering disebut

Cross five

Metode Tally hanya digunakan pada jumlah observasi yang tidak

banyak dengan variabel yang tidak banayak pula karena dengan cara ini

sering terjadi keslahan dalam mencoret sesuai dengan variabelnya.

Misalnya, variabel jenis kelamin wanita, tetapi yang dicoret laki-laki.

Selain itu, sering pula terjadi kelebihan atau kekurangan dalam mencoret

hingga jumlah seluruh observasi tidak sesuai dengan jumlah yang

sebenarnya.

Bila terjadi hal seperti itu maka seluruh proses harus diulangi dari

awal karena tidak ada cara untuk melakukan koreksi.

Pelaksanaan

Untuk melaksanakan tabulasi dengan metode Tally diperlukan

langkah-langkah sebagai berikut.

1. Buatlah daftar semacam tabel yang memuat variabel dan ruang untuk

membuat coretan dan jumlah

2. Tuliskan variabel yang diinginkan

3. Buatlah coretan sesuai dengan variabel tersebut

4. Jumlahkan semua coretan sesuai dengan variablenya

Contoh :

Penelitian untuk mengetahui pol penyakit dalam satu bulan di sebuah

rumah sakit.

Tabel 4.1 Proses tabulasi pola penyakit

Jenis Penyakit Garis Tally Jumlah

9

ISPAKulitSaluran pencernaan AnemiaKurang GiziLain-lain

20151310815

Jumlah 81

b) Tabulasi Menggunakan Kartu

Tabulasi menggunakan kartu dapat dilakukan dengan dua cara yaitu

(1) Kartu tanda lubang dan

(2) Kartu dengan lubang

Pelaksanaan

Pada kartu tanpa lubang, semua variabel yang diperoleh dari daftar

pertanyaan ditulis dalam kartu dan diberi kode yang sesuai. Kode yang

sama disatukan kemudian dijumlah.

Pada kartu dengan luang, setiap tepinya dibuat lubang dan diberi

kode. Kode yang sesuai dengan daftar pertanyaan, tepinya digunting

kemudian ditumpuk dan lubang ditusuk dengan kawat sehingga lubang

yang telah digunting akan jatuh lalu dihitung dan dibuat tabel.

Tabulasi menggunakan kartu mempunyai beberapa keuntungan,

yaitu tabulasi lebih cepat dariapada metode tally, dapat digunakan pada

jumlah responden yang banyak dengan variabel yang banyak, dan kartu

dapat disimpan hingga dapat digunakan lagi bila dibutuhkan.

Disamping keuntungan tersebut terdapat pula beberapa kerugian

atau kelemahan, yaitu dibutuhkn biaya yang lebih besar daripad metode

Tally dan sering pula terjadi kesalahn pada waktu memindahkan data dari

daftar pertanyaan ke dalam kartu. Tabulasi mengguakan kartu saat ini

sudah jarang digunakan.

c) Tabulasi Menggunakan Komputer

Komputer sebagai alat bantu dalam melakukan tabulasi mulai

populer digunakan sejak Personal Computer (PC) terjangkau di

masyarakat. Di Indonesia, PC mulai memasyarakat sekitar awal tahun

80-an.

10

Beberapa perangkat lunak yang umum digunakan antara lain dari

jenis program pengolahan basis data seperti dBase, Clipper hingga yang

paling saat ini seperti MS. Access dan Visual FoxPro atau progrsm

spreadsheet seperti Lotus dan MS. Excel. Perangkat lunak lain yang juga

sering digunakan adalah dari jenis pengolahan data statistik seperti SPSS.

Perangkat lunak tersebut sangat membantu dalam menyimpan

data, mengolah menjadi suatu informasi yang berarti dalam menyajikan

informasi tersebut dalam bentuk soft copy (disimpan dalam disket)

maupun hard copy (cetakan).

D. Pengolahan Data Dengan Komputer

Perlu diingat bahwa peranan komputer dalam pengolahan dan analisis data

hanyalah sebagai alat, sehingga kita tidak dapat mengandalkan sepenuhnya kepada

komputer. Bagaimana canggihnya program komputer yang kita gunakan, akhirnya

kembali pada “the man behind the gun”, yakni kita sendiri. Demikian pula hasil

pengolahan dan analisis data yang akan kita proses dengan bantuan komputer, juga

tergantung pada kualitas data itu sendiri. Secanggih apa pun program komputer yang kita

gunakan, hasilnya ditentukan oleh kualitas data itu sendiri. Dalam penelitian ada

ungkapan yang mengatakan “GIGO” (garbage in garbage out), bila yang masuk sampah.

Apabila data yang diolah kualitasnya jelek, maka hasilnya juga jelek, maka hasilnya juga

jelek, meskipun menggunakan program komputer secanggih apapun.

Oleh sebab itu, untuk mencegah “GIGO” ini proses pengolahan data melalui

tahap-tahap sebagai berikut:

1. Editing

Hasil wawancara, angket, atau pengamatan dari lapangan harus dilakukan

penyuntingan (editing) terlebih dahulu. Secara umum editing adalah merupakan

kegiatan untuk pengecekan dan perbaikan isian formulir atau kuisioner tersebut:

a) Apakah lengkap, dalam arti semua pertanyaan sudah terisi

b) apakah jawaban atau tulisan masing-masing pertanyaan cukup jelas atau

terbaca

c) apakah jawabannya relevan dengan pertanyaannya

d) apakah jawaban-jawaban pertanyaan konsisten dengan jawaban

pertanyaan lainnya.

11

Apabila ada jawaban-jawabn yang belum terungkap, kalau memungkinkan

perlu dilakukan pengambilan data ulang untuk melengkapi jawaban-jawaban

tersebut. Tetapi apabila tidak memungkinkan, maka pertanyaan yang jawabnnya

tidak lengkap tersebut tidak diolah atau dimasukkan dalam pengolahan “data

missing”.

2. Coding

Setelah semua kuisioner diedit atau disunting, selanjutnya dilakukan

peng”kodean” atau “koding”, yakni mengubah data dalam berbentuk kalimat atau

huruf ,enjadi data angka atau bilangan. Misalnya jenis kelamin: 1= laki-laki, 2 =

perempuan. Pekerjaan ibu: 1= tidak bekerja, 2= bekerja selan ibu rumah tangga.

Koding atau pemberian kode ini sangat berguna dalam memasukan data (data

entry).

3. Memasukan Data (Data Entry) atau Processing

Data, yakni jawaban-jawaban dari msing-masing reponden yang dalam

bentuk “kode” (angka atau huruf) dimasukan kedalam program atau “software”

komputer. Software komputer ini bermacam-macam, masing-masing mempunyai

kelebihan dan kekurangannya. Salah satu pekt program yang paling sering

digunakan untuk “entri data” penelitian adalah paket program SPSS for

Windows.

Dalam proses ini juga dituntut ketelitian dari orang yang melakukan “data

entry” ini. Apabila tidak maka akan terjadi bias, meskipun hanya ,memasukkan

data saja.

4. Pembersihan Data ( Cleaning )

Apabila semua data dari setiap sumber data atau responden selesai

dimasukkan, perlu dicek kembali untuk melihat kemungkinan-kemungkinan

adanya kesalahan-kesalahan kode, ketidaklengkapan, dan sebagainya, kemudian

dilakukan pembetulan atau koreksi. Proses ini disebut pembersihan data (data

cleaning). Adapun cara membersihkan data dapat diberikan contoh sebagai

berikut:

a) Mengetahui Missing Data (data yang hilang):

12

Untuk mengetahui data yang hilang (missing) dapat dilakukan

dengan membuat distribusi frekuensi masing-masing variabel. Contoh: data

yang diolah 120 responden.

Tabel 1: Tingkat pendidikan

SD/sederajat : 50

SMP/sederajat : 35

SLA/sederajat : 25

PT : 10

120 Berarti lengkap tidak ada data yang

missing.

Tabel 2: Pekerjaan

PNS/ABRI : 20

Karyawan swasta : 75

Buruh : 10

Lain-lain : 5

Jumlah : 110 Berarti 10 data yang missing.

Hal ini berarti ada 10 data variabel pekerjaan yang hilang.

Kemungkinannya pewawancara lupa menanyakan (memang tidak ada data),

atau mungkin memang ada data tetapi tidak dimasukkan (entri). Aka perlu

dicek ulang

b) Mengetahui variasi data

Dengan melihat variasi data dapat dideteksi apakah data yang

dimasukkan benar atau salah. Cara mendeteksi dengan membuat distribusi

masing-masing variabel. Seperti telah diuraikan di atas bahwa data

dimasukkan (entri) dalam bentuk kode atau angka, misalnya untuk

pekerjaan, 1=PNS/ABRI, 2=Karyawan swasta, 3=Buruh, 4. Lain-lain.

Tetapi hasil distribusi dari 120 frekuensi misalnya menunjukkan seperti di

bawah ini:

1 = 20

13

2 = 80

3 = 10

4 = 6

5 = 4

Jumlah 120

Dalam contoh tersebut, meskipun jumlahnya sesuai dengan jumlah

responden, yakni 120, tetapi di situ ada kode 5 yang masuk, sejumlah 4

responden. Padahal jenis pekerjaan hanya sampai kode 4, dan tidak ada

kode 5. Kesimpulannya ada kesalahan dalam memasukkan data, dan harus

dicari dan dibetulkan.

c) Mengetahui konsistensi data:

Cara untuk mengetahui adanya ketidakkonsistensian data dapat

dilakukan dengan mnghubungkan dua variabel.

Contoh: Pertanyaan tentang periksa hamil dari100 responden ibu-

ibu hamil.

Tabel 1: Perilaku Periksa Hamil:

Ya (periksa 45

Tidak 55

Jumlah: 100

Tabel 2: Tempat Periksa Hamil:

Posyandu 15

Puskesmas 25

Dr. Praktik 10

Jumlah: 50

Dari kedua tabel tersebut ada ketidakkonsitenan, antara perilaku

periksa hamil atau ibu yang periksa hamil 45 orang. Tapi ketika ditanya di

mana tempat periksa hamil, jumlah ibu menjawab 50 orang. Maka perlu

ditelusuri di mana kesalahannya.

Setelah pembersihan data selesai selanjutnya mulai proses analisis

data, yang dilakukan oleh pakar program komputer itu sendiri.

E. Analisis Data

14

Data yang telah diolah baik pengolahan secara manual maupun menggunakan

bantuan komputer, tidak akan ada maknanya tanpa dianalisis. Menganalisis data tidak

sekedar mendeskripsikan dan menginterpresikan data yang telah diolah. Keluaran akhir

dari analisis data kita harus memperoleh makna atau arti dari hasil penelitian tersebut.

Interpretasi data mempunyai dua sisi, sisi yang sempit dan sisi yang luas. Interpretasi

data dari sisi yang sempit, hanya sebatas pada masalah penelitian yang akan dijawab

melalui data yang diperoleh tersebut. Sedangkan dari sisi yang lebih luas, interpretasi

data berarti mencari makna dari hasil penelitian dengan cara tidak hanya menjelaskan

hasil penelitian tersebut, tetapi juga melakukan inperensi atau generalisasi dari data yang

diperoleh melalui penelitian tersebut.

Oleh sebab itu secara rinci tujuan dilakukan analisis data adalah :

1. Memperoleh gambaran dari hasil penelitian yang telah dirumuskan dalam

tujuan penelitian.

2. Membuktikan hipotesis-hipotesis penelitian yang telah dirumuskan.

3. Memperoleh kesimpulan secara umum dari penelitian, dan merupakan

kontribusi dalam pengembangan ilmu yang bersangkutan.

F. Analisis Dan Jenis Data

Sebelum membahas lebih lanjut anlisis data ini, sebaiknya dipahami dulu batasan

data dan jenis jenis data yang diperoleh melalui penelitian. Data adalah kumpulan huruf

atau kata, kalimat atau angka yang dikumpulkan melalui proses pengumpulan data. Data

tersebut merupakan sifat atau karakteristik dari sesuatu yang diteliti dan dari satu

penelitian saja, sangat bervariasi sekali, mulai dari karakteristik responden (umur, jenis

kelamin, pendidikan, pekerjaan, dan sebagainya) sampai dengan variabel-variabel yang

dirumuskan dalam tujuan penelitian dan kerangka konsep. Berdasarkan skala

pengukurannya variabel dikelompokan menjadi empat yakni nominal, orginal, interval

dan rasio. Tentang 4 jenis variabel ini telah diuraikan dalam bab sebelumnya dalam buku

ini.

1. Data Kategorik

Data kategorik atau data kualitatif, merupakan data darri hasil

penggolongan atau pengklasifikasian data, misalnya : jenis kelamin, jenis

pekerjaan, tingkat pendidikan. Data atau variabel kategorik pada umumnya berisi

variabel yang berskala nominal dan ordinal.

15

2. Data Numerik

Data numerik (kuantitatif) merupakan variabel hasil perhitungan dan

pengukuran,misalnya tekanan darah, tinggi badan, berat badan, dan sebagainya.

Variabel numerik dikelompokkan lagi menjadi dua macam, yakni deskrit, dan

kontinu. Data deskrit merupakan hasil perhitungan, seperti jumlah anak, jumlah

kunjungan pasien rawat jalan, dan sebagainya. Sedangkan data kontinu

merupakan data hasil pengukuran, misalkan tekanan darah, denyut nadi, hb,dan

sebagainya. Data numerik ini mencakup variabel-variabel dengan skala

pengukuran interval dan rasio.

Dalam analisis data menggunakan metode statistik, biasanya data jenis

numerik diubah menjadi data kategorik dengan cara melakukan pengelompokkan

atau pengklasifikasikan, misalnya variabel tekanan darah yang data riilnya

numerik,dapatdikategorikan menjadi:<120/80,121/90-140/95,dan sebagainya(data

kategorik).

Analisis suatu hasil penelitian dilakukan sangat tergantung dari beberapa

hal antara Lain:

a) Jenis penelitian

Apabila suatu penelitian ingin mengetahui bagaimana secara umum atau

rata rata masyarakat yang melakukan PSN (pemberantasan sarang nyamuk)

dengan 3 M (menguras,menutup,dan mengubur), dengan mengunakan metode

survei. Maka analisis data digunakan dengan pendekatan kuantitatif. Tetapi

bila ingin mendapatkan gambaran yang mendalam tentang pendapat

masyarakat tentang persepsi mereka terhadap “sehat” maka jelas akan

dilakukan analisis kualitatif.

b) Jenis data

Jenis data kategorik berbeda cara analisisnya bila dubandingkan dengan

data numerik.sebuah analisis dengan uji statistik hanya cocok untuk jenis data

tertentu saja.misalnya nilai proporsi atau persentase pada analisis univariate

biasanya hanya cocok untuk menjelaskan jenis data kategorik,sedangkan

untuk data jenis numerik hanya dapat menggunakan nilai rata-rata untuk

menjelaskan karakteristik variabel yang bersangkutan.Untuk analisis

hubungan dua variabel(analisis bervariate). Uji kai kuadrat hanya dapat

dipakai untuk mengetahui hubungan data kategorik dengan data kategorik.

16

Sebaiknya ,untuk mengetahui hubungan jenis data numerik dengan data

numerik harus digunakan uji korelasi atau regresi.

c) Asumsi kenormalan data

Kenormalan atau keabnormalan distribusi frekuensi data juga menentukan

analisis data. Apabila distribusi frekuensi datanya normal ,biasanya digunakan

analisis atau uji statistik parametrik. Tetapi bila asumsi distribusi datanya tidak

normal, biasanya menggunakan analisis uji statistik nonparametrik.

G. Prosedur Atau Jenis Analisis Data

Analisis data suatu penelitian, biasanya melalui prosedur bertahap antara lain:

1. Analisis Univariate (Analisis Deskriptif)

Analisis univariate bertujuan untuk menjelaskan atau mendeskripsikan

karakteristik setiap variabel penelitian. Bentuk analisis univariate tergantung dari

jenis datanya. Untuk data numerik digunakan nilai mean atau rata-rata, median

dan standar deviasi. Pada umumnya dalam analisis ini hanya menghasilkan

distribusi frekuensi danpersentase dari tiap variabel. Misalnya distribusi frekuensi

responden berdasarkan: umur, jenis kelamin, tingkat pendidikan, dan sebagainya.

Demikian juga penytebaran penyaki-penyakit yang ada di daerah tertentu,

distribusi pemakaian jenis kontrasepsi, distribusi kasus malnutrisi pada anak

balita, dan sebagainya.

DISTRIBUSI RESPONDEN

BERDASARKAN KEPATUHAN BEROBAT TB

Kepatuhan N %

Patuh

Tidak Patuh

148

131

60,8

39,2

Total 279 100,0

Responden yang patuh berobat TB di wilayah kerja Puskesmas pasar Minggu

lebih tinggi (60,8%), dibanding dengan yang tidaak patuh berobat (39,2%).

2. Analisis Bevarite

17

Apabila telah dilakukan analisis univariate tersebut di atas, hasilnya akan

diketahui karakteristik atau distribusi setiap variabel, dan dapat dilanjutkan analis

bevariate.

Analisis bevariate yang dilakukan terhadap dua variabel yang diduga

berhubungan atau berkorelasi. Misalnya variabel umur dengan variabel penyakit

jantung, variabel jenis kelamin dengan variabel jenis penyakit yang diderita, dan

sebagainya. Dalam analisis bervariate ini dilalukan beberapa tahap, antara lain.

a) Analisis proposal atau presentase, dengan membandingkan distribusi

silang antara dua variabel yang bersangkutan.

b) Analisis dari hasil uji statistik ( chai square test, Z test, t test, dan

sebagainya). Melihat dari hasil uji statistik ini akan dapat disimpulkan

adanya hubungan 2 variabel tersebut bermakna atau tidak bermakna. Dari

hasil uji statistik ini dapat terjadi, misalnya antara dua variabel tersebut

secara presentase berhubungan tetapi secara statistik hubungan tersebut

tidak bermakna.

Analisis keeratan hubungan antara dua variabel tersebut, dengan melihat nilai Odd

Ratio (OR). Besar kecilnya nilai OR menunjukkan besarnya keeratan hubungan

antara dua variabel yang diuji.

contoh:

DISTRIBUSI RESPONDEN BERDASARKAN

UMUR DAN KEPATUHAN BEROBAT TB

Umur Kepatuhan Total P

value

OR

95%Tak patuh Patuh

Dewasa Md

Dewasa

7 (20,0%)

24 (54,0%)

28 (80%)

20(48,5%)

35(100%)

44(100%)

0,004 3,08

Total 31 (39,2%) 48(60,8%) 79(100%)

Dari tabel di atas menunjukkan bahwa responden berumur dewasa muda

lebih patuh berobat TB (80,0%), dibandingkan dengan responden dewasa

(45,8%). Sehingga secara presentase dapat disimpulkan bahwa ada hubungan

antara umur dengan kepatuhan berobat. Hasil uji statistik menunjukan bahwa nilai

18

p<0,05, hal ini terbukti bahwa umur berhubungan secara bermakna dengan

kepatuhan berobat. Dari analisis keeratan hubungan menunjukan nilai Odd Ratio

(OR) 3,08, yang berarti bahwa responden yang berumur muda mempunyai

peluang 3,08 kali patuh berobat dibandingkan dengan reponden yang berumur

lebih tua.

3. Analisis Multivariate

Analisis bevariate hanya akan menghasilkan hubungan antara dua variabel

yang bersangkutan (variabel independen dan variabel dependen). Untuk

mengetahui lebih dari satu variabel independen dengan satu variabel dependen,

harus dilanjutkan lagi dengan melakukan analisis multivariate. Misalnya

pengaruh atau hubungan antara variabel pendidikan ibu, pengetahuan ibu, sosial

ekonomi keluarga, jumlah anak, dan sebagainya ( variabel-variabel independen),

dengan atau terhadap status gizi anak balita (dependen variabel). Uji statistik

yang digunakan biasanya regresi berganda (multiple regression), untuk

mengetahui variabel independen yang mana yang lebih erat hubungannya dengan

variabel dependen.

Dalam analisis multivariate dilakukan berbagai langkah pembuatan

model. Model terakhir terjadi apabila semua variabel independen dengan

dependen sudah tidak mempunyai nilai p>0,05%. Di bawah ini akan diberikan

contoh pemodelan terakhir dari sebuah analisis multivariate.

contoh:

HUBUNGAN ANATARA PENGETAHUAN, UMUR,

PENDIDIKAN DENGAN KEPATUAHAN BEROBAT TB

Variabel B P OR 95% CL

Lower Upper

Pengetahuan

Umur

Pendidikan

2,960

3,079

2,625

0,000

0,008

0,000

19,305

11,747

13,804

4,34

2,22

3,28

84,92

212,61

58,05

Constanta -10,497

Dari tabel di atas dapat disimpulkan bahwa:

19

a) Responden yang mempunyai pengetahuan tinggi berpeluang 19,305 kali patuh

berobat dibandingkan dengan responden yang mempunyai pengetahuan

rendah.

b) Responden yang berumur muda berpeluang 11,747 kali patuh berobat

dibandingkan dengan responden yang berumur lebih tua.

c) Responden yang berpendidikan tinggi berpeluang 13,804 kali patuh berobat

dibandingkan dengan responden yang berpendidikan rendah.

Dari ketiga variabel independen tersebut, maka variabel pengetahuan

adalah variabel yang paling dominan berhubungan dengan kepatuhan berobat,

dengan OR 19,305. Hal ini berarti bahwa responden yang mempunyai

pengetahuan TB yang tinggi berpeluang 19 kali untuk patuh berobat,

diabndingkan dengan yang berpengetahuan TB yang rendah, setelah dikontrol

variabel pendidikan dan umur.

4. Pengujian Hipotesis

Dalam penelitian kuantitatif, untuk menguji hipotesis-hipotesisnya

digunakan rumusan hipotesis nol atau statistik. Dalam metode statistik, pengujian

hipotesis ini dilakukan dengan berbagai uji statistik atau rumus sesuai dengan

masalah dan metode yang digunakan. Berdasarkan hasil pengujian (perhitungan

statistik) tersebut hipotesis diterima atau ditolak. Hipotesis nol dirumuskan dalam

kalimat “Tidak ada perbedaan”. Misalnya, tidak ada perbedaan antara laki-laki

dan wanita dalam menderita penyakit jantung. Apabila hipotesis diterima,

memang jumlah kasus penyakit jantung pada kaum pria dan wanita sama saja.

Tetapi apabila hipotesis ditolak berarti jumlah penderita penyakit jantung pada

kaum pria dan wanita berbeda.

Teknik-teknik pengujian hipotesis dapat digunakan berbagai macam sesuai

dengan tujuanya. Aplikasi penggunaan rumus-rumus tersebut dapat dibaca dari

buku-buku statistik. Dalam penelitian kesehatan teknik pengolahan data statistik

yang dapat digunakan antara lain adalah:

a. Rumusan-rumusan dari statistik deskriptif, yakni: Ukuran Tendensi Sentral

(Central Tendency), ukuran penyimpangan (Standard Deviasion), tabel

Persentase, Analisis Korelasi, dan sebagainya.

20

b. Rumusan-rumusan statistik inferensi atau induktif, seperti analisis chai square,

misalnya variance analisis korelasi dan regresi, analisis faktorial, dan

sebagainya.

5. Penafsiran dan penyimpulan

Penafsiran hasil penelitian dilakukan hanya untuk mencari pengertian

terhadap hasil pengolahan data, sehingga membentuk berbagai penemuan ilmiah

(scientific finding). Dalam manafsirkan hasil penelitian, peneliti boleh

menggunakan asumsi-asumsi atau pemekiran-pemekiran sendiri. Misalnya dari

suatu penelitian diketemukan bahwa umur rata-rata kaum laki-laki lebih pendek

dari pada umur rata-rata kaum wanita. Penelitian dapat menafsirkan sebab-sebab

terjadinya perbedaan tersebut: karena kaum laki-laki lebih terpapar dengan dunia

luar, bekerja lebih berat daripada kaum wanita, dan sebagainya. Sedangkan

kesimpulan adalah hasil dari proses berfikir induktif dari penemuan penelitian

tersebut, dan sebagai hasil dari pembuktian hipotesis. kesimpulan dibuat dengan

memperlihatkan beberapa kriteria sebagai berikit:

a. Harus dibuat secara ringkas dan tepat

b. Kesimpulan merupakan hasil pengujian hipotesis dengan didukung oleh

data.

c. Dapat mencerminkan batas-batas berlakunya (apakah dapat berlaku

seluruh populasi atau hanya pada sebagian populasi saja).

d. Merupakan rekapitulasi berbagai informassi yang diberikan sebelumnya

atau pembuktianya.

e. Dapat memberikan penjelasan tentang masalah yang diteliti

f. Mencerminkan adanya penerimaan atau penolkan hopotesis yang diuji

dengan data.

g. Dapat menuntun untuk dilakukan penelitian lebih lanjut terhadap masalah

yang lain, yang berhubungan dengan hasil penelitian tersebut.

21

BAB III

PENUTUP

A. Kesimpulan

Dalam suatu penelitian, pengolahan data merupakan salah satu langkah yang

penting. Hal ini disebabkan karena data yang diperoleh karena data yang diperoleh

langsung dari penelitian masih mentah, belum memberikan informasi apa-apa dan belum

siap untuk disajikan. Untuk memperoleh penyajian data sebagai hasil yang berarti dan

kesimpulan yang baik, diperlukan pengolahan data. Data sebagai hasil penelitian, apabila

dilihat dari segi jenisnya dibedakan menjadi dua, yakni :

a. Data Kualitatif,

b. Data kuantitatif

Dalam pelaksanaannya, pengolahan data kualitatif dan kuantitatif ini sering

berhubungan. Data kualitatif diubah menjadi data kuantitatif ata sebaliknya. Sesuai

dengan sifat fata tersebut maka teknik pengolahan data dapat dibedakan menjadi:

a. Teknik nonstatistik

b. Teknik statistik

Kegiatan pengumpulan dan pengolahan data dalam penelitian selalu

berhubungan. Dalam pengumpulan data digunakan alat pengumpul data atau sering

disebut intrumen penelitian. Instrumen ini disusun sedemikian rupa sehingga

menghasilkan data yang mudah diolah. Langkah-langkah pengolahan tergantung pada

bentuk intrumen atau kuisioner yang digunakan untuk mengumpulkan data, apakah

kuisioner terbuka (open ended), atau terstruktur (closed ended).

22

DAFTAR PUSTAKA

Ali, zaidin. 2010. Pengantar Metode Statistik Untuk Keperawatan. Penerbit CV.

Trans Info Media: Jakarta

Budiarto, Eko.2002.Biostatistika untuk Kedokteran dan Kesehatan

Masyarakat.Penerbit Buku Kedokteran EGC: Jakarta

Notoatmodjo, Soekidjo. 2010. Metodologi Penelitian Kesehatan. Jakarta: Rineka

Cipta

23