ANALISIS DATA STATISTIK - Blog Staff UI

ANALISIS DATA
STATISTIK
POKOK BAHASAN
1. pengukuran
2. skala pengukuran
3. analisis univariat
4. analisis bivariat
5. analisis multivariat
6. tabel analisis data statistik
PENGUKURAN
Syarat pengukuran
• Pengukuran adalah penunjunkan angka-2 pada suatu
variable
• Pengukuran membutuhkan alat ukur/ instrumen yang
standar, baik alat maupun kuesioner
• Pengukuran adalah mendapatkan dimensi kuantitas
suatu objek, misalnya berat badan, jumlah pasien
isomorfisme, yaitu ukuran harus sedekat mungkin
dengan benda/ kejadian yang diukur (terkadang
yang dapat diukur hanya indikatornya, berkeringat).
exhaustive, yaitu pengukuran harus meliputi
seluruh kemungkinan yang ada
mutually exlusive, yaitu pengukuran tidak boleh
tumpang tindih
Skala pengukuran
Skala nominal
Hasil suatu pengukuran untuk analisis data dapat
dibagi dalam 4 skala :
• skala nominal
• skala ordinal
• skala interval
• skala rasio
• merupakan tingkat pengukuran yg paling sederhana
untuk klasifikasi data
• tidak ada asumsi jarak atau urutan antara angka-2
• dasar penggolonganya mutualy exclusive & exhautive
• kode atau angka tak menunjukan rendah ke tinggi
atau sebaliknya
Misalnya
• variabel jenis kelamin : 1= pria dan 2 = wanita
• warna, partai, lokasi, dsb

Skala ordinal
Skala interval
• merupakan tingkat pengukuran yang mempunyai
urutan dari rendah ke tinggi
• kode atau angka sekedar menunjukan urutan
bukan nilai
misalnya
• variable sikap : 3 = “setuju”, 2 = “ragu-ragu/ tidak
berpendapat, dan 1= “tidak setuju”
• pendidikan (SD, SLTP, SLTA, perguruan tinggi)
• memberikan informasi tentang interval antara satu
kode/ angka dengan yang lain
• merupakan tingkat pengukuran urutan dari rendah ke
tinggi
misalnya
• variable nilai ujian : A = 86-99, B = 76-85, C = 66-75
D = 56-65
Skala ratio
Hubungan antara skala pengukuran
• merupakan tingkat pengukuran urutan dari rendah ke
tinggi
• memberikan informasi tentang nilai sebenarnya
responden/ objek yang diukur
• menggambarkan interval antara kode/angka dgn nilai 0
Misalnya
• variable nilai ujian dari 0 - 100
KRITERIA NOMINAL ORDINAL INTERVAL
RASIO
ASUMSI URUTAN - + + +
ASUMSI JARAK - - + +
TITIK 0 ABSOLUT - - - +
Skala yg lebih tinggi dapat diubah menjadi skala yg lebih
rendah, dan tidak sebaliknya.
Konsep
Konsep
• Uji statistik dilakukan untuk menentukan apakah
perbedaan/hubungan yang terlihat pada sampel
benar-benar ada atau kebetulan ada akibat
pengambilan sampel saja
• Hasil uji statistik berupa: “probabilitas peneliti
memperoleh hasil seperti pada sampel atau lebih
ekstrim jika hipotesis nol benar”
• Probabilitas hasil penelitian sejalan dengan
hipotesis nol”
• Jika p besar maka H 0 diterima, jika p kecil H 0
ditolak
• Besar kecilnya probabilitas ditentukan oleh a, -
probabilitas peneliti untuk menolak H 0 jika di
populasi H 0 benar

• Jika peneliti menolak H 0 :
Konsep
• Dapat terjadi kesalahan tipe 1 (a), peneliti salah
mengambil kesimpulan karena sebenarnya di
populasi hipotesis nol benar (tidak ada hubungan)
• Jika peneliti menerima H 0 :
• Dapat terjadi kesalahan tipe 2 (b), peneliti salah
mengambil kesimpulan karena di populasi hipotesis
nol salah (ada hubungan)
• Signifikan statistik TIDAK SAMA dengan signifikan
substansi karena perbedaan yg kecil dapat signifikan
secara statistik karena penggunaan sampel yg besar
Perlu diperhatikan dalam analisis data
• Membandingkan dan melakukan tes teori atau
konsep dengan informasi yang ditemukan
• Mencari dan menemukan adanya konsep baru
dari data yang dikumpulkan
• Mencari penjelasan apakah konsep baru ini
berlaku umum, atau baru terjadi bila ada
prakondisi tertentu
Urutan analisis data
ANALISIS UNIVARIAT
• Analisis univariat adalah analisis satu variabel
• Analisis bivariat adalah analisis hubungan 2 variabel
• Analisis multivariat adalah analisis hubungan lebih
dari 2 variabel secara bersama dgn mengontrol
variabel lain
Analisis univariat adalah analisis satu variabel
Misalnya
• distribusi frekuensi
• nilai rerata
• variasi
• persentase
Kegunaan analisis univariat
Contoh analisis univariat
1. Salah satu cara melihat adanya kesalahan koding
atau entry data
• jawaban di luar area penelitian
• data yang sangat ekstrim mengganggu nilai rerata
• data yang tidak konsisten, misalnya variabel seks
pria tetapi variabel kehamilan positif
• jawaban tdk berlaku diberi kode 9 /0 ikut dianalisis
2. Mendeskripsikan suatu fenomena dengan baik.
3. Perincian/ gambaran besarnya suatu fenomena
4. Petunjuk pemecahan masalah
5. Persiapan analisis bivariat atau multivariat

ANALISIS BIVARIAT
Contoh analisis bivariat
uji Chi-square
Analisis bivariat adalah analisis hubungan 2 variabel
yg dapat bersifat :
(a)
simetris tak saling mempengaruhi
(b) saling mempengaruhi
(c) variabel satu mempengaruhi variabel lain
Contoh analisis bivariat
uji korelasi
ANALISIS MULTIVARIAT
• Untuk mengontrol confounder & effect modifier
• Jika confounder & effect modifier sudah dapat
dikontrol pada tahap desain, analisis dapat
lebih sederhana (non multivariat)
• Prinsip: model parsimonius (valid, precise &
simple)
TABEL ANALISIS DATA STATISTIK
Contoh analisis multivariat
uji regresi logistik ganda
Phi-coeficient
POLITOM
Chi-square
ORDINAL
Kendall’s VCT
Man-whitney
Kormogrof-smirnov
Rank-order Ubah var. ordinal
correlation jadi var. nominal
Kendal’s
tau
Gamma atau interval ke
Coefficiens ordinal memakai
teknik yang sesuai
INTERVAL/ RATIO
VARIABLE
VARIABLE INDEPENDEN
DEPENDEN
NOMINAL ORDINAL INTERVAL/RATIO
NOMINAL DIKOTOM Difference proportion test Kruskalwallis
regression
Logistic multiple
Chi-square
Friedman’s Discriminant
2 way analysis
Fisher’s exact test
Dikotom : Politom :
Anova Anovainterclass
t-test DVMR
Dummy
sign test Multiple
classification
U-test Cross
classification
Ubah
ordinal jadi
nominal
Multiple correlation
atau Multiple regression
var.interval
ke variabel Path-analisis
ordinal
memakai Partial regression
teknik yang