Materi- Penyajian Data dan tendensi sentral

PENYAJIAN DATA
Ns. EED
STIKES WHS 2015
Pengertian
• Statistik → Sekumpulan konsep dan metode yang digunakan
untuk mengumpulkan dan menginterpretasi data tentang
bidang kegiatan tertentu dan mengambil kesimpulan dalam
situasi dimana ada ketidakpastian dan variasi. (Sabri dan
Hastono, 2007)
• Deskriptif → Mendiskripsikan atau memberikan gambaran.
(Sugiyono, 2009)
Lanjutan
• Statistik Deskriptif → Statistik yang berfungsi untuk
mendiskripsikan atau memberi gambaran terhadap objek
yang diteliti melalui data sampel atau populasi sebagai
mana adanya, tanpa melakukan analisis dan membuat
kesimpulan yang berlaku untuk umum. (Sugiyono, 2009)
Lanjutan
• Merupakan bagian kategori statistik yang kegiatannya
dimulai dari pengumpulan data sampai dengan
mendapatkan informasi dengan jalan menyajikan dan
analisis data yang telah terkumpul atau sengaja
dikumpulkan. (Sabri dan Hastono, 2007)
Contoh
• Informasi yang
diperlukan dalam
sensus penduduk
untuk menggambarkan
karakteristik penduduk
→ memerlukan data
seperti umur, jenis
kelamin, status
perkawinan dsb.
Tahap Kegiatam Statistik
• Pengumpulan Data
• Pengolahan Data
• Penyajian Data
• Analisis/ Interpretasi Data
Sajian Statistik
• Secara Umum Sajian Data dapat dibagi dalam 3 (tiga)
bentuk ;
• Tulisan (textular)
• Tabel (tabular)
• Gambar / Grafik (diagram)
Tulisan (Textular)
• Hampir semua bentuk laporan dari pengumpulan data
diberikan tertulis, mulai dari bagaimana proses
pengambilan sampel, pelaksanaan pengumpulan data,
sampai hasil analisis yang berupa informasi dari
pengumpulan data tersebut
Tabel
• Penyajian Data Dengan Menggunakan Kolom dan Baris
• Macam – macam bentuk tabel
• Master table (tabel induk)
Tabel yang berisikan semua hasil pengumpulan data yang masih dalam
bentuk data mentah, biasanya tabel ini disajikan dalam lampiran suatu
laporan pengumpulan data
• Text Table (tabel rincian)
Merupakan uraian dari data yang diambil dari tabel induk contoh;
distribusi frekuensi, distribusi relatif, distribusi kumulatif, tabel silang
(kontingensi tabel = cross tabulasi )
Hal Yang Perlu Di Ingat Dalam Penyajian
Tabel
• Judul tabel → judul tabel harus singkat, jelas dan lengkap;
hendaknya dapat menjawab apa yang disajikan, dimana
kejadiannya, dan kapan terjadi
• Nomor tabel
• Keterangan – keterangan (catatan kaki = foot note ), yaitu
keterangan yang diperlukan untuk menjelaskan hal – hal
tertentu yang tidak bisa dituliskan di dalam badan tabel;
• Sumber kadang kala di dalam suatu laporan juga dikutip
tabel dari laporan orang lain. Untuk itu, harus
dicantumkan sumber dari mana tebel itu dikutip
Contoh; Distribusi Frekuensi Data Diskrit
Tabel 1.2 Sebaran Usila Menurut Pendidikan di Wilayah Kerja
Puskesman “Melati” Tahun 1997
Pendidikan
Jumlah
(nominal)
Fr (frek
relatif)
(%)
Perguruan Tinggi
SMA
SMP
SD
Tidak Tamat SD
120
225
375
360
570
8
15
25
14
38
total
1500
100
Sumber : Laporan tahunan Puskesmas Melati 1998
Fk (frek –
kum) (≤)
8
23
48
62
100
Fk (frek
kum) (≥)
100
92
77
52
38
Contoh; Distribusi Frekuensi Data Kontinue
Tabel 1.2 Sebaran Usila Menurut Umur di Wilayah Kerja
Puskesman “Melati” Tahun 1997
Umur
Jumlah
(nominal)
Fr (frek
relatif)
(%)
60 - 65
65 – 70
70 - 75
75 – 80
> 80
525
460
375
400
40
35
30,6
25
6,7
2,7
Total
1500
100
Sumber : Laporan tahunan Puskesmas Melati 1998
Fk (frek –
kum) (≤)
35
65,6
90,6
97,3
100
Fk (frek
kum) (≥)
100
65
34,4
9,4
2,7
Contoh; Tabulasi Silang
Tabel 1.2 Jumlah Usila Menurut Jenis Kelamin dan Kebiasaan
Merokok di Wilayah Kerja Puskesman “Melati” Tahun 1997
Kebiasaan Tidak Pernah
Merokok Merokok
Dulu Merokok
Sekarang Masih
Merokok
Jenis Kelamin
Laki – laki
Perempuan
160
575
220
275
320
50
Jumlah
735
495
370
Sumber : Laporan tahunan Puskesmas Melati 1998
Grafik / Diagram
• Hal yang perlu diperhatikan ;
• Judul yang singkat, jelas, dan lengkap
• Dalam menggambar diperlukan dua sumbu sebagai ordinat dan
absis;
• Skala tertentu
• Nomor gambar
• Foot note
• sumber
Jenis Grafik / Gambar
• Histogram → grafik
yang digunakan untuk
menyajikan data kontinu.
Grafik ini merupakan
areal diagram sehingga
jika interval kelas tidak
sama, maka dilakukan
pemadatan dengan
membandingkan nilai
interval kelas dengan
frekuensi kelas
Jenis Grafik / Gambar
• Frekuensi Poligon →
digunakan untuk data
kontinu seperti pada
histogram.
• Keuntungan menggunakan
grafik ini kita dapat
melakukan perbandingan
penyebaran beberapa
masalah yang digambarkan
di dalam satu gambar
Jenis Grafik / Gambar
• Ogive → grafik dari data
kontinu dan dalam
bentuk frekuensi
kumulatif. Ogive adalah
perpotongan kurva yang
memperlihatkan less
than kurva satu dan
more than kurva lain dan
akan didapatkan nilai
tepat untuk letak dan
besarnya nilai modus
Jenis Grafik / Gambar
• Diagram Garis (line
diagram) → digunakan
untuk menggambarkan
data diskrit atau dengan
skala nominal yang
menggambarkan
perubahan dari waktu –
ke waktu
Jenis Grafik /Gambar
• Diagram Batang (bar
diagram) → digunakan
untuk menyajikan data
diskrit atau data dengan
skala nominal maupun
ordinal.
• Jenis diagram batang
• Single bar
• Multiple bar
• Subdivided bar
Lanjutan
Jenis Grafik /Gambar
• Diagram Pinca (pie
diagram) → untuk
menyajikan data diskrit/
data dengan skala
nominal dan skala
ordinal (data Kategorik)
Jenis Grafik /Gambar
• Diagram Tebar
(Scatter diagram) →
diagram yang digunakan
untuk mengambarkan
hubungan dua macam
variabel yang
diperkirakan ada
hubungan (sumbu X
variabel independen,
sumbu y variabel Y)
Jenis Grafik /Gambar
• Pictogram → diagram
yang menggambarkan
sesuai dengan objeknya
yang dimaksud
Jenis Grafik /Gambar
• Mapgram → diagram
yang menggunakan map
atau peta dari suatu
daerah
Jenis Grafik /Gambar
• Box whisker plot →
digunakan untuk
menyajikan data
numerik,
membandingkan
beberapa pengamatan
dengan prinsip nilai
quartile (Q1, Q2, dan Q3)
Jenis Grafik /Gambar
• stem and leaf plot →
penyajian data tidak
menghilangkan nilai
asli dari data tersebut.
Jenis Grafik /Gambar
• Pareto
Simpulan Numerik/Interpretasi
• Distribusi Frekuensi
• Nilai Tegah
• Nilai Letak
• Nilai – Nilai Variasi
Distribusi Frekuensi
• Distribusi frekuensi → tabel frekuensi
• Distrubusi frekuensi merupakan susunan data angka menurut
besar (kuantitas) atau menurut kategoriknya (kualitas)
• Susunan data angka menurut besarnya disebut distribusi
frekuensi kuantitatif, sedangkan yang disusun menurut
kategoriknya disebut distribusi frekuensi kualitatif
• Contoh ; data kuantitatif adalah data yang mencangkup BB, TB,
kadar kolesterol dsb.. Sedangkan data kualitatif adalah data
mengenai jenis pekerjaan, jenis kelamin, pendidikan dan status
perkawinan
Contoh Penyusunan Data Kuantitatif
• Data dibawah ini adalah umur dari 150 responden
akseptor KB di suatu klinik KB di Jakarta Tahun 1995
berikut datanya ;
• 21, 34, 20, 35, 31, 35, 34, 37, 28, 40, 33, 37, 38, 24, 27, 32, 26, 28,
27, 38, 25, 33, 35, 26, 29, 26, 25, 27, 22, 25, 22, 38, 25, 23, 30, 25,
25, 26, 26, 26, 26, 35, 22, 29, 35, 28, 37, 23, 36, 30, 39, 28, 42, 35,
32, 30, 40, 33, 23, 40, 44, 30, 40, 35, 24, 43, 30, 22, 23, 24, 22, 25,
19, 33, 25, 21, 21, 30, 22, 22, 27, 25, 33, 30, 31, 30, 28, 28, 40, 40,
24, 30, 33, 33, 29, 30, 29, 29, 37, 30, 30, 28, 28, 22, 34, 27, 39, 31,
36, 23, 26, 30, 21, 37, 26, 25, 30, 31, 35, 36, 20, 20, 37, 36, 31, 30,
43, 25, 31, 31, 25, 27, 32, 20, 25, 32, 32, 39, 30, 31, 43, 24, 24, 23,
35, 23, 32, 28, 30, 43
Lanjutan
• Carilah harga maks dan harga min ( selisih nilai maks dan
min adalah Range (R) )
• Jumlah Kelas (Rumus Sturgess)
• M = 1 + 3,3 log N
• M = jumlah kelas
• N = jumlah data (observasi)
• Interval Kelas = R/M
•M=8
• Interval Kelasnya 24/8 = 3
• Lanjutkan…
Contoh Penyusunan Distribusi Frekuensi Data
Kualitatif atau Data Kategorik
Tabel 1.5 Data dari 100 orang pasien poliklinik Penyakit Dalam RS. X
Jenis Kelamin
Merokok
Stress
Kadar
Kolesterol
1
Laki – laki
Tidak
Tidak
200
2
Perempuan
Merokok
Tidak
219
3
Perempuan
Tidak
Tidak
195
4
Perempuan
Merokok
Tidak
200
5
Perempuan
Tidak
Stress
290
6
Perempuan
Merokok
Tidak
190
7
Laki - laki
Tidak
Tidak
250
8
Laki - laki
Tidak
Stress
250
9
Laki - laki
Tidak
Stress
250
10
Laki - laki
Merokok
Tidak
200
No
Nilai Tengah
• Central Tendency
• Antara lain ; Mean, Media dan Modus
• Mean → rata – rata hitung
• Sifat nilai mean
• Merupakan wakil dari keseluruhan nilai
• Mean sangat dipengaruhi nilai ekstrem baik ekstrem kecil maupun ekstrem
besar
• Nilai mean berasal dari semua nilai pengamatan
Lanjutan
• Median → nilai yang terletak pada observasi yang di tengah, jika data
tersebut telah disusun (array)
• Modus (mode) → adalah nilai yang paling banyak ditemui di dalam suatu
pengamatan. Berdasarakan hal tersebut maka sifat nilai modus adalah ;
• Tidak ada nilai yang lebih banyak diobservasi, jadi tidak ada modus
• Ditemui satu modus (unimodal)
• Ada dua modus (bimodal)
• Lebih dari tiga modus (multimodal)
Nilai Letak (Posisi)
• Bila data kita susun mulai dari data terkecil s.d data
terbesar, maka kita dapat membagi pengamatan menjadi
beberapa bagian.
• Bagian ini disebut sebagai nilai letak atau posisi
• Posisi pengamatan yang digunakan ; 2 pengamatan,
empat pengamatan, sepuluh pengamatan, atau seratus
pengamatan
• Median, Kwartil, Desil, Persentil
Nilai Variasi
• Adalah nilai deviasi yang menunjukkan bagaimana
bervariasinya data dalam kelompok data itu terhadap nilai
rata – ratanya.
• Maka semakin besar nilai variasi maka, semakin
bervariasi pula data tersebut.
Macam – macam Nilai Variasi
• Range
• Rata – Rata Deviasi (Mean Deviasi)
• Rata – rata dari seluruh perbedaan pengamatan dibagi banyaknya
pengamatan
• Md = ∑ I X – X I
N
Contoh
X (Kg)
IX–XI
(X – X)2
48
52
56
62
67
9
5
1
5
10
81
25
1
25
100
285
Mean = (48+52+56+62+67)/5 = 57 Kg
Mean deviasi = (9+5+1+5+10)/5 = 6 Kg
Varian
• Rata – rata perbedaan
antara mean dengan
nilaimasing – masing
observasi
• Contoh ;
• V = S 2 (pangkat)
• V=
(81+25+1+25+100)/4 = 58
Standar Deviasi
• Adalah akar dari varian
• Disebut juga sebagai
simpangan baku (S)
Contoh
• S = √V → = √58 = 7,6
Koefisien Varian (Coeficient of Variation /
COV)
• Merupakan rasio dari standar deviasi terhadap nilai mean
yang dibuat dalam bentuk persentase
• (S/X) x 100 %
• Jika dimasukkan dalam contoh ;
• (7,6/57) x 100 % = 13.33 %
Lanjutan
• Kegunaan dari koefisien varian dalah untuk perbandingan
variasi antara dua pengamatan atau lebih. Nilai yang lebih
besar menunjukkan adanya variasi pengamatan yang lebih
besar.
• Contoh, berdasarkan survei perilaku hidup sehat di kota X
dihitung nilai koefisien varian dari glukosa darah dan kadar
kolesterol.
• hasil menunjukkan nilai koefisien varian dari glukosa darah adalah 36
%, sedangkan nilai koefisien varian dari kadar kolesterol adalah 18 %.
Ini menunjukkan variasi kadar glukosa darah lebih besar dibandingkan
kadar kolesterol.
Latihan
Daftar Pustaka
• Dempsey, A.,D., & Dempsey, P.,A.,( 2002). Riset keperawatan.
Jakarta : EGC Penerbit Buku Kedokteran
• Hastono, S.,P., (2003). Modul analisis data. Depok : Fakultas
Kesehatan Masyarakat Universitas indonesia
• Murti, B., (1997). Prinsip dan metode riset epidemologi.
Jogjakarta: Gadjah Mada University Press
• Sastroasmoro, S., & Ismael, S., (2008). Dasar – dasar
metodologi penelitian klinis, edisi 3. Jakarta: Sagung Seto