Manajemen dan Analisa Data 1

advertisement
“ Add your company slogan ”
Manajemen dan
Analisa Data 1
MENGAPA MANAJEMEN DATA
PENTING?
PENGANTAR MANAJEMEN DATA
LOGO
2
1
PROSES RISET
ERROR/Kesalahan dalam Penelitian
1. Sampling error : kesalahan yang terjadi akibat
pengambilan sampel (sebaik apapun sampel,
tetap akan punya error).
2. Non-sampling error : kesalahan yang terjadi
bukan karena pengambilan sampel, tapi oleh
faktor manusianya, yaitu pada tahap:




Perencanaan
Pelaksanaan pengumpulan data (pengukuran)
Manajemen data
Analisa & interpretasi
3
Manajemen Data
Contoh Permasalahan
 Manajemen data merupakan upaya pengelolaan
data mulai dari data tersebut dikumpulkan
hingga siap dianalisis
 Tujuan: mencegah ’garbage in – garbage out’
Data
Pengolahan &
analisa data
4
1. Pengolahan data memakan waktu banyak/tidak efisien
2. Banyak data tidak lengkap/kosong
3. Terdapat data yang meragukan/tidak masuk akal
Contoh Responden termuda yang melakukan induksi haid 5 tahun
4. Terdapat jawaban diluar kategori jawaban
Informasi
Jenis kelamin: (1) Perempuan (2) Laki-Laki
Tetapi dalam data muncul jawaban 3.
5. Terdapat jawaban yang tumpang tindih
Pengelolaan
Data
Contoh:
Kategori umur: 1-5 th, 5-10 th, 10-15 th, dst.
5
6
Langkah-langkah
Data Coding (1)

 Mengkode data (data coding)
Membuat kode
Membuat buku kode
Data coding: kegiatan pemberian kode atau
simbol agar mempermudah dalam pengolahan
data.
1 = Laki-laki
1 = < SD
 Menyunting data (data editing)
 Membuat struktur data (data structure)

dan file data (data file)
 Memasukkan data (data entry)
 Membersihkan data (data cleaning)

2 = Perempuan
2 = SLTP 3= SMA 4 = D3/PT
Kode untuk masing-masing kelas harus
mutually exclusive
Data coding sudah harus dikembangkan pada
saat mengembangkan instrumen penelitian
(kuesioner).
7
Data Coding (2)
8
Data Coding (3)
 Data yang dikumpulkan dengan pertanyaan tertutup
sudah harus ditetapkan pengkodeannya saat
instrumen dibuat.
 Pengkodean lebih lanjut dilakukan setelah
semua data dikumpulkan.
 Jawaban kosong perlu diidentifikasi dan
diberi kode lebih lanjut: “tidak tahu” atau
“tidak jawab”.
 Pemberian kode dapat dilakukan pada
 Perlu dipertimbangkan untuk menyediakan satu kode
untuk menampung informasi di luar kelas-kelas yang
telah disediakan.
 Pengkodean untuk data yang dikumpulkan dengan
pertanyaan terbuka dapat dilakukan setelah data
terkumpul.
 Tetapi sebagian data dapat diberi kode sebelum
Sisi halaman instrumen  lihat contoh
kuesioner
pengumpulan data.  didapat dari uji coba kuesioner
9
10
Data Coding (4)
Data Coding (5)
 Cara pengkodean yang telah dibuat harus
dicatat dalam buku kode.

 Bila cara pengkodean tidak rumit, tidak perlu
dibuat Buku Kode khusus.
 Manfaat Buku Kode
Pedoman dalam proses coding, entry dan
cleaning
Pedoman dalam melakukan analisis data
Pedoman bagi peneliti lain yang akan
menggunakan data
11
Buku kode sebaiknya memuat hal berikut:
1. nama variabel yang dikumpulkan,
2. nomor pertanyaan pada kuesioner yang
berkaitan dengan variabel tersebut,
3. bentuk data,
4. kode kategori variabel dan penjelasannya,
5. skala variabel.
12
Data Coding (6)
Data Editing (1)
 Editing: kegiatan memeriksa kelengkapan
pengisian dan ketepatan data sebelum proses
Contoh Buku Kode
No.
Variabel
Pertanyaan
nomor
Kolom
ke
Kode
1
ID
-
1
-
2
3
Umur
Kelamin
2
3
2
3
4
Pekerjaan
4
4
1
2
1
2
3
4
pemasukan data.
Keterangan
 Memeriksa kelengkapan jawaban pertanyaan pada kuesioner
secara keseluruhan
 Memeriksa kejelasan tulisan jawaban
 Memeriksa kelogisan jawaban (logical check).
 Memeriksa lompatan (skip check) dan kisaran jawaban (range
check)
nomor
identifikasi
dalam tahun
Pria
Wanita
PNS/ABRI
Swasta
Buruh
Tak bekerja
 Penyuntingan sebaiknya dilakukan di lapangan, agar
data yang meragukan masih dapat ditelusuri kembali
kepada responden/informan
13
Data Editing (2)
14
Data Structure dan Data File (1)
 Struktur data dikembangkan sesuai dengan
 Penyuntingan dilakukan oleh peneliti atau
anggota tim peneliti sendiri, atau oleh
penyelia lapangan. Maka perlu pelatihan
penyelia lapangan lebih dahulu.
analisis dan jenis perangkat lunak yang
dipergunakan.
 Pada saat mengembangkan struktur data,
masing-masing variabel perlu ditetapkan:
 Sebaiknya saat menyunting data sekaligus
dilakukan pula pemberian kode.
 nama
 skala: numeric (angka), string (huruf, campuran)
 jumlah digit, termasuk jumlah desimal (khusus
data numeric)
 Pada saat penyuntingan dan pengkodean ini
dapat diidentifikasi jawaban responden yang
ternyata belum diberi kode.
15
Data Structure dan Data File (2)
16
Data Structure dan Data File (3)
 Apabila nama variabel tidak ditetapkan, Epi
 Epi Info/Epi Data menyediakan fasilitas
EPED untuk membuat struktur data:
nama variabel ditulis di antara tanda kurung
kurawal { }
skala variabel: ###.## = numeric, _____ =
string
jumlah digit ditetapkan dengan jumlah tanda #
atau _
17
Info/Epi data secara otomatis akan membuatnya
dengan menggunakan 10 huruf pertama dari
pertanyaan yang kita tulis dengan EPED.
 Jangan lupa membuat nomor identifikasi (ID)
untuk setiap responden. Nama responden bisa
sama!
 ID seharusnya sudah harus terisi pada lembar
instrumen (kuesioner).
18
Data Structure dan Data File (4)
Data Structure dan Data File (5)
 Setelah file .QES siap, harus diubah
menjadi data file dengan menggunakan
fasilitas ENTER. Hasil proses ini adalah
data file dengan ekstensi .REC.
 File .REC ini dipergunakan untuk
menerima masukan data. Dengan Epi Info
pemasukan data dilakukan dengan
memakai fasilitas ENTER.
REC
1
2
3
4
5
6
7
8
9
10
ID
001
002
003
004
005
006
007
008
UMUR
36
51
25
31
29
57
33
44
KELAMIN
1
1
2
2
2
1
2
1
PEKERJAAN
1
3
4
2
2
1
4
2
SUKU
JAWA
SUNDA
JAWA
MINANG
DAYAK
MADURA
SUNDA
IRIAN
19
20
Data Entry(1)
Data Entry(2)
 Untuk menghindari kesalahan dalam
 Hal-hal yang dapat dikontrol dengan .CHK
pemasukan data, dapat dilakukan:
antara lain:
Possible-entry programming
Double-entry
 Epi Info menyediakan fasilitas untuk membuat
program guna mengurangi kesalahan pada saat
data entry, yaitu CHECK. Hasilnya adalah file
dengan ekstensi .CHK.
keharusan mengisi suatu variabel
nilai minimal
nilai maksimal
alur lompatan
21
Langkah-langkah Pembuatan
Struktur hingga Entry Data
Program Epi Info/Epi Data
22
Data Cleaning (1)
 Walaupun rambu-rambu sudah kita pasang pada
Pembuatan Struktur Kuesioner
(QES file, dengan EPED)
saat data entry, kesalahan masih mungkin terjadi.
 Pembersihan data tetap perlu dilakukan. Salah satu
cara adalah dengan melihat distribusi frekuensi
dari variabel-variabel dan menilai ke-logis-annya.
Pembuatan File Data
(REC file, dengan ENTER)
 Untuk data kontinyu (interval, rasio) dapat dilihat
sebarannya untuk melihat ada tidaknya pencilan
(outliers).
Pembuatan File Validasi
(CHK file, dengan CHECK)
 Setiap ditemukan keanehan pada data (tidak logis,
outlier) perlu dilakukan pengecekan ulang ke
kuesionernya.
Pemasukkan Data
23
24
Data Cleaning (2)
METODE CLEANING
 Mendeteksi missing data
 Bila ternyata terdapat kesalahan dalam
memasukkan data, lakukan pembetulan. Pada Epi
Info pembetulan dilakukan dengan fungsi UPDATE
pada fasilitas ANALYSIS.
 Bila ternyata tidak terdapat kesalahan memasukkan
data, tentukan tindakan yang akan dilakukan
terhadap data yang aneh tersebut:
 dibuang?
 dibuang sementara?
 dipakai hanya pada sebagian analisis?
 dipakai sepenuhnya pada saat analisis?
(list distribusi frekuensi)
Jenis Kelamin
Jumlah
Pendidikan
Jumlah
Pria
40
SD
40
Wanita
60
SMP
10
Total
100
SMU
30
PT
15
Total
95
25
26
METODE CLEANING
METODE CLEANING
 Mendeteksi variasi data
 Mendeteksi konsistensi data
(list distribusi frekuensi tiap variabel)
Pendidikan
Jumlah
1
40
2
30
3
20
4
6
7
4
Total
100
(menghubungkan 2 var)
KB
Jumlah
Kontrasepsi
Jumlah
Ya
20
Suntik
5
Tidak
80
Pil
5
Total
100
Kondom
4
IUD
10
Total
24
27
METODE CLEANING
28
EPI-DATA ver 3.1
 Mendeteksi konsistensi data
(membuat tabel silang)
Umur
Jumlah Anak
0 1 2 3 4
15
1 2
16
1 2
19
2
20
3
4
5
6
7
8
9
10
Membuat Struktur Data
2
Berisi Variabel & Ruang
Entry (Template)
2
Tersimpan di file.QES
24
Membuat file.REC dari
file QES yg sudah ada
25
35
40
View Data
yg sudah
dientry
Memasukkan data ke
komputer
Tersimpan di file.REC
Membuat batasan min—
max & alur lompatan
Tersimpan di file.CHK
29
30
Export
data.REC
ke
data.DBF
1. Define Data
31
3. CHEKC
33
5.Documen View Data
35
2. MakeData File
32
4. Enter Data
34
6. Export Data (Dari REC ke DBF)
36
Prinsip Analisa Data
Interpretasi; Inferensi
Analisa Data :
Proses penyederhanaan data ke dlm bentuk
yg lebih mudah dibaca/diinterpretasikan;
seringkali digunakan STATISTIK
 terbatas; hubungan penelitian
 Membandingkan(teori/penelitian lain)
37
Analisa Data
 Kategorik  tabulasi silang
 Kontinu
 distr frek, central tendency, variabilitas,
korelasi
39
38
Download