PENYAJIAN DATA Ns. EED STIKES WHS 2015.

Presentasi berjudul: "PENYAJIAN DATA Ns. EED STIKES WHS 2015."— Transcript presentasi:

1 PENYAJIAN DATA Ns. EED STIKES WHS 2015

2 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)

3 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)

4 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)

5 Contoh Informasi yang diperlukan dalam sensus penduduk untuk menggambarkan karakteristik penduduk → memerlukan data seperti umur, jenis kelamin, status perkawinan dsb.

6

7 Tahap Kegiatam Statistik
Pengumpulan Data Pengolahan Data Penyajian Data Analisis/ Interpretasi Data

8 Sajian Statistik Secara Umum Sajian Data dapat dibagi dalam 3 (tiga) bentuk ; Tulisan (textular) Tabel (tabular) Gambar / Grafik (diagram)

9 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

10 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 )

11 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

12 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) (%) Fk (frek – kum) (≤) Fk (frek kum) (≥) Perguruan Tinggi SMA SMP SD Tidak Tamat SD 120 225 375 360 570 8 15 25 14 38 23 48 62 100 92 77 52 total 1500 Sumber : Laporan tahunan Puskesmas Melati 1998

13 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) (%) Fk (frek – kum) (≤) Fk (frek kum) (≥) 65 – 70 75 – 80 > 80 525 460 375 400 40 35 30,6 25 6,7 2,7 65,6 90,6 97,3 100 65 34,4 9,4 Total 1500 Sumber : Laporan tahunan Puskesmas Melati 1998

14 Contoh; Tabulasi Silang
Tabel 1.2 Jumlah Usila Menurut Jenis Kelamin dan Kebiasaan Merokok di Wilayah Kerja Puskesman “Melati” Tahun 1997 Kebiasaan Merokok Jenis Kelamin Tidak Pernah Merokok Dulu Merokok Sekarang Masih Merokok Laki – laki Perempuan Jumlah 160 575 735 220 275 495 320 50 370 Sumber : Laporan tahunan Puskesmas Melati 1998

15 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

16 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

17 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

18 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

19 Jenis Grafik / Gambar Diagram Garis (line diagram) → digunakan untuk menggambarkan data diskrit atau dengan skala nominal yang menggambarkan perubahan dari waktu – ke waktu

20 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

21 Lanjutan

22 Jenis Grafik /Gambar Diagram Pinca (pie diagram) → untuk menyajikan data diskrit/ data dengan skala nominal dan skala ordinal (data Kategorik)

23 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)

24 Jenis Grafik /Gambar Pictogram → diagram yang menggambarkan sesuai dengan objeknya yang dimaksud

25 Jenis Grafik /Gambar Mapgram → diagram yang menggunakan map atau peta dari suatu daerah

26 Jenis Grafik /Gambar Box whisker plot → digunakan untuk menyajikan data numerik, membandingkan beberapa pengamatan dengan prinsip nilai quartile (Q1, Q2, dan Q3)

27 Jenis Grafik /Gambar stem and leaf plot → penyajian data tidak menghilangkan nilai asli dari data tersebut.

28 Jenis Grafik /Gambar Pareto

29 Simpulan Numerik/Interpretasi
Distribusi Frekuensi Nilai Tegah Nilai Letak Nilai – Nilai Variasi

30 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

31 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

32 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…

33 Contoh Penyusunan Distribusi Frekuensi Data Kualitatif atau Data Kategorik
Tabel 1.5 Data dari 100 orang pasien poliklinik Penyakit Dalam RS. X No Jenis Kelamin Merokok Stress Kadar Kolesterol 1 Laki – laki Tidak 200 2 Perempuan 219 3 195 4 5 290 6 190 7 Laki - laki 250 8 9 10

34 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

35 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)

36 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

37 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.

38 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

39 Contoh X (Kg) I X – X I (X – X)2 48 52 56 62 67 9 5 1 10 81 25 100 285
Mean = ( )/5 = 57 Kg Mean deviasi = ( )/5 = 6 Kg

40 Varian Rata – rata perbedaan antara mean dengan nilaimasing – masing observasi Contoh ; V = S 2 (pangkat) V = ( )/4 = 58

41 Standar Deviasi Adalah akar dari varian
Disebut juga sebagai simpangan baku (S)

42 Contoh S = √V → = √58 = 7,6

43 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 % = %

44 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.

45 Latihan

46 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