Manajemen dan Analisa Data 1

“ 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