PELATIHAN

PENGOLAHAN DAN

ANALISIS DATA

KESEHATAN

AKPER KESDAM IX UDAYANA

DENPASAR-BALI

12-14 AGUSTUS 2010

Agus Riyanto

ISTILAH STATISTIK

Statistik – angka-angka/ data

Statistika – ilmu tentang statistik/ metode statistik

Statistika Kesehatan (Biostatistika) – aplikasi metode statistik utk memecahkan

masalah di bidang kesehatan ‘masyarakat’

PERAN BIOSTATISTIK

Menggambarkan besarnya kejadian/masalah

Monev program - analisis perbandingan

- analisis kecenderungan Mendiagnosis masalah Perencanaan program Alat bantu riset

BIOSTATISTIK SBG ALAT BANTU RISET

1. Alat bantu untuk menghitung sampel, sampel dapat dipertanggung jawab

2. Alat untuk melakukan pengumpulan data secara tepat –uji validitas dan reliabilitas instrumen

3. Alat bantu untuk pengolahan data secara benar

4. Alat bantu analisis data secara tepat seseuai dengan kasusnya

5. Alat bantu untuk melakukan penyajian data yang benar, sehingga data lebih komunikatif

Potret data & informasi saat ini Petugas tdk mengunpulkan data apa yg ada dilapangan, Petugas

tidak terjun kelapangan, hanya dibelakang meja – data tidak akurat

Pengumpul data menggunakan data yg tidak up to date Data yang dikumpulkan tidak relevan dng masalah yg terjadi Data yg dikumpulkan tidak representatif thd populasi Petugas tidak mengetahui cara mengolah, menyajikan,

menganalisis dan menginterpretasi dengan benar Akses data/informasi yang susah dan lambat Pengambil kebijakan dalam pengambilan keputusan tidak

menggunakan data/informasi yg sdh dilaporkan, krn tidak yakin thd keakuratan data dan kebenaran informasi yg dihasilkan

Hukum Finagel

Langkah-langkah statistika

Pengumpulan data

Pengolahan data

Penyajian data

Analisis data, dan Kesimpula

n

Data

Informasi

Informasi mengenai populasi

Estimasi Uji hipotesis

Statistika Inferens

Statistika Deskriptif

Pengumpulan data

Pengolahan data

Penyajian data

Analisis data, dan Kesimpulan

data sampeldata sensus

Metode Statistiksampai pada kesimpulan mengenai populasi

KESALAHAN PENGGUNAAN STATISTIK

Penghitungan dan pengambilan sampel salahPengukuran salah : mis : Eksklusive ?Pengolahan data : memasukkan data salahPenyajian data salah :

- tidak tepat pemilihan grafik- pembuatan tabel/grafik salah- double penyajian

Melakukan analisis data yang salah:- pemilihan uji statistik salah- interpretasi : baca tabel, generalisasi ?

Lingkup Statistik

GeneralisasiPopulasi :

: keseluruhan subjek/unit yang akan diteliti

Sampel: sebagian dari populasi yg diharapkan dpt mewakili/representatif populasi: Bagaimana spy sampel representatif?

- besar sampel cukup memadai- teknik pengambilan sampel benar

Generalisasi --- teori probabilitas

Kesalahan PenelitianDalam penelitian ada 2 kesalahan :a. Sampling Error: Kesalahan penelitian akibat penelitian

menggunakan sampelb. Non Sampling Error: Kesalahan penelitian akibat proses penelitian

yang tidak benar

Rancangan SampelRancangan sampel harus memenuhi 2-kaidah berikut:

1. Valid Mengukur apa yang sebenarnya ingin diukur Tergantung dari cara/metode/teknik mengambil sampel

2. Presisi Mengambarkan ketepatan ukuran yang diperoleh Tergantung dari jumlah/besar sampel

Kesalahan yang sering terjadi adalah Cara/metode pengambilan sampel sering kurang mendapat perhatian dibandingkan jumlah/besar sampel

Keuntungan data berbentuk Sampel

Efisiensi dalam: biaya ,waktu dan tenagaLebih AkuratLebih tajam/dalamPada Kasus tertentu, “tdk merusak data”

BESAR/JUMLAH SAMPELTergantung pada:

1. Jenis penelitian Eksplorasi awal 1 sampel mungkin cukup Generalisasi harus representative

2. Skala-ukur variabel dependen Kategorik/proporsi (Nominal, ordinal) Numerik/rata-2 (interval, ratio)

3. Derajat ketepatan perkiraan yang diinginkan (presisi)

Semakin tinggi ~ semakin besar sample4. Tujuan Penelitian

Estimasi Uji Hipotesis

5. Interval kepercayaan dan Kekuatan Uji6. Teknik pengambilan sampel (SRS atau bukan SRS)

Jumlah sampel hanya bisa dihitung jika ada informasi awal tentang populasi (informasi awal tentang hal apa yang akan diteliti)

Secara garis besar, perhitungan jumlah sampel dibagi menurut tujuan penelitian:1. Estimasi parameter populasi2. Uji hipotesis

Kesalahan yang sering terjadi, selalu menganggap penelitian sebagai estimasi, padahal seharusnya uji hipotesis

Jumlah sampel

Arti data

Data adalah keterangan mengenai suatu hal dari seorang atau kumpulan orang, dalam bentuk angka-angka.

Misal, ketika membahas data seorang responden (mis : pasien), kita dapat membicarakan angka-angka mengenai tinggi badannya, atau berat badan, tekanan darah, kepuasan pelayanan RS, dll.

Syarat Data

Up to date Akurat:

- Reliabilitas: kekonsistensian pengukuran

- Validitas: ketepatan/kecermatan pengukuran

- Objektivitas: persamaan persepsi thd sesuatu yg diukur

Variabel adalah ciri individu yang dipelajari/diukur, yang bentuknya berupa nilai-nilai yang bervariasi.

Misal: berat badan : 60, 71, 73 dst..Sex : pria, wanitaJumlah anak : 2, 4, 10, 5

Nama: Tinggi badan Batasan: Jarak antara ujung

tumit kaki dan puncak kepala Nilai dan satuan: 154, 155, 157,

158, 159, 160, 162, …, dalam Cm. Alat ukur: Meteran tinggi badan

Jenis Variabel menurut sifatnya: 1. Katagorik: hasil pengklasifikasian/penggolonganCiri: isinya berbentuk kata-kataMisal: sex : pria dan wanita

pekerjaan; pns, abri, swastaumur : remaja, dewasa, tua

2. Numerik: variabel hasil pengukuran atau penghitunganCiri : isinya berbentuk angkaMisal: umur: 23, 25. 40 ,25 dst…

tinggi badan : 150, 165, dst……Jumlah anak: 3, 3, 5, 1, dst…

Jenis variabel ?Menurut skala pengukuran :

Nominal; jk, ras

Ordinal; pendidikn

Interval; TD

Rasio; BB

Tampilan di Komputer

Umur didik bb sex umur1 bb145 2 60 1 2 3

34 4 72 1 2 123 1 65 2 1 234 3 56 1 3 4

Dst ……

Umur : numerikDidik : katagorik (koding: 1=SD, 2=SMP, 3=SMU, 4=PT)BB : numerikSex : katagorik (koding: 1=pria, 2=wanita)Umur1: katagorik (koding: 1= <20th (remaja), 2= 20-30 th (dewasa), 3= >30 th (tua))

bb1: katagorik (koding: 1= <60 kg, 2=60-70 kg, 3=70-80 kg, 4= >70kg)

METODE STATISTIK1.PENGUMPULAN DATA

2.PENGOLAHAN DATA

3. ANALISIS DATA

4. PENYAJIAN DATA

Pengumpulan Data

Data Apa Yg Dikumpulkan

Penyakit Kematian Kelahiran Data Demografi Program KB Data Lingkungan dsb

Definisi Operasional Data

1. Jelas

2. Objektif

3. Mudah diukur

Misal data DIARE, apa DO nya?

Sumber Data

1. Kegiatan rutin

- Data yang rutin dilaporkan tiap minggu/bulan

mis : data register pasien, dll

2. Kegiatan non rutin

- survei

Pengumpulan Data• Pengumpulan data merupakan langkah yang amat penting pada

suatu penelitian• Akurasi data bergantung pada:

1. Alat ukur yang digunakan Standard2. Orang yang mengambil data Terlatih3. Situasi wawancara

• Metode pengumpulan data:1. Pengamatan (observasi)2. Wawancara (Terstruktur vs Mendalam)3. Responden mengisi sendiri (Angket/Pos surat) 4. Polling (wawancara telpon & internet)5. Pengukuran

Alat Pengumpulan Data

1. Tipe instrumen– Wawancara– Responden mengisi

sendiri– Cek-list

2. Kelompok sasaran– Ibu/Wanita– Kepala keluarga– Remaja

3. Tipe pertanyaan– Pertanyaan Tertutup

• Satu pilihan (Ya/Tidak)• Pilihan ganda• Skala linkert

– Pertanyaan terbuka

PENGOLAHAN DATA

Tujuan Pengolahan Data

• Terjaminnya keakuratan data : data terhindar dari kesalahan pengumpulan data dan kesalahan entry data

• Menyiapkan data agar mudah dilakukan analisis data

TAHAPAN PENGOLAHAN DATA

A.EditingMemeriksa kelengkapan dan kebenaran isi kuesioner : lakukan kompilasi kalau data berasal dari berbagai sumber, lakukan pengecekan kebenaran data

B.CodingPengubahan jawaban pertanyaan yg berisi huruf kedalam bentuk angka: Misal data pendidikan dikoding: 1=sd 2=smp , dst

C. Processing/Entry dataMemindahkan isi keusioner ke media komputer: data sederhana gunakan Excel, dbase, dll : data komplek gunakan: SPSS, STATA

D. Cleaning data

a. Mengetahui missing

Tabel 1.2 Pekerjaan Pasien

Pekerjaan Jumlah Bekerja Tidak bekerja

130 20

Total 150 Pada jenis pekerjaan tidak ada nilai yang hilang/missing

Tabel1.3 Umur Pasien

umur Jumlah ? 30 tahun > 30 tahun

125 20

Total 150 Pada umur pasien ada missing 5 karena total jumlahnya hanya 145

(seharusnya 150).

Tabel Silang

Tabel 1.8 hubungan pekerjaan dengan penghasilan

Penghasilan Pekerjaan

< 500 ribu 500 ribu-1

juta

> 1 juta

Bekerja

Tidak bekerja

3

3

1

1

4

10*

* = ada 10 responden tidak bekerja tetapi penghasilannya lebih 1 juta

(ada kesalahan entry data)

E. Transformasi Data

Tujuan :

melakukan perubahan variabel menjadi variabel

baru sesuai dg kebutuhan melalui proses :– Mengubah nilai dari suatu var.– Mengelompokkan var ke dlm nilai berbeda.– Mengelompokkan nilai-nilai var ke dlm var.

baru– Mengekstraksi sebagian dari nilai dlm variabel

Proses Transformasi Data

Contoh mengubah nilai dari suatu var.

Dari hasil penimbangan 20 Bayi yang baru dilahirkan diperoleh data Berat Badan bayi (gram) sbb : 2250, 3300, 2450, 2500, 2499, 2550, 2600, 2750, 2525, 2365, 3400, 2625, 2510, 2480, 2725, 2600, 2700, 3000,

3500, 2300 Dalam hal ini nilai BB Bayi akan ubah menjadi suatu variabel yang lebih informatif yaitu BBLR dengan menggunakan standard < 2500 grm

Bayi BBLR =

Bayi tdk BBLR =

5 org

15 org

Pengelompokan variabel Dari hasil penimbangan 20 Bayi yang baru dilahirkan diperoleh gambaran tk pendidikan ibu sbb : SD, MI, TS, SD, SD, TS, SLTP, SLTP, MT, SLTA, SD SLTP, MI, MT, SLTA, MA, TS, MA, D-III, SD

Dari data diatas diperoleh kompilasi sbb : - TS = 3 org - SD/MI = 7 org - SLTP/ MT = 5 org - SLTA/ MA = 4 org - D-III = 1 org

Dikelompokan menjadi variabel baru :-Tk pddkn Rendah = TS + SD/ MI =--Tk pddkn Sedang = SLTP/ MT + SLTA/ MA =-Tk pddkn Tinggi = D-III =

3 + 7 = 10 org 5 + 4 = 9

1

Mengelompokkan nilai-nilai var ke dlm var. baru.

Dari hasil pengamatan terhadap 10 Balita di Desa Ulun Jaya didapatkan informasi data imun. Sbb:

BAYI BCG DPT-3 POLIO-4

CAMPAK HB-3

1 + + + - +

2 + + + + +

3 - + + + -

4 + + - + +

5 + + + + +

6 + - - + +

7 + + + + +

8 - - - - -

9 - - - + -

10 + + + + +

7 7 6 8 7

Dari data imun kemudi-an disusun var. Baru status imun.

Status Lengkap bila bayi telah dapat imun.

BCG,DPT3, Pol-4 HB-3