Pengolahan data merupakan salah satu bagian rangkaian kegiatan penelitian setelah pengumpulan data. Setelah dilakukan pengumpulan data, seringkali orang bingung “mau diapakan data yang telah terkumpul? Bagaimana manghubungkan data di kuisioner dengan tujuan penelitian?”. Untuk itu data yang masih mentah (raw data) perlu diolah sedemikian rupa sehingga menjadi informasi yang akhirnya dapat digunakan untuk menjawab tujuan penelitian. ---- untuk mendownload file klik disini -----
Agar analisis penelitian menghasilkan informasi yang benar, paling tidak ada 4 tahapan dalam penolahan data yang harus dilalui, yaitu:
1. Editing
Merupakan kegiatan untuk melakuka pengecekan isian formulir/kuisioner, apakah jawaban dikuisioner telah :
a. Lengkap, semua pertanyaan sudah terisi jawabannya.
b. Jelas, Jawaban pertanyaan cukup jelas terbaca.
c. Relevan, jawaban yang tertulis apakah relevan dengan pertanyaan.
d. Konsisten, apakah antara beberapa pertayaan yang berkaitan isi jawabannya konsisten, misalnya antara pertanyaan usia dengan pertanyaan jumlah anak. Bila dipertanyaan usia terisi 15 tahun dan dipertanyaan jumlah anak 9, ini berarti tidak konsisten.
2. Coding
Coding merupakan kegiatan merubah data berbentuk huruf menjadi data berbentuk angka/bilangan. Misal, untuk variabel pendidikan diberikan kode 1=SD; 2=SMP; 3=SMU dan 4=PT. Jenis Kelamin: 1=Laki-laki; 2=Perempuan; dst. Kegunaan coding adalah untuk mempermudah pada saat analisis data dan juga mempercepat pada saat entry data.
3. Processing
Setelah semua kuisioner terisi lengkap, jelas, relevan dan konsisten, serta teah melewati proses coding, maka langkah selanjutnya adalah memproses data agar data yang sudah di-entry data dapat dianalisis. Pemrosesan data dilakukan dengan cara meng-entry data dari kuisioner ke paket program komputer. Ada bermacam-macam paket program yang dapat digunakan untuk pemrosesan data dengan masing-masing memiliki kelebihan dan kekurangan. Salah satu paket program yang sudah umum digunakan untuk entry data adalah program SPSS for window.
4. Cleaning
Cleaning / pembersihan data merupakan kegiatan pengecekan kembali data yang sudah di entry apakah ada kesalahan/tidak. Kesalahan tersebut mungkin terjadi saat kita meng-entry data ke komputer, misalnya, untuk untuk variabel pendidikan ada data yang bernilai 7, mestinya berdasarkan coding yang ada pendidikan kodenya hanya antara 1 – 4. Contoh lain misalnya dalam variabel status perkawinan terisi data 1 (misal 1=belum kawin) dan dalam variabel jumlah anak terisi nilai. Ini berarti ada data yang salah (tidak konsisten) karena statusnya belum kawin tetapi mempunyai anak 5?.
Berikut akan diuraikan cara meng-cleaning data:
a. Mengetahui Missing Data
Cara mendeteksi adanya missing data adalah dengan melakukan list (distribusi frekuensi) dari variabel yang ada. Misalnya data yang diolah 100 responden, kemudian dikeluarkan variabel jenis kelamin dan pendidikan.
Tabel 1 Jenis Kelamin Pasien
Jenis Kelamin | Jumlah |
Laki-laki Perempuan | 40 60 |
Total | 100 |
Tabel 2 Jenis Pendidikan Pasien
Pendidikan | Jumlah |
SD SMP SMU PT | 40 10 30 15 |
Total | 100 |
Dar kedua tabel di atas memperlihatkan bahwa tabel jenis kelamin tidak ada nilai yang hilang (missing), sedangkan pada tabel pendidikan ada 5 pasien yang missing, karena jumlah totalnya hanya 95 (seharusnya 100).
b. Mengetahui Variasi Data
Dengan mengetahui variasi data akan diketahui apakah data yang di entry benar/salah. Cara mendeteksi dengan mengeluarkan didtrbusi frekuensi masing-masing variabel. mengingat dalam entry data biasanya data dimaukkan dalam bentuk kode/coding, misalnya untuk variabel pendidikan SD = 1, SMP = 2, SMA = 3, PT = 4. Untuk mengetahui kesalahan data berikut ilustrasi keluaran dari variabel pendidikan:
Tabel 3 Jenis Pendidikan Pasien
Pendidikan | Jumlah |
1 2 3 4 7 | 40 30 20 6 4 |
Total | 100 |
Dari data di atas kendati jumlah total sudah benar 100, namun terlihat ada data yang salah, yaitu munculnya kode pendidikan angka 7 yang berjumlah 4 pasien. Seharusnya variabel pendidikan variasi angkanya hanya dari angka 1 – 4.
c. Mengetahui Konsistensi Data
Cara mengetahui adanya ketidakkonsistensi data dengan menghubungkan dua variabel. Contoh :
1) Membandingkan dua tabel
Tabel 4 Keikutsertaan KB
KB | Jumlah |
Ya Tidak | 20 80 |
Total | 100 |
Tabel 5 Jenis Alat Kontrasepsi Yang Dipakai
Jenis Kontrasepsi | Jumlah |
Suntik Pil Kondom IUD | 5 5 4 10 |
Total | 24 |
Dari kedua tabel di atas terlihat bahwa ada keidakkonsistenan antara jumlah peserta KB dengan jenis kontrasepsi (24 orang). Seharusnya pada baris total jenis alat kontrasepsi jumlahnya 20 orang.
2) Membuat tabel silang
Contoh menghubngkan variabel umur dengan jumlah anak
Umur | Jumlah Anak | ||||||||||
0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
15 16 19 20 24 25 35 40 | 1 1 2 3 | 2 2 4 | 2 | 2* | |||||||
Keterangan:
* = ada 2 responden dengan umur 15 tahun dan anaknya 10 orang (ada kesalahan entry data !!)
B. ENTRY DATA
Setelah kita mengetahui langkah-langkah pengolahan data, selanjutnya adan dibahas entry datamenggunakan SPSS. Kepanjangan dari SPSS yaitu Statistical Program for Social Science. SPSS merupakan paket program statistik yang berguna untuk mengolah dan menganalisis data penelitian. Dengan SPSS semua kebutuhan pengolahan dan analisis data dapat diselesaikan dengan mudah dan cepat. Kemampuan yang dapat diperoleh dari SPSS melputi pemrosesan segala bentuk file data, modifikasi data, membuat tabuasi berbenuk didtribusi frekuensi, analisis statistik deskriptif, analsis lanjut yang sederhana maupun komplek, pembuatan grafik, dsb. Perkembangan program SPSS sangat cepat dimulai dari program SPSS/PC+(masih under DOS) kemudian berkembang menjadi SPSS for Window. Sampai sekarang sudah memasuki versi 19. Dan untuk latihan akan digunakan SPSS versi 11,5.
Langkah Memulai Prgram SPSS adalah Sebagai Berikut :
a. Memanggil SPSS
Pertama kali anda harus pastikan bahwa komputer sudah ter-instal program SPSS for Window. Untuk memanggil SPSS dapat dilakukan dua cara :
1) Bila tampilan pertama komputer/pada dekstop sudah muncul icon SPSS, maka klik dengan mouse icon tersebut 2 kali.
2) Bila pada dekstop belum ada icon SPSS, Klik Star Menu -> sorot All Program -> sorot SPSS for Window -> Klik SPSS 11,5 for Window
Dalam operasionalnya SPSS mengenal 2 jenis jendela / window utama yaitu :
1) SPSS Data Editor
Jendela ini berisi tampilan data yang kita olah dan analisis dengan tampilan sejenis Spreadsheet (seperti Tampilan Program Excel)
2) SPSS Output
Hasil olahan (hasil analisis) yang anda lakukan akan ditampilkan pada Output Window. Window ini merupakan teks editor, artinya dapat mengedit hasil analisis yang ditampilkan.
b. Struktur Data di SPS
Agar dapat diolah dengan SPSS, data harus mempunyai struktur, format dan jenis tertentu. Dalam SPSS (dan yang umum terjadi pada program lain), data yang diolah tersusun berdasarkan kolom dan baris. Tiap kolom melambangkan satu variabel. tiap baris data dinamakan Case (kasus/responden) sebagaimana istilah record di Data Base.
Contoh :
Dari contoh di atas menunjukkan ada 3 variabel (nama, umur dan berat badan) dan 2 kasus/responden (Anita dan Budi)
c. Tampilan Utama SPSS for Window
Setelah SPSS dipanggil dilayar akan muncul loo SPSS for Windows, tunggulah sesaat hingga logo tersebut hilang, kemudian pada layar akan nampak tampilan utama SPSS sebagai berikut :
Gambar 1 Tampilan Data
Gambar 2 Tampilan Variabel
Sistem kerja SPSS for Windows dikendalikan oleh menu (bar menu). Bar Menu terletak di sebelah atas dengan urutan dari kiri ke atas sebagai berikut : File, Edit, View, Data, Transform, Analyze, Graphs, Utillities, Window, dan Help.
· File : Digunakan untuk membuat file data baru, membuka file data yang telah tersimpan, (ekstensi SAV), atau membaca file data dari program lain, seperti dbase, excel dll.
· Edit : Digunakan untuk memodifkasi, meng-copy, menghapus, mencari, dan mengganti data.
· View : Digunakan untuk mengatur tamilan font, tamplan kode/label.
· Data : Digunakan untuk membuat/mendefinisikan nama variabel, mengabil/menganalisis data, menggabungkan data.
· Transform : Digunakan untuk transformasi/modifikasi data seperti pengelompokkan variabel, pembuatan variabel baru dari perkalian/penjumlahan variabel yang ada, dll.
· Analyze : Digunakan untuk memilih berbagai prosedur statistik, dari statistik sederhana (deskriptif) sampai dengan statistik komplek (multivariat).
· Graphs : Digunakan untuk membuat grafik meliputi grafik bar, Pie, Garis, Histogram, Scatter plot, dsb.
· Utillities : Digunakan untuk menampilkan berbagai informasi tentang isi file.
· Window : Digunakan untuk berpindah-pindah antar jendela, misalnya dari jendela data ke jendela output.
· Help : Digunakan untuk mencari informasi bantuan bagaimana menggunakan berbagai fasilitas pada SPSS.
C. MEMASUKAN DATA
Entry data dapat langsung dilakukan pada sheet data editor. Data editor memiliki tampilan sejenis spreadsheet (pada excel) yang digunakan sebagai fasilitas untuk memasukan/mengisi data. Ada 3 hal yang harus diperhatikan dalam tampilan spreadsheet SPSS, antara lain :
1. Baris : menunjukkan kasus/responden
2. Kolom : menunjukkan variabel
3. Sel : menunjukkan perpotongan antara kolom dab baris yang berisi nilai/data
Dalam memasukkan data ke SPSS, ada 4 hal yang harus diperhatikan, antara lain:
1. Memberi Nama Variabel
Pertama kali yang harus dilakukan pada saat entry data adalah memberi nama variabel. satu variabel mewakili atau melambangkan satu pertanyaan. Agar tidak menemui kesultan dalam membuat variabel, berikut akan diuraikan ketentuan atau persyaratan nama variabel, yaitu :
- Nama variabel maksimum 8 digit (huruf/karakter), untuk SPSS versi 13 keatas karakter dapat lebih dari 8 karakter.
- Nama variabel tidak boleh ada spasi
- Nama variabel tidak boleh ada yang sama
2. Mendefinisikan Tipe Variabel
Jenis tipe data dalam SPSS antara lain:
- Numerik : untuk data berbentuk angka/nomor
- String : untuk data berbentuk huruf
- Date : untuk angka berbentuk date/tanggal
- Dll
*yang sering digunakan adalah tipe numerik, karena data yang akan kita olah biasanya berbentuk angka.
3. Mendefinisikan Adanya Desimal
Bila data yang akan dimasukan desimal, seperti HB, maka perlu ditentukan berapa desimal yang kita inginkan. SPSS secara default/standar memberikan dua angka desimal untuk setiap data yang akan dientry. Kebanyakan data penelitian tidak berbentuk desimal, oleh karena itu untuk data yang tidak ada desimal kita harus setting di SPSS isian jumlah desimal diberi angka 0 (nol).
4. Memberi Label Variabel
Nama variabel biasanya tertulis dengan kata/huruf yang singkat, pada bagian ini kita akan menuliskan keterangan nama variabel sehingga dapat memperjelas arti dari masing-masing variabel. Misalnya nama variabel BWT diberi label “Berat Badan Bayi pada saat lahir diberi satuan gram”.
5. Memberi Value Label
Untuk variabel yang berbentuk koding kita harus memberi keterangan untuk setiap kode yang ada dalam kode tersebut. Misalnya untuk variabel Sex : 0 = Pria dan 1 = Wanita.
0 komentar:
Speak up your mind
Tell us what you're thinking... !