Successfully reported this slideshow.

More Related Content

Related Books

Free with a 14 day trial from Scribd

See all

Bab 7 analisis spss data sekunder

  1. 1. Najmah, SKM, MPH. Faculty of Public Health, Sriwijaya University najem240783@yahoo.com
  2. 2. Today’s Topics Aplikasi Analisa Data Sekunder (SDKI 2012). Proses Pengolahan Data SDKI 2012 menggunakan SPPS Uji Regresi Linier Complex Sample (Complex Samples General Linear Model).
  3. 3. Aplikasi Analisa Data Sekunder (SDKI 2012)  Analisis Data Sekunder/secondary data analysis/existing statistic memiliki karakter yang hampir sama dengan analisis isi.  Perbedaannya adalah, bila dalam analisis isi (content analysis), peneliti memanfaatkan data berupa simbol-simbol dari media atau teks tertentu dan peneliti sendirilah yang mengolah data sedemikian rupa sehingga data tersebut dapat memiliki arti, sedangkan dalam ADS, peneliti cukup memanfaatkan data yang sudah matang yang dapat diperoleh dari instansi atau lembaga tertentu.
  4. 4. Keuntungan ADS: 1. Hemat waktu, tenaga dan biaya peneltian karena tidak perlu mengumpulkan data primer di lapangan. 2. Validitas dan reliabilitas data lebih tejamin karena survey yang dilakukan pada sampel yang besar dan telah dilakukan uji coba kuesioner penelitian; dan 3. Bisa membandingkan trend atau data sekunder jika dilakukan pengumpulan data dari pihak lain secara reguler. Kelemahan ADS: variabel yang dibutuhkan pada penelitian terbatas dengan data yang telah ada pada data sekunder sebelumnya, dan tidak semua variabel-variabel yang dibutukan untuk topik penelitian dapat dikumpulkan dari data sekunder. Sumber data dalam ADS : Riskesdas, SDKI, Survey Terpadu Biologis dan Perilaku (STBP), BPS , IPM, dan lain lain
  5. 5. STUDI KASUS: peneliti membutuhkan data bobot, umur dan pendidikan wanita usia subur data sekunder SDKI 2012.  Buka data IDI61FL.SAV -- (Data SDKI 2012 untuk Wanita usia subur)  Berikut adalah langkah langkah pemilihan variabel yang kita butuhkan dari: 1. Tentukan variabel apa saja yang akan diambil dalam penelitian atau tentukan definisi operasional dan kode pada masing-masing variabel. Misal: Tingkat Pendidikan WUS (V012) dan Umur WUS (V106)
  6. 6. Tabel 42. Definisi Operasional Data SDKI 2012 No Variabel Definisi Operasional Hasil Ukur Cara Ukur Nilai Ukur 1 Bobot (Sample weight) Nilai bobot responden wanita V005 Numerik 2 Umur WUS Usia responden saat ini dihitung dari tanggal kelahiran V012 Usia responden dalam tahun Kuisoner WUS nomor 103 Rasio 3 Pendidikan WUS Tingkat pendidikan responden yang telah ditempuh saat ini V106 1. Tidaksekolah 2. SD/MI sederajat 3. SMA/SMK/MA sederajat 4. Akademi/DI/DI I/DIII 5. Diploma/ universitas Kuisoner WUS, nomor 104-105 Ordinal
  7. 7. 2. Tentukan kelompok target, household (rumah tangga)- IDHR61FL.SAV, wanita- IDIR61FL.SAV, atau pria-IDMR61FL.SAV File  Open  Data 3. Setelah mengetahui kode pada masing-masing variabel yang dibutuhkan, cari variabel dengan Edit  Go to Variable
  8. 8. 4. Copy data yang ada di variabel V005 ke lembar kerja SPSS. 5. Lakukan hal yang sama hingga variabel yang kita butuhkan pada penelitian kita, misal umur WUS (V012) dan pendidikan WUS (V106) terpenuhi sebelum melakukan analisa sekunder lanjutan, lalu simpan file baru SPSS kita dengan nama baru, misal HIV AIDS SDKI.sav
  9. 9. Proses Pengolahan Data SDKI 2012 STUDI KASUS: Lakukan proses pembobotan lalu analisa deskriptif variabelumur dan tingkat pendidikan ibu.  Buka Data : HIV AIDS _NAJMAH_SDKI.sav  Langkah 1 : Membuat Normalisasi Bobot a. Cari variabel bobot di buku panduan koding SDKI 2012 pada kelompok wanita  V005.
  10. 10. b. Buat variabel baru “bobotnormal” dengan cara = V005/1000000 (1juta)Transform  Compute Variable.
  11. 11.  Langkah 2 :Buat Plan Untuk Analisis Pembobotan/Site Plan (Complex Sample) a. Cari Variabel Strata (V024) dan cluster (V021)
  12. 12. b. Analyze  Complex Samples  Prepare for Analysis
  13. 13. c. Klik Browse Buat nama File untuk plan, contoh : “bobothivnajmah” savenext
  14. 14. d. Masukkan variabel Strata (V024), cluster (021) dan bobot normal  Next Next  Next  Finish, cek folder dimana data anda analisa, maka akan terbentuk variable bobothivnajmah.csapla n
  15. 15.  Langkah 3 :Analisa Dengan Pembobotan Misal : Analisa Jenis Pekerjaan Pada Penelitian Perilaku Pencegahan penularan HIV-AIDS dan sikap terhadap ODHA pada Wanita Usia Subur Indonesia. a. Analyze  Complex Samples  Frequencies
  16. 16. b. Pilih Browse Masukan plan yang sudah dibuat “bobothivnajmah.csplan” Continue
  17. 17. c. Masukkan variabel pendidikan ke kolom Frequency Tables  Statistics  Ceklist Standard error, confidence interval dan table percent  Continue. d. Output Complex Samples Interpretasi: Dari data ini dapat dilihat bahwa mayoritas pendidikan wanita usia subur di Indonesia adalah tamat SMP.
  18. 18. e. Masukkan variabel yang akan dianalisis misalnya umur responden, pilih statistic, klik mean, standar error, confidence interval dan sum. f. Masukkan variabel yang akan dianalisis misalnya umur responden, pilih statistic, klik mean, standar error, confidence interval dan sum. Interpretasi: rata-rata umur responden adalah 31 tahun dengan rentang umur di populasi antara 31 hingga 32 tahun. Rentang derajat kepercayaan umur cukup presisi.
  19. 19. Uji Regresi Linier Complex Sample (Complex Samples General Linear Model)  Pada complex samples metode yang digunakan adalah cluster sampling dan perlu memperhitungkan weight/bobot.  Analisis regresi linier biasa maka hasilnya kurang presisi karena jumlah populasi dan jumlah sampel dipilih pada setiap kelompok (cluster) yang menyebabkan probabilitas sampel untuk terpilih tidak sama.  Buka Data: HIV AIDS _NAJMAH_SDKI.sav Berikut langkah-langkah Complex Samples General Linear Model (CSGLM): a. Analyze  Complex Samples  General Linear Model
  20. 20. b. Browse file plan bobothivnajmah.csaplan Continue c. Masukkan Variabel Dependen Perilaku Pencegahan Penularan HIV/AIDS pada WUS di kotak Dependent Variable dan Variabel Independen Sikap WUS terhadap ODHA di kotak Covariates  Ok
  21. 21. d. Output SPSS Koefisien determinasi (R square)  Seberapa besar variasi variable dependen dapat dijelaskan oleh variabel independen  Seberapa besar variabelindependen mempengaruhi variabel dependen R Square = 0 – 100%  Hasil analisis diperoleh R square = 0.0005, artinya perilaku pencegahan HIV/AIDS pada WUS mempengaruhi sikap WUS terhadap ODHA (0.05%), sedangkan sisanya sebesar 95 % dipengaruhi oleh variable lain yang tidak dmasukkan dalam model penelitian. Nilai signifikansi 0.043 menunjukkan model regresi sikap WUS terhadap ODHA signifikan bisa memprediksi perilaku WUS dalam mencegah HIV atau ada pengaruh antara perilaku WUS dalam mencegah HIV dan sikap WUS terhadap ODHA.
  22. 22. Contoh 2. Pengaruh Pengetahuan dan Sikap WUS terhadap ODHA a. Analyze  Complex Samples  General Linear Model b. Browse file plan bobothivnajmah.csaplan  Continue
  23. 23. c. Masukkan Variabel Dependen Sikap di kotak Dependent Variabel dan Variabel Independen Pengetahuan di kotak Covariates  OK.
  24. 24. d. Output SPSS Koefisien determinasi (R square)  Seberapa besar variasi variabel dependen dapat dijelaskan oleh variabel independen  Seberapa besar variabel independen mempengaruhi variabel dependen R Square = 0 – 100% Hasil analisis diperoleh R square = 0.131, artinya pengetahuan HIV/AIDS pada WUS mempengaruhi sikap WUS terhadap ODHA sebesar 13.1%, sedangkan sisanya sebesar 86.9% dipengaruhi oleh variable yang tidak dimasukkan dalam model regresi ini. Nilai signifikan, p value < 0.0001, menunjukkan model regresi ini bisa memprediksi sikap WUS terhadap ODHA atau ada pengaruh antara pengetahuan WUS tentang HIV/AIDS dan sikap WUS terhadap ODHA.
  25. 25. Referensi thankyou

×