Manajemen Pengolahan Data Penelitian Kesehatan

Pengolahan data merupakan salah satu bagian dari rangkaian kegiatan penelitian setelah melakukan perencanan istrumen kemudian melakukan pengumpulan data. 

Data yang diperloleh dari hasil kegiatan pengumpulan, seringkali kita bingung dan mungkin muncul berbagai pertanyan dalam benak kita 

“Mau diapakan data yang telah terkumpul tersebut ?, Bagaimana menghubungkan data di kuesioner dengan tujuan penelitian kita ?". 

Untuk itu data yang masih mentah (raw data) perlu diolah terlebih dahulu, sedemikian rupa sehingga menjadi suatu informasi yang akhirnya dapat digunakan untuk menjawab tujuan penelitian.

Agar analisis penelitian menghasilkan informasi yang benar, secara umum 
ada empat tahapan dalam pengolahan data yang harus dilalui, yaitu:

1. Editing
Editing merupakan salah satu kegiatan untuk melakukan pengecekan isian formulir atau kuesioner apakah jawaban yang ada di kuesioner sudah:

• Lengkap: Pastikan semua pertanyaan sudah terisi jawabannya dengan lengkap
• Jelas: Jawaban pertanyaan apakah tulisannya cuku jelas untuk terbaca.
• Relevan: Jawaban yang tertulis apakah relevan dengan pertanyaan yang ada pada instrumen.
• Konsisten: Apakah antara beberapa pertanyaan yang berkaitan isi jawabannya konsisiten, misalnya antara pertanyaan usia dengan pertanyaan jumlah anak. Bila dipertanyaan usia terisi 15 tahun dan di pertanyaan jumlah anak 9, ini berarti tidak konsisten.

2. Coding
Coding merupakan kegiatan merubah data dalam berbentuk huruf menjadi data berbentuk angka/bilangan. Misalnya untuk variabel pendidikan dilakukan koding 1 = SD, 2 = SMP, 3 = SMU dan 4 = PT. Jenis kelamin 1 = laki-laki dan 2 = perempuan, dan sebagnya. 

Kegunaan dari coding ialah untuk mempermudah pada saat analisis data dan juga mempercepat pada saat entry data.

3. Processing
Setelah semua kuesioner terisi penuh dan benar, serta sudah melewati pengkodean, maka langkah selanjutnya adalah memproses data agar data yang sudah di-entry dapat dianalisis. 

Pemrosesan data dilakukan dengan cara meng-entry data dari kuesioner ke paket program komputer. 

Ada bermacam-macam paket program yang dapat digunakan untuk pemrosesan data dengan masing-masing mempunyai kelebihan dan kekurangan. 

Salah satu paket program yang sudah umum digunakan untuk entry data dalam bidang kesehatan atau lainya ialah paket program SPSS for Window.

4. Cleaning
Cleaning (pembersihan data) merupakan kegiatan pengecekan kembali data yang sudah di-entry apakah ada kesalahan atau tidak. Kesalahan tersebut
dimungkinkan terjadi pada saat kita meng-entry ke komputer.

Misalnya untuk variabel pendidikan ada data yang bernilai 7, mestinya berdasarkan coding yang ada pendidikan kodenya hanya antara 1 s.d. 4 (1=SD, 2=SMP, 3=SMU dan 4=PT). 

Contoh lain misalnya dalam variabel status perkawinan terisi data

1 (misalnya 1=belum kawin) dan dalam variabel jumlah anak terisi nilai. Hal ini
berarti ada data yang salah (tidak konsisten) karena statusnya belum kawin
tetapi mempunyai anak 3 ?.

Berikut akan diuraikan cara meng-cleaning data:

a. Mengetahui Missing Data
Cara mendetekdi 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

Jenis Kelamin	Jumlah
Laki-laki Perempuan	45 55
Total	100

Table 2 Jenis Pendidikan 

Pendidikan	Jumlah
SD SMP SMU PT	40 30 20 5
Total	100

Dari kedua tabel di atas memperlihatkan bahwa tabel jenis kelamin tidak ada nilai yang hilang (missing), sedangkan pada tabel pendidikan ada 5 yang missing, karena total jumlahnya hanya 95 (seharusnya 100).

b. Mengetahui variasi data
Dengan mengetahui variasi data akan diketahui apakah data yang di-entry benar atau salah. Cara mendeteksi dengan mengeluarkan distribusi frekuensi masing-masing variabel. 

Dalam entry data biasanya data dimasukkan dalam bentuk kode/coding, misalnya untuk variabel pendidikan SD kode 1, SMP kode 2, SMU kode 3, dan PT kode 4. Untuk mengetahui kesalahan data berikut ilustrasi keluaran dari variabel pendidikan:

Tabel 3 Jenis Pendidikan

Pendidikan	Jumlah
1 2 3 4 6	40 30 20 5 5
Total	100

Dari tampilan table 3 di atas kendati jumlah total sudah benar 100, akan tetapi terlihat ada data yang salah, yaitu munculnya kode pendidikan angka 6 yang berjumlah 5 responden. Seharusnya variabel pendidikan variasi angkanya hanya dari angka 1 s.d. 4.

Mengetahui konsistensi data Cara mendeteksi adanya ketidak konsistensi data dengan menghubungkan dua variabel.
Contoh:
1). membandingkan dua tabel
Tabel 4. Keikut Sertaan KB

KB	Jumlah
Ya Tidak	20 80
Total	100

Tabel 5. Jenis Kontrasepsi

Jenis Kontrasepsi	Jumlah
Suntik Pil Kondom IUD	5 5 4 10
Total	24

Dari tabel 4 dan 5 diatas terlihat bahwa ada ketidak konsistenan antara jumlah peserta KB (20 orang) dengan total jenis alat kontrasepsi yang dipakai (24 orang). Seharusnya pada baris total jenis alat kontrasepsi
jumlahnya 20 orang.

2). Membuat tabel silang
Contoh menghubungkan variabel umur dan jumlah anak

Keterangan:

*=ada 2 responden dengan umur 15 tahun dan anaknya ada 10 orang (ada kesalahan entrydata) disini. 

Referensi

Basic data Analisis for Healt research Sutanto Priyo Hastono 2006

Share this post