KONSEP DASAR STATISTIK KESEHATAN

A. Pengertian
Kata statistik berasal dari bahasa Latin "Ratio Status" yang dalam bahasa Itali
ekivalen dengan kata "Region di stato". Istilah tersebut muncul pada awal abad pertengahan,
biasa digunakan untuk menyatakan hal-hal yang berhubungan dengan pelajaran tentang
kenegaraan. Kemudian berkembang istilah "statistia" yang berarti orang yang berkecimpung
dalam urusan keadaan kenegaraan atau ahli negara. Memang pada mula perkembangannya,
para ahli negara inilah yang menerapkan statistik dalam arti mengumpulkan dan menganalisis
data dalam bentuk angka tentang masalah-masalah kenegaraan. Misalnya tentang
kependudukan, pertanian, militer dan tenaga kerja. Selanjutnya statistik terus berkembang
tidak hanya masalah kenegaraan saja, tetapi juga mencakup masalah-masalah lain sejalan
mengikuti perkembangan ilmu pengetahuan.
Menurut Croxton dan Cowden statistik adalah metode untuk mengumpulkan,
mengolah dan menyajikan serta menginterpretasikan data yang berwujud angka Statistik
adalah ilmu dan seni perkembangan dan metode paling efektif untuk pengumpulan,
pentabulasian, dan penginterpretasian data kuantitatif sedemikian rupa sehingga
kemungkinan salah dalam kesimpulan dan estimasi dapat diperkirakan dengan penggunaan
penalaran induktif yang didasarkan pada probabilitas atau teori peluang
Menurut Sudjana statistik adalah pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, pengolahan dan analisis serta penarikan kesimpulan berdasarkan
kumpulan data dan analisis yang dilakukan
Menurut J. Supranto ada 2 pengertian statistik, dalam arti sempit statistik adalah data
ringkasan yang berbentuk angka (kuantitatif), dalam arti luas statistik adalah ilmu yang
mempelajari cara pengumpulan, penyajian dan analisis data serta cara penarikan kesimpulan
secara umum berdasarkan hasil penelitian yang menyeluruh.
Jadi statistik secara sempit diartikan sebagai data (fakta-fakta berbentuk angka yang
terangkum dalam tabel-tabel atau kumpulan angka pada tabel yang menerangkan suatu
fenomena.). Pengertian secara luas statistik diartikan sebagai metoda, pengetahuan, cara atau
teknik mengumpulkan data, mengolah data, menyajikan data, mengalisis data dan menarik
kesimpulan berdasarkan data.
Statistik kesehatan adalah suatu cabang dari statistik yang berurusan dengan cara
pengumpulan, kompilasi, pengolahan, dan interpretasi fakta-fakta numeric sehubungan
dengan sehat dan sakit, kelahiran, kematian, dan faktor-faktor yang berhubungan dengan hal
tersebut pada populasi manusia.
Secara umum arti statistik kesehatan dibedakan menjadi 2 bagian :
1. Arti sempit : merupakan data ringkasan berbentuk angka, misalnya jumlah akseptor
KB, jumlah balita yang ditimbang pada bulan tertentu, jumlah kelompok penimbangan
yang melapor pada bulan tertentu, dll
2. Arti luas : merupakan ilmu yang mempelajari cara pengumpulan, pengolahan,
penyajian dan analisis data termasuk juga cara pengambilan kesimpulan dengan
memperhitungkan unsur ketidakpastian berdasarkan konsep probabilitas.

B. Ruang Lingkup Statistik

1. Statistik Deskriptif
Statistik deskriptif adalah bidang statistik yang meliputi : pengumpulan data,
pengolahan data, penyajian data dan analisis data secara sederhana. Dengan tujuan untuk
menggambarkan keadaan atau karakteristik populasi yang dikaji tetapi tidak digunakan
untuk membuat kesimpulan yang lebih luas (generalisasi/inferensial). Alat yang
digunakan biasanya dalam bentuk tabel, grafik, diagram, peta, gambar, dll. Hasil
perhitungan analisis yang dapat dihadirkan, yaitu, proporsi, modus, median, mean,
variansi dan standar deviasi.
2. Statistik Inferensial
Statistik inferensial adalah bidang statistik yang mencakup semua kegiatan statistik
secara utuh mulai dari kegiatan pengumpulan data, pengolahan data, penyajian data,
analisis data dan penarikan simpulan berdasarkan data yang ada. Statistik inferensial
memiliki tujuan akhir untuk membuat inference atau menggeneralisasi hasil pengukuran
sampel dari unit populasi. Terdapat dua jenis statistik inferensial yaitu statistik
parametrik dan statistik non parametrik. Statistik parametrik digunakan untuk
menganalisis data yang berbentuk interval dan rasio sedangkan statistik non parametrik
biasanya digunakan untuk menganalisis data yang berbentuk nominal dan ordinal.
Statistik parametrik mensyaratkan bahwa distribusi data normal dan variansi data harus
sama sedangkan statistik non parametrik tidak memerlukan syarat distribusi data normal
dan variansi sama. Alat yang digunakan pada statistik analitik adalah teori estimasi,
pengujian hipotesis, dll.

C. Kegunaan Statistik Kesehatan

Tujuan statistik adalah untuk menjawab permasalahan dan membuktikan sesuatu dugaan
yang belumterbukti. Disamping itu tujuan statistik adalah meringkas data sehingga data
tersebut menghasilkan informasi
 1. Kegunaan Statistik Dalam Bidang Kesehatan
a. Memberi keterangan tentang masalah-masalah kesehatan masyarakat yang
dihadapi serta hal-hal perlu mendapat prioritas.
b. Mengukur derajat kesehatan masyarakat.
c. Memonitor kemajuan status kesehatan di suatu daerah.
d. Mengevaluasi program kesehatan.
e. Membandingkan status kesehatan di berbagai daerah
f. Memotivasi tenaga kesehatan dan policy maker (pembuat kebijakan,-red)
untuk menyelesaikan masalah kesehatan.
g. Memberikan keterangan penyebaran penyakit berdasarkan orang yang
diserang, waktu penyerangan, luasnya wilayah serang dan kecenderungannya.
h. Memperkirakan perkembangan suatu penyakit dengan berdasarkan
periodisasinya / trend.
i. Memperkirakan faktor-faktor penyebab masalah, fakta yang akan dan telah
terjadi.
j. Memperkirakan sumber daya dan potensi pemanfaatan serta
pengembangannya dalam upaya mengantisipasi permasalahan yang terjadi.
k. Merencanakan upaya yang efektif, efisien berdasarkan kenyataan, prioritas
dan sumber daya yang tersedia.
l. Memahami, menganalisis data dan informasi guna membantu mengambil
keputusan.
m. Menganalisis hambatan pelaksanaan program kesehatan masyarakat serta
alternatif pemecahannya.
n. Menilai hasil-hasil kegiatan yang telah dicapai.
o. Mendokumentasikan semua data kesehatan masyarakat, untuk dapat
dibandingkan dengan daerah lain atau keadaan yang akan datang.
p. Dll.
2. Kegunaan Statistik Dalam Penelitian Kesehatan
a. Alat bantu untuk menghitung besarnya sampel
b. Alat bantu untuk melakukan pengumpulan data secara tepat
c. Alat bantu untuk pengolahan data secara benar
d. Alat bantu analisis data secara tepat sesuai dengan kasusnya
e. Alat bantu untuk melakukan penyajian data yang benar, sehingga data lebih
komunikatif

D. Jenis Kesalahan Dalam Statistik

Statistik sangat bermanfaat bagi kita untuk mengetahui suatu kenyataan atau
memprediksi suatu kejadian sehingga dapat memberikan kita bekal yang baik dalam
mengambil keputusan. Meskipun demikian terkadang kita jumpai ada kesalahan di statistik.
Kesalahan ini dapat terjadi di setiap tahapan ketika kita bekerja dengan data, mulai dari
mengumpulkan, mengorganisasi, menganalisis, mempresentasikan, dan menyimpulkan data.
Pada umumnya kesalahan ini disebabkan oleh kekeliruan, ketidaktahuan, atau
kekurangtelitian dalam bekerja.Walaupun begitu tidak dapat disangkal, beberapa kesalahan di
statistik terjadi karena adanya unsur kesengajaan yang didasari oleh berbagai kepentingan,
misalnya kepentingan individu, kelompok, bisnis, iklan, politik praktis, dll. Oleh sebab itu,
ketika menanggapi suatu hasil atau pernyataan statistik, kita harus hati-hati dan teliti sebelum
memutuskan menerima data atau fakta tersebut
1. Kesalahan Dalam Sampling
Statistika bersifat probabilistik (peluang), maka hasil pengolahan data secara statistik
bukanlah hasil yang pasti, tapi merupakan sebuah taksiran dengan tingkat ketidakpastian
tertentu, oleh karena itu peluang terjadinya error masih mungkin terjadi. Kesalahan ini
sangat terkait dengan kesalahan dalam sampel (Sampling Error). Berikut ini adalah
beberapa kesalahan dalam sample
a. Margin of Error
Margin error adalah tingkat kesalahan sampel atas populasi yang ditentukan oleh
peneliti sebelum melakukan penelitian. Karena margin error ini adalah tingkat
kesalahan sampel atas populasi maka margin of error akan mengkoreksi besaran
sampel. Margin of error semakin kecil maka jumlah sampel akan semakin
besar.Dengan semakin besar sampel diharapkan hasilnya akan mendekati kenyataan
(populasi). Dasar ilmiahnya adalah teori statistik yang dikenal dengan Central Limit
Theorem dan Law of Large Number. Untuk penjelasan yang tidak terlalu teknis, jika
sebuah sampel ditarik dari populasi yang besar secara acak dengan jumlah tertentu
(mengikuti Law of Large Number: berarti semakin banyak sampel, akan semakin
bergerak ke arah rata-rata, ke arah tren yang kita duga), distribusi hasil di sampel
bentuknya akan mirip dengan persebaran di populasi yang dianggap akan terdistribusi
mengikuti kurva normal. Ketika sample di ambil dalam jumlah tertentu, kesalahan
mungkin saja terjadi, ini yang dikenal sebagai margin of error. Semakin besar sampel,
semakin kecil margin error. Sebagai contoh dalam quick count pemilhan presiden lalu,
pengambilan sample 2000 sample TPS jumlah TPS (470 rinuan) dari cukup memadai
dengan sampling error sebesar 2% (+/- 1%), dan lebih dari 35000 untuk sampling
error 0,5%. Jadi kalau perhitungan quick count selisih suara antara satu calon dengan
calon yang lainnya melebihi 2% maka maka kita dapat menyimpulkan calon yang
menang, akan tetapi apabila selisihnya masih dalam rentang 2 %, maka kita tidak
dapat menyimpulkan apa-apa.
b. Kesalahan Random (Random Error)
Banyak beberapa metode pengambilan sample tergantung dari tujuan penelitian yang
dilakukan seperti Simple Random, Systematics, Stratified, Cluster, Multi-stage dll.
 Namun yang paling umum adalah Random. Kembali ke contoh dari quick count
pemilihan presiden. Seyogyanya dilakukan dengan metolologi multi-stage random.
Samle TPS diambil secara proportional terhadapa TPS yang diturunkan mulai dari
tingkat nasional, provinsi, kabupaten/kota, dan kecamatan. Jika Kecamatan adalah
stage terendah maka pemilihan TPS di tingkat kecamatan harus dilakukan secara acak
(simple random).Jika tidak dilakukan secara acak maka kesalahan (error) dapat terjadi
karena mungkin sajadi kecamatan tertentu ada TPS-TPS yang merubakan representatsi
dari basis presiden tertentu.
c. Kesalahan Sistematis (systematic error)
Kesalahan sisyematis adalah kesalahan karena unsur subyektifitas dari peneliti. Seperti
pengambilan sample yang tidak proporsional, pengambilan sampel yang tendensius
pada sample tertentu, keterbatasan sumber daya sehigga sample diambil karena
kemudahan-kemudahan tertentu, Sample tidak diambil mencakup keselurahan dari
populasi (coverage error), juga termasuk didalamnya kesalahan alat ukut
(measurement error).

Contoh 1: Pernyataan statistik

Lebih dari 70% mahasiswa UI suka mengendarai sepeda di lingkungan kampus.
Sebelum kita menerima hasil atau kenyataan ini, kita perlu bersikap kritis, misalnya
dengan mengemukakan pertanyaan:
a. Apakah surveinya dilakukan pada semua mahasiswa UI atau sebagian
mahasiswa saja?
b. Jika sebagian mahasiswa saja yang disurvei, mahasiswa seperti apa yang
dijadikan sampel?
c. Berapa jumlah mahasiswa yang dijadikan sampel?
Di statistik, kesalahan yang sering terjadi ketika sampling adalah metode pemilihan
sampel dan jumlah sampel.
Analisis kritis
a. Marilah kita analisis setiap pertanyaan di atas:
b. Apakah surveinya dilakukan pada semua mahasiswa UI atau sebagian
mahasiswa saja?
c. Jika survei dilakukan untuk semua mahasiswa UI, maka data tersebut akurat
(di sini kita asumsikan kuisioner yang digunakan sudah baik).
d. Jika sebagian mahasiswa saja yang disurvei, mahasiswa seperti apa yang
dijadikan sampel?
e. Sampel yang baik adalah yang representatif. Sampel yang buruk adalah sampel
bias.
f. Berapa jumlah mahasiswa yang dijadikan sampel
 Tidak ada aturan jumlah sampel minimum. Jumlah sampel yang baik adalah yang
mencukupi untuk menggambarkan sifat dan karakter populasi yang diwakilinya.
Contoh 2: Pemilihan Sampel dan Jumlah Sampel
Sebuah perusahaan permen karet mengeluarkan pernyataan: Empat dari lima dokter
gigi merekomendasikan permen karet bebas gula untuk pasien yang suka mengunyah
permen.
Analisis: Berapa jumlah dokter gigi yang disurvei? Seandainya hanya 5 atau mungkin 10
dokter gigi yang disurvei, fakta ini belum dapat diterima. Sangat mungkin hasilnya akan
berbeda jika ada 100 dokter yang disurvei.
Sebuah produsen sepak bola mengklaim, bolanya (bola A) lebih baik dari pada bola B
(produk perusahaan saingannya), karena setelah diuji dengan menendangnya, bola A
dapat meluncur lebih cepat dan jauh dibandingkan dengan bola B.
Analisis: Klaim ini terlalu ceroboh, sebab hanya diuji untuk satu bola saja. Disamping itu
kecepatan meluncur dan jangkauan luncur bola dipengaruhi oleh banyak faktor, seperti
kekasaran permukaan lapangan, arah angin, apakah tendangan untuk kedua bola identik,
dll. Sehingga agar datanya akurat perlu dilakukan eksperimen yang berulang, agar
diperoleh data statistik yang representatif.
2. Kesalahan Analisis Data
Kesalahan dalam melakukan analisis dapat terjadi pada saat peneliti salah dalam
memilih cara menganalisis data. Selanjutnya, kesalahan ini disebabkan pula adanya
kesalahan dalam memilih teknik analisis-data yang sesuai dengan masalah dan data yang
tersedia. Cara mengatasi masalah ini ialah membuat justifikasi prosedur analisis-data
yang digunakan untuk menyimpulkan dan menganalisis data. Yang mengakibatkan dapat
terjadinya kesalahan dalam analisis data adalah :
a. Tidak membuat suatu cara sistematis unuk meskor dan mencatat data.
b. Tidak mencatat secara detail ketika menskor data sehingga lupa pada apa yang
telah dilakukan ketika akan dijelaskan dalam laporan.
c. Tidak mengecek kesalahan-kesalahan dalam penskoran.
d. Mengubah prosedur penskoran ketika sedang melakukan analisis data.
Dalam menganalisis data statistik diperlukan jaminan ketepatan informasi tentang
persoalan tersebut sehingga data harus diukur secara pasti. Ada beberapa kesalahan
informasi yang bisa muncul saat kita melakukan analisis data, yakni kesalahan kebetulan
dan kesalahan sistematis. Kesalahan kebetulan adalah kesalahan yang bersifat tidak
disengaja saat mengukur, mencatat, atau memasukkan data pada tabel statistik. Sementara
itu, kesalahan sistematis adalah kesalahan yang sifatnya disengaja. Kesalahan ini bisa
ditemukan jika responden mengemukakan sesuatu yang tidak sesuai dengan keadaan
sebenarnya. Kesalahan sistematis dalam analisis statistik pun bermacam-macam, antara
lain :
a. Bias, yakni kesalahan dalam penggunaan analisis statistikyang berupa
penyimpangan yang tidak disadari oleh si pengguna data.
b. Data yang tidak komparabel, yakni kurang adanya perbandingan data statistik
yang sedang diteliti dengan data lain yang relevan pada kurun waktu tertentu.
c. Asumsi yang tidak tepat, yakni hubungan sebab akibat yang membuat adanya data
statistik sebagai representasi suatu persoalan.
d. Perbandingan dengan periode yang tidak normal. Hal ini dapat menimbulkan
kesalahan pada data statistik sehingga periode yang tidak normal dianggap sebagai
periode normal.
e. Sampling yang tidak tepat juga akan menimbulkan kesalahan pada analisis
statistik karena sebagian besar analisis menggunakan sampling sebagai dasar dalam
mengambil simpulan dan keputusan selanjutnya terhadap persoalan tersebut.
3. Kesalahan Dalam Membuat Kesimpulan
Contoh : Sebuah perusahaan desinfektan melakukan eksperimen, produknya mampu
membunuh 5000 kuman di laboratorium hanya dalam waktu 5 detik
Kemudian ia mengeluarkan pernyataan: Gunakanlah desinfektan A untuk mencegah flu.
Kita perlu bersikap kritis terhadap pernyataan ini. Memang benar banyak kuman yang
dapa
dibunuh oleh desinfektan ini, tetapi apakah kuman flu yang ada disekitar kita termasuk
yang
diujicobakan di laboratorium?
Perusahaan tersebut telah mengambil kesimpulan yang salah terhadap hasil uji
laboratoriumnya.
Tidak semua kuman flu telah mereka uji, sehingga tidak boleh diambil kesimpulan yang
bersifat umum.
Kesalahan dalam pengambilan kesimpulan ini dapat terjadi karena kurang pahama
seseorang terhadap permasalahan atau mungkin disebabkan oleh kekurangan penalaran
berlogika
4. Kesalahan Pengambilan Keputusan
Dalam pengujian hipotesis kita selalu dihadapkan suatu kesalahan pengambilan
keputusan. Ada dua jenis kesalahan pengambilan keputusan dalam uji statistik, yaitu: a.
Kesalahan Tipe I ()
Merupakan kesalahan menolak Ho padahal sesungguhnya Ho benar. Artinya:
menyimpulkan adanya perbedaan padahal sesungguhnya tidak ada perbedaan. Peluang
kesalahan tipe satu (1) adalah atau sering disebut tingkat signifikansi (significance
level). Sebaliknya peluang untuk tidak membuat kesalahan tipe I adalah sebesar 1-,
yang disebut dengan tingkat kepercayaan (confidence level).
 b. Kesalahan tipe II ()
Merupakan kesalahan tidak menolak Ho padahal sesungguhnya Ho salah. Artinya
menyimpulkan tidak ada perbedaan padahal sesungguhnya ada perbedaan. Peluang
untuk membuat kesalahan tipe dua (1) ini adalah sebesar . Peluang untuk tidak
membuat kesalahan tipe kedua (II) adalah sebesar 1-, dan dikenal sebagai tingkat
kekuatan uji (Power of the test).

Tabel 6.1 Kesalahan Pengambilan Keputusan

Keputusan Populasi

Ho Benar Ho Salah

Tidak menolak Ho Benar (1-) Kesalahan Tipe II ()

Menolak Ho Kesalahan Tipe I () Benar (1-)

Power of Test (Kekuatan Uji)

Merupakan peluang untuk menolak Hipotesis Nol (Ho) ketika Ho memang salah. Atau
dengan kata lain, kemampuan untuk mendeteksi adanya perbedaan bermakna antara
kelompok-kelompok yang diteliti ketika perbedaan-perbedaan itu memang ada. Power = 1- .
Dalam pengujian hipotesis dikehendaki nilai dan kecil atau (1-) besar. Namun hal ini
sulit dicapai karena bila makin kecil nilai akan semakin besar. Berhubung harus dibuat
keputusan menolak atau tidak menolak Ho maka harus diputuskan untuk memilih salah satu
saja yang harus diperhatikan yaitu atau yang diperhatikan. Pada umumnya untuk
amannya dipilih nilai .

E. Tingkat Kemaknaan
Tingkat kemaknaan merupakan kesalahan tipe I suatu uji yang biasanya diberi notasi
. Seperti sudah diketahui bahwa tujuan dari pengujian hipotesis adalah untuk membuat suatu
pertimbangan tentang perbedaan antara nilai sampel dengan keeadaan populasi sebagai
sesuatu hipotesis. Langkah selanjutnya setelah menentukan hipotesis nol dan hipotesis
alternatif adalah menentukan kriteria/ batasan yang digunakan untuk memutuskan apakah
hipotesis nol ditolak atau gagal ditolak yang disebut dengan tingkat kemaknaan (level of
significance). Tingkat kemaknaan, atau sering disebut dengan nilai , merupakan nilai yang
menunjukkan besarnya peluang salah dalam menolak hipotesis nol. Atau dengan kata lain,
nilai merupakan batas toleransi peluang salah dalam menolak hipotesis nol. Dengan kata-
kata yang lebih sederhana, nilai merupakan nilai batas maksimal kesalahan menolak Ho.
Bila kita menolak Ho berarti menyatakan adanya perbedaan /hubungan. Sehingga nilai
dapat diartikan pula sebagai batas maksimal kita salah menyatakan adanya perbedaan.
Penentuan nilai (alpha) tergantung dari tujuan dan kondisi penelitian. Nilai (alpha)
yang sering digunakan adalah 10 %, 5 % atau 1 %. Untuk bidang kesehatan masyarakat
biasanya digunakan nilai (alpha) sebesar 5 %. Sedangkan untuk pengujian obat-obatan
digunakan batas toleransi kesalahan yang lebih kecil misalnya 1%, karena mengandung
resiko yang fatal. Misalkan seorang peneliti yang akan menentukan apakah suatu obat bius
berkhasiat akan menentukan yang kecil sekali, peneliti tersebut tidak akan mau mengambil
resiko bahwa ketidakberhasilan obat bius besar karena akan berhubungan dengan nyawa
seseorang yang akan dibius.

F. Pengolahan Data
f. Editing
Editing meliputi kegiatan koreksi dan seleksi data yang telah dikumpulkan. Data yang
terkumpulkan dikoreksi satu per satu, baik data primer hasil pengukuran maupun data
sekunder. Kegiatan koreksi data terkandung maksud untuk mendapat data yang benar,
sehingga diharapkan nanti dalam analisis tidak terjadi kesalahan simpulan. Kegiatan
seleksi data adalah memilah-milah data yang terkumpul untuk mendapatkan data yang
sesuai dengan kebutuhan penelitian. Data yang tidak diperlukan disisihkan, sehingga
tidak terjadi pemborosan analisis dan analisis sudah terarah sesuai dengan tujuan
penelitian. Biasanya selain kegiatan koreksi dan seleksi, kegiatan editing juga dilanjutkan
dengan pengelompokan data, sehingga langkah selanjutnya lebih efisien.
g. Coding
Kegiatan coding merupakan kegiatan pemberian kode pada data. Kegiatan coding
bertujuan untuk meringkas data dan memudahkan dalam analisis data. Seyogyanya kode
yang diberikan pada data berbentuk numerik, karena mempercepat proses analisis data
pada komputer. Data yang telah berbentuk numerik tidak perlu dikode, misalnya umur,
jumlah keluarga, tinggi badan, berat badan, dll. Data yang dikode umumnya data yang
berskala nominal atau ordinal. Data dalam skala interval dan ratio dapats aja dilakukan
pengkodean, untuk data tertentu, misalnya datanya besar. Angka kode yang telah dibuat
hendaknya jangan sampai hilang, karena merupakan kunci nantinya bila data
dikembalikan kepada informasi yang sebenarnya.
Contoh : Data tingkat pendidikan meliputi : tidak tamat SD, SD, SLTP, SLTA dan PT,
untuk tidak tamat SD diberi kode 1, SD dibei kode 2, SLTP diberi kode 3, SLTA diberi
kode 4 dan PT diberi kode 5. Data jenis kelamin meliputi laki-laki dan wanita, laki-laki
dikode 1 dan wanita dikode 2.
h. Klasifikasi / Pengelompokan
Pada kegiatan klasifikasi, data dikelompokkan sesuai dengan kodenya, atau menurut
kebutuhan analisis nantinya. Kegiatan pengelompokan dapat sekaligus dengan
pengkodean, sehingga memudahkan dalam pengelompokan. Pengelompokkan dapat
dilakukan secara manual atau dengan komputerisasi.
Misal : pengelompokan sosial ekonomi : yang berisi tingkat pendapatan, jenis mata
pencaharian, jumlah pengeluaran. Pengelompokan sosial budaya yang meliputi data
tingkat pendidikan, suku, kebiasaan, adat. Pengelompokan karakteristik responden yang
meliputi umur, jenis kelamin, jumlah keluarga.
i. Saving
Kegiatan saving pada penelitian yang singkat biasanya tidak dilakukan, karena data
langsung diolah dan dianalisis lebih lanjut. Pada penelitian yang memerlukan waktu yang
lama seperti kohort atau longitudinal biasanya data tidak segera dianalisis, sehingga perlu
dilakukan penyimpanan data. Penyimpanan data dapat dilakukan secara manual ataupun
elektronik. Penyimpanan data dalam bentuk manual dapat berbentuk lembar jawaban
kuesioner, kartu kode, laporan sementara. Penyimpanan dalam elekronik dapat berupa
rekaman dalam disket atau hardisk komputer.
j. Tabulating
Tabulating pada kegiatan pengolahan data merupakan kegiatan meringkas jawaban dari
kuesioner menjadi satu tabel induk yang memuat semua jawaban responden. Jawaban
responden dalam bentuk kode-kode yang disepakati pengolah data.
Contoh :
No. Resp Us Jk Jkk Pend Pekj Agm Tran Asr Rsk Inf Skt Hum
1. Ali 45 1 4 4 7 1 1 1 1 1 1 1
2. Das 34 1 3 2 7 1 2 1 2 1 2 2
3. Leo 56 1 5 3 7 1 2 1 1 1 2 2
4. Pit 48 1 6 4 6 1 2 1 3 1 2 3
5. Puy 50 2 5 3 5 2 2 1 3 1 2 1
6. Min 46 2 5 3 2 1 2 1 4 3 2 2
7. Noi 49 2 5 3 6 2 1 1 2 3 2 3
8. Kla 52 1 7 2 6 1 2 1 1 3 2 1
9. Bas 53 1 7 2 1 2 2 1 2 2 2 1
10. Asn 60 2 7 2 1 3 2 1 2 2 1 3
dst