Data & Variabel

Data & Variabel
Ilustrasi foto: maxmanroe.com
Bagikan

Data & Variabel

Oleh: Muhyidin, SKM

Dalam membuat laporan penelitian seperti skripsi, tesis maupun disertasi, setiap mahasiswa harus memahami jenis data & variabel yang diteliti.  Selain penelitian, dalam kegiatan pencatatan (recording) terhadap berbagai hal banyak melibatkan data yang disimpan.

Data merupakan bentuk jamak dari datum. Berasal dari bahasa Latin yang artinya “sesuatu yang diberikan”.  Data merupakan keterangan berbentuk angka atau huruf huruf dari hasil pengukuran.  Dalam bidang kesehatan, data yang dicatat di institusi pelayanan kesehatan seperti diagnosis penyakit pasien, jumlah dan jenis obat-obatan, jenis bahan laboratorium yang dipakai, kegiatan imunisasi, jumlah kunjugan pasien, lama perawatan dan sebagainya.

Data intinya hasil pengukuran (measurement) terhadap karakteristik yang diteliti, yaitu sesuatu yang bisa berupa kegiatan atau kejadian, atau ciri tertentu. Pengukuran dapat dilakukan dengan penghitungan (misalnya jumlah ibu melahirkan, data kecelakaan, jumlah pasien, dll) atau melalui pengukuran dengan alat (misalnya total kolesterol, kebisingan, kualitas udara, kualitas air,  dll). Pengukuran tersebut umumnya didapatkan melalui pengamatan/observasi.

Pengamatan terhadap suatu karakteristik biasanya menghasilkan nilai data yang beragam atau bervariasi, sehingga karakteristik itu dapat disebut sebagai variabel. Misalnya variabel berat badan, nilai data bisa  subjek 1 (45 kg), subjek 2 (56 kg), subjek 3 (60 kg), subjek 4 (65 kg), subjek 5 (78 kg) dan sebagainya yang nilainya bervariasi.

Jenis Variabel

Variabel adalah karakteristik yang diteliti yang nilainya bervariasi. Karakteristik ini didapatkan dari hasil pengukuran. Dalam pengukuran variabel perlu definisi operasional sehingga didapatkan data yang sama. 

Pengukuran dapat dilakukan dengan malakukan peng”skala”an (scaling). Pengukuran bisa mengidentifikasi subyek diukur dengan cara melihat bagaimana bisa melihat beda, urutan, besarnya perbedaan dan besarnya kelipatan.

Terdapat 4 jenis cara pengukuran (scaling) variabel tersebut, yaitu:

1.Nominal

Disebut variabel berskala nominal apabila pengukuran terhadap variabel tersebut hanya dapat membedakan satu pengamatan dengan pengamatan lain (nomen= nama). Contohnya adalah variabel jenis kelamin, yang akan membedakan satu orang dengan orang lainnya karena ada yang laki-laki dan ada yang perempuan; jadi nilai (value) variabelnya adalah laki-laki dan perempuan. Contoh lain adalah variabel diagnosis penyakit, yang membedakan satu pasien dengan pasien lainnya karena diagnosis penyakitnya, misalnya ada yang tifoid, diare, dan sebagainya.

2. Ordinal

Disebut variabel berskala ordinal apabila pengukuran terhadap variabel tersebut dapat membedakan serta mengurutkan satu pengamatan dengan pengamatan lainnya (order=urutan). Jadi variabel kelas perawatan misalnya, dapat memperlihatkan nilai satu pasien dirawat di ruang kelas satu, yang praktis
lebih tinggi biaya rawatnya dibanding kelas dua, dan kelas tiga. Variabel status gizi pasien akan membedakan dan mengurutkan pasien berdasarkan urutan tingkat status gizi baik, sedang dan buruk.

3. Interval

Disebut variabel berskala interval apabila pengukuran terhadap variabel tersebut dapat membedakan, mengurutkan, serta melihat besar beda antara tiap nilai variabel. Contohnya adalah variabel suhu badan yang dicatat dalam derajat Celsius, akan memperlihatkan pasien A bersuhu 36,0 derajat Celsius, dan pasien B bersuhu 38,5 derajat Celsius. Jelas bahwa antara pasien A dan B terdapat beda suhu, dan suhu badan pasien B lebih tinggi dari pasien A (dapat diurutkan). Lebih jauh lagi dapat pula dilihat besar beda atau selisih suhu antara pasien A dan B sebesar 2,5 derajat Celsius.

Namun patut diingat bahwa pada skala variabel interval ini tidak dapat dikatakan kelipatannya secara mutlak; jadi subyek bersuhu 50 derajat Celsius tidak dua kali lebih panas dari pada subyek bersuhu 25 derajat Celsius. Hal ini karena tidak adanya nilai nol mutlak. Seperti diketahui bahwa 0 derajat Celsius adalah 32 derajat Fahrenheit, jadi suhu tersebut memang ada.

4. Rasio

Disebut variabel berskala rasio apabila pengukuran terhadap variabel tersebut dapat membedakan, mengurutkan, memperlihatkan besar beda, serta juga dapat memperlihatkan kelipatannya. Jadi di sini terdapat nilai variabel 0 (nol) yang mutlak, artinya bila pengamatan bernilai 0, memang tidak ada bendanya.

Contohnya variabel tinggi badan, bila tercatat 0, maka memang tidak ada badannya. Contoh lain variabel jumlah anak, bila diperoleh nilai 0 (nol) berarti memang tidak ada anaknya. Dapat pula dikatakan bahwa bila seorang pasien berat badannya 100 kilogram, ia dua kali lebih berat dari pada pasien yang berat badannya 50 kilogram. Biaya pemeriksaan laboratorium seorang pasien yang Rp.100.000,- adalah dua kali lebih mahal dari pada yang biayanya Rp50.000,-.

Tabel. 1. Skala Variabel dan Hasil Ukurnya

NoSkala VariabelHasil ukur melihatContoh
1NominalBedaJenis-kelamin (laki-laki, perempuan), warna kulit (coklat, putih, kuning), suku (Sunda, Batak, Jawa, dll), golongan darah (A, B, AB, O)
2OrdinalBeda, UrutStatus gizi (baik, sedang, buruk), kelas perawatan (VIP, I, II, III), tingkat pendidikan (SD, SMP, SMA, S1)
3IntervalBeda, Urut, Besar-bedaSuhu badan (36,2 0C; 37,1 0C, dll)
4RasioBeda, Urut, Besar-beda, dan KelipatanBerat badan (58 kg, 62 kg, 73 kg, dll), waktu, panjang, tinggi, usia, kadar zat, dosis obat, dll

Dari penjelasan di atas dapat terlihat bahwa skala nominal adalah skala yang paling rendah derajatnya dalam melihat hasil karena hanya dapat membedakan, sedangkan skala rasio adalah yang paling tinggi karena dapat membedakan, mengurutkan, melihat besar beda, serta kelipatannya. Apakah suatu variabel yang berskala lebih tinggi dapat direndahkan atau diturunkan? Ya tentu saja, mengingat perlakuan terhadap hasil variabel tersebut dapat diabaikan satu persatu. Artinya bila ada variabel berskala rasio, ia dapat diperlakukan sebagai interval, atau sebagai ordinal, atau bahkan sebagai nominal. Namun variabel berskala nominal tidak dapat diperlakukan sebagai berskala yang lebih tinggi, karena terbatasnya hasil ukur yaitu hanya dapat melihat beda.

Contoh variabel berat badan, yang diukur dalam kilogram, termasuk berskala rasio. Variabel berat badan ini dapat diperlakukan sebagai skala interval, dengan menghilangkan kemampuan melihat kelipatan. Bila kemudian datanya dikelompokkan, menjadi kelompok-kelompok misalnya: kelompok 1= kurang dari 30 kilogram, kelompok 2= antara 30 sampai kurang dari 40 kilogram, kelompok 3= antara 40 sampai kurang dari 50 kilogram, kelompok 4= antara 50 sampai kurang dari 60 kilogram, dan kelompok 5= 60 kilogram atau lebih. Data yang dicatat bukan lagi sebagai angka kilogram, melainkan sebagai angka kelompok (1 sampai 5). Perlakuan terhadap data yang bernilai 1 sampai 5 ini bukan lagi sebagai variabel berskala rasio, melainkan ordinal, karena terlihat urutannya, kelompok 5 lebih berat dari pada kelompok 4. Atau bahkan bila ingin dianggap berskala nominal, maka pembuatan kelompok 1 sampai 5 tersebut hanya dapat membedakan saja satu pengamatan dengan pengamatan lainnya.

Variabel Sebab & Akibat

Saat pengolahan data, kita dapat menetapkan berbagai tujuan misalnya untuk mencari sebab akibat. Misalnya kita ingin mengetahui hari rawat pasien lebih lama dibandingkan data secara umum atau ingin mengetahui kenapa tingkat kepuasan pasien sangat rendah pada salah satu unit di RS atau ingin mengetahui kenapa jenis penyakit tertentu lebih banyak dibandingkan di departmen lain.

Kerangka konsep:

X            ————————->           Y

Dokter yang merawat  ————————->          Lama hari rawat

Ketika kita mengenali penyebab suatu kejadian, maka kita dapat melakukan upaya perbaikan sehingga hasil yang lebih baik dapat diperoleh. Proses analisa tersebut biasanya disebut dengan sebab akibat.  Contoh di atas, variabel akibatmya yaitu lama hari rawat dan variabel sebanya yaitu dokter yang merawat. Penetapan mana variabel akibat dan mana variabel penyebab adalah melalui konsep pikir, atau sering disebut sebagai kerangka konsep. Variabel akibat dapat pula disebut sebagai variabel tergantung, atau terikat, atau dependen, atau respons. Variabel penyebab dapat pula disebut sebagai variabel bebas, atau independen, atau prediktor.

Data Kualitatif (Kategorik) & Kuantitatif (Numerik)

Dari empat macam skala variabel, maka skala nominal dan ordinal dapat digolongkan sebagai variabel yang kualitatif, atau kategorik. Hal ini karena nilai variabelnya adalah kelompok atau kategori. Contohnya variabel kelompok berat badan. Data kualitatif/kategorik merupakan data hasil pengklasifikasian/penggolongan suatu data. Cirinya: isinya berupa kata-kata. Contoh lainnya jenis kelamin, jenis pekerjaan, pendidikan.

Sedangkan skala interval dan rasio dapat digolongkan sebagai variabel kuantitatif, atau numerik. Hal ini karena nilai variabelnya berbentuk angka. Contohnya variabel berat badan dalam kilogram.

Dalam analisis statistik, seringkali data numerik diubah ke dalam data katagorik dengan cara dilakukan pengelompokan/pengklasifikasian. Misalnya variabel berat badan data riilnya merupakan data numerik, namun bila dikelompokkan menjadi kurus (<50 kg), sedang (50-60 kg) dan gemuk (>60 kg) maka jenis variabelnya sudah berubah menjadi katagorik.

Pemahaman terhadap skala variabel yang diamati ini sangat penting karena hal ini akan menuntun kepada pemilihan prosedur statistiknya. Misalnya ketika akan menarik kesimpulan numerik, atau akan menyajikan ke dalam grafik, maka pemilihan tekniknya tergantung dari apa skala variabel tersebut.

Terdapat pembagian lain yaitu variabel diskrit dan variabel kontinus. Variabel diskrit adalah variabel hasil perhitungan, jadi nilainya berbentuk bilangan bulat (interger). Sedangkan variabel kontinus adalah variabel hasil pengukuran, jadi nilainya bisa berbentuk bilangan pecahan. Perlu diperhatikan bahwa dimensi diskrit dan kontinus ini tidak setara dengan dimensi kategorik dan numerik. Contohnya variabel jumlah anak, ia berskala rasio, jadi termasuk variabel numerik; namun karena hasil perhitungan maka ia termasuk variabel diskrit. Pembedaan variabel diskrit dan kontinus ini penting dalam kaitannya dengan pengertian sebaran peluang serta beberapa teknik statistik khusus.

Pembagian Data Berdasarkan Sumbernya

Berdasarkan sumbernya, data dapat dibagi menjadi 4, yaitu:

1.Rutin vs Adhoc

Data rutin yaitu data yang dikumpulkan secara berkala, contohnya pencatatan peristiwa vital seperti kelahiran, kematian, kawin, cerai, pindah/migrasi. Sedangkan data adhoc adalah data yang dikumpulkan tidak rutin / sewaktu-waktu, contohnya survei demografi & kesehatan Indonesia, hasil survei, studi kasus, dsb.

2. Primer vs Sekunder

Data primer yaitu data yang dikumpulkan sesuai maksud dari pihak yang mengumpulkannya. Data ini didapat dan dikumpulkan langsung dari objek yang diteliti oleh pihak yang melakukan penelitian/observasi. Contohnya yaitu anak yang dimiliki ibu di rumah tangga diukur tinggi badannya oleh kader Posyandu, data hasil survey, data hasil wawancara, dsb.

Sedangkan data sekunder yaitu data yang diperoleh dari sumber yang telah ada (peneliti sebagai tangan kedua). Jadi penulis tidak mengumpulkan data langsung dari objek yang diteliti. Contohnya data yang terkumpul oleh tim SDKI, Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan lain-lain.

3. Individu vs Agregat

Data individu adalah data yang diperoleh melalui pengukuran pada satu subjek/individu. Contoh: Ibu yang pernah menikah di rumah tangga diwawancarai apakah memakai kontrasepsi modern, data pengukuran bayi yang ditimbang di Posyandu, data pasien infeksi nosokomial tiap bangsal perawatan, pengukuran kadar hemoglobin, lama hari rawat pasien, biaya perawatan tiap pasien dll.

Sedangkan data agregat yaitu data yang digabungkan dari beberapa pengukuran. Contohnya yaitu Kota A memiliki ibu yang pernah menikah yang tinggal di rumah tangga yang memakai kontrasepsi (dari 100 ibu yang diwawancarai) sebanyak 50%. Di kota B diperoleh  (dari 120 yang diwawancarai) ada 45%.

Data individu adalah data diambil dari tiap subyek.
Data agregat adalah data diambil dari kumpulan subyek.

4. Berkelompok vs Berpasangan

Data berkelompok yaitu data yang dimasukkan ke dalam beberapa kelompok tertentu. Contohnya yaitu tinggi badan diukur di mahasiswa laki-laki  (4 orang) dan  mahasiswa perempuan (5 orang). Tinggi badan pada laki-laki: 160 cm, 165 cm, 171 cm, dan 168 cm. Tinggi badan pada perempuan: 155 cm, 161 cm, 160 cm, 158 cm, dan 159 cm.

Data berpasangan adalah data yang diperoleh dari pengukuran berulang (repeated measures) pada subjek yang sama atau dependen (paired data). Contoh: Tekanan darah sistolik sebelum dan sesudah pemberian obat AH (pada 5 orang), data TB pasien sebelum diberi obat & sesudah diberi obat, pengetahuan pasien tentang penanggulangan asma sebelum dan sesudah penyuluhan diberikan di ruang tunggu pasien, dsb.

Data yang diperoleh dari subyek kelompok yang berbeda, misalnya data lama hari rawat pasien pada kelompok yang dirawat di ruang kelas satu dan kelas dua; atau kelompok pasien tinggal di daerah urban atau rural. Data ini disebut data berkelompok atau data independen.

Data berpasangan diperoleh dari pengukuran berulang pada subyek yang sama.
Data berkelompok diperoleh dari pengukuran tunggal pada kelompok yang berbeda.

Definisi Operasional

Definisi operasional adalah penjelasan definisi dari variabel yang telah dipilih oleh peneliti atau operasionalisasi pengukuran variabel sehingga data  diperoleh. Definisi operasional dimaksudkan untuk menghindari kesalahan pemahaman dan perbedaan penafsiran yang berkaitan dengan istilah-istilah dalam variabel data yang diperoleh.

Definisi operasional ini mencakup bagaimana cara data diambil/diperoleh, siapa yang mengumpulkan, dengan instrumen apa, dan satuannya apa. Contoh definisi operasional:

  • Umur: adalah lama hidup dihitung sejak  lahir sampai saat wawancara,  berdasarkan ulang tahun yang  terakhir. Bukti lahir dinyatakan dengan akte  kelahiran. Satuan umur dalam tahun.
  • Tekanan darah sistolik: Diukur dengan alat  sfigmomanometer air raksa di daerah lengan atas kiri, pada posisi  duduk, dengan pasien terlebih dulu  telah istirahat 5 menit sebelumnya.  Pembacaan sistolik ditandai dengan  terdengarnya bunyi detak pertama  kali melalui stetoskop. Hasil ditulis  dalam mmHg, dengan akurasi satu  digit dibelakang koma. Pengukuran  dilakukan oleh perawat bangsal. Data dicatat dalam formulir isian.

Mengukur dengan Alat Ukur

Untuk mengukur suatu variabel suatu data penelitian, maka harus memperhatikan unsur:

1.Valid

Valid yaitu apa yang ingin diukur sesuai dengan yang diukur. Validitas ini terbagi menjadi 4 yaitu:

  • Face validity. Validitas ini menurut pandangan para non ahli (it looks on target by nonexperts) dan bersifat subjektif.
  • Content validity. Validitas berupa kesesuaian isi oleh para ahli  (appropriateness of content by experts) dan bersifat subjektif.
  • Criterion validity. Validitas yang berhubungan dengan keterampilan sekarang dan mendatang (is associated with similar skills at present /concurrent or in the future /predictive). Terdapat korelasi antar skor (correlation between scores on instrument).
  • Construct validity. Validitas pengukuran secara teoritis (theoretical measures). Terdapat korelasi dengan pengukuran lain (correlation with other measures).

2.Reliabel

Reliabel yaitu kekonsistenan hasil ukur. Reliabilitas terbagi menjadi 5, yaitu:

  • Test retest.  Respon stabil menurut waktu dan dilakukan 2 kali.
  • Internal consistency. Kesepakatan antar items. Misal Cronbach alpha
  • Alternative forms. Items berbeda mengukur topik yang sama. Korelasi antar skor item.
  • Intra observer. Observer konsisten. Intraclass correlation atau McNemar
  • Inter observer. Observer berbeda bersepakat. Intraclass correlation atau Kappa

Perbedaan valid & reliabel

Pada gambar ilustrasi di atas, kita bisa membedakan antara data yang valid & reliabel. Gambar sebelah kiri menunjukkan datanya valid (berada di lingkaran tengah) tetapi tidak reliabel (posisinya berbeda). Sedangkan gambar sebelah kanan, datanya reliabel (data mengumpul di sebelah kiri) tetapi tidak valid (data tidak di tengah). Pada proses penelitian, data yang valid lebih diutamakan dibandingkan data yang reliabel.

Referensi:

  • Sabarinah Prasetyo & Iwan Ariawan (2008), Biostatistik Dasar untuk Rumah Sakit. Departemen Kependudukan dan Biostatistik. FKM UI.

You may also like...

Leave a Reply

Your email address will not be published. Required fields are marked *

error: Silahkan di share, jangan di copas ya...