Dokumen tersebut membahas tentang analisis data sekunder SDKI 2012 menggunakan program SPSS. Terdapat penjelasan mengenai keuntungan dan kelemahan analisis data sekunder serta contoh studi kasus menganalisis variabel bobot, umur, dan pendidikan wanita usia subur menggunakan data SDKI 2012. Langkah-langkah pengolahan data dan uji regresi linier complex sample dijelaskan untuk menganalisis hubungan antara variabel-variabel penelitian.

1. Najmah, SKM, MPH.
Faculty of Public Health, Sriwijaya University
najem240783@yahoo.com

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. 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. 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. 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. 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. 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. 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. 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. b. Buat variabel baru “bobotnormal” dengan cara =
V005/1000000 (1juta)Transform  Compute Variable.

11.  Langkah 2 :Buat Plan Untuk Analisis
Pembobotan/Site Plan (Complex Sample)
a. Cari Variabel Strata (V024) dan cluster
(V021)

12. b. Analyze  Complex
Samples  Prepare for
Analysis

13. c. Klik Browse
Buat nama File
untuk plan,
contoh :
“bobothivnajmah”
savenext

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.  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. b. Pilih Browse Masukan plan yang sudah
dibuat “bobothivnajmah.csplan” Continue

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. 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. 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. 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. 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. Contoh 2. Pengaruh Pengetahuan dan
Sikap WUS terhadap ODHA
a. Analyze  Complex Samples 
General Linear Model
b. Browse file plan
bobothivnajmah.csaplan 
Continue

23. c. Masukkan Variabel
Dependen Sikap di kotak
Dependent Variabel dan
Variabel Independen
Pengetahuan di kotak
Covariates  OK.

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. Referensi
thankyou