You are on page 1of 26

Pengolahan Data
• Rangkaian kegiatan yang dimulai sejak
data dikumpulkan
• Beberapa kegiatan :



Editing
Coding
Entry
Cleaning

Editing • Upaya menjaga kualitas data • Meneliti kembali apakah data yang dikumpulkan sudah cukup baik (benar) dan dapat diproses lebih lanjut • Karena adanya kesalahan pada pengumpulan data • Dimulai sejak pengumpulan data (di tempat/lokasi pengumpulan data kunjungan ulang) • Dilakukan oleh pewawancara atau pengawas .

Editing • Hal-hal yang perlu diperhatikan : – Kelengkapan jawaban – Keterbacaan tulisan – Kesesuaian jawaban satu dengan lainnya – Keseragaman satuan ukuran .

Coding • Usaha mengklasifikasikan jawaban/hasil menurut macamnya • Menandai masing-masing jawaban dengan kode (angka) tertentu • Setiap jawaban (kategori) memiliki angka kode sendiri • Dapat dilakukan pada jawaban pertanyaan tertutup. terbuka atau semi terbuka • Buku kode (coding book) .

Coding jawaban pertanyaan tertutup • Pertanyaan tertutup  pilihan jawaban sudah ditentukan dan disusun pada saat kuesioner disusun • Variasi jawaban dianggap sudah memuat semua kemungkinan yang diperkirakan muncul • Responden tidak memiliki kebebasan memilih jawaban selain yang sudah tersedia .

Coding jawaban pertanyaan terbuka • Variasi jawaban cukup banyak • Pengelompokan jawaban ke dalam beberapa kategori (berdasarkan variasi yang ada  melihat jawaban dalam sampel kuesioner) • Perbedaan kategori jawaban harus tegas. tidak tumpang tindih • Persentase jawaban lain-lain tidak boleh terlalu besar .

Coding jawaban pertanyaan terbuka • Kategori lain-lain harus dicatat jawabannya (untuk penelusuran lebih lanjut dan pembuatan kategori baru jika jumlahnya cukup banyak) • Pada data entry komputer dapat ditambahkan variabel/field khusus jenis teks untuk menampung jawaban lain-lain .

Coding jawaban pertanyaan semi terbuka • Dalam kuesioner sudah ada klasifikasi jawaban. tetapi masih ada kemungkinan jawaban lain • Klasifikasi jawaban dapat bertambah .

Data Entry • Memasukkan data yang telah dicoding ke dalam tabel (master table) atau komputer .

Saat pengumpulan data – Segera setelah data dikumpulkan – Diperiksa kebenaran. kelengkapan pengisian data 2.Cleaning • • Tujuan : menyiapkan data agar pada saat analisis bebas dari kesalahan Metode : 1. Saat coding – Memeriksa ulang isian sambil melakukan coding .

Saat data entry – Beberapa program komputer dilengkapi fasilitas untuk melakukan loncatan. dll 4. menentukan range jawaban.Cleaning 3. dibandingkan hasilnya b. Validasi data : 2 orang memasukkan data yang sama. Sebelum analisis a. Tabulasi silang (tabel kontingensi) . hubungan antar variabel (cek logika). Distribusi frekuensi c.

misal : Simpangan baku – Penyajian Data : • Narasi • Tabel • Diagram/grafik/gambar • Analisis Inferensial . modus – Ukuran Sebaran.Analisis Data • Analisis Deskriptif : – Ukuran Pemusatan : Mean. median.

tidak bertujuan generalisasi/inferensi ke populasi b. sampel tidak representatif (mewakili) populasi (dilihat dari besar/ukuran sampel. pengklasifikasian dan penyajian data • sebagai langkah pertama sebelum analisis statistik inferensial • analisis terhadap data dari seluruh populasi • terhadap data yang diambil dari sampel : a.STATISTIKA DISKRIPTIF peringkasan. cara pengambilan sampel dan keterwakilan ciri-ciri populasi dalam sampel) .

Pemilihan Ukuran Pemusatan (Tendensi sentral) menurut skala data Skala Data Nominal Ordinal Interval Ratio Ukuran Tendensi Sentral Modus Median Mean + + + + + + + + + .

Estimasi penaksiran nilai parameter berdasarkan statistik : . Pengujian Hipotesis (Hypothesis testing) Untuk mengetahui keterkaitan/hubungan antar variabel di populasi  Uji statistik .Estimasi interval (interval estimate) 2.Estimasi titik (point estimate) .Statistika Inferensial 1.

1 (paling sering 0.05) . Penentuan Tingkat Kemaknaan (a) biasanya berkisar 0.PENGUJIAN HIPOTESIS (Hypothesis testing) • Langkah-langkah : 1.01 dan 0. Penetapan Hipotesis Statistik (H0 dan H1) 2.

KEPUTUSAN KENYATAAN Menolak Ho Menerima Ho Ho benar Kesalahan tipe I (a) benar Ho salah benar Kesalahan tipe II () .

Distribusi data c. perlu diperhatikan : a. Banyaknya variabel yang diamati atau banyaknya pengamatan (f.3. Tujuan analisis (komparasi atau korelasi) d. Variansi) . Skala pengukuran data b. Banyak atau jumlah sampel (bebas/ berpasangan) e. Pemilihan Uji Statistik.

KEMAMPUAN DISKRIMINASI SKALA PENGUKURAN NOMINAL ORDINAL INTERVAL RASIO SEKEDAR MEMBEDAKAN + + + + MENENTUKAN URUTAN - + + + MENGUKUR BESAR BEDA - - + + MENGUKUR KELIPATAN - - - + .

Pembagian Data menurut Sifat/Jenis Data NOMINAL KUALITATIF KATEGORI ORDINAL SEMIKUANTITATIF INTERVAL KUANTITATIF RASIO .

The Normal Distribution • ‘Bell Shaped’ • Symmetrical f(X) • Mean. Median and Mode are Equal • ‘Middle Spread’ Equals 1. Inc.  X Mean Median Mode Chap.4 . 6 .33  • Random Variable has Infinite Range © 1999 Prentice-Hall.

Data Skala data Interval/Rasio Distribusi data Normal Tidak Normal Statistika Parametrik Tujuan Analisis Komparasi Korelasi (Analisis Data Kuantitatif) Ordinal Nominal Statistika Non Parametrik Analisis Data Semikuantitatif Analisis Data Kualitatif/Kategorik .

.

Pemilihan Uji Statistik untuk tujuan komparasi 1 BEBAS JUMLAH SAMPEL/ KELOMPOK 2 BERPASANGAN BEBAS >2 BERHUBUNGAN SKALA PENGUKUR AN DAN DISTRIBUSI DATA (VARIABEL YANG DIBANDING KAN  1) .

4. Keputusan Uji dan Penarikan Kesimpulan didasarkan pada penerimaan dan penolakan hipotesis nol (H0). Dari hasil uji statistik biasanya didapatkan nilai statistik uji dan tingkat kemaknaan (p). Penghitungan / Uji Statistik 5. Secara umum. keputusan menolak hipotesis nol (H0) diambil apabila : Nilai statistik uji > nilai tabel atau Nilai tingkat kemaknaan yang diperoleh (p) < a .