PENGOLAHAN DAN ANALISIS DATA Analisis data Kuantitatif Karena

PENGOLAHAN DAN ANALISIS DATA

Analisis data Kuantitatif • Karena data kuantitatif adalah informasi yang diungkapkan melalui angka-angka bukan kata seperti halnya data yang terdapat pada penelitian kualitatif, maka analisis data kuantitatif selalu berkenaan dengan prosedur statistik (statistical procedure). Oleh sebab itu, analisis data kuantitatif tidak lain adalah prosedur statistik (statistical procedure) atau analisis statistic (statistical analysis) itu sendiri.

Analisis Data Pada Penelitian Kuantitatif • Dilakukan dengan perhitungan statistik – Statistik Diskriptif (Descriptive Statistics) – Statistitik Inferential (Inferential Statistics) • Parametrik (untuk data interval dan rasio) • Non-parametrik (untuk data nominal dan ordinal)

Statistik Diskriptif • memungkinkan seorang peneliti untuk mengorganisir, merangkum, dan menggambarkan observasi yang dia lakukan

• Statistik diskriptif digunakan untuk memberi gambaran dan menyajikan ringkasan data dari populasi sehingga informasi apa adanya dari data tersebut bisa diperoleh dengan sistematis dan jelas. Gambaran informasi itu bisa berupa: 1) distribusi frekuensi, 2) presentasi grafik, 3) measure of central tendency (mean-nilai rerata, median-nilai tengah, mode-nilai paling sering muncul), atau 4) measure of variability (Range-perbedaan nilai tertinggi dan terendah, standar deviasi). Selain itu, statistik diskriptif bisa digunakan untuk menyajikan data dalam bentuk tabel (tabulasi) yang pada dasarnya adalah menghitung data dan memasukkan data ke dalam tabel berdasarkan kategori tertentu.

Pertanyaan Penelitian yg menggunakan Statistik Diskriptif • Faktor-faktor apa sajakah yang mempengaruhi X? • Bagaimana pemahaman X tentang Y? • Bagaimana Sikap X terhadap Y? • Descriptive Statistics - Frequency - rerata - grafik - dll

Statistik Inferensial • Statistik inferensial adalah metode statistik yang berguna untuk membuat inferensi tentang populasi dari probibilitas sampel. Metode ini digunakan untuk menggambarkan populasi hanya dengan menggunakan informasi dari observasi yang dilakukan terhadap probibilitas sampel dari kasus yang diambil dari populasi. Statistik inferensial memiliki dua metode, yaitu: 1) statistik non-parametrik, dan 2) statistik parametrik.

DATA Normal STATISTIK PARAMETRIK DISTRIBUSI Tidak Normal STATISTIK NON-PARAMETRIK

Statistik Parametrik • The Comparison of Groups (Compare Mean) t-test Anova Manova • Measure of Association between Two or more Variables (Correlate) Pearson’s Product Moment Regression Canonical Correlation Analysis

Compare mean • t-test =alat untuk menguji hipotesis untuk dua mean. • t-test untuk independent sample artinya ttest untuk mean dari dua kelompok yang berbeda yang memperoleh perlakuan • t-test untuk dependent sample artinya ttest untuk mean dari kelompok yang sama dari dua perlakuan yang berbeda.

Lanjutan • Analysis of Variance (ANOVA) adalah alat menguji hipotesis untuk mean lebih dari dua. • Multifactor Analysis of variance/ Factorial Analysis adalah alat untuk menganalisis efek interaksi lebih dari dua variabel.

Correlate • Pearson’s Product Moment adalah untuk mencari koefisien korelasi dari variabel data interval atau rasio • Regression adalah untuk mengetahui bagaimana variabel dependent dapat diprediksi melalui veriabel independent, secara individu atau bersama. • Canonical Correlation Analysis digunakan untuk tujuan menganalisis beberapa variabel terikat (dependent variable) dan beberapa variabel bebas (independent variable). .

Experimental/Ex post facto • Apakah ada • T-test perbedaan signifikan antara X dan Y? • Apakah ada perbedaan antara X, • ANOVA Y, and Z? • Apakah ada perbedaan antara X dan A, X dan B, X dan C; Y dan A, Ydan B, Y • MANOVA/Factorial dan C?

Correlational • Apakah terdapat hubungan antara X dan Y? • Pearson Product Moment Correlation • Apakah terdapat hubungan antara X 1 dan Y? X 2 dan Y, atau X 1 dan X 2 dengan Y secara bersama-sama? • Regression • Apakah terdapat hubungan antara X 1 dan Y 1? X 2 dan Y 1, atau X 1 dan Y 2 atau X 2 dan Y 2, atau X 2 dan Y 1, X 2 dan Y 2? • Canonical Correlation Analysis

Statistik Non-parametrik • Dua sampel saling berhubungan (two dependent samples) • • • Sign test Wilcoxon Signed-Rank Mc Nemar Change test • Dua sampel tidak berhubungan (two independent samples) • • • Mann-Whitney U test Moses Extreme reactions Chi-Square test Kolmogorov-Smirnov test Walt-Wolfowitz runs • Beberapa sampel berhubungan (several dependent samples) • • • Friedman test Kendall W test Cochran’s Q • Beberapa sampel tidak berhubungan (several independent samples) • • • Kruskal-Wallis test Chi-Square test Median test

Analisis data kualitatif • suatu proses pelacakan dan pengaturan secara sistematis materi data yang terkumpul dari berbagai teknik pengumpulan data kualititatif seperti transkrip wawancara, catatan lapangan, observasi partisipan atau bahan-bahan lain. Tujuan dari proses ini tidak lain adalah agar seorang peneliti bisa menyajikan informasi temuan dalam penelitiannya secara bermakna

Pertanyaan penelitian Kualitatif • Bagaimana…. • Mengapa…. • Apa yang mendasari… • Bagaimana proses… • Bagaimana makna… • dsb • Analisis data kualitatif

Organizing • suatu proses dimana peneliti mulai melakukan klasifikasi data untuk mencari pola-pola. Pada langkah ini peneliti mulai mengembangkan kategori untuk membuat klasifikasi informasi yang diperoleh. Klasifikasi tersebut bisa berupa gagasan, konsep, kegiatan, tema atau lokasi. Dengan membuat klasifikasi ini seorang peneliti selanjutnya bisa mengidentifikasi unit-unit yang bermakna dari informasi yang diperoleh dari data yang diperoleh. Singkatnya, tujuan dari mengembangkan data coding ini adalah untuk memunculkan sejumlah kategori yang akan memberi rekonstruksi informasi yang logis dari data yang sudah terkumpul

Summarizing • tahapan seorang peneliti kualitatif mulai melihat informasi objektif yang terdapat dalam data yang sudah diklasifikasi. Dalam hal ini, peneliti memeriksa data yang dimasukkan ke dalam kategori yang sama dan kemudian menggabungkannya ke dalam satu pola dengan cara memahami hubungan antar kategori atau pola. Selanjutnya, dibuat pernyataan tentang tema dan hubungan yang terjadi pada data yang sudah diklasifikasikan tadi. Disini seorang peneliti kualitatif akan mendapat informasi yang sistematik dan bisa mensintesis informasi yang terdapat dalam keseluruhan data.

Interpreting • langkah dimana seorang peneliti sudah harus menarik makna dan pemahaman dari data yang sudah terklasifikasi tersebut. Langkah ini meliputi refleksi dan abstraksi makna yang penting dari pola dan kategori data yang sudah dilakukan pada langkah sebelumnya. Langkah terakhir ini sudah menuju penafsiran data.

Penafsiran Data • Kualitatif: peneliti mulai menarik makna dari diskripsi data yang ia berikan pada analisis data. Disinilah seorang peneliti melakukan proses induktif (inductive process), yaitu menarik makna dari hubungan dan aspek-aspek umum yang tergambar dalam kategori-kategori dan pola-pola yang muncul dari data. Penafsiran data kualitatif sangat dipengaruhi oleh latar belakang, pengetahuan, dan orientasi teori peneliti serta kemampuan intelektualnya dalam menarik makna dari analisis data

• Kuantitatif: pada penelitian kuantitatif penafsiran data lebih mengarah pada proses deduktif yaitu, verifikasi teori dengan melakukan uji hipotesis (hypothesis testing). Karena pada penelitian kuantitatif prosedur statistik dominan dilakukan maka uji hipotesis ini menjadi sangat penting pada penafsiran datanya. Namun tidak semua penelitian kuantitatif selalu menggunakan hipotesis, karena itu ada penafsiran penelitian exploratif dan diskriptif tanpa hipotesis yang penafsirannya tidak memerlukan uji hipotesis. Dalam penelitian eksploratif-diskriptif, penafsiran data di lakukan dari apa yang tergambar dalam statistik diskriptif sehingga tidak menarik kesimpulan dari inferensi.

Compare Mean * menentukan H 0 dan H 1 * menentukan nilai statistik tabel * menentukan nilai statistik hitung. * mengambil keputusan dengan cara: • 1 ) Berdasarkan perbandingan nilai t hitung/angka t output (statistik hitung) dan t table (statistik tabel), yaitu jika t hitung > t tabel, maka H 0 ditolak; dan jika t hitung < t tabel, maka H 0 diterima. • 2) Berdasarkan nilai probabilitas, yaitu jika probabilitas > 0. 05 maka H 0 diterima; dan jika nilai probabilitas < 0. 05 maka H 0 ditolak.

Correlate * menentukan H 0 dan H 1 * menentukan keputusan dengan cara: • 1) Berdasarkan angka korelasi, yaitu angka korelasi berkisar pada 0 (tidak ada korelasi sama sekali) dan 1 (korelasi sempurna), sedangkan tanda negatif (-) pada output menunjukkan adanya arah yang berlawanan dan tanda positif (+) menunjukkan arah yang sama. • 2) Berdasarkan signifikansi hasil korelasi, yaitu menggunakan nilai probabilitas dalam output korelasi (jika probabilitas > 0. 05 maka H 0 diterima; dan jika nilai probabilitas < 0. 05 maka H 0 ditolak).

Penyajian Data Tujuan penyajian data : 1. Mudah dipahami(sederhana) 2. Tepat/efektif Bentuk penyajian data : 1. Tabel 2. Grafik

Tabel • • Tabel atau daftar merupakan kumpulan angka yang disusun menurut kategori atau karakteristik data sehingga memudahkan untuk analisis data. Ada 3 macam jenis tabel menurut jumlah kategori dan karakteristik data 1. Tabel satu arah atau satu komponen 2. Tabel dua arah atau dua komponen 3. Tabel tiga arah atau tiga komponen

Cara membuat tabel : 1. Karakter /unsur-unsur tabel a. Judul tabel b. Kepala tabel c. Isi tabel/isi d. Kolom e. Baris f. Sumber 2. Konsistensi 3. Dalam 1 halaman 4. Kalimat pengantar

Karakter Tabel Judul Kepala Sel Sel Isi Kolom Sumber : Baris

Tabel Lanjutan

Tabel 1 Arah Tabel 1. Jumlah Penduduk Indonesia Tahun 1991 -2000 Tahun Penduduk 1991 191824000 1992 194340000 1993 199837000 1994 202873000 1995 203047000 1996 205843000 1997 208647000 1998 212003000 1999 215276000 217000000 Sumber : BPS

Tabel 2 Arah Tabel 2. Populasi Ternak (juta ekor) Berdasarkan Wilayah Tahun 2003 Jenis Ternak Wilayah Sapi Potong Kerbau Kuda Jawa 4. 3 0. 6 0. 1 Luar Jawa 6. 2 1. 9 0. 3 Sumber : BPS Pertanian 2005

Tabel 3 Arah Tabel 3. Berat Badan Rata-Rata Anak Indonesia Prasekolah Berat (kg) Umur Pria Wanita 1 th 8. 1 7. 6 2 th 9. 6 9. 3 3 th 11. 4 11 4 th 13 12. 6 5 th 14. 4 14. 2 6 th 15. 8 16. 2 Sumber : Tanyadokter. com

Grafik Penyajian data dengan grafik dianggap lebih komunikatif karena dalam waktu singkat dapat diketahui karakteristik dari data yang disajikan Jenis-jenis grafik : 1. Grafik Batang (bar chart) 2. Grafik Garis (line chart) 3. Grafik Lingkaran (Pie Chart) 4. Grafik Gambar (pictogram) 5. Grafik Peta (kartogram)

Cara membuat grafik : 1. Karakter grafik Nama Variabel Sb Y (satuan) Nama Variabel sb X Judul Grafik 2. Konsistensi 3. Dalam 1 halaman 4. Kalimat pengantar Catatan

Grafik Batang Macam-macam grafik batang : a. Grafik batang tunggal b. Grafik batang berganda c. Grafik batang komponen berganda d. Grafik batang persentase komponen berganda e. Grafik batang berimbang netto

Grafik Batang Tunggal

Grafik Batang Berganda

Grafik Komponen Berganda

Grafik Persentase Komponen Berganda

Grafik Batang Berimbang Netto

Grafik Garis Macam-macam grafik garis : 1. Grafik garis tunggal 2. Grafik garis berganda 3. Grafik garis komponen berganda 4. Grafik garis persentase komponen berganda 5. Grafik garis berimbang netto

Grafik Garis Tunggal

Grafik Garis Berganda

Grafik Garis Komponen Berganda

Grafik Garis Persentase Komponen Berganda

Grafik Garis Berimbang Neto

Diagram Lingkaran

kartogram Gambar 3. Kerapatan Populasi pada Wilayah-Wilayah di Pulau Jawa

Piktogram Gambar 2. Jumlah Penduduk New zaeland Gambar 3. Jumlah Penjualan Hewan Peliharaan Tahun 2006