Temu Teknis Fungsional Non Peneliti 200!

TEKNIK VALIDASI DATA DALAM RANGKA

MENDUKUNG HASIL PENELITIAN
DJOKO TRIJONO
Pusat Penelitian Sosial Ekonomi Pertanian, JI A. Yani, Bogor .

RINGKASAN
Kebutuhan data yang benar sangat diperlukan untuk mendukung hasil
penelitian,
untuk itu ketermatan didalam menyajikan data sangat
suatu
diperlukan agar dapat memenuhi hasil analisa yang tepat dan akurat. Validasi
data dengan memanfaatkan program Statistical Analysis System (SAS) dan
Microsoft Excel secara bersamaan sangat efisien dan efektif Teknik validasi
data beragam cara dan perlakuannya, hal ini dilakukan agar di dalam analisa
terhadap suatu variabel dapat dilakukan dengan mudah dan terkontrol. Untuk
melihat apakah data tersebut memenuhi kriteria yang diinginkan atau tidak,
diperlukan pemisahan antar kelompok data. Pemisahan dapat dilakukan
menurut jenis data maupun keterkaitan antar data tersebut.

LATAR BELAKANG
Pada umumnya struktur data primer yang dikumpulkan dimulai dengan
karakteristik rumah tangga sampai usahatani dan pendapatan rumah tangga .
Pemisahan data dapat dilakukan dengan memperhatikan bagian dari masing
masing kelompok menurut substansi dari kuesioner tersebut . Setiap bagian atau
kelompok tersebut yang lazim disebut DATASET harus diikuti oleh Identitas
variabel yang sifatnya tunggal (uniU agar dalam proses penggabungan
selanjutnya mudah dilakukan . Dalam pembahasan makalah ini akan
dikemukakan bagaimana langkah-langkah validasi, cara membuat kerangka
simpan gugus data dengan menggunakan fasilitas SAS/FSP, pendeteksian awal
sampai pada pengelompokan data yang akan divalidasi, disamping kendalakendala yang terdapat dalam gugus data dan cara mengatasinya.
Teknik Validasi Data
Validasi data dengan menggunakan dua program sekaligus yaitu
Statistical Analysis System dan Microsoft Excel dalam bentuk tampilan satu
layar adalah untuk memudahkan dalam memperbaiki data secara langsung .
Dengan demikian antara source data dan perbaikan data dapat tampil secara
bersama-sama. Selain dapat dilakukan secara bersama-sama, struktur data yang
ada pada sumber data (SAS DATASET) yang merupakan data dasar tetap
terjamin kebenaran dan keakuratannya. Langkah-langkah validasi data dapat
digambarkan sebagai berikut :

252

Temu Teknis Fungsional Non Peneliti 2001

Input data

Gambar 1 . Diagram Validasi Data

Database yang telah disimpan dalam SAS program dengan

menggunakan fasilitas SAS Full Screen Productivity dan setelah diadakan
restrukturisasi data dengan cara mentransfer data kedalam format Microsoft
Excel, maka dengan cars simultan dapat diperbaiki data tersebut dengan
berpedoman pada nomor observasi atau Identitas variabel yang ada.
Dengan mengacu kepada nomor tersebut maka, jika terdapat kesalahan
pada data baik berupa kesalahan pada saat entri maupun kesalahan atas ketidak
sesuaian data dapat dikoreksi secara langsung . Dengan demikian kondisi data

253

Temu Teknis Fungsional Non Peneliti 200/

yang sudah diperbaiki akan konsisten untuk pengolahan-pengolahan berikutnya,

baik oleh tim yang satu maupun tim berikutnya.
Proses validasi data dengan menggunakan fasilitas microsoft excel
antara lain untuk melihat suatu variabel yang dapat diidentifikasi atau diukur
dengan cara per satuan luas atau per satuan unit pada variabel tersebut seperti
penggunaan bibit per hektar atau tingkat produksi per hektar, dll . Dengan
memiliki nilai baku atas variabel tersebut, maka perbaikan dapat dilakukan pada
source data yang ada pada SAS . Dengan demikian kondisi data dapat diperbaiki
sesuai dengan kriteria yang diinginkan tersebut .
Untuk melihat apakah nilai dari satu variabel tersebut berada dalam
lingkungan yang sama atau jauh menyimpang dari kelompoknya (Upper or
Under estimate), maka untuk pendeteksian awal dapat dilakukan dengan
menggunakan program microsoft excel yakni dengan memanfaatkan fasilitas
filter yang ada dengan cara menyorot icon DATA---FILTER--AUTOFILTER
yang diposisikan pada baris kosong di atas deretan data tersebut seperti terlihat
pada gambar berikut ini :
4R 1-N Cl

j Il

1.

e6 x .J
.

'
.~ :
.,

'

.'~'
s

<Y

. .

.wswt1i .w

'A
.

*- . . ,F" . . ,

.."ver

..

Ii

%9

s1

,,,rn

NI4E_8YewWFlai

a2

"I

l a 1 .c I a
HA4C

langkah

25 4

DESK

tezt~5Ams .

PFF1~" ,,ye

. Fste .~ . .
j
1

a' .

Was

V3

Dengan membuat kotak-kotak kecil untuk validasi data tersebut, maka

Temu Teknis Fungsional Non Peneliti 200/

Gambar 2. Langkah-langkah seleksi data dengan program microsoft excel

Dari urutan kerja microsoft excel diatas, data dapat dipisahkan menurut
desa atau musim tertentu dan kemudian dilihat variabel yang akan divalidasi.
Langkah selanjutnya adalah memilah-milah nilai dari variabel tersebut dan
mengelompokkan kedalam empat kelompok yaitu kelompok Blank, missing
dan 10 sampai 15% nilai terbesar dan terendah dari kumpulan data tersebut.
Catat nomor observasi dan Identitasnya kedalam lembar validasi seperti berikut :
Format validasi data:
Obser-vasi

Nomor ID
Prop

Desa

Petani

Var

Tertulis

Seharusnya

Catatan
perbaikan

Setelah diketahui nomor observasi dan identitasnya maka, langkah

berikutnya adalah melihat kuesioner dan mencocokan data yang tertulis di
dalam SAS DATASET dengan data yang tertulis pada kuesioner, selanjutnya
dapat dilakukan perbaikan di SAS DATASET secara bersama-sama dengan file
yang ada pada microsoft excel tersebut.
Law

Gambar 3. TampiIan dua program sekaligus, microsoft excel dan SAS

25 5

Temu Teknis Fungsional Non Peneliti 2001

Pembuatan Gugus data

Untuk menyimpan data dalam satu gugusan data dengan menggunakan
fasilitas SAS/FSP yaitu terlebih dahulu harus dibuat screen form dengan
menggunakan program SAS pada jendela Program Editor dapat dituliskan
seperti berikut :

libname xx 'c :\data\makalah' ;

data xx .satu ;
length nama $25 umur status berat tinggi 8 .0 ;
proc fsedit data=xx .satu screen=xx .satu ;
run ;

Gambar 4. Langkah-langkah pembuatan gugus data menggunakan program SASlFSP

256

Temu Teknis Fungsional Non Peneliti 2001

Prosedur penulisan di atas dilakukan hanya sekali yaitu pada saat

pembuatan screen form database, jika diinginkan posisi format tampak seperti
kuesioner maka masing-masing variabel harus diidentifikasi terlebih dahulu
dengan perintah Modifikasi pada command prompt program editor, dengan
perintah tersebut SAS akan menampilkan 6 menu pilhan antara lain
r--

Information about screen modification

t Screen Modification and Field Identification

3 Edit Program Statements and Compile
M Assign Special Attributes to fields
S Modification of General Parameters
6 Browse Program Statements'

Point 2
Moditikasi screen form

Gambar 5. Langkah-langkah moditikasi screen form

Temu Teknis Fungsional Non Peneliti ?001

Untuk membuka screen form yang sudah siap diisi cukup dituliskan program
seperti berikut:

libname xx 'c :\data\makalah' ;

proc fsedit data=xx .satu screen=xx .satu ;
run ;
Setelah modifikasi screen form dilakukan langkah berikutnya adalah
memasukkan data kedalam screen form tersebut dengan cara add new data.
Posisi kursor dalam keadaan replace {Insert off} karena jika tidak dalam posisi
inser offmaka field tidak bisa diisi oleh data.
Pengelompokan Variabel
Untuk memudahkan didalam pengecekan variabel diperlukan
pengelompokan variabel berdasarkan substansinya, hal ini sangat membantu
dalam proses validasi, karena dengan memisahkan variabel tersebut maka
logika data dapat segera terlihat dengan cepat dan segera dapat dikoreksi. Pada
contoh kasus usahatani yang sering dilakukan di dalam penelitian,
pengelompokan dapat dilakukan dengan spesifikasi sbb :
1. Kelompok SAPRODI
Terdiri atas : Penggunaan Benih, pupuk dan Obat-obatan
2. Kelompok TENAGA
Terdiri atas : Curahan Tenaga Keda Dalam dan Luar Keluarga
Pra panen
Pemeliharaan dan
Pasca panen
3. Kelompok Produksi dan Penggunaan Hasil
Terdiri dari : Jumlah produksi dan penggunaannya
Untuk semua kelompok harus disertakan ID dan luas lahan yang
ditanami komoditi tersebut, maksud mencantumkan luas lahan dan musim
adalah berguna untuk mengecek data tersebut pada satuan luas/per hektar .
Kesalahan yang sering dijumpai dalam penggunaan SAPRODI terletak
pada jumlah penggunaan bibit yang terlalu besar, hal ini bisa disebabkan oleh
luas lahan yang terlalu sempit tetapi pada umumnya petani menebar benih lebih
banyak dari standar per hektar, untuk itu seharusnya ada tambahan pertanyaan
dalam kuesioner apakah semua benih untuk sendiri atau dijual kepada teman
atau sekedar buat cadangan . Pertanyaan ini perlu disisipkan dalam kuesioner,
untuk menjawab jika terdapat jumlah bibit yang besar, demikian sebaliknya
bagi petani yang menggunakan bibit sedikit perlu ditanyakan dari mana
mendapatkan kekurangan benih, apakah membeli dari teman. Sering juga
ditemui penggunaan bibit yang nol atau missing, hal ini perlu ditelusuri asal
258

Temu Teknis Fungsionnl Non Peneliti 1001

bibit yang didapat . Penggunaan sarana produksi juga sering mengalami hal yang
sama, terlalu besar ini perlu dipertanyakan apakah pupuk atau obat-obatan yang
dibeli semua dipakai pada musim yang bersangkutan atau disisakan untuk
musim berikutnya, karena kecenderungan petani jika dalam bagian usahatani
ini, menjawab pertanyaan pada musim 11 adalah cenderung sama dengan
kegiatan pada musim 1.
Dalam pencurahan tenaga kerja juga sering dijumpai angka yang diluar
toleransi, hal ini disebabkan satuan luas yang digunakan oleh responden yang
biasanya menggunakan satuan lokal, bila dikonversi kedalam luasan hektar akan
menyebabkan angka yang besar atau sebaliknya.
Pendeteksian variabel
Langkah awal untuk melihat apakah nilai atas suatu variabel layak atau
tak layak dipakai maka diperlukan pengamatan yang seksama, tetapi cara yang
dapat digunakan dalam menilai apakah variabel tersebut layak atau tak layak
dipakai atau patut diduga tidak bisa dipakai, maka cara mengatasinya adalah
dengan melihat nilai rata-rata variabel tersebut berdasarkan identitas (keyword)
yang paling kecil. Misalnya ada 3 lokasi propinsi contoh, masing-masing terdiri
atas 2 kabupaten, 2 Kecamatan dan 5 desa. Untuk melihat nilai atas suatu
variabel maka yang dapat dilakukan pada kasus ini adalah mensortir data
berdasarkan Propinsi, kabupaten, kecamatan dan desa. Dari kelompok kecil
inilah pengecekan variabel tersebut dilakukan, yaitu dengan cara melihat nilai
rata-rata . Hasil penghitungan tersebut digunakan sebagai variabel kontrol di
masing-masing lokasi tersebut .
Propinsi
1
1
1
1
1
1
1
1
1

Kabupaten
1
1
1
1

Kecamatan
1
1
1
1

Nilai rata-rata

1
1
1
1
1 ~-

1
1
1
1
1

,

Desa
1

Petani
1

2
2
2
2
2

1
2
3
4
5

1
1
1

2
3
4

Variabel X
70
75
10
0
38 .75
100
50
75
25
0

Pada contoh kasus diatas dimana petani nomor 4 nilai dari variabel X
yang seharusnya tidak boleh diisi 0 (nol), ternyata berisi nol, maka untuk
mengatasi variabel tersebut dapat dimasukkan nilai rata-rata dari variabel X
pada kelompoknya .yaitu sebesar 38.75 . Tetapi perlu dicermati bahwa tidak
semua variabel dapat dilakukan cara koreksi demikian, tergantung dari keadaan
data .

259

Temu Teknis Fungsional Non Peneliti 200/

KESIMPULAN
Validasi data harus dilakukan jika diinginkan hasil penelitian yang
akurat, karena pengambilan data secara kolektif maupun individual, baik data
primer maupun data sekunder selalu ada yang tidak konsisten baik dari sumber
utamanya maupun pada saat transfer data dilakukan . Hal ini dapat menyebabkan
terjadinya penyimpangan data baik yang diatas maupun dibawah angka rata-rata
yang lazim . Ketidak laziman data sangat berpengaruh terhadap hasil
pembahasan atau pada saat kesimpulan dilakukan .

DAFTAR BACAAN
1990.SAS Technical Report P-199 `Using SAS Screen Control
Language in Release 6.06. SAS Institute Inc .

ANONIMOUS .