METODOLOGI PENELITIAN AKUNTANSI

RMK SAP 11
METODE ANALISIS DATA
Dosen Pengampu: Dr. Made Gede Wirakusuma, S.E., M.Si., Ak., CPA

OLEH:
KELOMPOK 6

PUTU NADYA PRADNYANI DEWI (1506305072)

MADE IRNA WIKANADI (1506305094)
NI MADE SRI PAWITRI (1506305097)

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS UDAYANA
DENPASAR
2017
 METODE ANALISIS DATA

Kegiatan menganalisis data mencakup kegiatan mengatur, mengurutkan,

mengelompokkan, memberikan kode, dan mengategorikannya. Oleh karena itu,
analisis data merupakan bagian yang penting karena dengan menganalisis suatu
data dapat diberi arti dan makna yang berguna untuk masalah penelitian. Dalam
proses analisis data dimulai dengan menelaah seluruh data yang tersedia dari
berbagai sumber, yaitu dari wawancara, pengamatan yang sudah dituliskan dalam
catatan lapangan, dokumen pribadi, dokumen resmi, dan sebagainya.
Metode Analisis data berbeda dengan teknik analisis data walaupun bunyinya
serupa. Metode lebih merujuk kepada pendekatan yang lebih umum dan di
dalamnya terdapat teknik dari pendekatan tersebut. Metode penelitian secara garis
besar dibagi dua bagian yaitu metode kuantitatif dan metode kualitatif. sedangkan
dalam metode kuantitatif sendiri terdapat berbagai macam teknik analisis seperti
teknik korelasional, regresi, komparasi, deskriptif dan sejenisnya.
Metode analisis data kuantitatif adalah pendekatan pengolahan data melalui
metode statistik atau matematik yang terkumpul dari data sekunder ataupun data
sekunder. Kelebihan dari metode ini dalah kesimpulan yang lebih terukur dan
komprehensif. Untuk dapat merumuskan masalah, peneliti harus memahami
tentang metode analisis data serta mampu menginterpretasikan hasil dari analisis
data tersebut. Adapun tujuan dari analisis data, antara lain:
1) Mendeskripsikan data, biasanya dalam bentuk frekuensi, dibuat tabel,
grafik, sehingga dapat dipahami karakteristik datanya. Dalam statistika,
kegiatan mendeskripsikan data ini dibahas pada statistika deskriptif.
2) Membuat induksi atau menarik kesimpulan tentang karakteristik populasi
atau karakteristik populasi berdasarkan data yang diperoleh dari sampel.
Kesimpulan yang diambil ini biasanya dibuat berdasarkan dugaan atau
estimasi dan pengujian hipotesis. Dalam statistika, kegiatan membuat
induksi atau menarik kesimpulan tentang karakteristik populasi atau
sampel ini dibahas pada statistik inferensial.

1
11.1 Macam-macam Metode Analisis Data
Macam-macam metode analisis data dapat dibedakan berdasarkan teknik
pengolahan data dan berdasarkan jumlah variabelnya.
11.1.1 Berdasarkan Teknik Pengolahan
1) Analisa Deskriptif
Statistik deskriptif dalam penelitian pada dasarnya merupakan proses
transformasi data penelitian dalam bentuk tabulasi sehingga mudah
dipahami dan diinterpretasikan. Tabulasi menyajikan ringkasan
pengaturan atau penyusunan data dalam bentuk tabel numerik dan grafik.
Statistik deskriptif umumnya digunakan oleh peneliti untuk memberikan
informasi mengenai karakteristik variabel penelitian yang utama dan data
demografi responden (jika ada). Ukuran yang digunakan dalam deskripsi
antara lain berupa: frekuensi, tendensi sentral (rata. rata, median, modus),
dispersi (deviasi standar dan varian), dan koefisien korelasi antar variabel
penelitian. Ukuran yang digunakan dalam statistik deskriptif tergantung
pada tipe skala pengukuran digunakan dalam penelitian.
a. Frekuensi
Frekuensi merupakan salah satu ukuran dalam statistik deskriptif
yang menunjukkan distribusi data penelitian yang memiliki
kesamaan kategori. Frekuensi suatu distribusi data penelitian
dinyatakan dengan ukuran absolut (f) atau proporsi (%). Penyajian
statistik deskriptif yang menggunakan ukuran frekuensi dapat
menggunakan tabel numerik atau grafik
Berikut ini diberikan contoh statistik deskriptif demografi
responden penelitian yang disajikan dalam bentuk tabel numerik
dan grafik. Tabel numerik (gambar 11.1.) berikut ini menjelaskan
demografi responden penelitian dengan menggunakan ukuran
frekuensi absolut dan proporsi (persentase). Ditinjau dari kategori
jenis kelamin, lama bekerja, bidang konsentrasi dan jumlah staf.
Gambar 11.2. menjelaskan persentase jenis kelamin responden
dengan menggunakan teknik diagram lingkaran. Gambar 11.3.

2
 menyajikan deskripsi lama bekerja responden dengan
menggunakan teknik diagram batang.
Gambar 11.1. Statistik Deskriptif Demografi Responden
Frekuensi
Absolut Persentase
Jenis Kelamin
Pria 98 56,3
Wanita 76 43,7
Lama Bekerja
< 1 tahun 66 37,9
1-2 tahun 40 23,0
2-3 tahun 28 16,1
> 3 tahun 40 23,0
Bidang
Konsentrasi
Audit 160 92,0
Pajak 1 0,6
Sistem/Konsultasi 7 4,0
Lainnya 6 3,4
Jumlah Staf
< 20 orang 5 2,9
21-50 orang 7 4,0
51-100 orang 1 0,6
> 100 orang 161 92,5

Gambar 11.2. Diagram Lingkaran

Jenis Kelamin Responden

56.10% 43.90%

Pria Wanita

3
 Gambar 11.3. Diagram Batang

Lama Bekerja Responden

70
60
50
40
30
20
10
0
< 1 Tahun 1-2 Tahun 2-3 Tahun > 3 Tahun

Lama Bekerja

Statististik deskriptif dalam bentuk tabel numerik dapat juga

disajikan dengan teknik tabulasi silang (gambar 4.4.) yang
menjelaskan hubungan antara dua aspek demografi responden.
Gambar 11.4. Statistik Deskriptif Demografi Responden
Lamanya Jenis Kelamin
Bekerja Pria Wanita Jumlah
< 1 tahun 37 29 66
1-2 tahun 19 21 40
2-3 tahun 18 10 28
> 3 tahun 24 16 40
Jumlah 97 76 174

b. Tendensi Sentral
Tendensi sentral merupakan ukuran dalam statistik deskriptif yang
menunjukkan nilai dari distribusi data penelitian. Tendensi sentral
dapat dinyatakan dengan tiga macam ukuran, yaitu: rata-rata,
median dan modus yang masing-masing mengukur nilai sentral
dalam pengertian yang berbeda. Pengukuran rata-rata merupakan
cara yang paling umum digunakan untuk mengukur nilai sentral
suatu distribusi data berdasarkan nilai rata-rata yang dihitung
dengan cara membagi nilai hasil penjumlahan sekelompok data
dengan jumlah data yang diteliti. Median adalah pengukuran
tendensi sentral berdasarkan nilai data yang terletak ditengah-

4
 tengah (midpoint) dari suatu distribusi data penelitian yang disusun
secara berurutan.
1) Rata-rata (Mean)
Pengukuran rata-rata merupakan cara yang paling umum
digunakan untuk mengukur nilai sentral suatu distribusi data
berdasarkan nilai rata-rata yang dihitung dengan cara membagi
nilai hasil penjumlahan sekelompok data dengan jumlah data
yang diteliti.
2) Median
Median adalah pengukuran tendensi sentral berdasarkan nilai
data yang terletak ditengah-tengah (midpoint) dari suatu
distribusi data penelitian yang disusun secara berurutan.
3) Modus
Modus mengukur tendensi sentral berdasarkan data yang
memiliki frekuensi paling banyak dalam suatu distribusi data.
c. Dispersi
Dispersi mengukur variasi data yang diteliti dari angka rata-
ratanya. Perbedaan antara nilai data yang diteliti dengan nilai rata-
ratanya disebut dengan deviasi (deviation). Ada berbagai cara
untuk mengukur deviasi, antara lain: (1) Deviasi Rata-rata, Deviasi
rata-rata adalah penjumlahan dari deviasi masing-masing data yang
diteliti dengan nilai rata-ratanya dibagi dengan jumlah data. (2)
Deviasi Absolut Rata-rata, Deviasi Absolut Rata-Rata menghitung
deviasi rata-rata dengan mengabaikan tanda positif atau negatif
pada nilai deviasi setiap data yang diteliti dan hanya menggunakan
nilai absolut untuk masing-masing deviasi. (3) Deviasi Kuadrat
Rata-rata (4) Varian, Varian mengukur dispersi dengan nilai yang
dikuadratkan, (5) Deviasi Standar, untuk mengembalikan ukuran
disperse menjadi ukuran (semula) yang sama dengan ukuran data
yang diteliti, dihitung nilai akar dari varian yang selanjutnya
disebut dengan deviasi standar (s).

5
 2) Analisa Inferensi
Statistik Inferensial (sering juga disebut statistik induktif atau statistik
probabilitas), adalah teknik statistik yang digunakan untuk menganalisis
data sampel dan hasilnya diberlakukan untuk populasi. Statistik ini akan
cocok digunakan bila sampel diambil dari populasi yang jelas, dan teknik
pengambilan sampel dari populasi itu dilakukan secara random. Dalam
hal ini yakni Statistik Parametis dan Non Parametis. Penggunaan statistik
parametris dan nonparametris tergantung pada asumsi dan jenis data
yang akan dianalisis. Statistik parametris memerlukan terpenuhi banyak
asumsi. Asumsi yang utama adalah data yang akan dianalisis harus
berdistribusi normal. Selanjutnya dalam penggunaan salah satu test
mengharuskan data homogen, dalam regresi harus terpenuhi asumsi
linieritas. Statistik nonparametris tidak menuntut terpenuhi banyak
asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi
normal. Oleh karena itu, statistik nonparametris sering disebut
distribution free (bebas distribusi).

11.1.2 Berdasarkan Jumlah Variabel

1) Analisis Univariat
Merupakan analisa yang dilakukan menganalisis tiap variabel dari hasil
penelitian (Notoadmodjo, 2005:188). Analisa Univariat berfungsi untuk
meringkas kumpulan data hasil pengukuran sedemikan rupa sehingga
kumpulan data tersebut berubah menjadi informasi yang berguna, dan
pengolahan datanya hanya satu variabel saja,sehingga dinamakan
univariat. Yang termasuk analisis univariate tersebut adalah statistik
deskriptif. Dalam analisis deskriptif data dapat diringkan berupa ukuran
statistik (mean, media, modus), tabel, grafik. Analisa Univariat dilakukan
masing-masing variabel yang diteliti.
2) Analisa Bivariat
Penelitian Analisa Bivarat adalah analisa yang dilakukan lebih dari dua
variabel Notoadmodjo (2005), Analisa Bivarat berfungsi untuk
mengetahui hubungan antar variabel. Dua variabel tersebut diadu
misalnya, dengan mencari hubungan antar variabel X1 dengan X2,

6
 mencari pengaruh antara variabel X terhadap variabel Y, mencari
perbedaan antara variabel X dengan Z. Terdapat macam-macam analisi
bivariate yaitu:
(1) Analisis hubungan dengan menggunakan korelasi, chisquare.
(2) Analisis pengaruh dengan menggunakan regresi sederhana.
(3) Analisis perbedaan dengan menggunakan independent sample t test,
paired sample t test, one sample t tes, uji sign, uji Mann Whitney,
uji Friedman, uji Kruskal Wallis.
3) Analisa Multivariat
Penelitian analisa multivariate adalah analisa metode statistik yang
memungkinkan kita melakukan penelitian terhadap lebih dari dua
variable secara bersamaan. Dengan menggunakan teknik analisis ini
maka kita dapat menganalisis pengaruh beberapa variabel terhadap
variabel-variabel lainnya dalam waktu yang bersamaan. Contoh kita
dapat menganalisis pengaruh variabel kualitas produk, harga dan saluran
distribusi macam-macam analisis multivariate yaitu Regresi Berganda,
Analisis Diskriminan, Analisis Faktor, Oneway Manova, Anova.
Ukuran yang
Multivariat Syarat
Digunakan
Lebih dari satu variabel
Distribusi normal;
independen dan
Multiple Regression lebih dari satu
variabel dependen;
variabel independen
interval
Variabel independen Distribusi variabel
nominal; salah satu dependen dan salah
ANCOVA
variabel independen satu variabel
dan dependen interval independen normal
Lebih dari satu variabel
Distribusi variavel-
independen
Discriminant Analysis variabel independen
interval;variabel
normal
dependen nominal

7
 Variabel independen
Distribusi variabel-
nominal, variabel-
One-way MANOVA variabel dependen
variabel dependen
normal
interval
Beberapa variabel
Factor Analysis Distribusi normal
interval

11.2 Pemilihan Metode Analisis Data

Pemilihan metode analisis data menggunakan pendekatan kualitatif atau
kuantitatif. Dalam pendekatan kuantitatif persyaratan pertama yang harus terpenuhi
adalah alat uji statistik yang akan digunakan harus sesuai. Pertimbangan utama
dalam memilih alat uji statistik ditentukan oleh pertanyaan untuk apa penelitian
tersebut dilakukan dan ditentukan oleh tingkat/skala, distribusi dan penyebaran
data. Pertimbangan kedua dalam memilih alat uji statistik ini adalah luasnya
pengetahuan statistik yang dimiliki serta ketersediaan sumber-sumber dalam
hubungannya dengan perhitungan dan penafsiran data.
Metode penelitian dengan pendekatan kualitatif berbeda dengan pendekatan
kuantitatif, dalam pendekatan kualitatif perhatian dipusatkan kepada prinsip umum
yang mendasari perwujudan dan satuan gejala yang ada dalam kehidupan manusia
atau pola yang ada. Analisis yang dilakukan adalah gejala sosial dan budaya dengan
menggunakan kebudayaan masyarakat yang bersangkutan untuk memperoleh pola
yang berlaku, dan pola tersebut dianalisis dengan teori yang objektif. Penelitian
kualitatif mampu mengungkapkan gejala yang ada di masyarakat secara sistematis.
Oleh karena itu urutan atau sistimatika yang ada dalam penelitian memberikan
urutan serta pola berfikir secara sistematis dan komplek. Penelitian dengan
pendekatan kualitatif ini mampu mengungkap gejala yang ada di masyarakat secara
sistematis secara mampu mengungkapkan kejadian yang sebenarnya sehingga akan
sulit ditolak kebenarannya.
Menurut Lexy J. Moleong (2001), proses analisis data kualitatif dimulai
dengan menelaah seluruh data yang tersedia dari berbagai sumber, yaitu
wawancara, pengamatan yang sudah dituliskan dalam catatan lapangan, dokumen
pribadi, dokumen resmi, gambar foto dan sebagainya. Setelah ditelaah, langkah

8
selanjutnya adalah reduksi data, penyusunan satuan, kategorisasi dan yang terakhir
adalah penafsiran data. Dalam memilih metode analisis perlu dipertimbangkan:
1) Kecocokan/kesesuaian metode.
2) Kehandalan/ketangguhan.
3) Kepekaan.
4) Kecepatan/kemudahan.
5) Kepraktisan / fleksibel.
6) Keamanan.
Faktor lain yang menjadi pertimbangan dalam memilih metode analisis adalah:
1) Apakah analisis dilakukan untuk 1 sampel, jarang atau sering dengan
contoh yang sama.
2) Pereaksi apa saja yang harus tersedia.
3) Berapa lama waktu yang diperlukan.
4) Apa jenis matriks sampel yang dianalisis.
5) Berapa tingkat ketelitian yang diharapkan.
Jika menggunakan metode yang dikembangkan sendiri harus:
1) Merupakan kegiatan yang direncanakan.
2) Ditugaskan kepada personil yang memenuhi persyaratan.
3) Dilengkapi dengan sumber daya laboratorium yang memadai.
4) Macam atribut metode yang digunakan.
5) Pemilihan metode alternatif.
Apabila menggunakan metode non standar, maka harus :
1) Mendapat persetujuan pemilik sampel.
2) Memenuhi spesifikasi yang dipersyaratkan oleh pemilik sampel.
3) Sesuai dengan tujuan analisis.

11.3 Pemilihan Metode Statistik Menurut Skala Pengukuran

Pemilihan terhadap alat statistika dalam penelitian kuantitatif sangat
tergantung pada skala pengukuran dari variabel yang digunakan. Dalam analisis
nantinya apakah menggunakan statistik parametrik atau statistik non parametrik.
Bila dalam analisis kuantitatif tersebut dimana skala ukuran variabel adalah
nominal atau ordinal umumnya menggunakan statistik non parametrik. Apabila

9
skala ukuran variabel yang digunakan adalah interval atau rasio maka statistik yang
digunakan adalah statistik parametrik. Walaupun demikian untuk skala interval atau
rasio dapat juga menggunakan alat statistik non parametrik namun banyak sekali
kehilangan informasi yang dimiliki oleh data dengan skala interval dan rasio
tersebut.
Penggunaan statistik parametrik dan non parametrik untuk menganalisis data
khususnya menguji hipotesis yang diajukan. Contoh statistik parametrik antara lain
korelasi product moment, korelasi parsial, korelasi ganda, regresi, analisis varian
dan sebagainya. Contoh statistik non parametrik adalah Chi kuadrat, Mann
Whitney, Mc Memar, Cochran, Coefisien contingency, korelasi Rank Spearman,
Kruskal Wallis, dan sebagainya.
Menurut Sugiono (2003:147), hipotesis deskriptif yang akan diuji dengan
statistik parametrik merupakan dugaan terhadap nilai dalam satu sampel
dibandingkan dengan standar, sedangkan hipotesis deskriftif yang akan diuji
dengan statistik non parametrik merupakan dugaan ada tidaknya perbedaan secara
signifikan nilai antar kelompok dalam satu sampel. Hipotesis komparatif
merupakan dugaan ada tidaknya perbedaan secara signifikan nilai-nilai 2 kelompok
atau lebih. Hipotesis asosiatif adalah dugaan terhadap ada tidaknya hubungan
secara signifikan antara dua variabel atau lebih.
Pemilihan metode statistik juga dipengaruhi oleh tipe skala pengukuran yang
digunakan (skala nominal, skala ordinal, skala interval, skala rasio). Tipe skala
pengukuran menjadi pertimbangan peneliti untuk menetukan pemilihan metode
parametrik dan non parametrik dalam statistik inferensial. Jika suatu penelitian
menggunakan skala interval dan skala rasio dengan ukuran sampel relative besar
(n>30) statistik parametrik merupakan metode analisis data yang tepat, dengan
asumsi bahwa distribusi populasi datanya normal. Jika peneliti tidak menggunakan
asumsi normalitas, penggunaan statistik non parametrik merupakan metode analisis
yang tepat. Dibawah ini merupakan tabel yang berisi tentang penggunaan statistik
parametrik dan non parametrik untuk menguji hipotesis.

10
 TABEL 3.1
PENGGUNAAN STATISTIK PARAMETRIS DAN NONPARAMETRIS UNTUK
MENGUJI HIPOTESIS

BENTUK HIPOTESIS
Deskriptif Komparatif
Komparatif
MACAM (satu (lebih dari dua
(dua sampel) Asosiatif
DATA variabel sampel)
(hubungan)
atau satu
Related Independen Related Independen
sampel)**
Mc Fisher Exact Cochran
Binomial Contingency
Nemar Probability Q
Nominal X2 untuk k Coefficient
X2 satu
X2 dua sampel C
sampel
sampel
Spearman
Median Rank
Sign test Median Test Extension Correlation
Friedman
Two-
Wilcoxon Mann- Way Kruskal-
Ordinal Run Test matched Whitney Anova Wallis One
pairs Utest Way Anova Kendall Tau
Kolmogorov
Smirnov
Wald-
Woldfowitz
Korelasi
One Way One Way Product
Anova* Anova* Moment*
Two-
Way Two-Way Korelasi
Interval t-test of t-test of
Anova* Anova* Parsial*
Rasio t-test* Related Independent*
Korelasi
Ganda*
Regresi,
sederhana &
Ganda*

11.4 Interpretasi Hasil Analisis Data

Untuk interpretasi yang didasarkan atas statistik deskriptif khususnya tabulasi
silang ada ketentuan atau aturan yang perlu diperhatikan. Jika diasumsikan ada satu
variabel yang bertindak sebagai variabel pengaruh dan satunya lagi sebagai variabel

11
terpengaruh maka arah perhitungan untuk tabulasi silang selalu dihitung searah
dengan variabel pengaruhnya. Dalam menginterpretasikan tabulasi silang tersebut
dengan membandingkan angka persen pada sel tabel searah dengan variabel
pengaruhnya. Interpretasi hasil penelitian dilakukan untuk mencari makna dan
implikasi yang lebih luas dari hasil-hasil penelitian. Interpretasi hasil analisis dapat
dilakukan dengan dua cara yaitu sebagai berikut: (1) Interpretasi secara terbatas
karena peneliti hanya melakukan interpretasi atas data dan hubungan yang ada
dalam penelitiannya. (2) Peneliti mencoba mencari pengertian yang lebih luas
tentang hasil-hasil yang telah didapatkannya dari analisis.
Interpretasi secara terbatas karena peneliti hanya melakukan interpretasi atas
data dan hubungan yang ada dalam penelitiannya. Interpretasi ini dalam pengertian
sempit tetapi paling sering dilakukan. Pada waktu menganalisis data penelitian,
secara otomatis peneliti membuat interpretasi dimana analisis dan interpretasi yang
dilakukan sangat erat hubungannya karena keduanya dilakukan hampir bersamaan.
Apabila peneliti mencoba mencari pengertian yang lebih luas tentang hasil-hasil
yang telah didapatkannya dari analisis. Hal ini dilakukan oleh peneliti dengan cara
membandingkan hasil analisis dengan kesimpulan peneliti lain dan dengan
menghubungkan kembali interpretasinya dengan teori. Tahap ini sangat penting
dilakukan, namun sering tidak dilakukan oleh peneliti sosial.
Dalam proses interpretasi ada serangkaian pertanyaan yang harus dijawab
oleh seorang peneliti yaitu sebagai berikut ini:
1) Apakah arti koefisien korelasi 0,85 tersebut ?
2) Apakah arti yang lebih luas dari penemuan tersebut bila dibandingkan
dengan hasil penelitian-penelitian terdahulu ?
Contoh Interpretasi Hasil Analisis Data:

Tabel 1(Deskriptif Katagorik)

Distribusi Responden Menurut Tingkat Pendidikan
Variabel Pendidikan N Persentase
SD 12 24 %
SMP 8 16 %
SMU 17 34 %
PT 13 26 %

TOTAL 50 100.0

12
Dari tabel 1 diatas terlihat bahwa responden sudah banyak yang berpendidikan
menengah dan tinggi, dimana yang berpendidikan SMU dan PT mencakup 60%
dari keseluruhan responden, yang terdiri atas 17 orang (34%) berpendidikan SMU
dan 13 orang (26%) berpendidikan PT. Sedangkan untuk pendidikan menengah ke
bawah mencakup 40%, yang terdiri atas 12 orang (24%) SD, dan sebanyak 8 orang
(16%) SMP.

Tabel 3 (untuk T-Test)

Distribusi Rata-rata Berat Badan Bayi Menurut Sikap Responden
Variabel N Mean SD SE P Value
Sikap:
Buruk 31 3119.35 587.889 105.588
Baik 19 3252.63 584.398 543.398 0.439

Rata-rata Berat Badan Bayi untuk Sikap Responden Buruk adalah 3119,35 gram
dengan standar deviasi 105,588 gram. Sedangkan untuk responden Sikap Baik, rata-
rata berat badan bayi adalah 3252,63 gram dengan standar deviasi 584,398 gram.
Hasil uji statistik didapatkan nilai P = 0,439 berarti pada alpha 5 % terlihat tidak
ada perbedaan yang signifikan rata-rata berat bayi antara sikap ibu buruk dengan
sikap baik.

13
 DAFTAR PUSTAKA

Fred N. Kerlinger, 2002. Asas-asas Penelitian Behavioral (edisi ketiga).

Yogyakarta: Gadjah Mada University Press
Indriantoro, Nur dan Bambang Supomo. 1999. Metode Penelitian Bisnis: untuk
Akuntansi dan Manajemen. (Edisi Pertama). Yogyakarta: BPPE
Kuncoro, Mudrajat.2003. Metode Riset untuk Bisnis & Ekonomi. Jakarta: Erlangga
Moh. Nazir, 1999. Metode Penelitia. Jakarta: Ghalia Indonesia
Moleong. 2001. Metode Peneitian Kualitatif. Yogyakarta: Pustaka Belajar
Moleong, Lexy J. 2001. Metodologi Penelitian Kualitatif. Bandung: Remaja
Rosdakarya
Rahyuda, Ketut. 2016. Metode Penelitian Bisnis. Bali : Udayana University Press

Saebani, Beni Ahmad. 2008. Metode Penelitian. Bandung : Pustaka Setia

Sekaran, Uma. 2009. Research Methods for Business: Metodologi Penelitian untuk
Bisnis. Edisi 4. Buku 1. Jakarta: Salemba 4
Sugiyono. 2013. Metode Penelitian Bisnis. Bandung: Alfabeta.

14