BAB I

PENDAHULUAN

A. Latar Belakang
Penelitian merupakan kegiatan yang terencana untuk mencari jawaban yang
obyektif atas permasalahan manusia melalui prosedur ilmiah. Untuk itu di dalam suatu
penelitian dibutuhkan suatu proses analisis data yang berguna untuk menganalisis data-
data yang telah terkumpul. Data yang terkumpul banyak sekali dan terdiri dari berbagai
catatan di lapangan, gambar, foto, dokumen, laporan, biografi, artikel, dan sebagainya.
Pekerjaan analisis data dalam hal ini ialah mengatur, mengurutkan, mengelompokkan,
memberikan kode, dan mengategorikannya.
Misalnya pada penelitian kuantitatif, analisis data merupakan kegiatan setelah
data dari seluruh responden atau sumber data lain terkumpul. Kegiatan dalam analisis
data adalah mengelompokkan data berdasarkan variable dari seluruh responden,
menyajikan data tiap variable yang diteliti, melakukan perhitungan untuk menguji
hipotesis yang telah diajukan. Untuk penelitian yang tidak merumuskan hipotesis,
langkah terakhir tidak dilakukan.
Teknik analisis data dalan penelitian menggunakan statistic. Terdapat dua macam
statistic yang digunakan untuk analisis data dalam penelitian, serta bagaimana
pengolahan dalam analisis data yang akan dibahas dalam makalah ini.

B. Rumusan Masalah
C. Tujuan Penulisan
 BAB II
PEMBAHASAN

A. Pengertian Analisis Data

Analisis data pada dasarnya dapat diartikan sebagai berikut.
a. Membandingkan dua hal atau dua nilai variable untuk mengetahui selisihnya
atau rasionya kemudian diambil kesimpulannya (X-Y)= selisih. X/Y = rasio.
b. Menguraikan atau memecahkan suatu keseluruhan menjadi bagian-bagian
atau komponen-komponen yang lebih kecil, agar dapat :
 Mengetahui komponen yang menonjol (memiliki nilai ekstream);
 Membandingkan antara komponen yang satu dengan komponen lainnya
(dengan menggunakan angka selisih dan angka rasio);
 Membandingkan salah satu atau beberapa komponen dengan keseluruhan
(secara persentase).
c. Memperkirakan atau menentukan besarnya pengaruh secara kuantitatif dari
perubahan suatu (beberapa) kejadian terhadap sesuatu (beberapa) kejadian
lainnya, serta memperikirakan/meramalkan kejadian lainnya. Kejadian dapat
dinyatakan sebagai perubahan nilai variabel.
Definisi lain dari analisis data adalah seperti yang dikemukakan oleh beberapa ahli
seperti berikut ini.
a. Menurut Patton (1980), analisis data adalah proses mengatur urutan data,
mengaorganisasikannya ke dalam suatu pola, kategori, dan satuan uraian
dasar.
b. Menurut Bogdan dan Taylor (1975), analisis data adalah proses yang merinci
usaha formal untuk menemukan tema dan merumuskan hipotesis (ide) seperti
yang disarankan oleh data dan sebagai usaha untuk memberikan bantuan pada
tema dan hipotesis itu.
c. Menurut Lexy J. Moleong (2000), analisis data adalah proses
mengorganisasikan dan mengurutkan data ke dalam pola, kategori, dan satuan
 uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis
kerja seperti yang disarankan oleh data.

 Bentuk-bentuk analisis data :

1. Analisis Kuantitatif
Analisis kuantitatif adalah analisis yang menggunakan alat analisis bersifat
kuantitatif, yaitu analisis yang menggunakan model-model, seperti model
matematika (misalnya fungsi multivariate), model statistic, dan ekonometrik.
Hasil analisis di sajikan dalam bentuk angka-angka yang kemudian dijelaskan
dan diinterprestasikan dalam suatu uraian.
2. Analisis Kualitatif
Analisis kualitatif adalah analisis yang tidak menggunakan model matematika,
model statistic, dan ekonometrik atau model-model tertentu lainnya. Analisa
data yang dilakukan terbatas pada teknik pengolahan datanya, seperti pada
pengecekan data dan tabulasi. Dalam hal ini, sekadar membaca table-tabel,
grafik-grafik, atau angka-angka yang tersedia, kemudian melakukan uraian dan
penafsiran.

 Kelebihan analisis data dengan statistic :

1. Dengan statistic memungkinkan mendeskripsikan tentang sesuatu secara
eksak. Symbol-simbol verbal lebih efisien daripada bahasa verbal.
2. Dengan statistic memungkinkan seseorang untuk bekerja secara eksak dalam
proses dan cara berpikir. Meskipun tidak mutlak benar, namun dapat
menetapkan sampai tingkat mana kesimpulan tersebut benar.
3. Peneliti dapat memberikan rangkuman hasil penelitian dalam bentuk yang
lebih berarti dan lebih ringkas, karena memberikan aturan-aturan tertentu.
4. Dapat menarik kesimpulan umum (membentuk konsep dan generalisasi)
5. Memungkinkan untuk mengadakan ramalan.
B. Statistik Deskriptif dan Inferensial
Statsitik deskriptip adalah statistic yang digunakan untuk menganalisa data dengan
cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana
adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau
generalisasi. Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya) jelas
akan menggunakan statistic deskriptif dalam analisisnya. Tetapi bila penelitian
dilakukan pada sampel, maka analisisnya dapat menggunakan statistic deskriptif
maupun inferensial.
Statistic deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data
sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi di mana
sampel diambil. Tetapi bila penelitian ingin membuat kesimpulan yang berlaku untuk
populasi, maka teknik analisis yang digunakan adalah statistic inferensial.
Termasuk dalam statistic deksriptif antara lain adalah penyajian data melalui table,
grafik, diangram lingkaran, pictogram, perhitungan modus, median, mean, perhitungan
desil, persentil, perhitungan penyebaran data melalui perhitungan rata-rata dan standar
deviasi, perhitungan prosentase. Dalam statistic deskriptif juga dapat dilakukan
mencari kuatnya hubungan antara variable melalui analisis korelasi, melakukan
prediksi dengan analisis regresi, dan membuat perbandingan dengan membandingkan
rata-rata data sampel atau populasi. Hanya perlu diketahui bahwa dalam analisis
korelasi, regresi, atau membandingkan dua rata-rata atau lebih tidak perlu diuji
signifikansinya. Jadi secara teknis dapat diketahui bahwa, dalam staistik deskriptif
tidak ada uji signifikansi, tidak ada taraf kesalahan, karena peneliti tidak bermaksud
membuat generalisasi, sehingga tidak ada kesalahan generalisasi.
Statistic inferensial, (sering juga disebut statistic induktif atau statistic
probabilitas), adalah teknik statistic yang digunakan untuk menganalisis data sampel
dan hasilnya diberlakukan untuk populasi. Statistic ini akan cocok digunakan bila
sampel diambil dari populasi yang jelas, dan teknik pengambilan sampel dari populasi
itu dilakukan secara random.
Statistic ini disebut statistic probabilitas, karena kesimpulan yang diberlakukan
untuk populasi berdasarkan data sampel itu kebenarannya bersifat peluang
(probability). Suatu kesimoulan dari data sampel yang akan diberlakukanuntuk
populasi itu mempunyai peluang kesalahan dan kebenaran (kepercayaan) yang
dinyatakan dalam bentuk prosentase. Bila peluang kesalahan 5% maka taraf
kepercayaan 95%, bila peluang kesalahan 1%, maka taraf kepercayaan 99%. Peluang
kesalahan dan kepercayaan ini disebut dengan taraf signifikansi. Pengujian taraf
signifikansi dari hasil suatu analisis akan lebih praktis bila didasarkan pada table sesuai
teknik analisis yang digunakan.
Mislnya uji-t akan digunakan table-t, uji F digunakan table F. Pada setiap table
sudah disediakan untuk taraf signifikansi berapa persen suatu hasil analisis dapat
digeneralisasikan. Dapat diberikan contoh misalnya dari analisis korelasi ditemukan
koefisien korelasi 0,54 dan untuk signifikansi untuk 5%. Hal ini berarti hubungan
variable sebesar 0,54 itu dapat berlaku pada 95 dari 100 sampel diambil dari suatu
populasi. Contoh lain misalnya dalam analisis uji beda ditemukan signifikansi untuk
1%. Hal ini berarti perbedaan itu berlaku pada 99 dari 100 sampel yang diambil dari
populasi.
Jadi signifikansi adalah kemampuan untuk digeneralisasikan dengan kesalahan
tertentu. Ada hubungan signifikan berarti hubungan itu dapat digeneralisasikan. Ada
perbedaan signifikan berarti perbedaan itu dapat digeneralisasikan. Yang belum faham
tentang statistic, signifikan sering diartikan dengan bermakna, tidak dapat diabaikan,
nyata, berarti. Pengertian tersebut tidak operasional dan malah membingungkan.

C. Statistic Parametris dan Nonparametris

Pada statistic inferensial terdapat statistic parametris dan nonparametris. Statistic
parametris digunakan untuk menguji ukuran populasi melalui data sampel. Parameter
populasi itu meliputi : rata-rata dengan notasi µ (mu), simpangan baku σ (sigma), dan
varians σ2. Sedankan statisticnya adalah meliputi ; rata rata (X bar), smpingan baku s,
dan varians s2. Jadi ;parameter populasi yang berupa µ diuji melalui X garis,
selanjutnya σ diuji melalui s, dan σ2 diuji melalui s2. Dalam statistic, pengujian
parameter melalui statistic (data sampel) tersebut dinamakan uji hipotesis statistic.
 Oleh karena itu penelitian yang berhipotesis statistic adalah penelitian yabg
menggunakan sampel. Dalam statistic hipotesis yang diuji adalah hipotesis nol, karena
tidak dikehendaki adanya perbedaan antara parameter populasi dan statistic (data yang
diperoleh dari sampel). Sebagai contoh nilai suatu pelajaran 1000 mahasiswa rata-rata
7,5. Selanjutnya misalnya, dari 1000 orang itu diambil sampel 50 orang, dan nilai rata-
rata dari sampel 50 mahasiswa 7,5. Hal ini berarti tidak ada perbedaan antara parameter
(data populasi) dan statistic (data sampel). Hanya dalam kenyataannya nilai parameter
jarang diketahui, statistic nonparametris tidak menguji parameter populasi, tetapi
menguji distribusi.
Penggunaan statistic parametris dan nonparametris tergantung pada asumsi dan
jenis data yang akan dianalisis. Statistik parametris memerkukan terpenuhi banyak
asumsi. Asumsi yang utama adalah data yang akan dianalisis harus berdistribusi
normal. Selanjutnya dalam penggunaan salah satu test mengharuskan data dua
kelompok atau lebih yag diuji harus homogeny, dalam regresi harus terpenuhi banyak
asumsi, misalnya data yang akan dianalisis tidak harus disebut “distribution free”
(bebas distribusi). Statistic parametris mempunyai kekuatan yang lebih daripada
statistic nonparametris, bila asumsi yang melandasi dapat terpenuhi.
Penggunaan kedua statistic tersebut juga tergantung pada jenis data yang
dianalisis. Statistic parametris kebanyakan digunakan untuk menganalisis data interval
dan rasio, sedangkan statistic nonparametris kebanyakan digunakan untuk
menganalisis data nominal, ordinal.

D. Pengolahan dan Analisis Data

Setelah data dikumoulkan dari lapangan dengan lengkap, maka tahap berikutnya
adalah mengolah dan menganalisis data, yang pada pokoknya terdiri dari langkah-
langkah sebagai berikut :
1. Editing
Apabila para pencari dara (pewawancara atau pengobservasi) telah
memperoleh data-data, maka berkas-berkas catatan informasi akan diserahkan
kepada para pengolah data. Kewajiban pengolah data yang pertama adalah
meneliti kembali catatan para pencari data itu untuk mengetahui apakah catatan-
catatan itu sudah cukup baik dan dapat segera disiapkan untuk keperluan proses
berikutnya. Aktivitas ini dikenal dengan proses editing.
Lazimnya editing dilakukan terhadap kuesioner-kuesioner yang disusun
terstruktur, dan yang pengisiannya melalui wawancara formal. Para editor bertugas
mengorek isinya kembali. Dengan cara ini diharapkan dapat meningkatkan
kualitas kebaikan data yang hendak diolah dan dianalisis.
Dalam editing ini, yang dikoreksi kembali adalah meliputi hal-hal: (1)
lengkapnya pengisian kuesioner; (2) keterbacaan tulisan atau catatan petugas
pengumpulan data; (3) kejelasan makna jawaban; (4) keajegan dan atau kesesuaian
jawaban satu dengan yang lainnya; (5) relevansi jawaban; dan (6) keseragaman
satuan data.

2. Coding
Apabila tahap editing telah selesai, dimana catatan jawaban kuesioner
dianggap cukup rapi dan memadai sebagai data yang baik, berikutnya dilakukan
coding, yaitu proses untuk mengklasifikasikan jawaban-jawaban para responden
menurut kriteria atau macam yang ditetapkan. Klasifikasi ini dilakukan dengan
cara menandai masing-masing jawaban dengan “tanda kode” tertentu, misal
dengan angka (angka kode). Contoh :
Pertanyaan : bagaimana kesan Bapak/Ibu/Saudara terhadap kebersihan di
desa ini ?
jawaban : bersih sekali 01 (kode)
bersih 02
cukup bersih 03
kotor 04
kotor sekali 05
tidak tahu 06
tidak bersedia menjawab 07
 Mengingat pertimbangan bahwa seyogianya pengumpul data mengetahui
terlebih dahulu kategori-kategori jawaban apa yang (akan) ada untuk
mengklasifikasikan ragam jawaban ke dalam suatu struktur klasifikasi, maka
sering juga dilakukan aktivitas bernama pracoding di mana setiap pertanyaan
dalam kuesioner selalu diikuti dengan serangkaian alternatif jawaban, yang pada
dasarnya merupakan kategori-kategori yang telah diberi kode sebekumnya. Ini
dikenal dengan “pertanyaan tertutup”, seperti dicontohkan di atas.
Agar data yang diperoleh mudah dianalisis serta disimpulkan untuk menjawab
masalah yang dikemukakan di dalam penelitian, maka jawaban-jawaban yang
beraneka ragam dari para responden harus diringkas terlebih dulu, dengan cara
menggolong-golongkannya ke dalam kategori-kategori tertentu yang telah
ditetapkan.
Sejumlah kategori disiarkan untuk keperluan coding dengan keharusan
memperhatikan 3 (tiga) petunjuk berikut ini, yaitu :
1) Bahwa setiap perangkat kategori harus dibuat dengan mendasarkan diri
kepada satu asas kriterium tunggal;
2) Bahwa setiap perangkat kategori harus dibuat lengkap, sehingga tidak ada
satu pun jawaban responden yang tidak mendapatkan tempatnya yang
tepat ke dalam kategori-kategori yang disediakan;
3) Bahwa kategori tersebut satu sama lain (dalam setiap perangkat) harus
saling terpisah tegas, dan tidak boleh saling overlap, sehingga dengan
demikian setiap jawaban responden yang masuk tidak akan mungkin dapat
dimasukkan ke dalam lebih dari satu kategori.

3. Menghitung Frekuensi
Setelah coding selesai dikerjakan, maka diketahui bahwa setiap kategori telah
menampung dan memuat data-data dalam jumlah (frekuensi) tertentu. Pada akhir
tahap coding ini peneliti akan memperoleh distribusi data dalam frekuensi-
frekuensi tertentu pada masing-masing kategori yang ada.
 Cara yang paling sederhana untuk menghitung frekuensi ini adalah dengan
cara “tallying”, seperti contoh berikut : (dari contoh di atas)

Kategori Tally (f)

Bersih sekali 5
Bersih 4
Cukup bersih 10
Kotor 16
Kotor sekali 17
Tidak tahu 3
Tidak bersedia menjawab 5
(f) : frekuensi

4. Tabulasi
Tabulasi adalah proses penyusunan data ke dalam bentuk tabel. Dari contoh di
atas apabila ditabulasikan adalah sebagai berikut :
TABEL X:Penilaian Warga Desa Y terhadap Kebersihan Desanya.
Penilaian f %
Bersih 9 15
Cukup bersih 10 16,66
Kotor 23 38,33
Tidak tahu 3 5
Tidak bersedia menjawab 5 8,33
Tabel : Tabulasi Sederhana

5. Tabel sebagai kerangka analisis data

Apabila penelitian bersifat deskroptif dan hipotesisnya hanya dengan variabel
tunggal, maka kerangka tabelnya hanya akan terisi satu perangkat kategori saja
(yang disusun secara vertikal). Kerangka tabel seperti ini memang hanya akan
membawa sampai ke analisis deskriptif, sedangkan tabelnya sendiri lebih
berfungsi sebagai pemapar gambaran deskriptif mengenai sesuatu variabel tertentu
saja. Karenanya tabulasi yang digunakan adalah tabulasi sederhana.
Melalui analisis deskriptif, di satu sisi akan didapatkan informasi yang bersifat
kuantitatif dan relatif cermat mengenai persebaran frekuensi data. Di sisi lain akan
diperoleh informasi lanutan berupa: (1) apakah yang lazim, normal, atau unik pada
suatu kelompok; (2) bagaimana dan atau berapa besar variasi-variasi yang ada
pada suatu kelompok tertentu. Apabila variabel yang dideskripsi itu bersifat
kuantitatif, maka informasi-informasi di atas akan lebih mudah diperoleh melalui
perhitungan secara statistik, bertolak dari informasi yang telah didapat mengenai
persebaran data antarkategori (antar klas).
Apabila penelitian yang dijalankan tersebut bersifat menerangkan dengan
hipotesis yang mempradugakan adanya hubungan dua variabel, maka jalan yang
ditempuh dengan memanipulasi analisis statistik yang dikerjakan, jelas tidak akan
berhenti sampai pada penyajian-penyajian deskriptif belaka, akan tetapi menjurus
pada usaha menemukan ada tidaknya hubungan antara dua variabel.
 BAB III
PENUTUP

A. Kesimpulan
B. Saran