Anda di halaman 1dari 40

 penelitianadalah merupakan cara ilmiah

untuk mendapatkan data yang valid. Untuk


bisa mendapatkan data yang valid tersebut,
maka peneliti harus terlebih mengetahui
macam-macam data.
 Macam data ada dua yaitu data kualitatif dan
data kuantitatif.
 Data kualitatif adalah data yang dinyatakan
dalam bentuk kata, kalimat, dan gambar.
 Data kuantitatif adalah data yang berbentuk
angka, atau data kualitatif yang diangkakan
(skoring: baik sekali = 4, baik = 3, kurang
baik = 2 dan tidak baik = 1).
 Data kuantitatif dibagi menjadi dua, yaitu
data diskrit/nominal dan data kontinum.
 Data nominal adalah data yang hanya dapat
digolong-golongkan secara terpisah, secara
diskrit atau kategori. Data ini diperoleh dari
hasil menghitung, misalnya dalam suatu klas
setelah dihitung terdapat 50 mahasiswa,
terdiri atas 30 pria dan 20 wanita. Dalam
suatu kelompok terdapat 1000 orang suku
Jawa dan 500 suku sunda dll. Jadi data
nominal adalah data diskrit.
 Data kontinum, adalah data yang bervariasi
menurut tingkatan dan ini diperoleh dari
hasil pengukuran. Data ini dibagi menjadi
data ordinal, data interval dan data ratio.
 Data ordinal adalah data yang berbentuk
rangking atau peringkat. Misalnya juara I, II,
III dan seterusnya. Data ini, bila dinyatakan
dalam skala, maka jarak satu data dengan
data yang lain tidak sama.
 Data interval, adalah data yang jaraknya sama tetapi tidak
mempunyai nilai nol (0) absulut / mutlak). Contoh skala
thermometer, walaupun ada nilai 00 C, tetapi tetap ada
nilainya. Data-data yang diperoleh dari pengukuran dengan
instrument sikap dengan skala Likert misalnya adalah
berbentuk data interval.
 Data ratio adalah data yang jaraknya sama, dan
mempunyai nilai nol mutlak. Misalnya data tentang berat,
panjang, dan volume. Berat 0 kg berarti tidak ada
bobotnya, panjang 0 m berarti tidak ada panjangnya. Data
ini dapat dirubah ke dalam interval dan ordinal. Data ini
juga dapat dijumlahkan atau dibuat perkalian secara
aljabar. Misalnya 2 m + 3 m = 7 m. Kalau dalam data
interval penjumlahannya tidak seperti dalam data ratio.
Misalnya air 1 gelas dengan suhu 200 C + air 1 gelas dengan
suhu 150C maka suhunya tidak menjadi 350 C, tetapi
sekitar 17, 50 C. Data rasio adalah data yang paling teliti.
 Data Primer
Data primer adalah secara langsung diambil dari
objek / obyek penelitian oleh peneliti
perorangan maupun organisasi. Contoh :
Mewawancarai langsung penonton bioskop 21
untuk meneliti preferensi konsumen bioskop.
 Data Sekunder
Data sekunder adalah data yang didapat tidak
secara langsung dari objek penelitian. Peneliti
mendapatkan data yang sudah jadi yang
dikumpulkan oleh pihak lain dengan berbagai
cara atau metode baik secara komersial maupun
non komersial. Contohnya adalah pada peneliti
yang menggunakan data statistik hasil riset dari
surat kabar atau majalah.
 Data Internal
Data internal adalah data yang
menggambarkan situasi dan kondisi pada
suatu organisasi secara internal. Misal : data
keuangan, data pegawai, data produksi, dsb.
 Data Eksternal
Data eksternal adalah data yang
menggambarkan situasi serta kondisi yang
ada di luar organisasi. Contohnya adalah data
jumlah penggunaan suatu produk pada
konsumen, tingkat preferensi pelanggan,
persebaran penduduk, dan lain sebagainya.
 Data Kuantitatif
Data kuantitatif adalah data yang dipaparkan
dalam bentuk angka-angka. Misalnya adalah
jumlah pembeli saat hari raya idul adha,
tinggi badan siswa kelas 3 ips 2, dan lain-
lain.
 Data Kualitatif
Data kualitatif adalah data yang disajikan
dalam bentuk kata-kata yang mengandung
makna. Contohnya seperti persepsi konsumen
terhadap botol air minum dalam kemasan,
anggapan para ahli terhadap psikopat dan
lain-lain.
 Data Diskrit
Data diskrit adalah data yang nilainya adalah
bilangan asli. Contohnya adalah berat badan
ibu-ibu pkk sumber ayu, nilai rupiah dari
waktu ke waktu, dan lain-sebagainya.
 Data Kontinyu
Data kontinyu adalah data yang nilainya ada
pada suatu interval tertentu atau berada
pada nilai yang satu ke nilai yang lainnya.
Contohnya penggunaan kata sekitar, kurang
lebih, kira-kira, dan sebagainya. Dinas
pertanian daerah mengimpor bahan baku
pabrik pupuk kurang lebih 850 ton.
 Data Cross Section
Data cross-section adalah data yang
menunjukkan titik waktu tertentu. Contohnya
laporan keuangan per 31 desember 2006, data
pelanggan PT. angin ribut bulan mei 2004, dan
lain sebagainya.
 Data Time Series / Berkala
Data berkala adalah data yang datanya
menggambarkan sesuatu dari waktu ke waktu
atau periode secara historis. Contoh data time
series adalah data perkembangan nilai tukar
dollar amerika terhadap euro eropa dari tahun
2004 sampai 2006, jumlah pengikut jamaah
nurdin m. top dan doktor azahari dari bulan ke
bulan, dll.
a. Kualitatif
 Berupa label/nama-nama yang digunakan
untuk mengidentifikasikan atribut suatu
elemen
 Skala pengukuran: Nominal atau Ordinal
 Data bisa berupa numeric atau nonnumeric
 Misalnya prestasi siswa sangat meningkat,
biaya sekolah sangat mahal, penyaluran BOS
sangat lancar, dsb.
b. Kuantitatif
 Mengindikasikan seberapa banyak (how
many/diskret atau how much/kontinu)
 Data selalu numeric
 Skala pengukuran: Interval dan Rasio
 Misalnya rata-rata nilai matematika siswa 80,
biaya SPP perbulan Rp 100.000,-, 99% siswa
dinyatakan tamat dan lulus, dan sebagainya
Data

Menurut Menurut Menurut Cara Menurut waktu


sifat sumber memperoleh pengumpulannya

Kualitatif Kuantitatif Primer Sekunder Time series Cross


section

Internal Eksternal
PEMBAGIAN DATA HIRARKI DATA

DATA
DATA RAS I O

DATA
DATA DATA INTERVAL
KUALITATIF KUANTITATIF

DATA
DATA DATA DATA DATA ORDINAL
NOMINAL ORDINAL INTERVAL RASI O

DATA
NOMINAL
DATA
STATISTIK DISKRIPTIF
•Diorganisasikan dalam kriteria tertentu
•Diringkas angka-angkanya
•Ditampilkan dalam gambar dan tabel

STATISTIK INDUKTIF
•Uji hipotesa
•Uji hubungan antar variable, dll

INFORMASI / KESIMPULAN
PENYAJIAN DATA
Tabel, grafik

RINGKASAN DATA
Central tedency, Variasi data,
Bentuk data
DATA
Ada dimensi waktu
STATISTIK
ANGKA INDEKS
Indeks Laspeyers,
Indeks Fisher, dll

TIME SERIES
Trend,
Dekomposisi data time series
Mulai

Identifikasi masalah
atau peluang

Kumpulan fakta intern dan


ekstern yang relevan
dengan permasalahannya

Kumpulkan data orisinil yang


Apakah fakta Tidak baru dengan menggunakan
yang tersedia wawancara, kuesioner melalui
cukup ? pos, dan lain-lain

Ya

Klasifikasi dan ikhtisarkan


data dengan menggunakan
tabel, grafik, dan ukuran
deskriptif numerik

Sajikan dan komunikasikan informasi


yang telah diikhtisarkan dalam bentuk
tabel, grafik, dan ukuran-ukuran
deskriptif

Gunakan informasi sampel untuk:


Apakah Ya 1) Mengevaluasi nilai parameter
informasinya 2) Menguji asumsi-asumsi tentang
dari sampel parameter
Tidak
Gunakan informasi sensus untuk
mengevaluasi alternatif rangkaian Interpretasikan hasilnya, tarik
tindakan dan mengambil keputusan kesimpulan, dan ambil keputusan

Selesai
Analisis Data

Data, Obyek, Variabel, dan Skala

Data : Hasil observasi terhadap lingkungan melalui pengukuran secara


obyektif dengan menggunakan alat pengukuran atau prosedur tertentu.
Observasi bertujuan untuk menjawab pertanyaan, seperti berapa banyak,
berapa besar, berapa panjang, berapa sering, berapa cepat, dimana, dan
macam apa.
Observasi memiliki karakteristik, yaitu direpresentasikan oleh angka,
dimana angka mempunyai kelebihan yang nyata berbeda dibandingkan
dengan kata-kata.

Obyek : Sumber observasi yang menghubungkan pengertian dengan


angka. Sumber observasi, misalnya: individu, tanaman, hewan, keluarga,
tanah, periode dll.
Analisis Data

Variabel : Pengukuran terhadap obyek, dengan memperhatikan beberapa karakteristik


yang menyatakan secara tidak langsung bahwa obyek-obyek berbeda dalam
karakteristiknya, dimana karakteristik dapat mengandung sejumlah nilai yang
berbeda.

Skala : Sebagaimana telah disebutkan bahwa variabel adalah karakteristik obyek


yang dapat mengandung dua atau lebih nilai yang mempunyai skala tertentu.
Skala adalah suatu skema representasi numerik dari nilai-nilai suatu variabel.

Skala nominal dan Skala ordinal dikategorikan sebagai


skala non-metrik, dengan tipe variabel kualitatif. Skala
interval dan skala rasio diklasifikasikan ke dalam skala
metrik, dengan tipe variabel kuantitatif.
 Penelitian Eksplanatif  menjelaskan hubungan antar
variabel  menguji hipotesis  hampir selalu
kuantitatif.
 Hubungan antar variable yang paling dasar adalah:
 Hubungan antar dua variable: variable bebas
(Variabel pengaruh/independent variable) dengan
simbol X dan variable terikat (variabel terpengaruh/
dependent variable) dengan simbol Y
 Hubungan antar variable independen/bebas dan
variabel dependen/terikat  tidak selalu menunjukkan
hubungan SEBAB AKIBAT.
Ada 3 elemen dalam hubungan sebab akibat  Neuman (2000):
 KONDISI TATA TEMPORAL ( temporal order)
 SEBAB harus ada sebelum AKIBAT,  asumsi ini
menghasilkan arah sebab akibat yaitu dari sebab ke akibat
 merupakan salah satu kondisi yang dibutuhkan untuk
kausalitas
 Peneliti juga perlu “ ASOSIASI”
 Dua gejala berasosiasi ketika keduanya terjadi bersama-
sama dalam cara terpola atau muncul secara bersama
 Mengeliminasi ”ALTERNATIF”
 AKIBAT disebabkan oleh variable SEBAB dan bukan
karena hal lain.
 Dilakukan dengan mengendalikan variable lain (peneliti
biasanya menggunakan teknik statistik)
 Penjelasan sebab akibat  dalam bentuk linier
(garis lurus) A  B, B  C, C  D
 Sebab akibat yang baik menentukan mekanisme
sebab akibat. X menyebabkan Y, Y terjadi karena X,
dimana X dan Y adalah konsep.
 Banyak peneliti, menyatakan hubungan sebab
akibat dalam bentuk prediksi:
 X terjadi, maka Y mengikuti,
 X menghasilkan Y
 X mempengaruhi Y,
 X berubungan denganY,
 semakin besar X maka semakin besar Y dsb
 Hubungan positif : nilai tertinggi pada variable sebab sama
dengan nilai tertinggi pada variable akibat
 Semakin tinggi tingkat pendapatan, maka semakin tinggi
angka daya beli masyarakat.
 Semakin rendah semangat belajar, semakin rendah IPK
mahasiswa
 Hubungan negatif: nilai tertinggi pada variable sebab
seiring dengan nilai terendah pada variable akibat.
 Semakin sering pasangan menghadiri layanan keagamaan,
maka semakin rendah peluang terjadinya perceraian.
 Semakin tinggi pendidikan, maka semakin rendah derajad
fatalismenya
1. Hubungan Simetris  apabila variable yang satu
tidak disebabkan atau dipengaruhi oleh variable
yang lainnya.
 Ada empat (4) jenis hubungan simetris, yaitu:
 Kedua variable merupakan indicator untuk
konsep yang sama
 Kedua variable merupakan akibat dari factor
yang sama
 Kedua variable berkaitan secara fungsional
 Hubungan yang kebetulan semata-mata
 hubungan di mana suatu variable dapat menjadi
sebab dan juga akibat dari variable lainnya
 Dalam penelitian sosial tidak pernah ditemui
hubungan timbal balik yang murni.
 Bagaimana hubungan timbal balik dalam penelitian
ilmu sosial?
 apabila variable yang satu mempengaruhi variable
yang lainnya.
 Ada enam (6) jenis hubungan asimetris, yaitu:
 Hubungan antara stimulus dan respons
 Hubungan antara disposisi dan respon
 Hubungan antara ciri individu dan disposisi atau tingkah laku
 Hubungan antara prekondisi dan akibat tertentu
 Hubungan yang imanen
 Hubungan antara tujuan dan cara
 Penelitian survei pada umumnya diarahkan
pada hubungan asimetris.
 Dalam penelitian survai dan penelitian sosial,
pada dasarnya hubungan antar variable yang
dimaksud adalah hubungan asimetris yang lebih
diarahkan pada hubungan antara dua (2) variable
pokok yaitu variable pengaruh (X) dan variable
terpengaruh (Y).
 Variabel X dan Y sering disebut sebagai variable
pokok.
 Hubungan antar variable pokok tersebut
merupakan titik awal analisis dalam penelitian
sosial
 Bivariat (hubungan antara dua variable saja)

X Y
 Multivariat
(Hubungan antara beberapa variable
pengaruh dan satu variable terpengaruh)

 Satu syarat yang harus dipenuhi pada pola ini adalah


bahwa antar variable pengaruh harus independen satu
terhadap lainnya.

X1

X2
Y
X3

Xn
 Dalam penelitian lingkungan hubungan
tunggal antara satu variable dengan variable
lainnya hampir tidak pernah ada dalam
realita.
 Karena itu, kesimpulan yang di dapat dari
hubungan antara dua variable harus dianggap
sebagai kesimpulan sementara, spurious dan
harus diinterpretasikan secara hati-hati.
 Dalam penelitian lingkungan hubungan antar dua
variable pokok hampir tidak pernah ditemui 
mengingat hasilnya merupakan kesimpulan
sementara, spurious--,  MAKA peneliti kemudian
menggunakan:
pola multivariate, atau
 dengan memasukkan variable tambahan yang
mempengaruhi hubungan variable pengaruh-
terpengaruh ke dalam analisis.
 Variable tambahan ini yang disebut sebagai variable
kontrol.
 Pengaruh variable tambahan dapat ‘dikontrol’
melalui sistem analisis, atau dengan cara penentuan
 variable penekan (suppressor variable)
yang dapat mengaburkan hubungan antara
variable pengaruh - terpengaruh.
 Contoh .....
 variable pengganggu (distorter variable)
yang dapat membelokkan arah hubungan
antara variable pengaruh – terpengaruh.
 Contoh .....
 Variabel antara (intervening variable). Variabel
ini dapat menguatkan hubungan antara variable
pengaruh – terpengaruh
 Contoh .....
 Variabel pendahulu (antecedent variable)
Variabel ini mendahului variable pengaruh. (ingat
bahwa teori terdiri dari unsur eksplanan dan
eksplanandum)
 Contoh .....
Analisis Data

 STATISTIK INFERENSIAL
Diutamakan untuk mempelajari karakter-karakter dalam jumlah
yang terbatas pada sejumlah kecil individu

 STATISTIK MULTIDIMENSI
Statistik deskriptif yang memungkinkan suatu studi global dari
sejumlah besar individu dan variabel, yang secara umum
dipresentasikan dalam bentuk grafik
Analisis Data

 STATISTIK PARAMETRIK
Didasarkan pada pengukuran dari suatu distribusi normal (nilai tengah,
simpangan baku)
 STATISTIK NONPARAMETRIK
Tidak didasarkan pada asumsi bentuk distribusi populasi. Umumnya
digunakan pada studi populasi yang berdistribusi tidak normal

 PEROLEHAN DATA NUMERIK


• Logik (mis. Tidak mengukur juvenil dengan dewasa untuk data dewasa)
• Dapat dibandingkan (mis. Jangan mencampurkan panjang baku dengan
panjang total)
• Standar (diukur dengan metode yang sama, mis. Jangan
mengkombinasikan ukuran mm dengan menggunakan penggaris dan
kaliper)
• Memadai (ukuran contoh atau frekuensi kejadian harus mewakili populasi,
mis. Lebih besar dari 20 dan dalam banyak kasus lebih besar dari 50)
• Bersifat acak
Analisis Data

Anggaplah satu kelompok data individu-karakter yang berisi n observasi dan p


variabel, dimana diasumsikan bahwa p variabel dapat dibagi ke dalam 2 kelompok: satu
kelompok sebagai variabel independen, dan satu kelompok lainnya sebagai variabel
dependen. Untuk menganalisis tipe data seperti ini dapat digunakan metode statistik
yang mengarah pada Metode Dependen.

Metode dependen menelaah ada atau tidak adanya hubungan antara 2 kelompok
Analisis Data

Di sisi lain, apabila pada kelompok data yang ada tidak mungkin dilakukan pemisahan
variabel-variabel atas kelompok variabel independen dan kelompok variabel
dependen, maka analisis statistik yang dilakukan bertujuan untuk mengidentifikasi
bagaimana dan mengapa variabel-variabel berhubungan antara mereka. Metode
statistik untuk menganalisis data seperti ini disebut Metode Interdependen.