OLEH :
KELOMPOK 5
1.1 PENYUNTINGAN
Penyuntingan dilakukan untuk mendeteksi kesalahan dan penghilangan, melakukan
perbaikan bila diperlukan dan menjamin bahwa standar kualitas data maksimum sudah
dicapai. Tujuan penyuntingan adalah menjamin bahwa data akurat, konsisten dengan maksud
pertanyaan dan informasi lain dalam survei, dimasukkan secara seragam, lengkap, serta diatur
untuk menyederhanakan penyandian dan tabulasi.
a. Penyuntingan Lapangan
Tinjauan penyuntingan lapangan adalah tanggung jawab pengawas lapangan, harus
segera dilakukan sesudah data dikumpulkan. Fungsi kontrol kedua dari pengawas
lapangan adalah melakukan validitas hasil lapangan. Periset melakukan wawancara
ulang atas beberapa persen dari responden, paling sedikit untuk beberapa pertanyaan
guna memverifikasi bahwa mereka telah berpartisipasi dan bahwa pewawancara
melakukan wawancara secara memadai.
b. Penyuntingan Sentral
Pada penyuntingan sentral, data harus menjalani penyuntingan menyeluruh. Untuk
sebuah studi kecil, pemakaian penyuntingan tunggal akan menghasilkan konsistensi
maksimum. Dalam studi besar, tugas penyuntingan harus dialokasikan agar tiap-tiap
penyunting menangani bagian secara keseluruhan. Beberapa aturan yang bermanfaat
untuk menuntun penyunting dalam pekerjaan mereka adalah sebagai berikut:
1. Memahami instruksi yang diberikan kepada pewawancara dan pembuat sandi;
2. Jangan menghancurkan, menghapus atau membuat tak terbaca entri asli yang
dibuat oleh pewawancara; entri asli harus tetap dibaca;
3. Buat semua entri penyuntingan pada instrumen dengan warna yang mencolok dan
dalam bentuk standar;
4. Beri paraf semua jawaban yang diubah atau diberikan;
5. Beri paraf dan tanggal penyuntingan pada tiap instrumen yang sudah diselesaikan.
1
1.2 PENYANDIAN
Penyandian adalah pemberian nomor atau simbol lain pada jawaban agar tanggapan
dapat dikelompokkan ke dalam jumlah kategori yang terbatas. Dalam penyandian, kategori
adalah pembagian sekumpulan data dari variabel tertentu. Kategorisasi adalah proses
penggunaan aturan atau membagi sekumpulan data.
Pengurangan informasi melalui penyandian mensyaratkan periset untuk mendesain
kumpulan kategori secara cermat, serta menggunakan sebanyak mungkin data. Buku kode
adalah pedoman untuk mengurangi kesalahan entri data dan berfungsi sebagai ringkasan
berbagai lokasi dan infromasi lain dalam tahap analisis.
Alasan utama penggunaan penyandian ini adalah informasi yang tidak memadai atau
tidak adanya hipotesis yang dapat menghambat persiapan kategori tanggapan sebelumnya.
Periset dipaksa untuk melakukan kategori tanggapan sesudah data dikumpulkan. Alasan lain
penggunaan tanggapan terbuka mencakup kebutuhan untuk mengukur perilaku yang sensitif
atau tidak disetujui, menemukan hal yang menonjol atau hal yang penting atau mendorong
suatu ekspresi yang alami. Begitu pula, mungkin lebih mudah dan efisien bagi partisipan
untuk menulis dalam jawaban pendek daripada membaca sebuah daftar panjang berisi
berbagai pilihan. Namun apabila menganalisis pertanyaan terbuka dalam jumlah yang besar
2
tentunya akan memperlambat proses analisis dan meningkatkan kemungkinan terjadinya
kesalahan. Variasi jawaban untuk satu pertanyaan dapat membingungkan dan menghambat
kategorisasi pasca pengumpulan. Bahkan ketika kategori sudah diantisipasi dan disandikan
sebelumnya untuk pertanyaan terbuka, begitu data dikumpulkan, periset mungkin merasa
perlu menilai ulang kategori yang sudah ditetapkan sebelumnya.
Aturan Penyandian
Terdapat empat aturan sebagai pedoman penyandian awal dan pascapenyandian serta
kategorisasi kumpulan data, yaitu:
1. Kesesuaian
Kesesuaian ditentukan dengan dua tingkat yaitu: (1) pemisahan terbaik atas data
untuk pengujian hipotesis dan menunjukkan hubungannya; serta (2) ketersediaan data
pembanding. Sebagai contoh, rentang usia sensus Amerika Serikat, basis data
pelanggan yang mencakup rentang usia atau data usia yang tersedia dari Fox TV yang
digunakan untuk melakukan pembelian media iklan.
2. Kelengkapan
Tanggapan “lain-lain” dalam jumlah besar menunjukkan bahwa skala pengukuran
yang dirancang oleh periset tidak mengantisipasi rentang informasi secara lengkap.
Lebih baik menggolongkan tanggapan dalam konsep lain seperti fokus yang tepat dari
harapan dan variasi dalam tanggapan. Sebagai contoh, tanggapan terhadap sebuah
pertanyaan terbuka mengenai prospek ekonomi keluarga untuk tahun berikutnya, pada
awalnya dikategorikan hanya dalam hal “optimistik” atau “pesimistik”.
3. Eksklusivitas Satu Sama Lain
Standar ini dipenuhi jika suatu jawaban tertentu hanya dapat diletakkan dalam satu sel
sekumpulan kategori. Skema kategorisasi seorang penyunting mencakup: (1)
profesional, (2) manajerial, (3) penjualan, (4) administrasi, (5) kerajinan tangan, (6)
operatif dan (7) pengangguran. Salah satu pilihan adalah menambahkan bidang
pekerjaan-kedua pada kumpulan data; pilihan lainnya adalah mengembangkan sandi
yang berbeda untuk setiap kombinasi multi-pekerjaan yang unik.
4. Dimensi Tunggal
Kebutuhan akan sekumpulan kategori untuk mengikuti prinsip klasifikasi tunggal
berarti bahwa semua pilihan dalam kumpulan kategori didefinisikan berkaitan dengan
satu konsep atau konstruk.
3
Menggunakan Analisis Isi untuk Pertanyaan Terbuka
1. Jenis-Jenis Isi
Analisis isi mengukur isi semantik atau aspek “apa” dari suatu pesan. Keleluasannya
menjadikan alat ini sebagai alat yang fleksibel dan memiliki rentang luas yang dapat
digunakan sebagai metodologi yang berdiri sendiri atau sebagai teknik bagi masalah
spesifik. Masing-masing jenis unit merupakan dasar untuk melakukan penyandian
teks ke dalam kategori yang ekskulsif secara mutual dalam pencarian maknanya.
- Unit sintaksis dapat berupa fakta, frasa, kalimat atau alinea;
- Unit referensi digambarkan oleh kata, frasa dan kalimat; unit ini dapat berupa
obyek, kejadian, orang dan sebagainya, yang dirujuk oleh ekspresi verbal atau
tulisan;
- Unit proposisi adalah asersi atau penegasan mengenai suatu obyek, kejadian,
orang dan sebagainya;
- Unit tematik adalah topik yang terkandung di dalam teks; unit ini menggambarkan
abstraksi tingkat yang lebih tinggi yang disimpulkan dari teks dan konteksnya.
2. Apa Isi yang Dianalisis?
Analisis isi dapat digunakan untuk menganalisis data tertulis, audio atau video yang
berasal dari eksprimen, observasi, survei serta studi data sekunder. Data nyata yang
akan dianalisis isi mencangkup catatan dari kelompok fokus, catatan dari wawancara
dan tanggapan survei terbuka. Langkah pertama dalam analisis mensyaratkan bahwa
unit yang dipilih atau dikembangkan dapat membantu menjawab pertanyaan. Langkah
kedua menghasilkan kategori untuk perencanaan tindakan: (1) hubungan antar
manusia; (2) teknologi; (3) pelatihan; (4) perencanaan strategi; (5) bidang tindakan
lain; (6) tidak ada area tindakan yang diidentifikasi.
5
Tiga teknik dasar dapat digunakan untuk menyelamatkan kumpulan data yang
mengandung data yang hilang:
a. Penghapusan menurut daftar, analisis kasus lengkap, merupakan pendekatan
paling sederhana, dan merupakan pilihan default dalam kebanyakan paket statistik
seperti SPSS dan SAS. Dengan metode ini kasus-kasus dihapus dari sampel
apabila mempunyai nilai yang hilang pada variabel mana pun di dalam analisis.
b. Penghapusan menurut pasangan, analisis kasus tersedia, mengasumsikan data
adalah MCAR.
Penggunaan Persentase
Penggunaan persentase dalam penyajian data memiliki dua tujuan yaitu (1) persentase
akan menyederhanakan data dengan mengurangi semua angka ke dalam rentang 0 sampai
dengan 100 dan (2) persentase akan menerjemahkan data ke dalam bentuk standar dengan
basis 100 untuk perbandingan relatif. Penggunaan persentase yang baik perlu untuk
memperhatikan rata-rata persentase dengan menggunakan rata-rata tertimbang, jangan
menggunakan persentase yang terlalu besar dan lebih dari 100 persen karena persentase tidak
akan melampaui 100 dan hindari memakai basis yang terlalu kecil. Pedoman berikut akan
membantu mencegah kesalahan dalam pelaporan apabila digunakan selama analisis, yaitu:
Merata-ratakan persentase
Menggunakan persentasi yang terlalu besar
Memakai basis yang terlalu kecil
Penurunan persentase tidak pernah melampaui 100 persen.
3. UJI HIPOTESIS
9
3.1 PENDAHULUAN
Hipotesis merupakan kebenaran sementara yang perlu diuji kebenarannya. Hipotesis
dapat dirumuskan berdasarkan teori, dugaan, pengalaman pribadi/orang lain, kesan umum,
kesimpulan yang masih bersifat sementara. Hipotesis juga merupakan jawaban sementara
terhadap rumusan masalah. Pemikiran induktif bergerak dari fakta spesifik menuju general.
Estimasi probabilitas dapat menolong dalam mengkualifikasi hasil dan menetapkan tingkat
kepercayaan terhadapnya.
Kesimpulan statistik adalah aplikasi dari pendekatan induktif. Ini memberikan alasan
terhadap fakta-fakta yang diperoleh dalam kesimpulan sampel yang diharapkan mengenai
populasi. Proses evaluasi keakuratan hipotesis dengan menggunakan kemungkinan statistik
yang mampu mengungkapkan perbedaan sesungguhnya, yang mengukur signifikansi praktik
dari berbagai perubahan yang diukur. Terdapat dua pendekatan untuk menguji hipotesis:
Statistik klasik menggambarkan pandangan objektif probabilitas yang mana
pembuatan keputusan terletak pada data sampel yang tersedia secara total.
Statistik bayesian terdiri dari estimasi subjektif probabilitas yang ditetapkan pada
tingkat kepercayaan. Estimasi subjektif didasarkan pada penelitian umum
dibandingkan dengan pengumpulan data spesifik.
Signifikansi Statistik
Berdasarkan pendekatan statistik klasik, kita menerima atau menolak suatu hipotesisi
berdasarkan estimasi pengambilan sampel saja. Sampel sering kali tidak menggambarkan
populasi, sehingga perlu mempertimbangkan apakah perbedaan tersebut secara statistik
signifikan atau tidak. Suatu perbedaan dikatakan mimiliki signifikansi statistik apabila ada
alasan yang bagus untuk percaya bahwa perbedaan tersebut tidak hanya mewakili fluktuasi
sampel acak saja.
Terdapat dua jenis pengujian hipotesis yang dikenal dalam penelitian, yaitu hipotesis
direksional dan hipotesis non direksional.
a. Hipotesis direksional adalah rumusan hipotesis yang arahnya sudah jelas atau disebut
juga hipotesis langsung. Pengujian ini terdiri dari dua yaitu uji pihak kiri atau uji
pihak kanan.
- Uji pihak kanan: H0 akan diterima apabila + t table ≥ t hitung
Daerah
penolakan H0
Daerah penerimaan
H0
t tabel
11
b. Hipotesis non direksional (tidak langsung) adalah hipotesis yang tidak menunjukkan
arah tertentu. Pengujian ini menggunakan uji dua pihak (two tailed test). Kriteria
penerimaan H0 pada pengujian dua pihak adalah: -t tabel ≤ t hitung ≤ + tabel
Daerah penolakan H
Daerah penolakan H
(daerah kritis)
(daerah kritis)
t1 t2
13
3.2 UJI SIGNIFIKANSI
Jenis-jenis Pengujian
Uji parametrik lebih kuat, karena data berasal dari pengukuran interval dan rasio.
Sedangkan uji nonparametrik digunakan untuk menguji data nominal ataupun ordinal.
Asumsi uji parametrik meliputi:
1. Observasi harus bersifat independen
2. Observasi seharusnya menggambarkan populasi terdistribusi normal
3. Populasi seharusnya memiliki varians yang sama
4. Skala pengukuran seharusnya paling tidak berupa interval, sehingga operasi
aritmatika dapat digunakan.
2
k
(O i−Ei )2
X =∑
i=1 Ei
Keterangan:
O i = jumlah kasus yang observasi
Ei = jumlah yang diharapkan
k = jumlah kategori
14
Terdapat distribusi perbedaan X 2 untuk setiap derajat kebebasan (degree of
freedom) yaitu: d.f. = k – 1
Dengan kontigensi tabel chi-square dua sampel atau k-sampel, kita memiliki baik
kolom maupun baris pada table cross-classification, sehingga:
d.f. = (r – 1) (c – 1)
H0 ditolak apabila X 2 hitung ≥ X 2tabel ,dan menerima H0 apabila X 2 hitung≤ X 2tabel.
15
Uji T untuk sampel independen akan tidak seuai untuk situasi ini karena salah
satu asumsinya adalah bahwa pengamatan independen. Masalah ini
diselesaikan dengan rumus di mana perbedaan diketemukan antara masing-
masing pasangan pengamatan yang cocok, sehingga mengurangi dua sampel
setara dengan satu kasus sampel.
Uji Nonparametrik
Tes McNemar dapat digunakan dengan data baik nominal atau ordinal dan
sangat berguna dengan sebelum-setelah pengukuran subyek yang sama.
3. Uji k-Sampel (Lebih Dari Dua Sampel)
Pengujian ini tidak berbeda dari pengujian dua sampel, perbedaannya terletak pada
jumlah sampel yang diuji, yaitu lebih dari dua sampel terlibat. Dalam kondisi ini,
untuk mengetahui apakah sampel mungkin berasal dari populasi yang sama atau
identik. Ketika data diukur pada skala interval-rasio dan kita dapat memenuhi asumsi
yang diperlukan, analisis varian dan uji F digunakan. Jika analisis awal menunjukkan
asumsi tidak dapat dipenuhi atau jika data diukur pada skala ordinal atau nominal, tes
nonparametrik harus dipilih.
a. Uji k-sampel Independen
Uji Parametrik
Menguji hipotesis ini adalah dengan menggunakan ANOVA (analysis of
variance). Untuk menggunakan ANOVA, kondisi tertentu yang harus
dipenuhi. Sampel harus dipilih secara acak dari populasi normal, dan populasi
harus memiliki varian yang sama. Selain itu, jarak dari satu nilai ke rata-rata
kelompok nya harus independen dari jarak nilai-nilai lain ke rata-rata itu.
Uji Nonparametrik
Jika ada sampel independent k yang data nominalnya telah dikumpulkan, uji
chi-square dapat diterapkan.
Tes Kruskal-Wallis sesuai untuk data yang dikumpulkan pada skala ordinal
atau untuk data interval yang tidak memenuhi asumsi uji-F, yang tidak dapat
diubah, atau karena alasan lain terbukti tidak cocok untuk uji parametrik.
16
Uji k-sampel berpasangan diperlukan untuk situasi di mana (1) faktor
pengelompokan memiliki lebih dari dua tingkat, (2) pengamatan atau subjek
dicocokkan atau subjek yang sama diukur lebih dari sekali, dan (3) data
setidaknya selang. Dalam percobaan pemasaran percobaan atau desain ex post
facto dengan sampel k, sering kali perlu mengukur subjek beberapa kali.
Pengukuran berulang ini disebut percobaan. Misalnya, beberapa pengukuran
diambil dalam studi harga saham, produk dievaluasi oleh keandalan,
inventaris, penjualan, dan ukuran kinerja produk. Hipotesis untuk situasi ini
dapat diuji dengan model linier umum univariat atau multivariat.
Uji Nonparametrik
Ketika sampel terkait k telah diukur pada skala nominal, uji Cochran Q adalah
pilihan yang baik. Tes ini memperluas tes McNemar, untuk studi yang
memiliki lebih dari dua sampel. Ini menguji hipotesis bahwa proporsi kasus
dalam kategori sama untuk beberapa kategori terkait. Ketika data paling tidak
bersifat ordinal, analisis varian dua arah Friedman sesuai. Ini menguji sampel
yang cocok, menentukan peringkat setiap kasus dan menghitung peringkat
rata-rata untuk setiap variabel di semua kasus. Digunakan peringkat ini untuk
menghitung statistik uji.
17
Woldfowit
z
Interval t-test t-test for t-test Repeate One-Way Korela
dan ratio Z test related Z test d- ANOVA si
measure n-way Produc
s ANOVA t
ANOVA Mome
nt
Korela
si
Parsial
Korela
si
Ganda
Regresi
sederha
na dan
Ganda
REFERENSI
Cooper, Donald R. dan Pamela S. Schindler. 2006. Metode Riset Bisnis Volume 1 Edisi 9.
Jakarta: Grafindo.
18
19