TANGGAPAN

FORUM DISKUSI 7 - MATA KULIAH

METODE KUANTITATIF - EKMA5103.01

Disusun oleh:
MATSAID BUDI REKSONO
NIM: 530015107

PROGRAM PASCASARJANA
PROGRAM STUDI MAGISTER MANAJEMEN
BIDANG MINAT KEUANGAN
UNIVERSITAS TERBUKA
2018
Forum Diskusi 7

Saudara mahasiswa, silakan pelajari serta diskusikan dengan sesama temannya mengenai topik
Analisis Frekwensi Data Kategorik pada inisiasi ke-7 yang terdapat dalam modul. Jelaskan
manfaat serta kelemahan dari analisis dimaksud. Selamat berdiskusi.

Tutor

===========================

1. Analisis Data
Dalam sebuah penelitian, data harus disusun dan disajikan dalam entuk yang mudah
dipahami. Hal ini penting karena akan memudahkan analisis dan pembacaan dari data hasil
penelitian. Penyajian data secara umum dapat dengan tabel frekeunsi atau diagram (grafik)
Selanjutnya dalam penelitian analisis data merupakan kegiatan setelah seluruh data
terkumpul,dan di kelompokkan berdasarkan variabel dan jenis responden.Teknik analisis data
dalam penelitian menggunakan statistik. Statistik yamg biasanya di gunakan untuk menganalisis
data ada dua macam yaitu, Statistik deskriptif dan Statistik Inferensial.
Setelah Analisis data selesai dilakukan maka di lakukannya validitas dan reabiliitas
penelitian.dan data yang di peroleh akan valid,reliabel dan obyektif. Validitas merupakan derajat
ketepatan antara data yang terjadi pada obyek penelitian dengan daya yang dapat di laporkan
oleh peneliti.dalam hal Reliabilitas Susan stainback (1988), menyatakan bahwa reabilitas
berkenaan dengan data konsistensi dan stabilitas data atau temuan
Kata analysis berasal dari bahasa Greek (Yunani), terdiri dari kata “ana” dan “lysis“. Ana artinya
atas (above), lysis artinya memecahkan atau menghancurkan. Secara difinitif ialah: ”Analysis is
a process of resolving data into its constituent components to reveal its characteristic elements
and structure” Ian Dey (1995: 30). Agar data bisa dianalisis maka data tersebut harus dipecah
dahulu menjadi bagian-bagian kecil (menurut element atau struktur), kemudian
menggabungkannya bersama untuk memperoleh pemahaman yang baru. Analisa data merupakan
proses paling vital dalam sebuah penelitian. Hal ini berdasarkan argumentasi bahwa dalam
analisa inilah data yang diperoleh peneliti bisa diterjemahkan menjadi hasil yang sesuai dengan
kaidah ilmiah. Maka dari itu, perlu kerja keras, daya kreatifitas dan kemampuan intelektual yang
tinggi agar mendapat hasil yang memuaskan. Analisis data berasal dari hasil pengumpulan data.
Sebab data yang telah terkumpul, bila tidak dianalisis hanya menjadi barang yang tidak
bermakna, tidak berarti, menjadi data yang mati, data yang tidak berbunyi. Oleh karena itu,
analisis data di sini berfungsi untuk mamberi arti, makna dan nilai yang terkandung dalam data
itu (M. Kasiram, 2006: 274).
Analisis data disebut juga pengolahan data dan penafsiran data. Analisi data adalah
rangkaian kegiatan penelaahan, pengelompokan, sistematisasi, penafsiran dan verivikasi data
agar sebuah fenomena memiliki nilai social, akademis dan ilmiah. Kegiatan dalam analisis data
adalah : mengelompokan data berdasarkan variabel dan jenis responden, mentabulasi data
berdasarkan variabel dan seluruh responden, menyajikan data tiap variabel yang diteliti,
melakukan perhitungan untuk menjawab rumusan masalah dan melakukan perhitungan untuk
menguji hipotesis, langkah terakhir tidak dilakukan. Tujuan analisa menurut Sofian Effendi
dalam bukunya Metode Penelitian Survai (1987 : 231) adalah menyederhanakan data dalam
bentuk yang lebih mudah dibaca dan diinterpretasi. Dalam penelitian strukturalistik, data yang
berupa kualitatif (kata-kata) dikuantifikasikan terlebih dahulu kemudian dianalisis secara
statistikan bertujuan untuk menjelaskan fenomena, menguji hipotesis kerja dan mengangkat
sebagai temuan berupa verifikasi terhadap teori lama dan teori baru. Sedangkan dalam penelitian
naturalistik data bisa berupa kata-kata maupun angka. Data yang bersifat kuantitatif (angka)
tidak perlu dikualitatifkan terlebih dahulu dan tidak menguji hipotesis/teori, melainkan untuk
mendukung pemahaman yang dilakukan oleh data kualitatif dan menghasilkan teori baru
Menurut beberapa ahli, analisis data dapat didefinisikan sebagai berikut:
1. Menurut Patton (1980), analisis data adalah proses mengatur ukuran data,
mengorganisasikannya ke dalam suatu pola, kategori, dan satuan uraian dasar.
2. 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.
3. 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
2. Analisis Frekwensi Data Kategorik
Data Kategorik adalah semua data dengan bentuk akhir (Final Data) berupa data non-
numerik, tetapi berupa kategori, level, pernyataan, symbol, penamaan, dll. Contoh jenis kelamin
(L atau P), tempatya tinggal/region (Urban, Rural), tingkat pendidikan (SD, SMP, SLTA, PT),
respon konsumen pada produk (Puas, Cukup, Kurang puas), dll.
Analisis data kategorik dapat dilakukan, bilamana kita mencoba membuat analisa, ada
keterkaiatan satu faktor/variabel kategorik dengan faktor lain. Seperti adanya keterkaitan antara
perbedaan jenis kelamin dengan tingkat pendidikan, atau tempat tinggal, atau kesenangan
berpolitik, atau mengkonsumsi bakso, dll.
Pada saat sudah akan ditetapkan faktor/variabel yang diteliti dan dicoba akan dianalisis,
maka deskripsikan data faktor/variabel itu dalam tabel kontingensi (Crosstab) sehingga tampak
persilangan natar kategori/level dari semua faktor yang dilibatkan untuk dianalisis.
Ada beberapa pendekatan atau metode analisis yang dimaksud disini. Yaitu :
(1) Analisis Asosiasi
Yaitu untuk melihat adanya perbedaan, sehingga dikatakan adanya hubungan antar
faktor/variabel yang diteliti). Untuk analisis ini digunakan ukuran selisih proporsi pada faktor
utama untuk perbedaan level/kategori. Seperti perbedaan proporsi atau persentase dari laki-laki
dan perempuan, yang menyenangi punya banyak anak.
(2) Analisis Perbandingan (Ratio Prevalensi)
Yaitu ukuran yang dapat dipakai dalam analisisata kategorik untuk melihat perbandingan dari
adanya perbedaan dalam level/kategori faktor utama. Seperti, kita ingin tahu berapa kali lebih
banyak/lebih sedikit antara mahasiswa dan mahasiswi yang bolos kuliah. Atau berapa
perbandingan mahasiswa yang lulus Statistika Non-parametrik dibandingkan mahasiswi.
(3) Analisis Kecenderungan (Odd’s Value)
Yaitu ukuran yang dipakai untuk ,elihat kecenderungan dari setiap kategori/level pada faktor
utama, dengan perbedaan kategori faktor lain (Faktor kedua, ketiga, atau ke-k ; yang Unt
kemudian disebut faktor/variabel Tujuan) Untuk itu juga diperbandingkan milai proporsi katgori
tertentpada faktor utama, untuk perbedaan level/kategori faktor tujuan.
Beberapa manfaat analisis frekuensi data kategorik antara lain sebagai berikut:
(1) Pengorganisasian data menjadi lebih bermakna dan tentunya mudah dipahami.
(2) Mempermudah dalam pembacaan data dan membandingkan set data yang diperoleh.
(3) Mempermudah dalam penghitungan ukuran rata-rata dan penyebaran data.
(4) Mempermudah dalam menentukan bentuk distribusi data.
(5) Mempermudah peneliti dalam menampilkan data dalam bentuk table dan grafik.
 Sedangkan beberapa kelemahan dari analisis frekwensi data kategorik antara lain adalah
(1) Memerlukan data mentah yang sangat banyak dan bervariasi untuk dapat diolah menjadi
sebuah data yang diharapkan.
(2) Kesimpulan yang diperoleh belum tentu valid karena tidak melalui hipotesis terlebih dahulu
dan hanya mengandalkan pada pengamatan terhadap data yg ada.

3. Analisis Chi Kuadrat (X2)

Salah satu contoh penerapan analisis frekuensi data kategorik adalah penyelesaian dengan
metode Chi Kuadrat (X2). Uji Chi Kuadrat merupakan salah satu uji statistic no-parametik
(distribusi dimana besaran – besaran populasi tidak diketahui) yang cukup sering digunakan
dalam penelitian yang menggunaka dua variable, dimana skala data kedua variable adalah
nominal atau untuk menguji perbedaan dua atau lebih proporsi sampel. Uji Chi Kuadrat
diterapkan pada kasus dimana akan diuji apakah frekuensi yang akan di amati (data observasi)
untuk membuktikan atau ada perbedaan secara nyata atau tidak dengan frekuensi yang
diharapkan. Chi-Kuadrat adalah teknik analisis yang digunakan untuk menentukan perbedaan
frekuensi observasi (Oi) dengan frekuensi ekspektasi atau frekuensi harapan (Ei) suatu kategori
tertentu yang dihasilkan. Uji ini dapat dilakukan pada data diskrit atau frekuensi.
Uji statistik Chi Kuadrat atau Chi Square, menurut Wan Usman (2016), dipakai untuk
menyelidiki ada atau tidaknya hubungan antara dua kelompok dimana masing-masing kelompok
mempunyai kategori.
Uji Chi-Kuadrat merupakan uji non parametris yang paling banyak digunakan. Namun perlu
diketahui syarat-syarat uji ini adalah: frekuensi responden atau sampel yang digunakan besar,
sebab ada beberapa syarat di mana chi square dapat digunakan yaitu:
(a) Tidak ada cell dengan nilai frekuensi kenyataan atau disebut juga Actual Count (F0) sebesar
0 (Nol).
(b) Apabila bentuk tabel kontingensi 2 X 2, maka tidak boleh ada 1 cell saja yang memiliki
frekuensi harapan atau disebut juga expected count (“Fh”) kurang dari 5.
(c) Apabila bentuk tabel lebih dari 2 x 2, misalnya 2 x 3, maka jumlah cell dengan frekuensi
harapan yang kurang dari 5 tidak boleh lebih dari 20%.
Berikut ini adalah manfaat dan kelemahan dari uji chi kuadrat yang juga merupakan manfaat dan
kelemahan secara umum dari analisis frekuensi data kategorik.
3.1 Manfaat dari uji chi kuadrat
(a) Untuk mengetahui ada tidaknya asosiasi antara 2 variabel (Independent test)
(b) Apakah suatu kelompok homogen atau tidak (Homogenity test)
(c) Uji kenormalan data dengan melihat distribusi data (Goodness of fit test)
(d) Digunakan untuk menganalisis data yang berbentuk frekuensi.
(e) Digunakan untuk menentukan besar atau kecilnya korelasi dari variabel-variabel yang
dianalisis
(f) Cocok digunakan untuk data kategorik, data diskrit atau data nominal
3.2 Kelemahan dari chi kuadrat
(a) Uji ini sensitif terhadap banyaknya sampel yang digunakan.
Uji ini akan menjadi kurang akurat jika terdapat nilai frekuensi harapan yang kurang dari
5 pada sel tabel kontingensi. Bahkan uji ini tidak bisa digunakan jika frekuensi harapan yang
kurang dari 5 terdapat lebih dari 20 % dari total sel yang ada atau bila terdapat nila frekuensi
harapan yang kurang dari 1. Hal ini mengindikasikan bahwa uji ini baik digunakan pada
jumlah sampel yang cukup besar dan tidak efektif digunakan untuk sampel yang kecil.
Beberapa alternatif bisa digunakan untuk mengatasi masalah tersebut. Penggabungan kolom
atau baris untuk menghilangkan nilai frekuensi harapan yang kurang dari 5 bisa dilakukan
asalkan penggabungan tersebut tidak menghilangkan makna dari pengklasifikasian yang ada
pada tabel.
(b) Uji Chi-kuadrat hanya memberikan informasi tentang ada atau tidaknya hubungan antara
kedua variabel.
Uji ini tidak memberikan informasi mengenai seberapa besar hubungan yang ada antara
kedua variabel tersebut serta bagaimana arah hubungan yang ada. Oleh karena itu,
dibutuhkan alat analisis sebagai informasi tambahan yang akan mendukung analisis
menggunakan uji Chi-kuadrat. Untuk mengetahui seberapa besar hubungan yang ada dapat
menggunakan Odds Ratio dan Relative Risk. Odds Ratio dan Relative Risk juga dapat
memberikan informasi mengenai arah hubungan yang ada dari kedua variabel. Selain itu,
dengan melakukan dekomposisi Chi-Kuadrat dan mempelajari residualnya dapat lebih
mempertajam analisis.
(c) Uji Chi-Kuadrat hanya bagus digunakan untuk skala data nominal untuk kedua variabel
yang diuji.
 Uji ini lemah digunakan jika kedua variabel tersebut berskala ordinal. Uji Chi-kuadrat
bergantung pada jumlah marginal dan bukan pada pengurutan dari baris dan kolom. Jadi,
pengubahan urutan dari baris atau kolom tidak akan menguabah nilai dari uji Chi-kuadrat
yang didapat. Dengan kata lain, uji ini memperlakukan klasifikasi yang ada pada baris dan
kolom sebagai nominal. Dengan demikian, jika terdapat dari sala satu variabel yang berskata
ordinal sebaiknya menggunkan uji yang lain seperti koefisien gamma dan yang lainnya.

DAFTAR PUSTAKA
Burhanuddin, Afid. (2013). Analisis Data? (Metodologi Penelitian). Diakses pada tanggal 21
Oktober 2018 dari URL: https://afidburhanuddin.wordpress.com/2013/09/24/analisis-
data/
McHughg, Mary L. (2013). The Chi-square test of independence. Journal of National center for
Biotechnology Information. V.23(2). Diakses pada tanggal 21 Oktober 2018 di URL:
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3900058/
Liswandi. (2018). Analisis Frekuensi Kategori (Materi – 7 Tuton). Diakses dari E-learning
Universitas Terbuka pada tanggal 21 Oktober 2018 dari URL: https://elearning.ut.ac.id
Usman, Wan. (2016). Metode Kuantitatif. Jakarta: Penerbit Universitas Terbuka.
Zibran, Minhaz Fahim. (2007). Chi-squared test of Independence. Diakses pada tanggal 21
Oktober 2018 di URL: http://pages.cpsc.ucalgary.ca/~saul/wiki/uploads/CPSC681/topic-
fahim-CHI-Square.pdf