Nama : Aldi Gunawan Saputra

Nim : 18061041

PENGORGANISASIAN DATA PENYAJIAN DATA PEMBAHASAN DAN INTREPRETASI

DATA

Data adalah segala fakta yang dapat digunakan sebagai bahan menyusun informasi. Data ini
bisa berupa informasi apapun seperti hasil penelitian, identitas diri dsb. Dalam suatu sistem komputer,
data adalah hal yang sangat penting data ini juga sebagai bahan untuk diolah atau diproses oleh
komputer.
Data dapat digunakan dalam pengambilan keputusan maupun sebagai bahan penelitian. Data
dalam sistem komputer diorganisasikan kedalam suatu hierarki yang dimulai dengan bits, byte, fields,
record, file dan terakhir database.

Hierarki Data
 Bit : Unit terkecil dari data
 Bytes : Sekumpulan bit yang terdiri dari 8 bit
 Fields : Kumpulan karakter logic yang digabung menjadi sebuat kata atau bisa disebut juga
kumpulan dari bytes.
 Record : Kumpulan dari beberapa record fields
 File : Kumpulan record yang sejenis
 Database : Kumpulan dari file yang saling berhubungan

Data terbagi menjadi 2 sifat yaitu :

 Kuantitatif : data yang selalu berhubungan dengan angka, dimana data kuantitatif adalah data
yang dapat diukur.
 Kualitatif : data ini lebih menjelaskan atau menggambarkan, data ini disebut juga dengan data
naratif. Data ini lebih ke penjelasan atau penelitian secara teoritis.

Cara pengumpulan Data:

Data dapat dikumpulkan melalui beberapa cara atau teknik seperti pwnggunaan angket, wawancara
dsb. Berikut penjelasanya:
 Teknik Angket : dengan menyebarkan angket sebagai kuisioner kepada beberapa orang
 Teknik wawancara : Mendapatkan informasi dengan cara menanyai seseorang secara
langsung atau via telephone terkait informasi yang diinginkan.
 Teknik Observasi : Observasi ini dilakukan dengan pengamatan yang digunakan dalam
mendapatkan informasi secara langsung dengan terjun ke lingkungan sumber informasi
ataupun secara tidak langsung.
 Pemeriksaan Dokumen : Meneliti atau mencari bahan dokumentasi yang relevan dengan
informasi yang diinginkan.

Pengorganisasian Data
 Pengorganisasian data merupakan pengelompokkan data. Dalam penyajian dan
pengorganisasian data, data dapat disajikan melalui tabel ataupun grafik.
Dengan pengorganisasian data melalui tabel ataupun grafik akan mempermudah pemahaman
mengenai data, dengan adanya tabel akan memudahkan basis dalam perhitungan data dan juga dapat
meminimalkan dalam penggunaan ruang yang dipakai.

Pengorganisasian data dapat dibagi menjadi 2 yaitu :

 Pengorganisasian Secara Tradisional

Pengorganisasian secara tradisional data disimpan secara terpisah dimana data tidak berada pada
satu pusat. Sebelumnya adanya pengorganisasian secara modern, organisasi atau perusahaan mengatur
datanya dengan. pengorganisasian secara tradisional yaitu dalam bentuk file.
Pengorganisasian secara tradisional ini digunakan pada pemrosesan data skala kecil. Setiap aplikasi
mempunyai data sendiri, dan data dikelola dalam sebuah file data. Namun ada beberapa permasalahan
yang terjadi pada saat pengorganisasian data secara tradisional diantaranya:
1. Data redundancy (Duplikasi)
2. Data inconsistency (Data tidak Konsisten)
3. Data Isolasion (Pemisahan)
4. Data Integrity (Integritas Data)
5. Data Independence (Aplikasi/data berdiri sendiri)

 Pengorganisasian secara modern

Pengorganisasi secara modern dilakukan dengan penggunaan database atau basis data, dimana
data akan disimpan pada penyimpanan satu pusat data tertentu.
Dengan penyimpanan data yang terpusat ini dapat meminimalkan permasalahan yang akan terjadi
pada pengorganisasian data secara tradisional. Atau secara sederhana pengorganisasian modern ini
digunakan untuk mengatasi kelemahan dari oengorganisasian tradisional yang sekarng mulai
ditinggalkan oleh user.

Analisis data yang dimaksud adalah agar dapat mendeskripsikan atau memberikan gambaran
tentang langkah yang ditempuh dalam mengolah data, yaitu;

1. Pengorganisasian Data

Data yang terkumpul melalui angket, test dan studi dokumentasi diklasifikasikan sesuai
dengan model evaluasi yang diterapkan. Selanjutnya jika terdapat data yang kurang sesuai dan kurang
bermakna, maka dilakukan reduksi
2. Pengolahan Data

a. Analisis Regresi Dan Korelasi

Dalam penelitian ini, penulis bermaksud untuk mendeskripsikan data sampel dengan mencari
kuatnya hubungan antara variabel melalui analisis regresi dan korelasi sederhana. Model Regresi
sederhana Tedjo N. Reksoatmojo, 2006:131 adalah; bx a y + = 3.06 di mana, y adalah variabel tak
bebas terikat, x adalah variabel bebas, a adalah penduga bagi intersap, b adalah penduga bagi
koefisien regresi . Nilai a dan b diperoleh dari persamaan Tedjo N. Reksoatmojo, 2006:131: = ∑ ∑
Dan 3.07 = + − ̅ Dengan = − - dan y= − + Dengan menyederhanakan dan mesubsitusikan nilai 100 - =
∑ . Dan - = ∑ . Maka nilai a dan b menjadi x b y n x y − = − = ∑ ∑ β α 2 2 . . . ∑ ∑ ∑ ∑ ∑ − − = x x n
y x xy n β Keterangan: i x = Rata-rata skor variabel x i y = Rata-rata skor variabel y
b. Analisis Varian
Salah satu asumsi dari analisis regresi adalah linearitas. Oleh karena itu, sebelum melakukan
analisis regresi maka terlebih dahulu harus di uji linearitas regresi dengan menggunanakan rumus-
rumus; Sugiyono, 2006:265. 1 Menghitung jumlah kuadrat regresi JK reg a dengan rumus: n Y JK a
reg 2 ∑ = 3.08 2 Menghitung jumlah kuadrat regresi b|a JK reg b|a , dengan rumus: 101     
   − = ∑ ∑ ∑ n Y X XY b JK a b reg . . 3 Menghitung jumlah kuadrat residu JK res dengan
rumus: Re Re 2 a g a b g res JK JK Y JK − − = ∑ 4 Menghitung rata-rata jumlah kuadrat regresi a
RJK reg a dengan rumus: Re a g a reg JK RJK = 5 Menghitung rata-rata jumlah kuadrat regresi ba
RJK reg a dengan rumus: Re a b g a b reg JK RJK = 6 Menghitung rata-rata jumlah kuadrat residu
RJK res dengan rumus: 2 Re − = n JK RJK s res 7 Mengitung F, dengan rumus: s a b g RJK RJK F Re
Re = Untuk melihat apakah kedua kelompok berasal dari varian yang sama homogen maka hasil F
dibandingkan dengan F table.

c. Uji t
102 Menurut Sugiono 2009:138, untuk menguji hipotesis komparatif dua sampel independen,
dilakukan uji t dengan menggunakan rumus ; 0 = ̅ 1 ̅ 2 31 41 31 4 Terdapat beberapa pertimbangan
dalam memilih rumus tersebut, diantaranya: 1 Apakah dua rata-rata itu berasal dari dua sampel yang
jumlahnya sama atau tidak. 2 Apakah varians data dari dua sampel itu homogen atau tidak.
Selanjutnya, bila anggota sampel n 1 = n 2 dan varians tidak homogen maka dapat digunakan rumus
uji t dengan derajat kebebasan df = n 1 – 1 atau df = n 2 – 1.

d. Analisis Jalur Path Analysis

Hubungan jalur antar variabel dalam diagram alur adalah hubungan korelasi, oleh karena itu
perhitungan angka koefisien jalur menggunakan standar skor z. pada setiap variabel eksogen tidak
dipengaruhi oleh variabel-variabel yang lain dalam diagram, sehingga yang ada hanyalah suku
residualnya yang diberi notasi e. Sugiyono, 2009 : 302. Dengan memperhatikan model hubungan
antar variabel yang telah dirumuskan seperti pada gambar 3.1, Experimental group 3.09 103 Fokus
penelitian Komparasi Komparasi Komparasi Control group maka untuk mengetahui pengaruh yang
timbul antar variabel pada kelompok eksperimen dan kelompok control, dapat disusun persamaan
berikut: Kelompok Eksperimen Kelompok Kontrol Z 2E = P 2E-1E .Z 1E + e 2E Z 3E = P 3E-2E .Z
2E + e 3E Z 4E = P 4E-3E . Z 3E + e 4E Z 3K = P 3K-2K .Z 2K + e 3K Z 4K = P 4K-3K . Z 3K + e
4K Selanjutnya untuk menghitung harga-harga P dapat dilakukan dengan menggungakan hubungan
korelasional. Karena harga-harga variable dinyatakan dalam angka baku Z maka untuk n pengamatan
persamaan menghitung koefisien jalur dapat menggunakan persamaan Sugiyono, 2009 : 304 : .5 = 1 6
7 . 7 5 Untuk hubungan antara Z 2E digunakan persamaan berikut : 3.10 p 21 p 32 p y3 p 32 p y3 X 1
X 2 Level 2 X 3 Level 3 Y Level 4 X 2 X 3 Y 104 28−18 = 1 ∑ 7 18 7 28 dengan Z 2E = P 2E-1E .Z
1E + ε 2E 28−18 = 1 6 7 18 P 2E−1E . Z 1E + ε 2E 28−18 = P 2E−1E . 1 6 7 18 2 + 1 6 7 18 . ε 2E
Karena ∑ 7 = = 1 Dan ∑ 7 18 . ε 2E = 0 maka diperoleh r 2E-1E = P 2E-1E . Persamaan-persamaan
koefisien jalur yang lain diturunkan analog seperti diatas sehingga diperoleh hubungan-hubungan
berikut ; Kelompok Eksperimen Kelompok Kontrol r 2E-1E = P 2E-1E r 3E-2E = P 3E-2E r 4E-3E =
P 4E-3E r 3KC-2K = P 3K-2KE r 4K-3K = P 4K-3K

e. Komparasi Data
Selain itu, analisis data kuantitatif dilakukan dengan membandingkankomparasi antara data
yang terkumpul pada tahap level 2, level 3 dan level 4 pada experimental group dengan control
group . Persamaan yang digunakan dalam menghitung gap ini adalah sebagai berikut: Gap = Nilai
Responden Setiap Indikator x 100 3.11 Nilai Ideal Kondisi ideal terjadi pada saat skor maksimum 4
dan diperhitungkan terhadap jumlah responden sebanyak 36 responden. Sehingga nilai maksimum
yang timbul adalah 4 x 36 = 144. 105

f. Transformasi Dari Skala Ordinal ke Interval

Dalam analisis statistik khususnya dalam analisa statistik parametik berlaku kebiasaan bahwa
skala pengukuran sekurang-kurangnya data dalam bentuk interval, sedangkan data yang didapat
dilapangan masih berbentuk data ordinal. Oleh karena itu, data tersebut terlebih dahulu dilakukan
konversi untuk menaikkan dari skala ordinal ke skala interval. Teknik yang digunakan adalah method
of successive interval dari Hays dalam Harun Al-Rasyid 1994 dengan langkah-langkah sebagai
berikut: 1 Hitung frekuensi f setiap skor 1 sampai dengan 5 dari responden yang memberikan respon.
2 Hitung proporsi dengan membagi setiap jumlah f frekuensi dengan jumlah n sampel. 3 Tentukan
proporsi kumulatif dengan menjumlahkan proporsi secara berurutan setiap respon. 4 Proporsi
kumulatif dianggap mengikuti distribusi normal baku. Selanjutnya hitung nilai Z berdasarkan pada
proporsi kumulatif tadi menggunakan normal invers. 5 Dari nilai Z tersebut, tentukan nilai density-
nya Ordinates Y the Normal Curve at Z. 6 Menghitung SV untuk masing-masing pilihan dengan
rumus: limit lower under area limit upper under area limit upper at density limit lower at density SV −
− = 3.12 106 Keterangan: Density at lower limit = kepadatan batas bawah. Density at upper limit =
kepadatan batas atas. Area under upper limit = daerah di bawah batas atas. Area under lower limit =
Daerah di bawah batas bawah. 7 Mengubah SV terkecil menjadi dengan 1 dan mentransformasikan
masing- masing skala menurut perubahan skala terkecil sehingga diperoleh Transformed Scale Value
TSV.

3. Penyajian Data

Pendekatan yang digunakan dalam penelitian dengan menggunakan Kirkpatrick’s Model ini
adalah analisis data secara kuantitatif deskriptif maka dalam penyajian, berupa deskriptif dan dalam
bentuk tabulasi dan grafik.

4. Pembahasan dan Intrepretasi data

Setelah data terkumpul dan disajikan dalam bentuk deskripsi, maka langkah selanjutnya adalah
melakukan pembahasan dan intrepretasi data, dengan maksud agar kebermaknaan data yang diperoleh
dari hasil penelitian lebih jelas dan tajam.
PENYAJIAN DATA DISTRIBUSI FREKUENSI DAN GRAFIK

Mengorganisasikan data dengan membentuk distribusi frekuensi dan bagaimana mengkonstruksi

data dalam bentuk grafik dan diagram yang sesuai dengan tipe data sehingga mudah dipahami.

Istilah-istilah dasar:
1. Ketika data dikumpulkan dalam bentuk aslinya maka disebut sebagai raw data (data mentah).
2. Distribusi frekuensi adalah pengorganisasian data mentah dalam bentuk tabel, menggunakan
kelas-kelas dan frekuensi-frekuensi.
3. Dua jenis distribusi yang dikenal luas adalah distribusi frekuensi kategori (categorical
distribution frequency) dan distribusi frekuensi dalam group (grouped frequency distribution)

Manfaat Distribusi Frekuensi

– Untuk mengorganisasikan data menjadi lebih bermakna dan mudah dipahami.

– Agar memudahkan pembaca dalam membandingkan set data.
– Memudahkan dalam perhitungan ukuran rata-rata dan penyebaran data
– Untuk memdudahkan pembaca dalam menentukan bentuk distribusi data
– Memudahkan peneliti dalam menampilkan data dalam bentuk tabel dan grafik

Jenis-jenis Distribusi Frekuensi

A. Distribusi Frekuensi Kategori

Distribusi frekuensi kategori adalah digunakan untuk data kategorik seperti data nominal dan data
ordinal. Seperti data kelompok jenis kelamin, kelompok jurusan atau kelompok status sosial
ekonomi.

B. Distribusi Frekuensi Dalam Group

Distribusi Frekuensi Dalam Group digunakan untuk mengorganisasikan data numerik yang besar,
sehingga perlu dikelompokkan ke dalam kelas dan frekuensi-frekuensi agar mudah dipahami.

Misalnya kita memiliki sekelompok data mengenai usia mahasiswa di salah satu jurusan berikut
merupakan datanya: 18, 19. 19, 18, 21, 20, 20, 20, 19, 18, 18, 19, 21, 20, 23, 17

Bagaimana mengorganisasikan data di atas dalam bentuk distribusi frekuensi

Berikut merupakan langkah-langkahnya

1. Terntukan rentang data dengan mengurangkan nilai maksimum dikurangi nilai minimum.
2. Tentukan jumlah kelas yang paling mendekati dengan mengikuti aturan sturges

K = 1 + 3,3 log n

dimana k adalah jumlah kelas dan n adalah jumlah jumlah observasi

3. Tentukan panjang interval kelas

4. Tentukan batas kelas atas dahn batas kelas bawa
5. Masukan data ke dalam kelas yang telah dibentuk

Jenis Grafik dan Kegunaan

1. Histogram, Poligon dan Ogiv cocok digunakan ketika data telah disusun dalam bentuk
distribusi frekuensi dalam group.
2. Diagram Pareto cocok digunakan untuk data nominal yang telah disusun dalam bentuk
frekuensi.
3. Grafik Time series digunakan untuk menggambarkan pola dan trend data dari waktu ke
waktu.
4. diagram Pie digunakan untuk menggambarkan hubungan diantara beberapa bagian secara
keseluruhan.