11.

Pengolahan dan
Analisis Data

Farahdilla Kutsiyah,
 DATA
 sekumpulan fakta, informasi statistik
yang diperoleh dari penghitungan,
pengukuran baik lewat metode
pengamatan maupun metode percobaan.
Dengan kata lain data merupakan
sejumlah informasi yang dapat
memberikan gambaran tentang suatu
keadaan.
 PENDEKATAN PENELITIAN KUALITATIF
ANALISIS DATA KUALITATIF
 Mencatat yang menghasilkan catatan
lapangan, dengan hal itu diberi kode agar
sumberdatanya tetap dapat ditelusuri
 Mengumpulkan, memilah-milah ,
mengklasifikasikan, mensintesiskan,
membuat ikhtisar, dan membuat indeksnya
 Berpikir, dengan jalan membuat agar kategori
data itu mempunyai makna , mencari dan
menemukan pola dan hubungan-hubungan,
dan membuat temuan-temuan umum.
PENDEKATAN PENELITIAN KUANTITATIF

ANALISIS DATA

Dianalisis dengan menggunakan

Statistik diskriptif
Statistik inferensial:
Statistik parametrik
Statistik non parametrik
 JENIS DATA:
DATA terbagi atas DATA KUALITATIF dan DATA KUANTITATIF

DATA KUALITATIF : DATA KUANTITATIF :

Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan,
status marital, tingkat
kepuasan kerja
Data yang dinyatakan dalam
bentuk angka
Contoh : lama bekerja,
jumlah gaji, usia, hasil
ulangan

DATA

KUALITATIF JENIS KUANTITATIF

DATA

NOMINAL INTERVAL
ORDINAL RASIO
 Statistika dan statistik

 Statistika adalah metode pengumpulan, penyajian,

analisis, dan interpretasi data sehingga diperoleh
informasi yang diperlukan

 Statistik adalah data atau informasi, atau hasil

prosedur penghitungan statistika pada suatu data
METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.

LANGKAH-LANGKAH DALAM METODE ILMIAH :

1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis

4. Mengumpulkan dan mengolah data, menguji hipotesis,

atau menjawab pertanyaan

5. Mengambil kesimpulan

INSTRUMEN

SAMPEL

SIFAT DATA
PERAN STATISTIKA
VARIABEL

METODE ANALISIS
 Klasifikasi statistiK berdasarkan AKTIVITAS nya
KEGUNAAN
mengumpulkan data
• menyajikan data ?
• menganalisis data dengan metode tertentu
• menginterpretasikan hasil analisis

Melalui fase

STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian
atau seluruh data (pengamatan) tanpa pengambilan kesimpulan

dan fase

STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data, dan kemudian dilakukan interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
 Statistik deskriptif

 mengulas cara pengumpulan data, penyederhaan

angka-angka pengamatan yang didapatkan,
pengukuran penyebaran dan pemusatan untuk
memperoleh informasi yang lebih mudah
dimengerti, menarik dan bermanfaat
 Contoh: rataan, median, standart deviasi, varian,
modus(pemusatan dan keragamannya), frekuensi,
tabel , grafik dan diagram
Kerugian yang timbul
dapat ditampilkan
dalam diagram Pareto.
Kerugian terbesar
adalah pencurian,
ineffisiensi, kualitas
rendah. Kehilangan
selama penyimpanan
dan pada saat
transportasi juga
merupakan potensi
kerugian
 Grafik III.5
Realisasi dan Proyeksi Pertumbuhan Ekonomi (%)
7.2

7 7.02

6.8

6.6

6.4
6.34

6.2 6.32
6.28

5.8
2012 2013*) 2014**) 2015**)

Realisasi dan Proyeksi Pertumbuhan Ekonomi (%)

 Grafik III.1
PDRB ADHB dan ADHK Tahun 2011-2014

8,000,000.00

7,000,000.00

6,000,000.00
Juta Rupiah

5,000,000.00

4,000,000.00

3,000,000.00

2,000,000.00

1,000,000.00

0.00
2011* 2012* 2013* 2014**
ADHB 5,615,289.48 6,358,529.02 7,177,900.84 7,985,414.68
ADHK 2,307,330.72 2,453,150.29 2,607,103.71 2,753,883.65
 Minyak terekstraksi dan terlarut bagian tengah

30000 2500

2000
25000

Konsentrasi minyak terlarut

1500
Konsentrasi minyak
terekstraksi (mg/l)

20000
1000

(mg/L)
15000 500

0
10000
-500
5000
-1000

0 -1500
0 20 40 60 80 100 120
Pengamatan (hari)
Rt terekstraksi
Rt.terlarut
Poly. (Rt terekstraksi)
Log. (Rt.terlarut)

CONTOH GAMBAR: GRAFIK

 100

80

60

40
(%)

20

0
2012 2013*) 2014**)
Tersier (Service) 44.27 45.19 45.98
Sekunder (Manufaktur) 8.53 8.68 8.78
Primer (Agriculture) 47.2 46.13 45.24
Grafik lingkaran
 Penyajian Data

TABEL
Tabel 1.1 Bidang Pekerjaan berdasarkan Latar Belakang Pendidikan

Count
pendidikan
SMU Akademi Sarjana Jumlah
bidang administrasi 1 8 6 15
pekerjaan personalia 1 7 8
produksi 4 3 5 12
marketing 2 14 11 27
keuangan 3 4 6 13
Jumlah 10 30 35 75

GRAFIK bidan g p ekerjaan

administrasi
per sonalia
produks i
marketing
keuangan

Pies show counts

 Statistik inferensial/statistical inferences

 penarikan kesimpulan tentang sifat-sifat populasi

berdasarkan sifat2 yang diperoleh dari sampel atau
penarikan kesimpulan tentang harga parameter
suatu populasi dari penghitungan harga statistik
sampel dari populasi tersebut.
 Statistik ini meliputi estimasi dan test hipotesa
PROSEDUR PENGOLAHAN DATA :

A. PARAMETER : Berdasarkan parameter yang

ada statistik dibagi menjadi (Metodenya)

• Statistik PARAMETRIK : berhubungan dengan

statistik inferensial yang membahas parameter-
parameter populasi; jenis data interval atau
rasio; distribusi data normal atau mendekati
normal.

• Statistik NONPARAMETRIK : statistik

inferensial membahas parameter-parameter
populasi; jenis data nominal atau ordinal;
distribusi data tidak diketahui atau tidak normal
Parameter adalah karakteristik populasi
 SKALA DATA

SKALA CIRI-CIRI CONTOH

Rasio - Absolut - Berat
- Jenjang - Tinggi
- Interval - Luas
- Tertinggi - Produktivitas
Interval - Interval - Suhu
- Urutan - Nilai
Ordinal - Jenjang - Nilai Mutu
- Lomba
Nominal - Kategori - Agama
- Kelamin
- Pekerjaan
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan

DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi
di antara data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi

DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui.
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender

DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, skor ujian, jumlah buku
 STATISTIKA PARAMETRIK STATISTIKA NONPARAMETRIK
1. Uji t 1. - Uji Tanda
- Uji Wilcoxon
- Uji Mann Whitney
2. Anova (Uji F) 2. - Uji Kruskal Wallis
- Uji Friedman
3. Regresi Linier 3. Regresi Logistik:
- Berganda - Berganda
- Sederhana - Sederhana
4. Korelasi Pearson 4. Korelasi Spearman
5. Korelasi Berganda 5. Korelasi Kendall
Korelasi Partial -W
-T
6. Uji x 2
- Koef. Phi
- Koef. Cramer C.
 START
Interval Data
Relate Compare
Not Normal Normal
=SD =SD
Spearman Pearson
Correlation Correlation
Dependent Independent
2 groups >2 groups
2 groups >2 groups
Mann-Whitney
Wilcoxon Friedman
ANOVA Kruskal-Wallis

Dependent Independent
2 groups >2 groups 2 groups >2 groups

Related Repeated Independent ANOVA

Samples Measures Samples t
t-Test ANOVA Test
 Analisis Regresi & Analisis Jalur
ANALISIS JALUR
ANALISIS REGRESI
Variabel Bebas Satu Blok Variabel Bebas Terbagi
x1
x3
x2

x3 x1 x6
x4
y x4 y

x5

x6
x2 x7
x7 x
Contoh:
Uji - t tidak Berpasangan antara PBB Pra Sapih Anak
Hasil Keturunan Purebred dan Crossbred

Group Statistics

Std. Error
Mating System N Mean Std. Deviation Mean
PBB pra s apih Purebred 15 445.33333 48.53080 12.53060
Cross bred 14 677.85714 146.03364 39.02913

t hitung = | X A – XB |
= 5,838

{S2 (1/nA + 1/nB) }

ttabel 5 % (27) = 2,052

ttabel 10 % (27) = 2, 771
 Independent Samples Test

Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
PBB pra s apih Equal variances
8.009 .009 -5.838 27 .000 -232.52381 39.83224 -314.253 -150.795
as sumed
Equal variances
-5.673 15.664 .000 -232.52381 40.99133 -319.573 -145.474
not as sumed