ANALISIS DATA PENELITIAN

Analisis data

Tahapan lanjut setelah data riset terkumpul Tahap mengolah informasi yang didapat dalam
suatu penelitian Analisis Data Penelitian Kuantitatif Dilakukan dengan perhitungan statistik

Statistik Diskriptif (Descriptive Statistics)

Statistitik Inferential (Inferential Statistics)
Parametrik (untuk data interval dan rasio)
Non-parametrik (untuk data nominal dan ordinal)

ANALISA DATA RISET

ANALISA UNIVARIAT  SATU VARIABEL (STATISTIK DESKRIPTIF )
ANALISA BIVARIAT  DUA VARIABEL ( HUBUNGAN/PENGARUH)
ANALISA MULTIVARIAT  LEBIH DARI DUA VARIABEL (MULTIPLE VARIABEL)

Statistik Diskriptif
Dipilih peneliti untuk mengorganisir, merangkum, dan menggambarkan hasil observasi
Memberi gambaran dan menyajikan ringkasan data dari populasi sehingga informasi apa
adanya dari data tersebut bisa diperoleh dengan sistematis dan jelas.
Gambaran informasi itu bisa berupa: 1) distribusi frekuensi, 2) presentasi grafik, 3) measure of
central tendency (mean-nilai rerata, median-nilai tengah, mode-nilai paling sering muncul),
atau 4) measure of variability

menentukan keputusan dengan cara:

1) Berdasarkan angka korelasi, yaitu angka korelasi berkisar pada 0 (tidak ada korelasi sama
sekali) dan 1 (korelasi sempurna), sedangkan tanda negatif (-) pada output menunjukkan
adanya arah yang berlawanan dan tanda positif (+) menunjukkan arah yang sama.
2) Berdasarkan signifikansi hasil korelasi, yaitu menggunakan nilai probabilitas dalam output
korelasi (jika probabilitas > 0.05 maka H0 diterima; dan jika nilai probabilitas < 0.05 maka H0
ditolak).
Analisis data kualitatif
suatu proses pelacakan dan pengaturan secara sistematis materi data yang terkumpul dari
berbagai teknik pengumpulan data kualititatif seperti transkrip wawancara, catatan lapangan,
observasi partisipan atau bahan-bahan lain. Tujuan dari proses ini tidak lain adalah agar
seorang peneliti bisa menyajikan informasi temuan dalam penelitiannya secara bermakna
Pertanyaan penelitian Kualitatif
Data Reduction
(Focusing, simplifying, abstracting and transforming the raw data to find out the information
from the data)
Data Display
(Showing an organized assembly of information taken from the data reduction i.e.. metrics,
graphs, or charts))
Conclusion: Drawing
(Conclusions and propositions are drawn and theoretical implications are made)
PENGOLAHAN DATA RISET KUALITATIF
Seluruh hasil pengamatan dan wawancara dibuat dalam “TRANSKRIP’
TRANSKRIP  Uraian bentuk tulisan yang rinci & lengkap mengenai apa yang dilihat &
didengar baik secara langsung maupun dari hasil rekaman
Transkrip harus dibuat dg bahasa sesuai hasil wawancara
ANALISA TERHADAP TRANSKRIP
Menangkap makna dr teks utk menunjukkan bagaimana makna dominan yang ada dalam teks
dan makna yang dapat dipertentangkan yang bersifat spesifik
Menunjukkan makna2 yang melekat dalam teks, utamanya makna tersembunyi
Menganalisis bagaimana teks berkaitan dg kehidupan, pengalaman, kenyataan dan hal2 yang
bermakna tentang subyek penelitian
PRINSIP ANALISA DATA KUALITATIF

STRATEGI STRAUSS DALAM ANALISA DATA KUALITATIF

Harus dilaksanakan melalui penerapan teknik KODING
Teknik KODING ada tiga :
OPEN KODING
AXIAL KODING
SELECTION KODING
OPEN KODING
Suatu data akan diidentifikasi kategori-kategorinya kemudiandiidentifikasi atribut dan
dimensinya
CONTOH
1.Kondisi pengintervensi  kondisi2 struktural yang memudahkan atau mrnyulitkan jalanya
proses suatu konteks tertentu
2. Aksi atau interaksi  strategi tindakan yang dilakukan utk merespons atau mengatasi
permasalahan yang ada
3. Konsekuensi  hasil yang diperoleh lewat penyelenggaraan aksi atau interaksi
SELECTIVE KODING
Suatu proses menyeleksi kategori2 guna menemukan kategori inti atau sentral
Secara sistematis dapat dipakai secara konseptional utk merangkai dan mengitegrasikan
kategori2 lain dalam suatu jaringan “kisah”
Kisah panjang-lebar yang merupakanpaparan deskriptig tentang realita sosial yang diletakkan
dalam fokus kajian ilmiah yang disebut “story”

Proses mengintegrasikan kategori2 dalam selective coding – yang berakhir dengan story yang
dapat dilaporkan – dalam suatu tataran analisis yang jauh lebih abstrak daripada yang
berlangsung sepanjang proses koding

Kepekaan teoritik peneliti  ketajaman imajinasinya untuk mereka-reka bangun teoritik dr

data dan kategori data yang telah diperoleh, sangat diharapkan pada tahap ini