Pengolahan Data

EDISI REVISI
Masno Ginting
Sri Rahayu
Lembaga Ilmu Pengetahuan Indonesia

2012
PENGOLAHAN DAN ANALISIS DATA
(Bidang IPA/IPT)
~ Edisi Revisi ~
Oleh
Masno Ginting dan Sri Rahayu
Editor: Enny Sudarmonowati/Iroh Siti Zahroh/Anisah/Yoke Pradanatama

Desain Modul: Dewi Salma Prawiradilaga
Desain Grafis: Yoke Pradanatama
© Pusbindiklat Peneliti LIPI

Kompleks Cibinong Science Center (CSC)
Jl. Raya Bogor Km. 46 - Cibinong
Kab. Bogor, 16916
Hak cipta dilindungi oleh undang-undang.

Dilarang mengutip atau memperbanyak
seluruh atau sebagian isi buku ini
tanpa izin tertulis dari penerbit
ISBN 978-602-9007-14-5
PENGOLAHAN DAN ANALISIS DATA
(BIDANG IPA/IPT)
Edisi Revisi
Modul Diklat Jabatan Fungsional Peneliti

Tingkat Pertama
Masno Ginting
Sri Rahayu
Lembaga Ilmu Pengetahuan Indonesia

2012
Pengantar
Berdasarkan Peraturan Pemerintah Republik Indonesia

Nomor 16 Tahun 1994 sebagaimana telah diubah dengan Peraturan
Pemerintah RI Nomor 40 Tahun 2010 tentang Jabatan Fungsional
Pegawai Negeri Sipil dan Peraturan Pemerintah RI Nomor 101
Tahun 2000 tentang Pendidikan dan Pelatihan Jabatan Pegawai
Negeri Sipil, maka Lembaga Ilmu Pengetahuan Indonesia (LIPI)
sebagai pembina Jabatan Fungsional Peneliti (JFP) berkewajiban
menyelenggarakan pendidikan dan pelatihan (diklat) bagi pejabat
fungsional peneliti secara nasional.
Pasal 20 Keputusan Bersama Kepala LIPI dan Kepala Badan
Kepegawaian Negara (BKN) Nomor 3719/D/2004 dan Nomor 60
Tahun 2004, sebagaimana telah diubah dengan Peraturan Bersama
Kepala LIPI dan Kepala BKN Nomor 412/D/2009 dan Nomor 12
Tahun 2009 tentang Petunjuk Pelaksanaan Jabatan Fungsional
Peneliti dan Angka Kreditnya menyebutkan bahwa untuk menjamin
kualitas profesionalisme dan pelaksanaan JFP, LIPI berkewajiban
menyelenggarakan diklat serta menyusun kurikulumnya.
Untuk mengejawantahkan pasal tersebut, LIPI menyusun
dan menetapkan Peraturan Kepala LIPI Nomor 04/H/2008 tentang
Pedoman Pendidikan dan Pelatihan Jabatan Fungsional Peneliti
Berjenjang. Peraturan tersebut menyatakan bahwa terdapat dua
jenjang diklat yang wajib diikuti oleh pejabat peneliti, yaitu Diklat
JFP Tingkat Pertama dan Diklat JFP Tingkat Lanjutan.
Pedoman, kurikulum, dan aspek lainnya dari
penyelenggaraan Diklat Berjenjang disusun berdasarkan uraian
tugas peneliti, standar kompetensi serta mengakomodasi kebutuhan
lembaga penelitian dan pengembangan maupun perkembangan
ilmu pengetahuan dan teknologi.
Untuk mendukung proses pembelajaran, LIPI menyiapkan
modul untuk Diklat JFP Tingkat Pertama dan buku ajar untuk
Diklat JFP Tingkat Lanjutan. Modul dan buku ajar ini bersifat
standar minimal dan menjadi acuan dalam proses pembelajaran.
Penulisan modul Diklat JFP Tingkat Pertama dirintis sejak
tahun 2004. Rintisan dimulai dengan diselenggarakannya Focused
ii Modul DJFP. Tingkat Pertama

Pengolahan dan Analisis Data (Bidang IPA/IPT)
Group Discussion (FGD) tentang isi dan materi yang akan

disampaikan.
Berdasarkan hasil evaluasi pelaksanaan Diklat JFP Tingkat
Pertama serta penyesuaian dengan peraturan JFP terkini, maka
perlu dilakukan revisi terhadap modul yang ada, salah satunya
adalah modul Pengolahan dan Analisis Data (Bidang IPA/IPT).
Untuk penyempurnaan penulisan revisi, modul ini telah
diseminarkan secara terbatas dengan mengundang narasumber
narasumber Prof. Dr. Bambang Subiyanto, M.Agr.Sc. (Pusinov -
LIPI), Dr. Patuan LP. Siagian (P2 Kimia – LIPI), dan Dr. rer. nat. Sri
Yudawati Cahyarini (P2 Geoteknologi - LIPI) serta dibahas dan
diperkaya pada Training of Trainers (TOT) Fasilitator DJFP Tingkat
Pertama oleh Dr. Puspita Lisdiyanti, M.Agr.Chem (P2 Bioteknologi
– LIPI), Dr. Andri Agusta (P2 Biologi), Maria Margaretha Suliyanti,
M.T. (P2 Fisika), Yanni Sudiyani, M.Agr. (P2 Kimia), Dr. Sri Hartati
(P2 Kimia), Dr. Krisdianto, S.Hut., M.Sc. (Kemenhut), dan Dr.
Singgih Wibowo (Kemen Kelautan dan Perikanan)
Setelah penulisan modul final, penyuntingan bahasa Setelah
penulisan modul selesai, penyuntingan bahasa dilakukan oleh ahli
dari Badan Bahasa Kementerian Pendidikan dan kebudayaan.
Secara paralel dilakukan proses pendaftaran International
Standard Book Number (ISBN) sehingga modul ini merupakan
karya nyata yang dapat digunakan sebagai acuan baik dalam
penyampaian materi Diklat JFP Tingkat Pertama maupun sebagai
tambahan pengayaan bagi sivitas ilmiah lainnya.
Akhirnya kepada penulis kami sampaikan ucapan terima
kasih serta penghargaan setinggi-tingginya, atas kerja sama dalam
menyelesaikan modul ini. Harapan kami, modul ini dapat
memberikan kontribusi yang berarti bagi pengembangan sumber
daya manusia (SDM) peneliti dan memberikan manfaat bagi
pengguna.
11 Februari 2013
Jakarta, 11 Februari 2013
Daftar Isi Prof. Dr. Lukman Hakim, M.Sc.

NIP. 19530923 198203 1 001
Pusbindiklat Peneliti - LIPI iii

Pengantar
HALAMAN DEPAN ....................................................... i

PENGANTAR ............................................................... ii
DAFTAR ISI ................................................................ iv
PENDAHULUAN .......................................................... 1
A. Deskripsi Mata Diklat .......................................................... 1
B. Karakteristik Akademik ....................................................... 1
C. Manfaat ................................................................................ 2
D. Tujuan Pembelajaran ........................................................... 2
E. Saran-Saran Pembelajaran dan Pustaka Pendukung .......... 3
SKEMA PB-SATU ......................................................... 5

PB SATU–PENGOLAHAN DATA ................................. 6
Pengantar ..................................................................................... 6
1.1 Pengertian Pengolahan Data ................................................ 7
1.2 Pengolahan Data menuru Jenis Data .................................. 8
1.3 Teknik dan Langkah Pengolahan Data .............................. 13
Latihan 1 ..................................................................................... 19
Ringkasan .................................................................................. 20
Tindak Lanjut ............................................................................. 21
SKEMA PB-DUA ......................................................... 22

PB DUA–ANALISIS DATA .......................................... 23
2.1 Prosedur Analisis Data ...................................................... 23
2.2 Langkah Umum Analisis .................................................... 27
2.3 Penggunaan Alat Bantu ...................................................... 36
iv Modul DJFP. Tingkat Pertama

Latihan 2 .................................................................................... 39
Ringkasan .................................................................................. 40
Tindak Lanjut ............................................................................. 41
SKEMA PB-TIGA ....................................................... 42

PB TIGA–PENYAJIAN HASIL ANALISIS ................... 43
3.1 Grafik ................................................................................. 43
3.2 Tabel ................................................................................... 45
3.3 Dendogram ......................................................................... 47
3.4 Gambar (Foto) .................................................................... 49
3.5 Prototipe ............................................................................. 54
3.6 Rekaman Film (Movie) ...................................................... 55
Latihan 3 .................................................................................... 56
Ringkasan ................................................................................... 56
Tindak Lanjut ............................................................................. 57
RINGKASAN ............................................................. 58
KUNCI JAWABAN ..................................................... 64
TUGAS AKHIR .......................................................... 60
DAFTAR PUSTAKA ................................................... 66
DAFTAR RIWAYAT HIDUP ........................................ 67
Pusbindiklat Peneliti - LIPI v

A. DESKRIPSI MATA DIKLAT

Modul Pengolahan dan Analisis Data (Bidang IPA) ini
memberikan penjelasan mengenai teknik pengolahan dan analisis
data hasil penelitian berdasarkan jenis data beserta cara
penyajiannya.
Mata ajar ini adalah mata ajar dasar, maka untuk mempelajari modul ini, Anda
tidak memerlukan kemampuan prasyarat, yaitu mata ajar lain sebelumnya.
Modul Pengolahan dan Analisis Data (Bidang IPA/IPT)

terdiri atas tiga proses belajar (PB), yaitu:
1. PB-Satu : Pengolahan Data
2. PB-Dua : Analisis Data
3. PB-Tiga : Penyajian Hasil Analisis
Setiap proses belajar dan/atau penggalannya diikuti oleh tugas dan/
atau latihan serta tindak lanjutnya.
Jangka waktu pembelajaran untuk materi ini adalah sepuluh
jam pembelajaran, yang terdiri atas empat jam tatap muka dan
enam jam latihan (kerja kelompok dan diskusi). Modul ini
digunakan seiring dengan kegiatan tatap muka dengan bimbingan
fasilitator.
B. KARAKTERISTIK AKADEMIK1
Berikut adalah karakteristik akademik peserta.
Pusbindiklat Peneliti - LIPI 1

Pendahuluan
1. Kandidat peneliti;
2. Paling rendah berijazah S-1 segala bidang/ilmu;
3. Memiliki kemampuan berbahasa Inggris dengan baik;
4. Memiliki kemampuan berbahasa Indonesia dengan baik dan
benar;
5. Mampu mengoperasikan perangkat komputer (personal
computer) minimal menguasai MS Office pengolah kata dan
pengolah data (Excel, Word)
C. MANFAAT
Dengan memahami modul Pengolahan dan Analisis Data
(Bidang IPA/IPT), Anda akan memperoleh masukan berguna, yaitu
pemahaman tentang:
1. berbagai metode pengolahan data dan menggunakannya secara
tepat dan benar;
2. berbagai metode analisis data dan menggunakannya secara tepat
dan benar;
3. berbagai teknik penyajian data dan hasil analisisnya dan mampu
mempraktikkannya dalam setiap kegiatan penelitian.
D. TUJUAN PEMBELAJARAN
Setelah pembelajaran diharap peserta mampu menguasai hal-hal
berikut.
1. Kompetensi Dasar
Peserta diklat diharapkan mampu memahami, mampu
mengolah dan menganalisis data (kualitatif dan kuantitatif),
serta dapat menarik kesimpulan yang dapat dipertanggung
jawabkan secara ilmiah.
2 Modul DJFP. Tingkat Pertama
2. Indikator Keberhasilan
Setelah selesai pembelajaran diharapkan peserta mampu:
a. menjelaskan pengertian pengolahan dan analisis data dalam
penelitian;
b. menjelaskan berbagai metode pengolahan dan analisis data
serta penggunaannya yang sesuai dengan jenis data dan
tujuan penelitian;
c. menggunakan beberapa metode pengolahan dan analisis
data secara benar sesuai dengan jenis data dan tujuan
penelitian;
d. menyajikan hasil pengolahan dan analisis data secara
sistematis dan mudah dipahami audiens.
e. Menarik kesimpulan yang dapat dipertanggungjawabkan
secara ilmiah
E. SARAN-SARAN PEMBELAJARAN DAN PUSTAKA

PENDUKUNG
1. Saran-saran Pembelajaran
a. Peserta dianjurkan untuk membentuk tim belajar yang
terdiri atas tiga s.d. lima orang peserta;
b. Peserta dianjurkan untuk melakukan diskusi dengan
anggota tim, termasuk kesulitan-kesulitan yang dijumpai.
Semua pertanyaan dicatat dan jika ada kesulitan yang tidak
dapat diselesaikan dengan tim segera ditanyakan kepada
fasilitator pada kegiatan tatap muka; bisa juga menggunakan
jam pelajaran tambahan di luar JP resmi.
c. Apabila peserta sebelumnya pernah melakukan pengolahan
dan analisis data hasil penelitian (misalnya saat peserta
Pendahuluan
melakukan penelitian untuk skripsi S1), maka buatlah

evaluasi terhadap metode pengolahan dan analisis data serta
teknik penyajiannya. Buatlah catatan-catatan mengenai
kelemahan-kelemahan yang ditemukan dan diskusikan
dengan anggota tim belajar dan juga dengan fasilitator pada
saat tatap muka.
2. Pustaka Pendukung
Selain membaca modul ini, peserta diklat sebaiknya membaca
referensi lain yang relevan, antara lain sebagai berikut.
Miles & Hubermas. 1992. Analisis Data Kualiatif. Jakarta: UI
Press.
Widodo (Alih Bahasa). 1997. Membuat Presentasi yang Efektif.

Jakarta: Gramedia.
Sugiyono. 2010. Statistika untuk Penelitian. Bandung: Alfabeta.
Gomez KA & Gomez AA. 2007. Prosedur Statistik untuk

Penelitian Pertanian. Edisi Kedua. (Terjemahan oleh E
Sjamsuddin dan JS Baharsjah). UI Press, Jakarta.
Nazir, M. 2003. Metode Penelitian. Jakarta: Ghalia Indonesia.
Santosa PB & Ashari. 2005. Analisis Statistik dengan Microsot

Excel dan SPSS. Yogyakarta: ANDI.

Pengolahan Data
Pengantar
Pengertian Teknik dan Langkah Pengolahan Data

Pengolahan Data Menurut Jenis Data
- Penyuntingan data Data kualitatif

- Pengodean Tabulasi Data kuantitatif:
- Proses pengolahan - Data kontinyu
- Data diskontinyu

Pengolahan Data
Proses Belajar Satu
Hasil penelitian, data: kategori, karakteristik, manfaat; kategori:

keterangan, gambar, disain, sample; manfaat disain penelitian, target
penelitian, fakta, hipotesa, teknik mengumpulkan data: percobaan,
pengamatan-lapangan dan laboratorium, simulasi; penghilangan data,
pengolahan data: data mentah, pengolahan data, logika; logbook:
manfaat logbook, tata cara penulisan logbook.
Pengantar
Data awal yang diperoleh dari suatu percobaan atau
sebuah survei, pada umumnya tidak langsung dapat digunakan
untuk mengambil suatu kesimpulan. Akan tetapi data awal masih
memerlukan proses pengolahan lebih lanjut, atau sering juga
disebut dengan proses analisis awal. Setelah melalui tahapan ini,
baru akan dilanjutkan dengan suatu analisis yang lebih
mendalam dengan memilih metode analisis data yang
disesuaikan dengan tujuan dari dilakukannya sebuah penelitian.
Seringkali seorang peneliti beranggapan bahwa dalam

melakukan eksperimen atau survei, semua data harus
dikumpulkan, agar proses analisis data akan dapat dilakukan
dengan lebih mudah. Akan tetapi anggapan tersebut tidak
sepenuhnya benar, sebab terkadang dengan banyaknya data,
dapat membingungkan proses analisis data. Hal yang benar

adalah mengambil data sesuai dengan yang telah direncanakan,
tetapi memberikan catatan khusus tentang kejadian-kejadian
yang dianggap penting selama melakukan eskperimen atau
survei.
Catatan khusus tersebut, ada kalanya dapat dipakai

sebagai suatu tools yang sangat berharga pada saat melakukan
analisis data, untuk memberikan kesimpulan yang akurat.
Sebagai contoh, pada saat melakukan pengukuran atau
pengambilan/perekaman data dengan suatu alat elektronik,
cuaca tidak begitu cerah dan ada tanda-tanda akan turun hujan.
Tiba-tiba ada petir dengan suara yang sangat keras. Atau untuk
waktu sesaat ada perubahan tegangan listrik akibat adanya petir
tersebut. Untuk menganalisis hal-hal yang demikian sebaiknya
dilihat kembali tentang hal-hal yang dicatat dalam sebuah buku
catatan penelitian (Log Book).
1.1 PENGERTIAN PENGOLAHAN DATA

Pengolahan data merupakan tahapan pekerjaan lanjutan
dari sebuah penelitian setelah data diperoleh dan sebelum data di
analisis untuk mengambil kesimpulan. Pengolahan data
merupakan suatu proses yang dikerjakan terhadap data mentah
untuk menjadi data matang yang siap dianalisis. Termasuk dalam
proses pengolahan data adalah penyuntingan data dan
pemeriksanaan ulang terhadap data. Pada umumnya pengolahan
data ditujukan untuk lebih menyederhanakan data agar lebih

Pengolahan Data
mudah dipahami sebagai suatu informasi. Pengolahan data juga

dimaksudkan untuk analisis lebih lanjut.
1.2 TEKNIK DAN LANGKAH PENGOLAHAN DATA

1.2.1 Penyuntingan Data
Hal pertama yang harus dilakukan dalam proses
pengolahan data adalah penyuntingan data. Penyuntingan
data dimaksudkan untuk menghilangkan keraguan data
dan memperbaiki kualitas data yang akan diolah. Hal
pertama yang perlu dilakukan dalam penyuntingan data
adalah memeriksa kebenaran data yang diperoleh. Hal
ini sangat perlu dilakukan, terutama data yang diperoleh
dengan melakukan eksperimen. Misalnya, apakah ada
harga-harga yang ekstrim karena: kesalahan dalam
menuliskan angka dalam catatan atau log book, meletakkan
angka di kolom yang salah dalam sebuah tabel yang telah
dipersiapkan sebelum melakukan eksperimen, atau
kemungkinan kesalahan dalam menuliskan waktu (jam,
tanggal atau hari) pelaksanaan eksperimen.
Jika ada harga-harga yang ekstrem dan berdasarkan logika,

tidak dapat diterima sebagai data yang mewakili suatu
eskperimen, maka terlebih dahulu data tersebut di beri
catatan, atau dihilangkan dari daftar, jika sudah dapat
dipastikan merupakan data yang salah. Dikarenakan jika
hal itu tidak dilakukan, maka akan memberikan kesulitan
dalam proses analisis data dan dalam mengambil suatu

kesimpulan akhir dari eksperimen atau suatu survei yang

telah dilakukan.
Proses penghilangan data tidak dapat dilakukan hanya karena keingingan
peneliti agar hasil yang dijperoleh sesuai dengan yang telah direncanakan.
Menghilangkan data, harus dilakukan dengan suatu argumentasi atau alasan
ilmiah yang kuat dan dapat dipertanggung jawabkan.
1.2.2 Meringkas dan Mengodekan Data

Data yang telah berhasil dikumpulkan dapat bermacam-
macam bentuknya, apakah berupa angka, kalimat panjang
atau pendek, jawaban dari pertanyaan ya atau tidak,
gambar atau angka yang dihasilkan oleh suatu alat atau
mesin (tidak harus kamera foto), grafik, peta, dan
sebagainya. Untuk memudahkan dalam pengolahan data,
diperlukan suatu bentuk data yang lebih ringkas dan
mudah dianalisis. Meringkas data diperlukan terutama
untuk data yang berupa kalimat panjang, misalnya jawaban
dari pertanyaan semi terbuka atau jawaban dari pertanyaan
terbuka, atau hasil deskripsi dari suatu objek tertentu.
Pengodean data terutama diperlukan jika data akan diolah
menggunakan program komputer atau jenis mesin hitung
lainnya. Prinsip dasar pengolahan data dalam komputer
adalah data berbentuk numerik (berdasarkan angka) yang
dikembangkan dari jenis data ”ya” dan ”tidak” dengan kode
numerik ”1” dan ”0”. Oleh karena itu, untuk memudahkan
perlu dilakukan pengodean data. Pemberian kode adalah
memberikan angka atau numerisasi pada data yang sudah

Pengolahan Data
tersedia. Cara pengodean data, bergantung pada jenis dan

bentuk data yang akan dijelaskan pada subbab selanjutnya.
1.2.3 Tabulasi Data

Hasil dari suatu peringkasan atau pengkodean data akan
lebih mudah dipahami dan diolah lebih lanjut jika
diletakkan dalam bentuk suatu tabel. Hasil olahan data
kualitatif dalam bentuk numerik berupa suatu Tabel berisi
angka yang penyusunannya disesuaikan dengan program
komputer yang akan digunakan untuk mengolah lebih
lanjut. Akan tetapi secara umum digunakan tabel dalam
program “EXCEL”, dalam software ‘Microsoft’ untuk
menyimpan data tersebut. Data dalam bentuk tabulasi
dalam program EXCEL lebih mudah diubah dalam bentuk
data lainnya mengikuti program olahan yang akan
digunakan sesuai kebutuhan. Susunan yang umum
digunakan adalah pada kolom pertama diisi dengan nomor
urut, kemudian kode sampel. Jika sampel bertingkat, maka
pada kode kelompok yang lebih besar (misalnya kode
populasi) diletakkan paling kiri baru kemudian diikuti
kelompok sampel yang lebih kecil (misalnya nomor
sampel). Kolom selanjutnya baru digunakan untuk mengisi
karakter atau variabel-variabel yang diamati. Pada kasus
tertentu, peletakan variabel yang diamati juga memerlukan
urutan tertentu. Sebagai contoh adalah susunan seperti
pada Tabel 1 berikut, tetapi penyusunan tabel dapat
berbentuk lain sesuai dengan jenis dan bentuk data.
Tabel 1. Contoh Penyusunan Data Hasil Numerisasi Data Kualitatif

Menggunakan Kode Biner
Karakter Karakter Karakter Karakter
No Pop Sampel
A B C D
1 A1 1 0 1 1 0
2 A1 2 1 0 1 0
3 A1 3 0 1 0 0
4 A1 4 0 1 0 1
5 A1 5 0 1 1 1
6 A2 1 1 1 1 0
7 A2 2 1 0 0 0
8 A2 3 1 0 1 1
9 A2 4 1 1 0 1
10 A2 5 0 0 1 0
dst dst dst Dst dst dst dst
1.2.4 Proses Pengolahan Data

Proses pengolahan terhadap suatu data dapat dilakukan
hanya sekali dan menggunakan metode yang sederhana,
hingga pengolahan bertingkat hingga beberapa kali mulai
dari metode yang sederhana hingga menggunakan metode
yang spesifik. Tingkat penggunaan metode dalam
pengolahan data tergantung pada jenis data dan tujuan
penelitian.
1.2.5 Pengolahan Data Langsung

Pada penelitian untuk deskriptif, misalnya untuk
mendeskripsikan suatu hasil temuan baru misalnya spesies
baru, varietas baru hasil pemuliaan maupun proses atau
benda baru (paten), data hasil pengukuran dan pengamatan
cukup dideskripsikan langsung atau diolah secara
sederhana menggunakan metode analisis deskriptif.

Pengolahan Data
Pengolahan data sederhana dengan analisis statistik

deskriptif misalnya untuk menampilkan rerata dari suatu
data, nilai tengah, dan selang maksimal dan minimal.
1.2.6 Pengolahan Data Bertingkat

Pengolahan data bertingkat dilakukan untuk keperluan
analisis hasil suatu penelitian hingga dapat diperoleh suatu
kesimpulan. Seringkali, diperlukan analisis lebih mendalam
terhadap suatu data, sehingga diperlukan pengolahan data
secara bertingkat agar memudahkan dalam melakukan
analisis. Pengolahan data lanjutan untuk keperluan analisis
seringkali juga disebut sebagai analisis. Salah satu
contohnya adalah suatu penelitian menginginkan hasil yang
tidak hanya berupa nilai rerata dan simpangan baku.
Misalnya untuk mengetahui perbedaan efek dari suatu
perlakuan, maka analisis dan kesimpulan dibuat
berdasarkan pengolahan data lanjutan dari hasil olahan
data rerata dan simpangan baku sebelumnya. Teknik
pengolahan data rerata dan simpangan bakunya dikenal
dengan program ”ANOVA” (analisis of variance), untuk
mengetahui apakah suatu efek perlakuan tersebut berbeda
atau tidak dengan perlakuan lainnya. Cara pengolahan data
ANOVA dapat dilakukan manual dengan kalkulator atau
menggunakan program komputer. Hasil olahan
menggunakan ANOVA dapat diolah lagi lebih lanjut
misalnya menggunakan metode ”Duncan”, jika diperoleh
hasil bahwa terdapat perbedaan pengaruh. Mengolah data
lebih lanjut dengan metode ”Duncan” akan mengetahui

lebih tajam, apakah pengaruh perbedaan tersebut berbeda
nyata atau tidak. Contoh lain adalah jika ingin dilakukan
suatu pengelompokan atau klasifikasi, maka data hasil
olahan pertama yang berupa nilai rerata dari suatu populasi
dilakukan lagi pengolahan dengan metode klastering. Jika
tujuan pengolahan data adalah untuk mencari hubungan
antara faktor yang satu dengan yang lain maka pengolahan
lebih lanjut dari olahan nilai rerata menggunakan metode
regresi, korelasi atau binomial/multinomial logistik, dll.
Hasil olahan dari suatu data juga dapat diproses lebih
lanjut untuk dapat ditampilkan secara lebih sederhana
(supaya lebih mudah dibaca dan dipahami) dalam bentuk
tabel, gambar atau grafik.
1.3 PENGOLAHAN DATA MENURUT JENIS/BENTUK

DATA
Anda tentu masih ingat pada mata diklat Sumber dan
Koleksi Data (Bidang IPA/IPT). Pada mata diklat tersebut telah
dijelaskan mengenai jenis-jenis data dan bentuk data. Kita
mengenal data primer dan data sekunder, data kualitatif dan data
kuantitatif, data mentah, dan data matang. Pengolahan data
diperlukan pada data mentah baik primer maupun sekunder
berdasarkan bentuknya sehingga terdapat perbedaan pada
pengolahan data kualitatif dan data kuantitatif.

Pengolahan Data
1.3.1 Pengolahan Data Kualitatif

Data kualitatif berhubungan dengan fakta atau peristiwa
secara deskriptif yang tidak mengandung angka.2 Data
kualitatif dapat langsung di olah secara manual maupun
diolah lebih lanjut menggunakan program komputer. Hal
tersebut tergantung pada keperluan dan tujuan penelitian.
Jika akan diolah lebih lanjut (misalnya dengan
menggunakan komputer), data kualitatif akan dibuat
menjadi data “numerik” terlebih dahulu, yaitu transformasi
data kualitatif ke dalam bentuk angka. Proses numerisasi
data kualitatif disebut juga mengkategorikan data. Datanya
disebut sebagai data kategorik. Sebagai misal, dalam suatu
penelitian “karakterisasi morfologi buah durian”, salah satu
data yang diperoleh antara lain berupa data kualitatif, yaitu
warna daging buah (putih, krem, kuning, jingga, merah).
Untuk pengolahan data langsung secara manual dapat
langsung dikerjakan, misalnya jika hanya ingin diketahui
berapa jumlah sampel yang berwarna daging merah,
kuning, atau krem. Sedangkan jika ingin diolah lebih lanjut
untuk keperluan analisis yang lebih mendalam, misalnya
untuk analisis klastering (klasifikasi) atau dalam program
seleksi, maka data ditransformasi terlebih dahulu.
Transformasi data dilakukan dengan pemberian kode angka
tertentu untuk karakter warna tertentu (misalnya putih = 1,
krem = 2, jingga = 3, dsb).

Numerisasi karaker yang menggunakan lebih dari dua

angka disebut karakter multistate. Untuk contoh warna
daging durian tersebut menggunakan karakter multistate.
Sedangkan numerisasi dengan hanya dua karakter sangat
umum digunakan dalam pengolahan program komputer.
Numerisasi dua karakter disebut karakter biner, biasanya
hanya menggunakan angka nol (0) dan satu (1). Contoh
karakter tersebut biasanya berasal dari numerisasi sifat ya
dan tidak atau hanya terdapat dua kategori bagi karakter
tertentu. Sebagai misal, apakah kulit buah berduri atau
gundul, tanaman bergetah atau tidak, jenis kelamin suatu
hewan yang tidak memiliki sifat hermaphrodite, terdapat
pola pita pada visualisasi marka DNA, timbul warna
tertentu dalam reaksi kimia atau tidak, terdapat hasil uji
positif atau negatif dalam suatu tes reaksi tertentu, dll.
Tentunya peneliti juga harus mencatat arti kode angka
tersebut dan menyampaikannya dalam metodologi atau
Lampiran dalam suatu laporan atau tulisan ilmiahnya.
Dalam penentuan kode numerisasi karakter kualitatif,
terkadang sudah terdapat standar dalam pengkatogorian
data kualitatif untuk jenis-jenis data tertentu, terutama
dalam tanaman budidaya. Demikian juga untuk
karakteristik morfologi atau data kualitatif hewan atau
ternak, jenis tanah, sifat fisik atau kimia bahan makanan,
bahan obat, dan sebagainya. Standar tersebut biasanya
dikeluarkan oleh suatu badan yang diakui secara

Pengolahan Data
internasional dan/atau nasional. Oleh karena itu, dalam

pengkatogrian data kualitatif dalam penelitian kita,
sebaiknya dilakukan penelusuran terlebih dahulu mengenai
standar pengkatorian dalam objek penelitian kita. Sebagai
contoh, untuk keperluan pemuliaan dan konservasi plasma
nutfah tumbuhan budidaya, dikenal “DESCRIPTOR LIST”,
yang dikeluarkan oleh International Board for Plant
Genetic Resources (IBPGR). Akan tetapi, jika belum
terdapat standar yang resmi, kita dapat menelusuri dari
penelitian sejenis yang telah dilakukan oleh orang lain. Jika
belum ada sama sekali, kita dapat membuat kategori sendiri
berdasarkan pengetahuan mengenai sifat objek yang kita
teliti dan dapat juga untuk diusulkan dalam standarisasi.
1.3.2 Pengolahan Data Kuantitatif
Data kuantitatif berupa angka-angka. Data kuantitatif bisa
bersifat kontinyu atau diskontinyu. Data kontinyu biasanya
berasal dari data kuantitatif murni yang langsung berasal
dari hasil pengamatan. Sedangkan data diskontinyu dapat
berasal dari hasil pengamatan/penelitian langsung,
maupun hasil pengkategorian sifat dari suatu karakter
dalam data kualitatif.
1.3.3 Pengolahan Data Kontinyu
Data kontinyu adalah data yang dihasilkan dari
pengamatan pengukuran kuantitatif, tidak memiliki selang
dan jika divisualisasikan dalam bentuk grafik akan tampak
kontinyuitasnya. Sebagai misal, data hasil panen suatu

tanaman pertanian berupa ukuran panjang, ukuran

berat/bobot, ukuran jumlah dan sebagainya. Dalam
pengolahan data kontinyu, dapat langsung diolah dalam
bentuk grafik atau tabel. Pada umumnya dilakukan
pengolahan statistik sederhana terlebih dahulu untuk
melihat nilai rerata dari sampel yang diteliti. Selain nilai
rerata, nilai simpangan juga diperlukan untuk melihat
seregaman data yang diperoleh.
Terkadang, untuk keperluan analisis tertentu, misalnya
analisis lebih lanjut menggunakan program komputer
tertentu yang mengharuskan pengolahan data secara
diskontinyu, data kontinyu dapat diubah menjadi data
diskontinyu dengan melakukan pengkelasan dan mengubah
menjadi data kualitatif. Misalnya, data tinggi badan
penduduk suatu daerah yang semula bersifat kontinyu,
dapat dikelaskan menjadi pendek, sedang dan tinggi
(berupa data kualitatif). Tinggi badan pendek adalah
ukuran-ukuran yang masuk dalam selang ukuran pendek,
tinggi badan sedang adalah ukuran-ukuran yang masuk
dalam selang ukuran sedang, dan tinggi badan tinggi adalah
ukuran-ukuran yang masuk dalam selang ukuran tinggi.
Penentuan selang atau pengkelasan data kontinyu dapat
dilakukan secara manual, tetapi dapat juga dilakukan
menggunakan program komputer berdasarkan data yang
telah ada. Data kuantitatif kontinyu yang telah diubah
menjadi data kualitatif tersebut diberi kode lagi

Pengolahan Data
(numerisasi) sebagaimana yang dijelaskan dalam poin 1.2.1

untuk dapat digunakan dalam pengolahan data lebih lanjut
sesuai keperluan/tujuan penelitian. Penentuan jumlah
selang akan mempengaruhi dalam bentuk data numerik,
apakah akan menjadi data “biner” atau multistate. Jika
hanya dibuat menjadi dua kelas, artinya data yang
dihasilkan akan menjadi data biner, sedangkan jika dibuat
menjadi tiga kelas atau lebih data yang dihasilkan menjadi
multistate. Oleh karena itu, harus disesuaikan dengan sifat
dan cara memperoleh data serta tujuan penelitian dan
kedalaman analisis yang diinginkan.
1.3.4 Pengolahan Data Diskontinyu
Data diskontinyu, biasanya berasal dari data kualitatif yang
telah mengalami numerisasi, atau data kontinyu yang telah
mengalami pengkelasan. Pada prinsipnya, pengolahan data
diskontinyu juga sama dengan data lainnya, bergantung
pada keperluan dan tujuan penelitian. Jika hanya
diperlukan untuk analisis yang bersifat deskriptif, maka
data bisa langsung diolah dalam bentuk grafik atau tabel.
Akan tetapi jika diperlukan untuk analisis lebih lanjut
dalam program komputer tertentu, maka data diskontinyu
perlu diubah dalam bentuk angka yang sesuai dengan yang
disyaratkan program tersebut. Pengolahan data lebih lanjut
memerlukan data dasar berupa data numerik biner atau
multistate.

Latihan 1
a. Pilihlah suatu data hasil penelitian yang bersifat kualitatif
dan kuantitatif, kemudian susun dalam bentuk numerik
b. Berikan contoh data deskriptif
Gunakan kertas terpisah untuk menjawab pertanyaan

berikut.
Isilah soal yang ada pada kolom A dengan cara menuliskan huruf di muka
pilihan jawaban yang tersedia pada kolom B di tempat yang telah
disediakan (......). Anda juga boleh menggunakan kertas lain untuk
menjawab soal ini.
No A B
1. Data adalah (……….) a. Kurang lengkapnya anggota
peneliti
2. Data dapat berupa (…………) b. Pengolahan dan analisis agar
dapat diterima oleh pembaca.
3. Data bermanfaat untuk c. Survei, simulasi, atau
(………..) percobaan.
4. Data memerlukan (………….) d. Angka, grafik, peta atau gambar.
5. Data dapat diperoleh dengan e. Bahan untuk penulisan suatu
cara (………….) karya tulis.
6. Salah satu alasan kegagalan f. Bukan akhir dari suatu dari
dari suatu penelitian adalah suatu penelitian
(………….)
7. Penelitian yang baik g. Bukti dari suatu pelaksanaan
memerlukan (……………) kegiatan oleh setiap anggota
yang terlibat.
8. Yang dimaksud dengan h. Menggunakan suatu software
pengolahan data adalah yang telah baku, atau membuat
(…………) suatu perhitungan dengan
rumus tertentu.
9. Data mentah adalah i. Mendapatkan data, umumnya
(………….) untuk bidang-bidang
kimia,biologi, dan fisika.
10. Pengolahan data dapat j. Mendapatkan data, umumnya
dilakukan dengan (………….) untuk bidang-bidang pertanian,
biologi dan geophysics.

Pengolahan Data
11. Simulasi adalah (………….) k. Melakukan analisis terhadap

data mentah dan
memprosesnya dengan
menggunakan metode yang
dianggap sesuai.
12. Pengamatan di lapangan l. Suatu catatan harian seorang/
pada umumnya dilakukan sekelompok peneliti tentang
untuk (…………….) peneletian yang dilakukannya.
13. Pengamatan di laboratorium m. Hasil pengamatan baik di
dilakukan untuk (…………….) lapangan maupun di
laboratorium.
14. Log Book adalah (……………) n. Model dari pengumpulan data
di laboratorium.
15. Salah satu manfaat Log Book o. Suatu proses untuk
adalah sebagai (………….). memperoleh data.
p. Perencanaan yang baik serta
membuat beberapa alternatif
pemecahan masalah.
Ringkasan
Data hasil penelitian harus diolah dan dianalisis untuk dapat
menghasilkan suatu informasi. Pengolahan data dapat dilakukan secara
sederhana, deskriptif, maupun bertingkat dan menggunakan software
spesifik yang sesuai dengan tujuan penelitian. Pengolahan data
bertingkat biasanya memerlukan penyederhanaan data dengan cara
numerisasi agar dapat diolah lebih lanjut menggunakan software yang
sesuai.

Tindak lanjut
1. Jika Anda menjawab 12-15 soal dengan benar pada Latihan 1

serta memperoleh nilai A atau B untuk Tugas 1. Selamat, Anda
dapat melanjutkan ke PB-2. Bahkan meskipun tim Anda hanya
memperoleh nilai C untuk Tugas 1, Anda tetap diperkenankan
untuk melanjutkan ke PB-2.
2. Jika Anda menjawab 8-11 soal dengan benar pada Latihan 1

serta memperoleh nilai A atau B untuk Tugas 1, sebaiknya
Anda kaji-ulang materi modul yang dianggap sulit. Begitu pula
walaupun tugas tim Anda memperoleh nilai A atau B, Anda
tetap dianjurkan untuk mengulang bagian modul yang dianggap
sulit.
3. Jika Anda menjawab tujuh atau kurang Latihan 1, tetapi Tugas

1 memperoleh A atau B, Anda sebaiknya mengulang seluruh
modul ini.
Akhir PB- Satu

Skema PB-Dua
Analisis
Data
Prosedur Analisis Data: Langkah Umum Penggunaan

- Pengertian Analisis: Alat Bantu
- Teknik Analisis Data - Analisis Hubungan
- Fungsi Analisis Data - Analisis Perbedaan
- Analisis Pengaruh

Pengelolaan dan Analisis Data (Bidang IPA/IPT)
Proses Belajar Dua
Analisis data, teknik analisis,anomali, eksperimen,analisis

hubungan: hubungan simetris, timbal balik, asietris, linear,
nonlinear, indikator; analisis perbedaan, analisis pengaruh, alat
bantu software.
Analisis data rnerupakan proses yang sangat penting dalam

rentetan suatu tugas penelitian. Analisis data merupakan suatu
inti dari sebuah penelitian. Analisis data juga rnerupakan suatu
taruhan kepada tim peneliti, karena kemampuan mereka akan
diuji dari hasil analisis mereka terhadap suatu hasil eksperimen
di laboratorium atau pengumpulan data lapangan.
2.1 PROSEDUR ANALISIS DATA

2.1.1 Pengertian Analisis Data
Analisis data merupakan proses perubahan angka dan
catatan/ hasil penelitian menjadi informasi yang mudah
dipahami oleh pembaca, proses yang menggunaan statistik
atau teori probabilitas, dan proses untuk membandingkan
atau mengetes kebenaran teori atau konsep informasi yang
ditemukan.

Analisis Data
Data yang telah diperoleh dari suatu penelitian jika hanya

ditampilkan, meskipun dengan suatu penampilan yang
menarik untuk dilihat, tetapi jika tidak diikuti dengan suatu
analisis yang tajam dan mendalam, maka data tersebut
akan tetap merupakan data, tanpa dapat memberikan
makna yang cukup bermanfaat bagi orang lain.
2.1.2 Teknik Analisis Data

Untuk data hasil eksperimen yang diperoleh dari
laboratoriurn atau lapangan, pada umumnya data hasil
pengukuran harga suatu besaran fisika, kimia, dan lain
sebagainya sesuai dengan bidang ilmu penelitian yang
dilakukan.
Dalam menganalisis suatu data, maka yang harus

diperhatikan dengan cermat adalah bentuk data yang
dianalisis. Misalnya data yang telah disajikan dalam bentuk
grafik, maka untuk menganalisis data tersebut adalah
dengan cara memperhatikan dengan cermat satu grafik
dengan grafik lainnya. Lalu diperhatikan apakah ada
kelainan antara yang satu dengan lainnya, terutama data
yang diperoleh dengan perlakuan yang sama. Juga
sebaiknya diperhatikan, apakah data yang diperoleh dari
eksperimen rnenyimpang dari teori yang berhubungan
dengan data tersebut? Jika tidak ada penyimpangan
terhadap teori, maka umumnya data tersebut sudah cukup
baik, dan tidak perlu dianalisis lebih jauh. Artinya apa yang

dinyatakan dalam teori, telah dapat diperoleh/dibuktikan

dengan melakukan eksperimen.
Menghadapi kenyataan seperti ini, ada sebagian peneliti

yang langsung merasa cukup puas, karena tidak ada
permasalahan yang harus dibahas lebih lanjut. Akan tetapi
ada, juga sebagian peneliti yang kurang puas dengan
keadaan tersebut, karena tidak ada tantangan untuk
dibahas atau dianalisis lebih lanjut. Bahkan bagi sebagian
peneliti, akan sangat menarik untuk menganalisis data yang
menunjukkan penyimpangan yang cukup penting dari teori
yang mendukung sebuah eskperimen, meskipun teknik
pengumpulan data yang dilakukan tidak mempunyai
perbedaan dengan standar baku. Dengan demikian, maka
peneliti mempunyai suatu tantangan untuk dipecahkan dan
harus melakukan suatu analisis yang cukup komprehensif
sehingga dapat menjelaskan anomali yang terjadi. Suatu
penjelasan masih dapat diterima secara ilmiah, meskipun
tanpa rnenggunakan suatu statistik yang rumit. Bahkan
dari suatu anomali yang diperoleh dari dua atau lebih data,
maka dari analisis yang dilakukan ada kesempatan untuk
menemukan adanya konsep baru dari data yang diperoleh
tersebut.
2.1.3 Fungsi Analisis Data

Tanpa dianalisis, data tetap merupakan bahan mentah,
yang belum memberikan informasi yang maksimal. Data

Analisis Data
yang diperoleh dari hasil percobaan, tanpa dianalisis belum

tentu dapat dipahami keseluruhan informasi yang
terkandung di dalamnya. Atau data yang disajikan seadanya
saja, akan memberikan makna yang berbeda-beda bagi
setiap orang, sesuai dengan interpretasi masing-masing.
Oleh karena itu data perlu untuk dianalisis agar dapat
memperoleh suatu kebenaran atau dapat membuktikan
suatu hipotesis. Secara umum dapat dikatakan bahwa
analisis perlu dilakukan karena:
 Data awal sebagai bahan mentah sukar dicerna oleh
pembaca;
 hasil analisis merupakan contoh kebenaran yang lebih
luas dari suatu sampel populasi (cuplikan);
 agar pembaca tidak melakukan interpretasi yang
berbeda-beda dan mengambil kesimpulan yang
berlainan terhadap data yang sama.
Menganalisis data hasil eksperimen tidak selalu harus menggunakan

metode statistik yang canggih. Tingkat keilmiahan dari suatu tulisan hasil
penelitian yang melakukan analisis tanpa statistik tidak akan menjadi
berkurang. Bahkan sebaliknya dapat terjadi, ada yang dirasakan kurang
pas jika dipaksanakan untuk menggunakan analisis statistik terhadap data
hasil eksperimen.

2.2 LANGKAH UMUM ANALISIS

Dalam menganalisis suatu data, umumnya dimulai
dengan melakukan analisis yang paling sederhana, kemudian jika
masih diperlukan analisis lanjutan, baru dilakukan dengan
analisis yang lebih rumit. Dalam analisis data yang diperoleh,
umumnya yang dilakukan adalah melihat hubungan, perbedaan,
atau pengaruh dari suatu data dengan data lainnya. Juga sangat
penting dilakukan dengan membandingkan hasil yang diperoleh
dengan data hasil penelitian yang telah dilakukan sebelumnya,
terutama analisis hubungan dan perbedaan.
2.2.1 Analisis Hubungan
Analisis hubungan merupakan analisis yang umum. Dalam
hal ini perlu dianalisis bentuk hubungan yang ada, baik
antara data yang terdiri dari beberapa variabel, atau
hubungan antara data/hasil yang diperoleh sendiri dengan
hasil yang diperoleh oleh para peneliti lain. Untuk data
dengan dua buah variabel ada tiga hubungan yaitu:
hubungan dimana ke dua variabel tidak saling
mempengaruhi (hubungan simetris), ke dua variabel saling
mempengaruhi (hubungan timbal balik), dan hubungan
dimana satu variabel mempengaruhi variabel ke dua
(hubungan asimetris).2
Di samping itu, berdasarkan grafik hubungan antara dua
buah variabel, maka hubungan antara variabel dapat
berupa hubungan linear, dan nonlinear. Hubungan linear
memberikan bentuk grafik yang berupa garis lurus, dalam

Analisis Data
arah positif atau dalam arah negatif.

Perhatikanlah contoh hubungan linier berikut!
Grafik perubahan arus listrik yang mengalir dalam sebuah
hambatan listrik, terhadap perubahan besarnya tegangan
listrik yang diberikan terhadap kedua ujung hambatan
listrik yang dialiri arus.
Sedangkan hubungan yang nonlinear dapat berbentuk

Parabola, eksponensial, atau mengikuti suatu fungsi
tertentu misalnya: fungsi-fungsi trigoniometri, polinomial,
dan lain sebagainya.
Simak contoh hubungan yang nonlinier!
 Hubungan parabola, misalnya lintasan dari sebuah
peluru yang ditembakkan ke udara dengan membentuk
sudut elevasi tertentu.
 Hubungan trigoniometri (bentuk sinus atau cosinus),
misalnya grafik rambatan sebuah gelombang dalam
medium tali atau zat padat lainnya.
2.2.1.1 Hubungan Simetris.
Dua variabel dikatakan mempunyai hubungan simetris
jika variabel kesatu tidak disebabkan atau dipengaruhi
oleh variabel kedua. Dalam hubungan simetris, hubungan
antara dua buah variabel merupakan hubungan semu.
Seolah-olah ada hubungannya, akan tetapi sebenarnya
sama sekali tidak ada hubungan.

Ada beberapa hubungan simetris, antara lain:2

2.2.1.1.1 Indikator dari sebuah konsep.
Konsep denyut jantung cepat yang disertai
keringat. Denyut Jantung (variabel 1) semakin
cepat dibarengi keluarnya keringat (variabel 2).
Akan tetapi tidak dapat dikatakan bahwa
jantung yang berdebar-debar cepat
menyebabkan tangan berkeringat. Akan tetapi
kedua variabel merupakan indikator bahwa
adanya kecemasan.
2.2.1.1.2 Akibat dari sebuah faktor.
Berikut contoh hubungan simetrisnya. Pada satu
negara meningkatnya pelayanan kesehatan
(variabel 1) dibarengi pula dengan
bertambahnya jumlah pesawat (variabel 2).
Meningkatnya pelayanan kesehatan tidak
menyebabkan banyak pilot yang sehat. Atau
meningkatnya jumlah penerbangan,
menyebabkan dokter dapat lebih sering terbang.
Sebenarnya ke dua variabel merupakan akibat
dari keadaan, yaitu suatu revolusi iptek. Akan
tetapi kedua variabel sebenarnya tidak saling
mempengaruhi.
2.2.1.1.3 Saling berkaitan secara fungsional.
Untuk hubungan simetris kategori ini,
perhatikan pernyataan ini sebagai contoh.

Analisis Data
Dimana ada guru (variabel 1) di sana pasti ada

murid (variabel 2). Untuk bisa berfungsi maka
satu variabel tergantung kepada variabel ke dua,
tetapi variabel 1 tidak menyebabkan variabel 2,
atau sebaliknya.
2.2.1.2 Hubungan Timbal Balik.
Hubungan timbal balik adalah hubungan antara dua
variabel dimana variabel 1 dapat menjadi sebab
dan akibat bagi variabel 2, atau sebaliknya. Pada
umumnya hubungan timbal balik sangat tergantung
kepada waktu, sehingga sulit menentukan variabel yang
menjadi sebab atau akibat. Misalnya, orang yang
bependidikan tinggi (variabel 1), cenderung lebih mudah
untuk mendapatkan ekonomi yang lebih baik (variabel 2).
2.2.1.3 Hubungan Asimetris

Hubungan dimana satu variabel mempengaruhi variabel
kedua, tetapi variabel kedua tidak mempengaruhi
variabel pertama. Misalnya, besarnya arus listrik
(variabel 1) yang mengalir melalui sebuah hambatan
listrik (variabel 2). Hambatan listrik yang besar akan
menimbulkan arus listrik yang mengalir melalui
hambatan tersebut kecil. Akan tetapi sebaliknya, arus
listrik yang kecil tidak menyebabkan hambatan yang
besar sehingga hambatan listrik merupakan variabel
penentu.

Cobalah Anda membuat contoh-contoh lain dari setiap

kategori hubungan. Kegiatan ini makin mempermudah
pemahaman Anda untuk materi modul selanjutnya!
2.2.2 Analisis Perbedaan

Dari suatu hasil penelitian, hal-hal yang berbeda atau
menimbulkan perbedaan merupakan suatu hal yang
menarik untuk dijadikan suatu bahan analisis.
Perbedaan antara dua buah variabel juga merupakan hubungan, sebab

jika ada perbedaan di antara kedua variabel, maka tentu juga secara
implisit ada hubungan di antaranya. Misalnya perbedaan hasil yang
diperoleh dalam suatu eksperimen berbeda dengan teori yang
menyatakan hasil yang seharusnya diperoleh.
Teori yang menyatakan hubungan antara kapasitansi

sebuah dioda (dioda adalah sebuah komponen elektronik
yang hanya dapat dilalui oleh arus listrik dalam satu arah
saja) dengan perubahan tegangan listrik yang diberikan
terhadap ke dua ujung dioda merupakan hubungan yang
linear seperti yang diilustrasikan dalam Gambar 1a.
Namun, dari sebuah hasil eksperimen terhadap sebuah

dioda yang difabrikasi oleh seorang peneliti, ternyata
diperoleh hubungan yang tidak linear, seperti diilustrasikan
dalam Gambar 1b.Tentu hal ini akan merupakan bahan
yang sangat menarik untuk di analisis. Apakah teori yang
salah? Hal ini hanya dapat dibenarkan, jika seseorang dapat
memberikan bukti yang nyata dan meyakinkan orang lain,
Analisis Data
bahwa hasil eksperimen yang dilakukannya benar. Akan

tetapi, untuk menyalahkan sebuah teori yang sudah
digunakan oleh para ahli ratusan tahun lamanya, adalah
sangat sulit untuk dapat diterima oleh orang lain. Lalu
bagaimana analisis yang harus diberikan, jika data yang
diperoleh juga data yang benar. Artinya, tidak ada
kesalahan dalam melakukan eksperimen dan dalam proses
pengumpulan data.
Menurut teori, hubungan antara kapasitansi (C) dengan

tegangan listrik (V) dari sebuah dioda dalam ilmu fisika
atau elektronika diberikan sebagai:
1/ C2 = k1 + k2 V
k1 dan k2 merupakan konstanta
Berdasarkan hubungan tersebut, maka jelas hubungan

antara satu per kapasitansi pangkat dua (1/C2) dengan
tegangan listrik (V) adalah hubungan linear, tetapi
berbanding terbalik. Artinya jika V bertambah besar, maka
C akan berkurang. Jika digambarkan grafik antara 1/C2
dengan V maka akan diperoleh hubungan kurva ideal
seperti pada Gambar 1a.
Sementara dari hasil pengukuran kapasitansi dari sebuah

dioda yang difabrikasi, menghasilkan kurva 1/C2 dengan V
seperti yang ditunjukkan dalam Gambar 1b, bahkan
kemungkinan yang paling ekstrem seperti yang diberikan
dalam Gambar 1c.

Selanjutnya bagaimana seorang peneliti memberikan suatu

analisis terhadap eksperimen seperti yang diberikan dalam
contoh ini!
Untuk memberikan suatu penjelasan agar dapat diterima
oleh para peneliti lain, terkadang harus dilakukan
eksperimen lanjutan.Untuk kasus yang diberikan dalam
contoh ini,sebenarnya yang menyebabkan grafik dari 1/C2 -
V dari sebuah dioda yang difabrikasi terdistorsi dari grafik
1/C2 - V yang ideal, adalah hambatan listrik (R) dari dioda
tersebut.
Idealnya sebuah dioda mempunyai hambatan listrik (R)

dalam satu arah cukup besar (dalam orde Giga Ohm, GΩ)
dan dalam arah sebaliknya dalam arah dioda
menghantarkan, maka hambatan listriknya cukup kecil (di
bawah 1 Ohm). Jika hambatan listrik dioda yang difabrikasi
cukup significant maka kurva 1/C2 - V akan terdistorsi dari
kurva dioda ideal (Gambar 1a) menjadi bentuk kurva 1/C2 -
V yang diberikan dalam Gambar 1b. Bahkan jika harga
hambatan listrik dioda yang difabrikasi relatif cukup besar,
maka bentuk kurva 1/ C2 - V dapat berubah menjadi bentuk
yang diberikan dalam gambar 3c. Untuk membuktikan
penjelasan ini, penelti sebaiknya melakukan eksperimen
dengan menggunakan dioda yang ideal, lalu merangkaikan
sebuah hambatan listrik yang harganya dapat dirubah-

Analisis Data
rubah (variable resistor) dan menampilkan grafik 1/ C2 - V

untuk setiap harga hambatan listrik yang digunakan.3
Gambar 1. Kurva antara 1/ C2 dengan tegangan listrik (V).

(a) Hubungan linear, sesuai dengan teori (ideal).
(b) Hubungan yang tidak linear, dan tidak sesuai
dengan teori, (c) hubungan linear, tetapi dalam
arah yang berlawanan.
2.2.3 Analisis Pengaruh (effect)

Pengaruh merupakan suatu pemyataan yang menyatakan
hubungan antara dua variabel serta menyebutkan arah
pengaruh tersebut, yaitu dari variabel mempengaruhi
menuju variabel yang dipengaruhi. Pengaruh merupakan
hubungan asimetri yang telah dibahas pada subsubbab
2.2.1.1.3 Saling Berkaitan Secara Fungsional

Contoh yang paling mudah dipahami dalam analisis

pengaruh adalah dalam bidang pertanian ataupun dalam
bidang kesehatan. Namun demikian analisis pengaruh
hampir digunakan dalam segala bidang penelitian, bahkan
kata "pengaruh (effect)" sering kali digunakan sebagai judul
dari tulisan ilmiah yang diterbitkan dalam sebuah jurnal
maupun prosiding.
Dalam bidang pertanian dilakukan penelitian tentang

pengaruh dari pemberian pupuk Urea terhadap produksi
buah yang dihasilkan pada tanaman jeruk. Dalam ilmu
kesehatan, misalnya penelitian tentang pengaruh
pemberian obat Tetracicline terhadap perubahan warna
gigi anak-anak yang mengkonsumsinya. Atau pengaruh dari
pemakaian pil antihamil terhadap kesehatan ibu-ibu yang
mengkonsumsinya. Dalam cabang ilmu fisika, kimia, dan
keteknikan juga analisis pengaruh sangat digemari oleh
para peneliti. Dalam fisika, pengaruh daya tarik bumi
(grafitasi) terhadap massa sebuah benda yang sedang
bergerak. Dalam kimia, pengaruh dari pelapisan unsur
tertentu pada permukaan cat mobil terhadap ketahanan
dari korosi. Bidang keteknikan, pengaruh dari
struktur/desain sebuah bangunan terhadap kekuatan
gempa bumi.
Dalam penelitian yang dirancang untuk mengetahui

pengaruh dari sesuatu yang dilakukan (variabel bebas)

Analisis Data
terhadap hal tertentu (variabel tetap atau terikat), maka

tentu harus dipahami dari awal, semua data yang harus
diambil untuk keperluan analisis. Secara umum analisis
pengaruh, merupakan suatu penelitian sebab dan akibat
sehingga dalam penentuan arah pengaruh dapat ditetapkan
dari prinsip kausalitas.
Bagaimana analisis data bidang IPA/IPT menjadi lebih
mudah? Simak uraian berikut!
2.3 PENGGUNAAN ALAT BANTU

Alat bantu yang digunakan untuk menganalisis data pada
umumnya adalah perangkat lunak (software) yang telah banyak
tersedia dan dapat diperoleh/dibeli secara bebas (bukan
mengkopi secara ilegal/membajak). Bahkan dengan kemajuan
teknologi yang semakin berkembang, saat ini setiap produsen
suatu peralatan laboratorium sudah memperlengkapi alat yang
dipasarkan berikut dengan software untuk pengolahan/analisis
data.
Keadaan ini sangat meringankan pekerjaan seorang

peneliti dalam menganalisis data/hasil penelitiannya, dan juga
sekaligus menimbulkan keengganan banyak orang untuk
melakukan tugas-tugas analisis yang sangat dibutuhkan oleh
seorang peneliti. Peneliti hanya melakukan preparasi sampel dan
memberikan input terhadap variabel yang dibutuhkan dalam
sebuah software, lalu komputer akan melakukan semua proses
analisis sesuai dengan output yang diminta. Sebagai contoh,

software untuk analisis regresi linear, regresi berganda,

polinomial bahkan untuk menganalisis fungsi-fungsi yang cukup
rumit sekalipun misalnya menganalisis struktur atau unsur-
unsur yang terkandung dalam sebuah cuplikan yang sedang
diteliti.
Penggunaan suatu software tentu saja disesuaikan

dengan tujuan penelitian. Misalnya, untuk analisis kekerabatan,
biasanya dilakukan pengolahan data dengan klastering dengan
hasil visualisasi berupa dendogram. Analisis klastering dapat
dilakukan menggunakan berbagai program software, tergantung
sifat dan asal datanya. Secara umum dapat digunakan program
SPSS, tetapi banyak pula analisis klastering yang lebih spesifik,
misalnya dengan software PAUP, atau PHYLIP, NTSys, dan lain-
lain. Untuk tujuan analisis dalam genetika populasi yang
berkaitan dengan kelangkaan suatu gen tertentu dapat digunakan
software POPGENE.
Saat ini, banyak para peneliti yang tersita waktu mereka

untuk dapat menggunakan berbagai macam software untuk
analisis data, dan waktu melakukan penelitian atau eksperimen
menjadi berkurang. Bahkan ada peneliti yang saat ini
menghadapi kesulitan untuk melakukan eksperimen, karena
tidak mengikuti perkembangan software yang demikian
pesatnya.

Analisis Data
Gambar 2. Insiden Kanker Payudara Menurut Usia
Tugas 2.
Perhatikanlah Gambar 2 yang menyajikan data tentang hubungan
antara umur seseorang wanita dengan jumlah pengidap kanker
payudara. Berikanlah analisis yang dapat dijabarkan oleh tim belajar
Anda.
Susunlah analisis sedemikan rupa sehingga mudah dipahami
oleh orang lain.
Gunakan kertas terpisah untuk menyelesaikan tugas ini.

Latihan 2
Gunakan lembar jawaban terpisah. Anda diperkenankan
mengerjakan soal di bawah bersama tim atau sendiri saja.
Berikanlah jawaban yang menyeluruh dari pertanyaan-
pertanyaan berikut.
1. Apa yang dimaksudkan dengan analisis data?
2. Mengapa data harus dianalisis?
3. Apa akibatnya jika dalam suatu tulisan ilmiah, data
ditampilkan tanpa melakukan analisis?
4. Bagaimana sebaiknya dilakukan untuk menganalisis data?
5. Jika hasil analisis saudara tidak sesuai dengan teori yang ada,
apa yang harus saudara lakukan?
6. Bagaimanakan suatu analisis data yang dikatakan baik?
7. Mengapa bagian analisis data dari suatu tulisan ilmiah
merupakan bagian yang sangat penting?

Analisis Data
Ringkasan
Analisis data merupakan proses yang sangat penting
karena peneliti mempertaruhkan kemampuan mereka untuk
menghasilkan suatu analisis yang baik. Data penelitian yang
disajikan diharapkan baik dan disertai kajian analisis yang tajam.
Analisis data dua variabel dapat dilaksanakan dengan teknik
analisis hubungan, seperti hubungan simetris, hubungan timbal
balik, dan hubungan asimetris. Sedangkan hubungan antara
variabel dapat dilakukan dengan cara linear dan nonlinear.
Analisis perbedaan sebenarnya secara tersirat,
menunjukkan adanya hubungan antara dua variabel. Perbedaan
ini sebaiknya juga dikaji oleh peneliti agar hasil penelitian jauh
lebih baik dan bermanfaat. Sedangkan analisis pengaruh
mengkaji hubungan dua variabel dan dampaknya terhadap hal-
hal lain. Penggunaan alat bantu penelitian seperti software dan
peralatan laboratorium dapat meringankan tugas-tugas peneliti.

Tindak-lanjut
1. Jika Anda menjawab enam s.d. tujuh soal dengan benar pada
Latihan serta memperoleh nilai A atau B untuk Tugas.
Selamat, Anda dapat melanjutkan ke PB-Tiga. Bahkan
walaupun tim Anda hanya memperoleh nilai C untuk Tugas,
Anda tetap diperkenankan untuk melanjutkan ke PB-Tiga.
2. Jika Anda menjawab empat s.d. lima soal dengan benar pada
Latihan 2 serta memperoleh nilai A atau B untuk tugas,
sebaiknya Anda kaji-ulang materi modul yang dianggap sulit.
Begitu pula meskipun tugas tim Anda memperoleh nilai A atau
B, Anda tetap dianjurkan untuk mengulang bagian modul ini
yang dianggap sulit.
3. Jika Anda menjawab hanya tiga atau kurang pada soal
Latihan, tetapi Tugas memperoleh A atau B, Anda sebaiknya
mengulang seluruh modul.
Akhir PB-2

Skema PB-Tiga
Penyajian Hasil
Analisis
Grafik Tabel Dendogram Gambar Prototipe

(Foto)

Proses Belajar Tiga
Hasil analisis, presentasi data, variabel, grafik, gambar (foto), prototipe.
Hasil analisis data dapat dipresentasikan dalam berbagai

bentuk sesuai dengan hasil penelitian yang dilakukan, dan
jumlah variabel yang digunakan. Tujuan utama untuk
menyajikan hasil analisis adalah untuk menyampaikan informasi
kepada orang lain sehingga dapat dicerna atau dipahami dengan
mudah.
Biasanya, tampilan hasil analisis berupa visual dalam
beberapa format, seperti grafik, tabel, dan gambar/foto. Dalam
bidang keteknikan tampilan hasil analisis dapat disajikan dengan
teknik lain. Bentuk media tiga dimensi berupa model atau
prototipe juga sering digunakan untuk presentasi hasil analisis.
PB-3 ini membahas ke dua teknik penyajian hasil analisis. Simak
dengan baik uraiannya!
3.1 GRAFIK
Hasil penelitian dengan dua variabel dimana yang ingin
ditunjukkan adalah hubungan atau pengaruh dari satu variabel
terhadap yang lainnya dapat dipresentasikan melalui grafik atau

Penyajian Hasil Analisis
kurva. Dalam menampilkan hasil dalam bentuk grafik, sering kali

seorang peneliti menggunakan garis penuh. Perlu diperhatikan
bahwa hasil analisis bukan harga mutlak untuk rentang waktu
yang panjang, tetapi umumnya data yang ditampilkan adalah
pada posisi atau kondisi tertentu saja. Dengan demikian jika
jarak antara data yang satu dengan lainnya cukup jauh, maka
satu posisi data dengan posisi lainnya dihubungkan dengan garis
putus-putus, sebab data yang ada antara dua buah hasil
pengukuran adalah merupakan harga taksiran/dugaan.
Contoh 1.
Grafik juga dapat menunjukkan penyebaran dan gruping,
sebagai contoh adalah hasil analisis diskriminan yang
ditunjukkan pada Gambar 3. Grafik tersebut memperlihatkan
penyebaran anggota populasi dan jarak kedekatan antar populasi
berdasarkan karakter morfologi pada tumbuhan Hoya
multiflora. Pada analisis diskriminan berdasarkan karakter
morfologi yang dimiliki oleh setiap aksesi/sampel, dari 6
populasi yang diteliti, anggota pada populasi 1, 2, 4, dan 5
mengumpul pada kuadran IV (kiri atas) sehingga populasi 1, 2, 4,
dan 5 dapat dianggap sebagai populasi yang serupa. Sedangkan
populasi 3 dan 6 terpisah, masing terletak di kuadran II (kanan
bawah) dan III (kanan atas).

Gambar 3. Grafik Hasil Analisis Diskriminan Kesamaan Populasi

Hoya multiflora di TNGGP Berdasarkan Karakter
Morfologi
3.2 TABEL
Untuk penelitian yang mempunyai banyak variabel (lebih
dari tiga variabel) dan juga dengan jumlah sampel yang cukup
banyak, maka akan lebih tepat dan lebih komunikatif jika
dipresentasikan dalam bentuk tabel. Akan tetapi jika dari hasil
analisis yang ingin ditunjukkan hanyalah perbandingan antara
variabel yang satu dengan lainnya, maka dapat di presentasikan
dalam bentuk diagram batang (bar charts) atau diagram
lingkaran (pie charts).

Contoh 2.
Contoh penyajian tabel dapat juga berasal dari hasil olahan
sederhana, maupun hasil analisis lebih lanjut. Tabel 3
merupakan data hasil olahan sederhana.
Tabel 3. Keberadaan H. multiflora pada berbagai tipe habitat di
Bodogol TNGGP
Jalur Tipe Habitat Tutupan Intensitas Kerapatan Jumlah H.
Tajuk Cahaya (Ha) multiflora
(%) (%) poh tiang /Ha
on
Bojong Pilar Hutan Altingia excelsa 80,23 (T) 30.03 (R) 200 125 75
Sekitar Plaza Hutan Schima walichii 60,24 (S) 49,89 (S) 325 150 100
Hutan sekunder campuran 44,56 (R) 64,45 (T) 50 50 25
Canopy Trail Hutan primer campuran 63,37 (S) 50,45 (S) 150 25 50
Cimongkleng Hutan Maesopsis eminii- 60,23 (S) 50,97 (S) 87 100 62
Cyatea contaminans
Hutan primer campuran 72,06 (T) 41,36 (R) 325 50 112
Cipadaranten Hutan sekunder campuran 40,20 (R) 68,67 (T) 112 25 0
Cikaweni Hutan Pinus merkusii 75, 68 (T) 42,36 (S) 208 25 0
Cileley Hutan primer campuran 62,53 (S) 46,72 (S) 225 25 0
Keterangan: T=tinggi, S = sedang, R = rendah
Penyajian tabel dapat merupakan hasil analisis data yang berupa

angka. Sebagai misal adalah hasil analisis klastering atau
kekerabatan suatu populasi yang diamati berdasarkan karakter
morfologinya. Karakter morfologi yang diamati sebelumnya
diolah menjadi data numerik, biasanya menggunakan angka nol
(0) dan satu (1) jika data berupa data biner, atau angka lainnya
jika data yang diolah berupa multistate. Penyusunan data
numerik dalam bentuk tabel mengikuti format program yang
digunakan, biasanya pada kolom pertama menunjukkan subyek
yang diteliti, sedangkan pada baris pertama menunjukkan
karakter yang digunakan sebagai faktor analisis. Tabel data

numerik biasanya tidak disajikan dalam makalah, melainkan

disajikan di Lampiran. Setelah dianalisis, akan diperoleh nilai
kesamaan atau ketidaksamaan yang dinyatakan dengan angka,
dan dapat ditampilkan dalam tabel sebagai hasil analisis. Tabel 4
adalah contoh penyajian hasil analisis dalam bentuk angka.
Tabel 4. Kesamaan dan Jarak Genetik Nei (1972) Populasi H.

multiflora Berdasarkan Karakter Morfologi
=======================================================
pop ID 1 2 3 4 5 6
=======================================================
1 **** 0.9836 0.9471 0.9584 0.8989 0.9576
2 0.0165 **** 0.9611 0.9472 0.8622 0.9393
3 0.0543 0.0397 **** 0.9107 0.8411 0.9461
4 0.0425 0.0542 0.0935 **** 0.9420 0.9523
5 0.1066 0.1483 0.1731 0.0597 **** 0.9249
6 0.0434 0.0626 0.0555 0.0489 0.0781 ****
=======================================================
Keterangan: kesamaan genetik (di atas diagonal) dan jarak genetik (di
bawah diagonal)
3.3 DENDOGRAM
Dendogram (Gambar 4) merupakan visualisasi hasil
analisis kekerabatan (klastering), yang sering digunakan dalam
analisis penelitian bidang IPA, terutama untuk bidang taksonomi
dan sistematik maupun keanekaragaman hayati. Analisis genetik
dan biologi populasi juga sering menggunakan visualisasi hasil
analisis dengan dendogram. Dendogram menunjukkan
kedekatan atau kekerabatan antarobjek penelitian (sampel)
beserta kelompoknya.

Gambar 4. Dendogram Hasil Analisis Hubungan Kemiripan

Antaraksesi
Pada Gambar 4, dapat dilihat bahwa dendogram

menunjukkan hubungan kemiripan antaraksesi Hoya
purpuerofusca di Taman Nasional Gunung Gede Pangrango yang
berasal dari tiga populasi. Pada tingkat kemiripan 75%, terdapat
4 kelompok, yaitu grup I terdiri dari percabangan paling atas
dengan anggota 11 aksesi (GP003 sampai dengan HP001); grup
II terdiri dari 2 aksesi (SL 001 dan HP003). Sedangkan Grup III
dan Grup IV masing-masing terdiri dari aksesi tunggal yaitu SL
003 dan GP00. Namun demikian bila tingkat kemiripan ditarik

pada tingkat 65 %, maka akan terdapat 3 kelompok, di mana

grup III dan Grup IV bergabung menjadi satu kelompok.
3.4 GAMBAR (FOTO)

Presentasi hasil analisis dengan menggunakan media
gambar, untuk penelitian bidang IPA dan teknik sudah biasa
dilakukan. Misalnya untuk menjelaskan bagian-bagian dengan
ukuran kecil (orde mikrometer), seperti penjelasan tentang
proses terbentuknya sambungan dari sebuah lapisan tipis pada
permukaan sebuah material yang berbeda, dan penjelasan
tentang mekanisme hantaran listrik pada lapisan yang terbentuk.
Atau dalam bidang kesehatan, untuk menjelaskan bagaimana
bentuk dari sel sebuah bibit penyakit (virus).
Pada umumnya foto yang ditampilkan diambil dengan
menggunakan mikroskop dengan kemampuan pembesaran yang
cukup tinggi, atau dalam bidang material science, digunakan
scanning electron microscope (SEM). Di samping itu, ada suatu
penelitian yang hasil analisisnya baru dapat dijelaskan dengan
menampilkan gambar.
Perhatikanlah Gambar 5, 6, dan 7!

Gambar 5 adalah foto SEM dari sebuah cuplikan lapisan tipis ZnO yang
dilapiskan pada permukaan gelas dengan metode RF
Magnetronsputtering.

Gambar 5. Foto SEM Dari Lapisan tipis ZnO. (a) Foto Pandangan
Atas dan (b) Foto Pandangan Samping.

Dari Gambar 5a dapat diketahui bahwa permukaan

lapisan tipis ZnO mempunyai struktur permukaan yang
berbentuk piramida, sementara dari Gambar 5b dapat diketahui
bahwa ketebalan lapisan sekitar 1,5 μm,serta ukuran butiran
(grain size) semakin membesar dalam arah pertumbuhan
lapisan. Dari Gambar 5b dapat diketahui mengapa mobilitas
pembawa muatan pada cuplikan ini lebih tinggi dari cuplikan
lainnya.
Gambar Peta yang ditampilkan pada Gambar 6 biasanya
dihasilkan dari hasil analisis data GPS, atau merupakan hasil
citra landsat (satelit). Pada analisis penyebaran suatu populasi
atau individu, biasanya disertai dengan gambar sebuah peta.
Peta penyebaran dihasilkan dari data latitude dan longitude.
Gambar 6. Peta Penyebaran Populasi Hoya multiflora di Taman

Nasional Gunung Gede Pangrango

Selanjutnya Gambar 7 merupakan hasil foto/interpretasi

pola pita DNA – AFLP (Deoxyribonucleate Acid –
AmplifiedFragment Length Polymerase)
Gambar 7. Hasil Foto/Interpretasi Pola Pita Deoxyribonucleate Acid

– Amplified Fragment Length Polymerase (DNA – AFLP)

Dalam analisis DNA-AFLP, DNA diekstrak terlebih

dahulu kemudian “dipotong” dengan menggunakan enzim
tertentu lalu di beri “penanda” berupa basa dari asam nukleat
tertentu. Penanda AFLP didasarkan pada kesamaan ukuran
panjang DNA yang terpotong. Setelah itu di larikan dalam
system elektroforesis yang memisahkan potongan-potongan
DNA berdasarkan ukuran potongan. Semakin pendek/kecil
potongan, maka DNA akan semakin “ringan” dan lari lebih jauh
dari titik start. Untuk visualisasi hasil elektroforesis di ”warnai”.
Beberapa metode pewarnaan bisa digunakan, yaitu
menggunakan ethidium bromide yang berikatan dengan DNA
sehingga pita potongan DNA berwarna gelap.
Pada saat ini berkembang sistem pewarnaan
menggunakan fluorescence yang langsung ditempelkan pada
basa nukleat hasil foto yang menempel pada setiap potongan
DNA, sehingga hasil pita DNA tampak bercahaya, dan dalam
hasil foto berwarna terang (putih). Gambar 8 adalah hasil
analisis DNA-AFLP menggunakan pewarnaan fluoresecence,
sehingga pita potongan DNA menunjukkan warna putih. Setiap
lajur ke atas menunjukkan satu aksesi, semakin banyak garis
putih pada satu lajur menunjukkan banyaknya potongan DNA.
Keberadaan garis putih (potongan DNA) mewakili ukuran
potongan tertentu, yang selanjutnya di numerisasikan menjadi
kode 0 jika tidak ada pita pada jarak tertentu, dan 1 jika ada.
Selanjutnya data tersebut dapat diolah menggunakan program
yang sesuai (NTSYS, PAUP, PHYPIP, dll).

3.5 PROTOTIPE
Presentasi hasil analisis dengan prototipe, umumnya
dilakukan untuk bidang ilmu keteknikan atau rancang bangun.
Setelah melakukan analisa dan pengujian, maka dibuatlah
prototipe alat sesuai dengan desain yang telah dirancang
sebelumnya. Presentasi dengan prototipe (contoh nyata)
umumnya lebih menarik, karena orang lain dapat mengetahui
dengan pasti bentuk dari hasil analisis yang disampaikan.
Sebagai contoh pada Gambar 8 diberikan sebuah skhematika dari
prototipe peralatan penumbuhan lapisan tipis semikonduktor
CdTe dengan menggunakan tabung kwarsa.
Gambar 8. Skematika Susunan Peralatan Penumbuhan CdTe dengan

Menggunakan Tabung Kwarsa
Sebuah prototipe peralatan seperti yang diberikan pada

Gambar 8, tentu baru dapat dihasilkan setelah melakukan
serangkaian eksperimen. Dalam melaksanakan eksperimen,
tentu banyak hal yang telah dimodifikasi, misalnya bahan atau

material yang digunakan, diameter saluran gas, kontrol

temperatur, jenis pompa vakum yang digunakan, dan lain
sebagainya, sehingga akhirnya dihasilkan bentuk yang
dikehendaki sesuai dengan penggunaannya.
3.6 REKAMAN FILM (MOVIE)

Penyajian data atau hasil analisis data dalam bentuk
rekaman film atau movie juga dimungkinkan pada masa
sekarang ini, Namun demikian, penyajian terbatas hanya pada
saat presentasi oral atau rekaman dalam bentuk softfile (CD)
yang dapat diputa ulang. Penyajian model ini penting untuk
penyajian data atau hasil analisis yang berupa gerakan atau
obyek bergerak. Biasanya lebih banyak digunakan dalam bidang
IPA, terutama untuk kasus-kasus studi ekologi atau biologi.
Sebagai contoh adalah data berupa perilaku suatu hewan liar
yang langka, atau prosesnya mekarnya bunga, persebaran biji
dan lain-lain. Dalam bidang fisika bisa juga ditampilkan film
mengenai antariksa, pergerakan awan atau gelombang air laut,
kejadian atau proses gempa bumi letusan gunung api dan
sebagainya. Dalam bidang teknik, bisa juga ditampilkan film
mengenai pergerakan partikel tertentu yang sedang diteliti.
Tugas 3.
Kelompok Anda mempunyai data yang cukup besar serta mempunyai variabel
yang cukup banyak. Anda ingin agar semua data dapat ditampilkan dalam
suatu tulisan ilmiah yang jumlah halamannya sangat terbatas. Bagaimanakah
kelompok Anda akan menampilkan seluruh data tersebut? Jelaskan model
tampilan data tersebut

Latihan 3
Gunakan lembar jawaban terpisah. Anda juga
diperkenankan untuk menyelesaikan soal ini bersama
tim belajar Anda.
Jawablah pertanyaan berikut!
1. Mengapa penulis dalam sebuah tulisan ilmiah terkadang
menampilkan data mereka dalam bentuk tabel dan bentuk
grafik? Jelaskan!
2. Sebutkan keunggulan dan kekurangan dari masing-masing
penyajian data yang Anda ketahui?
3. Berikan contoh penyajian gambar, tabel, grafik atau lainnya
yang merupakan hasil pengolahan dan atau analisis data
saudara dan beri penjelasan singkatmengenai hal tersebut.
Ringkasan:
Penyajian hasil analisis disajikan dalam berbagai bentuk
visual, seperti grafik, gambar (foto), prototype, atau rekaman
film. Setiap teknik penyajian memiliki keunggulan tersendiri.
Penyajian hasil analisis dibuat semenarik mungkin agar
tampilannya mudah dibaca dan menimbulkan pemahaman
pembaca dengan mudah.

Tindak-lanjut
1. Jika Anda menjawab ke dua dengan benar pada Latihan 3 serta
memperoleh nilai A atau B untuk Tugas. Selamat, Anda telah
menguasai materi dalam modul ini.
2. Jika Anda belum dapat menjawab ke dua soal dengan benar pada
Latihan 3 serta memperoleh nilai A atau B untuk Tugas,
sebaiknya Anda kaji-ulang materi modul yang dianggap sulit.
Begitu pula walaupun tugas tim Anda memperoleh nilai A atau
B, Anda tetap dianjurkan untuk mengulang seluruh modul ini.
3. Cobalah berdiskusi dengan fasilitator agar kesulitan belajar Anda
dapat diatasi dengan segera.
4. Anda juga dapat membaca buku-buku lainnya yang sesuai dengan
mata diklat ini untuk lebih memperkaya dan memperluas wawasan
anda.
Akhir Modul

Ringkasan
Data hasil penelitian harus diolah dan dianalisis untuk

dapat menghasilkan suatu informasi. Pengolahan data dapat
dilakukan secara sederhana, deskriptif, maupun bertingkat dan
menggunakan software spesifik yang sesuai dengan tujuan
penelitian. Pengolahan data bertingkat biasanya memerlukan
penyederhanaan data dengan cara numerisasi agar dapat diolah
lebih lanjut menggunakan software yang sesuai.
Analisis data merupakan proses yang sangat penting

karena peneliti mempertaruhkan kemampuan mereka untuk
menghasilkan suatu analisis yang baik. Data penelitian yang
disajikan diharapkan baik dan disertai kajian analisis yang tajam.
Analisis data dua variabel dapat dilaksanakan dengan teknik
analisis hubungan, seperti hubungan simetris, hubungan timbal
balik, dan hubungan asimetris. Sedangkan hubungan antara
variabel dapat dilakukan dengan cara linear dan nonlinear.
Analisis perbedaan sebenarnya secara tersirat,

menunjukkan adanya hubungan antara dua variabel. Perbedaan
ini sebaiknya juga dikaji oleh peneliti agar hasil penelitian jauh
lebih baik dan bermanfaat. Sedangkan analisis pengaruh
mengkaji hubungan dua variabel dan dampaknya terhadap hal-
hal lain. Penggunaan alat bantu penelitian seperti software dan
peralatan laboratorium dapat meringankan tugas-tugas peneliti.

Penyajian hasil analisis disajikan dalam berbagai bentuk

visual, seperti grafik, gambar (foto), atau prototipe. Setiap teknik
penyajian memiliki keunggulan tersendiri. Penyajian hasil
analisis dibuat semenarik mungkin agar tampilannya mudah
dibaca dan menimbulkan pemahaman pembaca dengan mudah.

Tugas Akhir
Tujuan : Penyusunan tugas ini adalah untuk mengembangkan

kemampuan Anda dalam menerapkan prosedur
analisis data penelitian.
Sifat : Tim
Waktu : Dua minggu
Kriteria : Mengikuti persyaratan penyajian sebagaimana telah
dibahas dalam seluruh PB modul ini.
Uraian :
Dari hasil yang Anda peroleh dalam suatu eksperimen yang
dilakukan untuk menghilangkan impuritas yang terkandung dalam
bahan alumina (Al) yang berbentuk batangan dengan panjang total
50 cm, dengan menggunakan metoda Zone Melting, maka
diperoleh data hasil pengukuran untuk pengotor Timah hitam (Pb,
kurva sebelah atas) dan besi (Fe, kurva sebelah bawah) dalam
bentuk grafik seperti yang diberikan pada Gambar 9. Konsentrasi
Pb dan Fe sebelum perlakuan adalah 60 dan 30 ppm. Prinsip kerja
Metoda Zone Melting untuk menghilangkan impuritas dilakukan
dengan cara melelehkan bagian sempit sampel, dan menggerakkan
daerah lelehan tersebut dengan kecepatan tertentu yang konstan,
dimulai dari ujung awal. Dengan demikian impuritas akan dibawa
dari ujung awal ke ujung akhir. Proses perlakuan ini dilakukan
dengan beberapa kali pengulangan, sampai tercapai tingkat
kemurnian bahan yang di kehendaki.

Gambar 9. Grafik antara Konsentrasi Impuritas untuk Pb dan Fe

dengan Posisi Sampel dari Ujung Awal Cuplikan.
Berikanlah analisis Anda terhadap hasil yang diperoleh dari

pengukuran ini, sehingga orang lain yang membaca tulisan Anda
dapat memahami informasi yang hendak saudara sampaikan.

Lembar
Tugas Kerja
Akhir
TUGAS 1
Perhatikanlah kriteria tugas yang telah disebutkan!

Nama Anggota Tim :
1.
2.
3.
4.
Kutipan Gambar 10 (kutiplah dari uraian PB-1, kemudian
gunakan tempat yang telah disediakan untuk menyelesaikan
tugas ini).
Judul :
Pendahuluan :

Dasar Teori:
Pengolahan dan Analisis
Kesimpulan:

Kunci Jawaban
Tugas Akhir
Kunci Jawaban
PB-1
Latih an 1

PB-2
Rambu-Rambu Jawaban.
1. Bahaslah proses yang dilakukan sejak data dikumpulkan
sampai publikasi hasil penelitian;
2. Perhatikan bagaimana awalnya data dikembangkan;
3. Seharusnya saudara memperhatikan dampak pada pembaca;
4. Banyak cara untuk meninterpretasikan data;
5. Berikan penjelasan yang dapat diterima oleh pembaca secara
ilmiah mengapa terjadi demikian;
6. Sesuatu yang mendapatkan pengakuan/dapat diterima oleh
oleh pembaca;
7. Menunjukkan mutu penulis/peneliti.
PB-3
Rambu-rambu Jawaban
1. Kemudahan dalam mencerna data sangat tergantung atas
teknik penyajian hasil analisis;
2. Setiap teknik penyajian memiliki keunggulan dan kelemahan
tersendiri.

Daftar Pustaka
1Lembaga Ilmu Pengetahuan Indonesia. 2012. Panduan

Penyelenggaraan Diklat Jabatan Fungsional Peneliti Tingkat
Pertama LIPI. Cibinong: Pusbindiklat Peneliti-LIPI.
2Suprapedi dan Subroto, M. A. 2011. Sumber dan Koleksi Data (bidang

IPA/IPT). Edisis Revisi. Modul Diklat Jabatan Fungsional
Peneliti Tingkat I. Cibinong: Pusbindiklat Peneliti-LIPI. 84 hal.
3. bahan Bapak Masno

4. bahan Bapak Masno
Ginting, M. 1986. Uwaterloo-Ontario, Canada: Thesis.
Ginting, M. 1998. Laporan RUT-3, KMRT.
Ginting, M. 2000. The Study of ZnO Thin Films Textured Surface

Growth by RF Magnetron Sputtering. Teknologi Indonesia.
Jilid XXIII, No 1-2.
Miles & Hubermas. 1992. Analisis Data Kualiatif. Jakarta: UI Press.
Nasution & Barizi. 1980. Statistik Non-Parametrik. Bogor: IPB.
Widodo (Alih Bahasa). 1997. Membuat Presentasi yang Efektif.

Jakarta: Gramedia.

DAFTAR RIWAYAT HIDUP
Nama : Masno Ginting

Jenis Kelamin : Laki-laki
Tempat/Tanggal Lahir : Berastagi, 28 Oktober 1956
Pekerjaan : Pusat Penelitian Fisika-LIPI
Alamat : Komplek Puspitek Blok II-H, Serpong
Kantor : Puslit Fisika-LIPI
Komplek Puspitek – Serpong
Telp. 021-7560570, fax. 7560554
Pos el : masno.ginting@gmail.com
Riwayat Pendidikan
S1, Fakultas MIPA, Jurusan Fisika, Universitas Sumatera Utara –
Medan, lulus 1983.
Ph.D (S3), University of Waterloo, Ontario, Canada, lulus 1992.
Publikasi
Sebanyak 69 KTI baik dalam bahasa Indonesia maupun bahasa Inggris
yang ditulis sendiri maupun dengan penulis lain serta tiga tulisan di
koran.
Lain-lain
 Pembimbing mahasiswa S-2 dan S-3 pada beberapa lembaga
pendidikan di Indonesia (Bandung, Jakarta, dan Medan) dan di luar
negeri.
 Profesor Riset Bidang Fisika Material, LIPI.
Penghargaan
 (1996-1998): Anggota Kehormatan dari Japan Macro-Engineers
Society (JAMES).
 (1998): Korean Photovoltaic Association, for the remarkable research
achievement at Korean Institute for Energy Research (KIER)
 (2001): Penerima Commonwealth Science Industry Research
Organisation (CSIRO) -LIPI Award dan telah melakukan penelitian di
CSIRO-TIP, Sydney-Australia, Februari - Maret.
 (2004): Bintang Penghargaan pengabdian RI
 (2010): Special award for IJSO dari pemerintah Republic of Nigeria.
Jakarta, 1 November 2012
Prof. Dr. Masno Ginting, M.Sc.

Daftar Pustaka
DAFTAR RIWAYAT HIDUP
Nama : Sri Rahayu

Jenis Kelamin : Perempuan
Tempat/Tanggal Lahir : Rembang, 30 September 1968
Pekerjaan : Peneliti di Pusat Konservasi Tumbuhan
Kebun Raya Bogor – LIPI
Alamat : Jl. Kenanga No. 2, Perumdos Kampus IPB
Darmaga Bogor
Kantor : Pusat Konservasi Tumbuhan Kebun Raya
Bogor – LIPI
Telepon: (021) 8322187
Fax: (021) 8322187
Pos el : srirahayukrb@yahoo.com
Riwayat Pendidikan
S1-Jurusan Biologi FMIPA, Institut Pertanian Bogor, 1991.
S2-Program Studi Biologi (Botani), Sekolah Pascasarjana, Institut
Pertanian Bogor, 2001.
S3-Departemen Biologi (Botani), Sekolah Pascasarjana, Institut
Pertanian Bogor, 2010.
Publikasi
Menulis hasil penelitian dalam jurnal internasional berbahasa Inggris
sekitar sepuluh, dalam jurnal nasional berbahasa Indonesia sekitar 20,
dan buku sebanyak enam buah.
Paten
Sertifikat Perlindungan Varietas Tanaman (PVT) satu buah dan
terdaftar dua buah.
Lain – lain
Pembimbing tingkat Sarjana (IPB dan Untirta) dan Pascasarjana di IPB
Jakarta, 1 November 2012
Dr. Sri Rahayu


Pengolahan Data

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pengolahan Data

Diunggah oleh

Hak Cipta:

Format Tersedia

EDISI REVISI

Lembaga Ilmu Pengetahuan Indonesia

Editor: Enny Sudarmonowati/Iroh Siti Zahroh/Anisah/Yoke Pradanatama

© Pusbindiklat Peneliti LIPI

Hak cipta dilindungi oleh undang-undang.

Modul Diklat Jabatan Fungsional Peneliti

Lembaga Ilmu Pengetahuan Indonesia

Berdasarkan Peraturan Pemerintah Republik Indonesia

ii Modul DJFP. Tingkat Pertama

Group Discussion (FGD) tentang isi dan materi yang akan

Daftar Isi Prof. Dr. Lukman Hakim, M.Sc.

Pusbindiklat Peneliti - LIPI iii

HALAMAN DEPAN ....................................................... i

SKEMA PB-SATU ......................................................... 5

SKEMA PB-DUA ......................................................... 22

iv Modul DJFP. Tingkat Pertama

SKEMA PB-TIGA ....................................................... 42

KUNCI JAWABAN ..................................................... 64

TUGAS AKHIR .......................................................... 60

DAFTAR PUSTAKA ................................................... 66

DAFTAR RIWAYAT HIDUP ........................................ 67

Pusbindiklat Peneliti - LIPI v

A. DESKRIPSI MATA DIKLAT

Modul Pengolahan dan Analisis Data (Bidang IPA/IPT)

Pusbindiklat Peneliti - LIPI 1

E. SARAN-SARAN PEMBELAJARAN DAN PUSTAKA

melakukan penelitian untuk skripsi S1), maka buatlah

Widodo (Alih Bahasa). 1997. Membuat Presentasi yang Efektif.

Sugiyono. 2010. Statistika untuk Penelitian. Bandung: Alfabeta.

Gomez KA & Gomez AA. 2007. Prosedur Statistik untuk

Nazir, M. 2003. Metode Penelitian. Jakarta: Ghalia Indonesia.

Santosa PB & Ashari. 2005. Analisis Statistik dengan Microsot

4 Modul DJFP. Tingkat Pertama

Pengertian Teknik dan Langkah Pengolahan Data

- Penyuntingan data Data kualitatif

Pusbindiklat Peneliti - LIPI 5

Proses Belajar Satu

Hasil penelitian, data: kategori, karakteristik, manfaat; kategori:

Seringkali seorang peneliti beranggapan bahwa dalam

dapat membingungkan proses analisis data. Hal yang benar

Catatan khusus tersebut, ada kalanya dapat dipakai

1.1 PENGERTIAN PENGOLAHAN DATA

Pusbindiklat Peneliti - LIPI 7

mudah dipahami sebagai suatu informasi. Pengolahan data juga

1.2 TEKNIK DAN LANGKAH PENGOLAHAN DATA

Jika ada harga-harga yang ekstrem dan berdasarkan logika,

8 Modul DJFP. Tingkat Pertama

kesimpulan akhir dari eksperimen atau suatu survei yang

1.2.2 Meringkas dan Mengodekan Data

Pusbindiklat Peneliti - LIPI 9

tersedia. Cara pengodean data, bergantung pada jenis dan

1.2.3 Tabulasi Data

Tabel 1. Contoh Penyusunan Data Hasil Numerisasi Data Kualitatif

1.2.4 Proses Pengolahan Data

1.2.5 Pengolahan Data Langsung

Pusbindiklat Peneliti - LIPI 11

Pengolahan data sederhana dengan analisis statistik

1.2.6 Pengolahan Data Bertingkat

lebih lanjut dengan metode ”Duncan” akan mengetahui

1.3 PENGOLAHAN DATA MENURUT JENIS/BENTUK

Pusbindiklat Peneliti - LIPI 13

1.3.1 Pengolahan Data Kualitatif

14 Modul DJFP. Tingkat Pertama