Langkah pertama dalam persiapan data adalah mengedit data mentah yang

dikumpulkan untuk mendeteksi kesalahan dan kelalaian yang akan membahayakan standar
kualitas. Editor bertanggung jawab untuk memastikan data akurat, konsisten dengan data
lain, dimasukkan secara seragam, dan siap untuk pengkodean. Pengkodean adalah proses
pemberian angka dan simbol lain untuk jawaban sehingga kita dapat mengklasifikasikan
tanggapan ke dalam kategori. Codebook adalah panduan untuk mengurangi kesalahan entri
data dan berfungsi sebagai ringkasan lokasi variabel dan informasi lain untuk tahap analisis.
Pengembangan perangkat lunak dalam konstruksi dan desain survei mencakup penyematan
aturan pengkodean yang menyaring data saat dimasukkan, mengidentifikasi data yang tidak
dimasukkan dengan benar.
Pertanyaan tertutup termasuk item skala dan item lain yang jawabannya diantisipasi.
Pengkodean awal item tertutup menghindari penyelesaian lembar pengkodean yang
membosankan untuk setiap respons. Pertanyaan terbuka lebih sulit untuk dikodekan karena
jawaban tidak disiapkan sebelumnya, tetapi mereka mendorong pengungkapan informasi
yang lengkap. Metode sistematis untuk menganalisis pertanyaan terbuka adalah analisis isi.
Jawaban “Tidak tahu” dievaluasi berdasarkan sifat pertanyaan dan responden.
Peneliti menangani data yang hilang dengan terlebih dahulu mengeksplorasi data untuk
menemukan sifat pola dan kemudian memilih teknik yang cocok untuk mengganti nilai
dengan menghapus kasus (atau variabel) atau memperkirakan nilai. Entri data dilakukan
dengan entri keyboard dari instrumen yang telah dikodekan sebelumnya, pemindaian optik,
keyboard waktu nyata, entri data pada telepon, kode batang, pengenalan suara, OCR,
OMR, dan transfer data dari notebook elektronik dan komputer laptop.
 Dalam statistik klasik melakukan penerimaan atau penolakan hipotesis dapat
dilakukan berdasarkan informasi sampling saja. Perbedaan antara dua atau lebih kumpulan
data adalah signifikan secara statistik jika perbedaan tersebut benar-benar terjadi dalam
suatu populasi. Untuk mendapatkan temuan yang signifikan secara statistik berdasarkan
bukti pengambilan sampel, kita harus dapat menghitung probabilitas bahwa beberapa
perbedaan yang diamati cukup besar sehingga kecil kemungkinannya dapat dihasilkan dari
pengambilan sampel acak. Probabilitas adalah dasar untuk memutuskan penerimaan
hipotesis nol, dan statistik sampling memfasilitasi perolehan perkiraan.
Pengujian hipotesis dapat dilihat sebagai suatu prosedur enam langkah:
a. Tetapkan hipotesis nol serta hipotesis alternatif.
b. Pilih uji statistik berdasarkan asumsi tentang distribusi populasi dan tingkat
pengukuran.
c. Pilih tingkat kepercayaan yang diinginkan
d. Hitung nilai uji sebenarnya dari data.
e. Dapatkan nilai uji kritis
f. Menafsirkan hasil dengan membandingkan nilai uji yang sebenarnya dengan nilai uji
kritis.
Tes parametrik beroperasi dengan data interval dan rasio dan lebih disukai ketika
asumsi mereka dapat dipenuhi. Alat diagnostik memeriksa data untuk pelanggaran asumsi
tersebut. Tes non parametrik tidak memerlukan asumsi yang ketat tentang distribusi populasi
dan berguna dengan ukuran nominal dan ordinal yang kurang kuat.Dalam memilih uji
signifikansi, minimal perlu diketahui jumlah sampel, independensi atau keterkaitannya, dan
tingkat pengukuran data. Analisis varians satu arah membandingkan rata-rata beberapa
kelompok. Ini memiliki variabel pengelompokan tunggal, yang disebut faktor, dan variabel
dependen terus menerus. Chi-square adalah statistik nonparametrik yang sering digunakan
untuk tabulasi silang atau tabel kontingensi.
 Analisis korelasi dapat diterapkan untuk mempelajari hubungan antara variabel dari
pertanyaan manajemen. Hipotesis korelasional yang benar menyatakan bahwa
variabel-variabel terjadi bersama-sama dalam beberapa cara tertentu tanpa menyiratkan
bahwa yang satu menyebabkan yang lain.Korelasi parametrik membutuhkan dua variabel
kontinu yang diukur pada skala interval atau rasio. Koefisien korelasi momen produk
mewakili indeks besarnya hubungan: Tandanya mengatur arah dan kuadratnya menjelaskan
varians umum. Korelasi bivariat memperlakukan variabel X dan Y secara simetris dan
dimaksudkan untuk digunakan dengan variabel yang berhubungan linier.
Scatterplots memungkinkan peneliti untuk memeriksa data hubungan secara visual
untuk kesesuaian statistik yang dipilih. Arah, besaran, dan bentuk suatu hubungan
disampaikan dalam sebuah plot. Asumsi linearitas dan distribusi normal bivariat dapat
diperiksa melalui plot dan tes diagnostik. Signifikansi praktis harus dipertimbangkan dalam
menafsirkan dan melaporkan temuan. Analisis regresi digunakan untuk melihat hubungan Y
dengan X lebih jauh. Garis lurus pada dasarnya adalah cara terbaik untuk memodelkan
hubungan antara dua variabel kontinu. Metode kuadrat terkecil memungkinkan kita
menemukan garis regresi, atau garis yang paling cocok, yang meminimalkan kesalahan
dalam menggambar garis. Ini menggunakan kriteria meminimalkan kesalahan kuadrat total
estimasi.
Seringkali asumsi atau tingkat pengukuran yang diperlukan untuk teknik parametrik
tidak dapat dipenuhi. Ukuran asosiasi non parametrik menawarkan alternatif. Ukuran
nominal asosiasi digunakan untuk menilai kekuatan hubungan dalam tabel klasifikasi silang.
Mereka sering digunakan bersama dengan chi-kuadrat atau mungkin didasarkan pada
pendekatan pengurangan kesalahan proporsional (PRE). Ukuran untuk data ordinal
termasuk gamma, tau b dan tau c Kendall, d Somers, dan rho Spearman. Semua kecuali
korelasi urutan peringkat Spearman didasarkan pada konsep pasangan konkordan dan
sumbang.