Oleh:
KELOMPOK 9
Ni Putu Diah Kartini (2281611030 / 05)
Putu Juna Sutrianta (2281611050 / 25)
1
DAFTAR ISI
PETA KONSEP
PEMBAHASAN
A. Data Preparation and Description .............................................................................. 1
1. Pendahuluan ................................................................................................................. 1
2. Editing (Pemeriksaan).................................................................................................. 1
2.1 Field Editing ................................................................................................................... 1
2.2 Center Editing................................................................................................................. 1
3. Coding (Pengkodean) ................................................................................................... 1
3.1 Konstruksi Buku Kode ................................................................................................... 2
3.2 Pengkodean Pertanyaan Tetutup .................................................................................... 2
3.3 Pengkodean Pertanyaan Terbuka ................................................................................... 2
3.4 Aturan Pengkodean ........................................................................................................ 2
3.5 Menggunakan Analisis Isi (Content Analysis) untuk Membuka Pertanyaan ................. 3
3.6 Tanggapan “Tidak Tahu” ............................................................................................... 3
3.7 Data Hilang (Missing Data) ........................................................................................... 4
4. Data Entry ..................................................................................................................... 4
4.1 Alternatif Format Data Entry.......................................................................................... 4
4.2 On the Horizon (Cakrawala) .......................................................................................... 5
B. Exploring, Displaying, and Examining Data ............................................................. 5
1. Analisis Data Eksplorasi .............................................................................................. 5
1.1 Frequency Tables, Bar Charts, and Pie Charts ............................................................... 6
1.2 Histograms ...................................................................................................................... 6
1.3 Stem-and-Leaf Displays ................................................................................................. 6
1.4 Pareto Diagrams ............................................................................................................. 7
1.5 Boxplots .......................................................................................................................... 7
1.6 Mapping.......................................................................................................................... 7
2. Tabulasi Silang (Cross-Tabulation) ............................................................................. 7
2.1 Penggunaan Persentase ................................................................................................... 8
2.2 Analisis Berbasis Tabel Lainnya .................................................................................... 8
C. Pengujian Hipotesis (Hypothesis Testing) ................................................................... 9
1. Pendahuluan ................................................................................................................. 9
1.1 Signifikansi Statistik....................................................................................................... 9
1.2 Logika Pengujian Hipotesis ............................................................................................ 9
1) Kesalahan Tipe I (α) ................................................................................................ 10
2) Kesalahan Tipe II (β) ............................................................................................... 10
3) Prosedur Pengujian Signifikansi Statistik ................................................................ 10
4) Nilai Probabilitas (p value) ...................................................................................... 11
2. Tes Signifikan.............................................................................................................. 11
2.1 Jenis Tes ....................................................................................................................... 11
1) Tes Parametrik ......................................................................................................... 11
2) Tes Non-Parametrik ................................................................................................. 12
2.2 Cara Memilih Tes ......................................................................................................... 12
2.3 Memilih Tes Menggunakan Kriteria Pilihan ................................................................ 12
2.4 One Sample Tests ......................................................................................................... 13
2.5 Two Independent Samples Tests .................................................................................. 13
2.6 Two Related Samples Tests.......................................................................................... 14
2.7 k -Independent-Samples Tests...................................................................................... 14
2.8 k -Related-Samples Tests ............................................................................................. 15
SIMPULAN ........................................................................................................................ 16
DAFTAR PUSTAKA
2
PETA KONSEP
BAGIAN A - DATA PREPARATION AND DESCRIPTION
1
PETA KONSEP
BAGIAN B - EXPLORING, DISPLAYING, AND EXAMINING DATA
2
PETA KONSEP
3
PEMBAHASAN
A. Data Preparation and Description
1. Pendahuluan
Tahapan data preparation and description atau yang dikenal dengan tahapan persiapan
dan deskripsi data merupakan tahapan pertama yang harus dilakukan oleh seorang peneliti.
Persiapan data meliputi pemerikasaan, pengkodean, dan data entry dan merupakan kegiatan
yang memastikan keakuratan data dan konversinya dari bentuk mentah ke bentuk tereduksi
dan terklasifikasi yang lebih tepat untuk dianalisis. Menyiapkan deskriptif ringkasan statistik
adalah langkah awal lain yang mengarah ke pemahaman tentang data yang dikumpulkan,
selama tahapan ini kesalahan entri data dapat terungkap dan diperbaiki.
2. Editing (Pemeriksaan)
Tahap ini merupakan pemeriksaan ulang data yang udah terkumpul. Editing atau
pemeriksaan adalah pengecekan atau penelitian kembali data yang telah dikumpulkan untuk
mengetahui dan menilai kesesuaian dan relevansi data yang dikumpulkan untuk bisa
diproses lebih lanjut. Editing berfungsi untuk mendeteksi kemungkinan adanya kesalahan
atau ketidakkonsistenan data.
3. Coding (Pengkodean)
Tahap ini merupakan tahap menyederhanakan data menjadi simbol atau kode angka.
Coding adalah proses pengidentifikasian dan pengklasifikasian masing-masing jawaban
1
(data) dengan menggunakan angka (numerical) sebagai skor atau dengan penggunaan
karakter maupun symbol lainnya. Pengkodean data merupakan langkah yang membantu dan
memudahkan dalam mengolah data lebih lanjut. Sebagai contoh jawaban ”ya” atau ”tidak”
dapat diberi kode 1=ya, 2= tidak. Pemindahan variabel dalam kode akan mempermudah
analisis statistik,
2
(1) Sesuai Dengan Masalah dan Tujuan Riset - Kesesuaian ditentukan pada dua tingkat,
pertama adalah pemisahan terbaik atas data untuk pengujian hipotesis dan menunjukkan
hubungannya dan yang kedua adanya ketersediaan data pembanding.
(2) Lengkap - Persyaratan kelengkapan untuk satu variabel mungkin sudah jelas, namun
tidak demikian halnya dengan aspek yang kedua. Apakah satu set kategori-yang
seringkali ditetapkan sebelum data dikumpulkan-dapat menangkap semua informasi
dalam data secara penuh.
(3) Saling Eksklusif - Aturan penting lainnya menambahkan kategori atau menyusun ulang
kategori adalah bahwa komponen-komponen kategori harus eklusif satu sama lain.
Standar ini dipenuhi jika suatu jawaban tertentu hanya dapat diletakkan dalam satu sel
dalam sekumpulan kategori.
(4) Berasal Dari Satu Dimensi Klasifikasi - Kebutuhan akan sekumpulan kategori untuk
mengkuti prinsip klasifikasi tunggal berarti bahwa semua pilihan dalam kumpulan
kategori didefinisikan berkaitan dengan satu konsep atau konstruk. Ketika sekumpulan
kategori mencakup lebih dari satu dimensi, penyunting mungkin memilih untuk
,memecah dimensi tersebut dan mengembangkan bidang data tambahan, ”pekerjaan”
dipecah menjadi dua variabel ”jenis pekerjaan” dan ”status pekerjaan”.
3
tidak tahu yang tidak diinginkan adalah dengan merancang pertanyaan pengukuran yang
lebih baik, dan juga menjalin hubungan yang baik antara peneliti dengan responden.
Tiga teknik digunakan untuk menyelamatkan kumpulan data dengan missing data (data
yang hilang) :
(1) Listwise Deletion - kasus dengan data yang hilang pada satu variabel dihapus dari
sampel untuk semua analisis variabel itu.
(2) Pairwise Deletion - data yang hilang diperkirakan menggunakan semua kasus yang
memiliki data untuk setiap variabel atau pasangan variabel; estimasi menggantikan data
yang hilang.
(3) Predictive Replacement - data yang hilang diprediksi dari nilai yang diamati pada
variabel lain; nilai yang diamati digunakan untuk menggantikan data yang hilang.
4. Data Entry
Data entry mengubah informasi yang dikumpulkan dengan metode sekunder atau primer
menjadi media untuk dilihat dan dimanipulasi. Istilah data entry juga dikenal dengan tabulasi
data, yakni pemindahan data dari kuesioner ke tabel. Kunci utama pada kegiatan ini adalah
rancangan (design) tabel dasar khususnya dalam penetapan kolom.
4.1 Alternatif Format Data Entry
1) Keyboarding
Editor layar penuh, yang dengannya seluruh file data dapat diedit atau dijelajahi, adalah
sarana data yang layak. entri untuk paket statistik seperti SPSS atau SAS. Baik SAS dan
SPSS menawarkan perangkat lunak yang dengan mudah mengakses data dari database,
spreadsheet, data warehouses atau data marts.
4
2) Optical Recognition (Pengenalan Optik)
Pemindaian optik instrument merupakan hal yang efisien bagi peneliti. Format yang
lebih fleksibel, pengenalan tanda optic / optical mark recognition (OMR) menggunakan
antarmuka bergaya spreadsheet untuk membaca dan memproses formulir yang dibuat
pengguna. Pemindai optic memproses kuesioner yang ditandai dan simpan jawabannya
dalam file.
3) Voice Recognition (Pengenalan Suara)
Peningkatan panggilan acak terkomputerisasi telah mendorong inovasi pengumpulan
data lainnya. Suara sistem pengenalan dan respons suara menyediakan beberapa
alternatif menarik untuk telepon pewawancara. Sistem ini maju dengan cepat dan akan
segera menerjemahkan rekaman suara tanggapan ke dalam file data.
4) Digital
Menggunakan entri data digital, responden yang diundang menjawab pertanyaan
dengan secara digital. Komputer menangkap data dengan mendekode sinyal listrik nada
dan menyimpan jawaban numerik atau abjad dalam file data. Salah satu aplikasi digital
yang sering digunakan adalah bar code. Bar code digunakan dalam berbagai aplikasi.
Ketika seorang pewawancara melewati bar code di atas kode yang sesuai, data dicatat
dalam ukuran kecil dan ringan unit untuk terjemahan nanti
5
Analysis – EDA) merupakan metode eksplorasi data dengan menggunakan teknik aritmatika
sederhana dan teknik grafis dalam meringkas data pengamatan. Langkah pertama dalam
menganalisis data adalah mempelajari karakteristik dari data tersebut.
1.2 Histograms
Histogram adalah representasi grafis (diagram) yang mengatur dan menampilkan
frekuensi data sampel pada rentang tertentu. Frekuensi data yang ada pada masing-masing
kelas direpresentasikan dengan bentuk grafik diagram batang atau kolom. Histogram
digunakan ketika dimungkinkan untuk mengelompokkan nilai-nilai variabel ke dalam
interval.
6
1.4 Pareto Diagrams
Pareto Diagrams merupakan grafik batang yang menggambarkan masalah berdasarkan
urutan banyaknya frekuensi banyaknya kejadian. Urutan pertama akan dimulai dari
permasalahan yang memiliki frekuensi paling besar hingga permasalahan yang memiliki
frekuensi paling kecil. Diagram Pareto adalah diagram batang yang persentasenya berjumlah
100 persen. Data diturunkan dari pilihan ganda, skala respons tunggal; sebuah pilihan ganda,
skala jawaban ganda; atau frekuensi jumlah kata (atau tema) dari analisis isi.
1.5 Boxplots
Boxplots merupakan ringkasan distribusi sampel yang disajikan secara grafis yang bisa
menggambarkan bentuk distribusi data (skewness), ukuran tendensi sentral dan ukuran
penyebaran (keragaman) data pengamatan.Terdapat lima ukuran statistik yang bisa dibaca
dari boxplot, yaitu:
(1) Nilai minimum: nilai observasi terkecil
(2) Q1: kuartil terendah atau kuartil pertama
(3) Q2: median atau nilai pertengahan
(4) Q3: kuartil tertinggi atau kuartil ketiga
(5) Nilai maksimum: nilai observasi terbesar.
1.6 Mapping
Mapping atau pemetaan pada data adalah proses mencocokkan data yang berasal dari
berbagai sumber ke skema database utama. Tujuan utama mapping yaitu untuk menyatukan
berbagai data dan menjembatani perbedaan di antara berbagai sumber data, sehingga, ketika
memindahkan data dari sumbernya, data tersebut tetap akurat dan bisa digunakan di database
baru.
7
(1) Membantu menyelesaikan penelitian yang berkaitan dengan penentuan hubungan antara
variabel atau faktor yang diperoleh dari data kualitatif, setelah melalui uji statistik.
(2) Menentukan besarnya derajat asosiasi (hubungan kuat atau lemah).
(3) Dapat menentukan variabel dependen (terikat) dan variabel independen (bebas) dari dua
variabel yang dianalisis.
8
variabel bebas. Komputer kemudian mencari di antara hingga 300 variabel untuk pembagian
tunggal terbaik dari data menurut masing-masing variabel prediktor, memilih satu, dan
membagi sampel menggunakan uji statistik untuk memverifikasi kesesuaian pilihan ini.
9
1) Kesalahan Tipe I (α)
Kesalahan ini merupakan kesalahan menolak Ho, padahal sesungguhnya Ho benar.
Artinya menyimpulkan adanya perbedaan, padahal sesungguhnya tidak ada perbedaan.
Peluang kesalahan tipe I adalah α atau sering disebut tingkat signifikansi (significance
level). Sebaliknya, peluang untuk tidak membuat kesalahan tipe I adalah sebesar 1 – α, yang
disebut dengan tingkat kepercayaan (confidence level).
Contohnya, kesalahan menyimpulkan ada perbedaan antara keseriusan belajar dengan
pelajaran, sesungguhnya tidak ada perbedaan antara keseriusan belajar dengan pelajaran
10
(4) Menghitung statistik uji berdasarkan data. Perhitungan ini dilakukan dengan jalan
mengganti peubah acak dalam statistik dengan nilai-nilai pengamatan yang telah
diperoleh.
(5) Menentukan nilai kritis atau daerah kritis pengujian. Nilai kritis ini bergantung kepada
asumsi sebaran populasi dan hipotesis yang akan diuji.
(6) Membuat kesimpulan dengan jalan membandingkan nilai statistik dengan nilai kritis.
Jika nilai statistik jatuh pada daerah kritis, berarti Ho ditolak, dan jika jatuh di luar
daerah kritis. Ho diterima.
2. Tes Signifikan
Uji signifikansi adalah salah satu tahap terpenting dalam sebuah penelitian, khususnya
risetyang bermetodologi kuantitatif. Uji ini yang akan menentukan simpulan hasil riset. Uji
signifikansi menentukan apakah hipotesis yang dibuat di awal riset akan diterima atau
ditolak. Karena peran pentingnya itulah, para ahli mencari cara terbaik yang dapat
membedakan hasil pengamatan secara meyakinkan. Tes statistik yang mewakili beragam
pilihan yang tersedia kepada peneliti.
11
parameter populasi karena sudah dianggap memenuhi syarat. Data observasi pada pengujian
ini juga dinilai saling bebas, data diambil dari populasi yang memiliki distribusi normal
dengan varian homogen. Berbagai asumsi rumit tersebut membuat pengujian parametrik
dapat diandalkan akurasinya. Asumsi untuk tes parametrik meliputi:
(1) Pengamatan harus independen—yaitu, pemilihan satu kasus tidak boleh mempengaruhi
peluang untuk kasus lain untuk dimasukkan dalam sampel.
(2) Pengamatan harus diambil dari populasi yang terdistribusi normal.
(3) Populasi ini harus memiliki varians yang sama.
(4) Skala pengukuran harus setidaknya interval sehingga operasi aritmatika dapat
digunakan.
2) Tes Non-Parametrik
Tes non-parametrik digunakan untuk menguji hipotesis dengan data nominal dan
ordinal. Tes non-parametrik memiliki asumsi yang lebih sedikit dan kurang ketat. Tes non-
parametrik tidak menentukan populasi yang terdistribusi normal atau persamaan varians.
Beberapa tes memerlukan independensi kasus; yang lain adalah secara tegas dirancang untuk
situasi dengan kasus terkait. data, meskipun membuang banyak informasi yang tersedia. Tes
nonparametrik juga mudah dipahami dan digunakan.
12
2.4 One Sample Tests
One sample test merupakan salah satu sarana pengujian hipotesis yang baik digunakan
dalam kondisi sampel kecil (kurang dari 30). One sample test merupakan teknik analisis
untuk membandingkan satu variabel bebas. Teknik ini digunakan untuk menguji apakah nilai
tertentu berbeda secara signifikan atau tidak dengan rata-rata sebuah sampel. Uji-t satu
sampel hanya bisa digunakan untuk membandingkan nilai rata-rata sampel pada satu
variabel dengan nilai rata-rata yang sudah ditentukan. Dalam uji-t satu sampel, uji statistik
yang digunakan adalah sebagai berikut:
Keterangan:
x = rata-rata sampel
µ = rata-rata populasi/penelitian terdahulu
S = Standar Deviasi
n = jumlah (banyaknya) sampel
13
(kurang dari 30). Dengan ukuran sampel yang kecil, populasi yang terdistribusi normal, dan
asumsi varians populasi yang sama, rumus uji t adalah :
Dalam rumus di atas, S2p disebut sebagai deviasi standar gabungan. Rumus untuk varians
gabungan dapat dihitung berdasarkan hal berikut :
14
Dimana :
15
SIMPULAN
Tahapan persiapan dan deskripsi data merupakan tahapan pertama yang harus dilakukan
oleh seorang peneliti. Persiapan data meliputi pemerikasaan, pengkodean, dan data entry dan
merupakan kegiatan yang memastikan keakuratan data dan konversinya dari bentuk mentah
ke bentuk terklasifikasi Menyiapkan deskriptif ringkasan statistik adalah langkah awal lain
yang mengarah ke pemahaman tentang data yang dikumpulkan, selama tahapan ini
kesalahan entri data dapat terungkap dan diperbaiki.
Analisis data eksplorasi memberikan wawasan dan diagnostik data dengan menekankan
visual representasi dari data. Langkah pertama dalam menganalisis data adalah mempelajari
karakteristik dari data tersebut. Terdapat delapan analisis data eksplorasi yang bisa dilakukan
(1) Frequency tables / tabel frekuensi, (2) Bar charts / grafik batang, (3) Pie charts / grafik
lingkaran, (4) Histogram, (5) Stem-and-leaf, (6) Pareto diagrams, (7) Boxplots dan (8)
Mapping. Tabulasi silang (cross-tabulation) adalah metode analisis yang menggunakan data
nominal, ordinal, interval serta kombinasi diantara data tersebut. Analisis tabulasi silang
adalah teknik untuk melihat atau membandingkan hubungan antar variable.
Hipotesis berarti pernyataan sementara yang perlu diuji kebenaran nya. Untuk menguji
kebenaran sebuah hipotesis digunakan pengujian yang disebut pengujian hipotesis.
Signifikansi statistik dapat dianggap kuat atau lemah. Jika dilihat dari ilmu statistik, nilai
signifikansi merupakan nilai kebenaran pada suatu hipotesis yang diterima atau ditolak.
Hipotesis dibedakan menjadi dua. Pertama adalah hipotesis null (Ho) yang merupakan
hipotesis yang menyatakan tidak ada perbedaan sesuatu kejadian antara dua kelompok.
Sedangkan hipotesis kedua adalah hipotesis alternatif. Hipotesis ini juga bisa menunjukkan
adanya perbedaan antar dua kelompok. Prosedur pengujian signifikansi statistik, terdiri dari
enam tahapan, yaitu (1) peneliti menentukan hipotesis null (Ho), (2) Memilih uji statistik,
(3) Menetapkan tingkat kesignifikanan α, (4) Menghitung statistik uji berdasarkan data, (5)
Menentukan nilai kritis, dan terakhir (6) Membuat kesimpulan dengan jalan membandingkan
nilai statistik dengan nilai kritis. Tes signifikasi yang bisa dilakukan dibedakan menjadi dua,
yang pertama tes parametrik tidak diperlukannya pengujian terhadap parameter populasi
karena sudah dianggap memenuhi syarat. Tes yang kedua adalah tes non-parametrik
digunakan untuk menguji hipotesis dengan data nominal dan ordinal. Tes non-parametrik
memiliki asumsi yang lebih sedikit dan kurang ketat. Tes non-parametrik tidak menentukan
populasi yang terdistribusi normal atau persamaan varians.
16
DAFTAR PUSTAKA
Cooper, R. Donald Dan Pamela S. Schindler. (2017). Metode Penelitian Bisnis, Edisi 12
Buku 1. Jakarta: Salemba Empat.
LP2M Universitas Medan Area. (2022). APA ITU TABULASI SILANG (CROSS-
TABULATION) DALAM PENELITIAN? Available at:
https://lp2m.uma.ac.id/2022/03/28/apa-itu-tabulasi-silang-cross-tabulation-dalam-
penelitian/
17