Konsep Dasar Analisis Data

1 Desember 2022
Langkah-Langkah dalam analisis data

• Pengumpulan data
1

• Manajemen data dan “data cleaning”

2

• Analisis
3
Bagaimana memilih metode analisis yang
tepat?

1. Jenis variabel dan data

2. Pertanyaan penelitian dan hipotesis
Jenis-jenis variabel

Sumber: Statistical Techniques in Business, Lind

Jenis data: Pengukuran

Pengukuran yang dipakai menentukan hitungan yang dapat dilakukan untuk merangkum dan menyajikan data.
Juga diperlukan untuk menentukan uji statisik yang diperlukan.
Data Nominal

Kriteria data nominal:

1. Variabel dapat dibedakan ke
dalam kategori atau keluaran
2. Tidak ada urutan tertentu dari
keluaran / outcome
Contoh:
Jenis kelamin, agama
Contoh Data Nominal
Data Ordinal
Kriteria data ordinal:
1. Pengelompokkan data diwakili oleh
serangkaian label (tinggi, menengah,
rendah) yang memiliki nilai tertentu.
2. Data dapat dibuat peringkat atau
diurutkan, namun tidak dapat
dibedakan besaran perbedaan antar
kelompok
Contoh:
Peringkat layanan suatu perusahaan,
tingkat risiko,
Contoh Data Ordinal
Data Interval
Kriteria data interval:
1. Data dapat diurutkan menurut
karakteristiknya
2. Perbedaan karakteristik sama dengan
perbedaan ukuran (Equal differences
in the characteristic = equal
differences in the measurements)
3. Angka 0 tidak bermakna
4. Rasio ”tidak bermakna”
Contoh:
Suhu, ukuran pakaian, hasil ujian
Contoh Data Interval
Data Rasio
Karakteristik dari data rasio:
1. Pengelompokkan data dilakukan
dengan mengurutkan data
menurut jumlah karakterisik
2. Perbedaan karakteristik sama
dengan perbedaan angka yang
melekat pada klasifikasi
3. Angka 0 = ketiadaan karakteristik
4. Rasio dari kedua angka memiliki
makna
Contoh:
Pendapatan, tinggi, berat badan
Contoh Data Rasio
Perencanaan analisis (1)
Perencanaan analisis (2)
Jenis Data dan Analisis
1. Data kuantitatif
• Analisis deskriptif
• Analisis inferensial
2. Data Kualitatif
• Analisis Konten
• Analisis Naratif
• Analisis “Discourse”
• Analisis Tematik
• Grounded theory
• Interpretive phenomenological analysis (IPA)
3. Kombinasi
Analisis Kuantitatif
• Analisis ini umumnya dipakai untuk:
• Mengurkur perbedaan
antarkelompok
• Menilai hubungan antarvariabel
• Menguji hipotesis dengan cara
ilmiah
• Anda harus memilih analisis yang
sesuai dengan pertanyaan
penelitian (deskriptif atau
inferensial)
• Statistik Deskriptif berfokus pada
“mendeskripsikan sampel atau
data”
• Statistik inferensial berfokus untuk
“memprediksi hubungan
antarvariabel di tingkat populasi”
• Hint:
Apa beda Populasi dan Sampel ?
Analisis Kuantitatif
• Univariat – Analisis paling sederhana, mendeskripsikan satu variabel
• Bivariat – Mendeskripsikan 2 variabel secara bersamaan, digunakan
untuk membandingkan antarkelompok.
• Multivariat - Analisis untuk 2 atau lebih variabel secara bersamaan
Analisis Univariat
• Mendeskripsikan suatu variable dengan cara melihat distribusi variable
tersebut
Misalnya: Jenis Kelamin- jumlah pria dan jumlah wanita
• Anda harus memulai analisis dengan melihat frekuensi univariat, mengecek
frekuensi, dan memastikan data yang hendak diolah berasal dari data entry
yang tepat.
• Distribusi frekuensi
• Ukuran penting: Rerata, median, modus
• Tujuan dari analisis univariat:
• Memberikan informasi lebih detil pada pembaca
• Mengajikan data dalam bentuk yang mudah dipahami
• Sederhana
Perbandingan Antarkelompok
• Mendeskripsikan sub-kelompok dari suatu variabel berdasarkan
kasus, subjek, ataupun responden.
Contoh:
• Mengelompokan variabel umur menjadi beberapa kategori, misal:
kelompok usia produktif dan usia nonproduktif.
• Mencatat respon “tidak tahu” dengan kode khusus
Analisis Bivariat
• Menjelaskan dua variabel
secara bersamaan
• Crosstabulations/Correlations
• contoh: crosstab antara tingkat
pendidikan dan suku
• Tabel Bivariate/Crosstabs cocok
untuk semua jenis variabel.
• Pada analisis ini, variabel
kontinu biasanya akan
dikelompokan lagi. Misal:
• “Umur” (18-34, 35-50, 51-65,
66+)
Tipe Analisis
Analisis Bivariat:
Korelasi
• Analisis korelasi cocok digunakan
untuk variabel kontinu (interval,
ratio).
• Jenis variabel lainnya biasanya
dicatat sebagai variabel “Dummy”
untuk melakukan analisis ini (nilai 0
atau 1).
• Contoh: Gender menjadi dua
variabel ‘Male’ (1=yes) &
‘Female’ (1=yes)
• Analisis bivariat biasanya
ditunjukan melalui matriks korelasi
Multivariate
Analysis
• Analisis lebih dari dua
variabel secara bersamaan
• Digunakan untuk memahami
hubungan antarvariabel.
• Metode umum: analisi regresi
Kuantifikasi Data: Melakukan Coding

• Sebelum kita melakukan analisis, kita perlu untuk men-

kuantifikasi data. Beberapa jenis data lebih menantang untuk
dianalisis. Jawaban terbuka (open-ended responses) harus
dilakukan coding.
• “Kuantifikasi” adalah proses mengubah data ke format
numerik.
• Mengubah data sosial menjadi bentuk “machine-readable”, bentuk
data yang dapat dibaca dan dimanipulasi oleh program komputer.
Coding Data Kualitatif
• Coding: Pelabelan dan pengelompokan jenis data yang
serupa untuk pembuatan tema dan kemudahan dalam
analisis data.
• Dua pendekatan dalam coding:
• Deduktif: Kode yang telah ditetapkan sebelumnya, biasanya
berdasarkan pertanyaan penelitian atau codebook dari penelitian
sebelumnya.
• Induktif: Kode yang dibuat berdasarkan data yang telah
dikumpulkan. Biasanya digunakan ketika peneliti melakukan
penelitian terhadap ide atau konsep untuk menysun teori yang
baru.
Coding Data Kualitatif
• Dua tahapan dalam coding: initial coding dan line by line
coding
• Initial coding digunakan untuk mendapat gambaran umum
mengenai data melalui membaca dan memahaminya →
kode secara umum yang dapat dikembangkan nantinya.
• Line by line coding: memperhatikan data untuk
menambahkan detail pada kode yang dibuat di initial coding.
Coding Data Kualitatif

• Hal yang perlu diperhatikan:

• Lakukan pengkodean sedetail mungkin di awal. Apabila
ada yang memiliki kemiripan dapat dikelompokan pada
tahap selanjutnya.
• Buat sebuah daftar/formulir untuk menuliskan kode yang
diperoIeh, khususnya apabila data diperoleh dari hasil
survey/kuosioner.
Penyusunan Codebook
• Hal utama yang perlu diperhatikan ketika menyusun codebook:
• Catat setiap kode yang digunakan untuk setiap variabel/jawaban
• Menjadi acuan dalam menentukan dan menginterpretasikan variabel
selama proses analisis data.
• codebook berguna sebagai acuan dalam menyusun data set
Qualitative Analysis
Content Analysis
• Mengevaluasi pola yang ada dalam suatu konten, misalnya kata, kalimat,
atau gambar.
Narrative Analysis
• Mendengarkan cerita responden dan menganalisis artinya dari cara mereka
menyampaikan informasi
Discourse Analysis
• Menganalisis gaya bahasa yang digunakan dalam suatu percakapan atau
pidato. Dari gaya bahasa tersebut kita dapat mengidentifikasi bagaimana
budaya dan sejarah berpengaruh terhadap penyampaian sebuah informasi.
Analisis Kualitatif
Thematic Analysis
• Melihat pola dari suatu data set, seperti data hasil wawancara dan FGD
• Mengelompokan data sesuai dengan kemiripannya/tema
• Berguna untuk menganalisis pengalaman, pandangan, dan opini orang
Grounded Theory
• Digunakan ketika peneliti belum yakin tentang apa yang sedang ingin diteliti
karena belum ada studi/teori terdahulu
• Peneliti diharapkan bersifat “open mind” terhadap informasi yang diperoleh
tanpa harus mengarahkannya sesuai dengan hipotesis atau teori yang ada.
Interpretive Phenomenological Analysis (IPA)
• Menganalisis pengalaman personal seseorang atas suatu fenomena