Pertemuan ke 12

ANALISIS DATA ( Preparasi Data )

❑ Analisis Data secara Kuantitatif
Untuk menentukan statistik mana yang akan digunakan dalam menganalisis
data, diperlukan 2 hal yang perlu diketahui, yaitu:
1) Jenis variabel
2) Metoda / Jenis penelitian yang digunakan

Ad 1) Variabel dapat dibedakan berdasarkan skala pengukurannya, kita telah kenal

4 skala pengukuran, yaitu variabel yang berskala nominal, ordinal, interval,
dan rasio.
Ad 2) Metoda penelitian, terdapat 3 macam metoda, yaitu :
@ Metoda penelitian Deskriptif
@ Metoda penelitian Korelasi
@ Metoda penelitian Eksperimen
Metoda penelitian Eksperimen, umumnya menggunakan teknik analisa data untuk
Melihat perbedaan (Differential Data Analysis = DDA). Dalam kasus-kasus tertentu
penelitian Deskriptif dapat juga meggunakan teknik analisis DDA, yaitu bila ingin
melihat perbedaan 2 kelompok atau sampel tanpa melakukan eksperimen.
 Skala Ukur Nominal
Adalah pengukuran yang semata mata hanya untuk membedakan
satu kategori dengan yang lain, misalnya variabel jenis kelamin
ada dua pria dan wanita, misalnya variabel agama :
Islam, Kristen, Katolik, Budha, Hindu.
Bila pria kita beri nilai 1 dan wanita 0, kita tidak bisa menggunakan
operasi matematik ( +, - , : , X ), jadi tidak bisa mengatakan
pria + wanita = 1 + 0 = 1 .Tapi yang kita jumlah kan bukan variabelnya
, tetapi frekuensi keberadaan dari masing masing kategori tsb yang
dijumlahkan.

2. Skala ukur Ordinal

Sama dengan skala nominal, juga membedakan antara satu kategori
dengan yang lain, tetapi ia juga membedakan urutan kategorinya.
Misalnya kecantikan , sangat cantik, cantik, sedang dan tidak cantik.
Disini operasi matematik juga tidak bisa dipakai.
Misalnya nilai 4 untuk sangat cantik, serta 3 , 2 dan 1 untuk
kategori cantik, sedang dan tidak cantik, Kita tidak bisa
mengatakan tidak cantik + sedang = cantik.
 3 Skala Interval
Juga dapat membedakan satu kriteria dengan yang lain, tetapi
tingkat perbedaannya dapat diketahui.Misalnya tingkat
radiasi, dari 0 mRad s/d 100 mRd, kita dapat mengatakan bahwa
40 mRad itu dua kali tingkat radiasi 20 mRad.
Disini operasi matematika (+ , - , : , x ) dapat dilakukan. Dalam
skala ini nilai 0 tidak berarti tidak ada, misalnya temperatur
0oC, itu tidak berarti tidak ada, tapi ada dan menunjukkan nilai
0 derajat Celcius.

4. Skala ukur Rasio

Skala Ratio sama dengan skala interval, tetapi bedanya pada skala
rasio nol (0) menunjukkan ketidakadaan. Misalnya variabel
uang, Rp.0 itu berarti tidak ada uangnya !. Operasi matematika
dapat digunakan pada skala ukur Rasio.
 Analisa Data Deskriptif
• Teknik statistik yang pada umumnya digunakan untuk menganalisa data
pada penelitian penelitian Deskriptif ialah dengan menggunakan
Tabel, Grafik, Ukuran Central Tendency, dan ukuran perbedaan
(differential data analysis = DDA).
❑ Tabel
Data data kuantatif yang diperoleh dari penelitian Deskriptif pada umumnya
dapat dihitung jumlahnya atau frekuensinya. Cara yang terbaik untuk
meringkas-kan data kedalam bentuk yang mudah dibaca adalah dengan
menampilkan data tersebut kedalam bentuk distribusi frekuensi ( frequency
distribution ).
Tabel yang nantinya dibuat didasarkan atas distribusi frekuensi.
Ada dua kelompok distribusi frekuensi yaitu :
1. Distribusi frekuensi sederhana (simple frequency distribution) dan
2. Distribusi frekuensi kelompok (group frequency distribution).

❑ Distribusi Frekuensi Sederhana

Pada umumnya tampilan data pada Distribusi Fekuensi terdiri dari 3 kolom, yaitu
1. Variabel , 2. Frekuensi dan 3. Presentase.
Distribusi frekuensi sederhana, dapat digunakan untuk data data yang berskala
nominal, ordinal, interval atau ratio.
❑ Misalnya peneliti ingin menganalisis data tentang suku di Indonesia, dimana dari
200 responden, didapati 96 orang ber-suku Jawa, 50 orang bersuku Bugis 36 orang
bersuku Batak, dan 18 orang bersuku Manado. Dan kalau ditampilkan dalam
bentuk Tabel diperoleh seperti berikut:

Tabel Distribusi Frekuensi Sederhana

Suku Frekuensi Prosentase ( % )

Jawa 96 48
BugIs 50 25
Batak 36 18
Manado 18 9
T o t a l Frekuensi 200 100
Nilai frekuensi diperoleh dari data, sementara nilai prosentase diperoleh dari
hasil perbandingan antara frekuensi dan total frekuensi dikalikan 100%.

❑ Distribusi Frekuensi Kelompok

Apabila datanya dalam skala interval atau ratio, dan ada begitu banyak data
yang tersebar pada suatu range, sehigga memungkinkan datanya dalam bentuk
bilangan desimal (continious number), maka cara terbaik untuk menampilkan
data tsb adalah dengan mengelompokkannya ke dalam kelas kelas/tingkat.
❑ Misalkan ada sekitar 200 Mahasiswa yang memiliki tinggi badan tersebar antara
151 sampai 180 cm, Range tinggi badan antara 151 cm s/d 180 cm dapat dibagi
kedalam 3 range/kelas, misalnya :
# Antara 151 – 160 cm (terdapat 45 Mhs), antara 161 – 170 (terdapat 30 Mhs)
dan antara 171 - 180 cm (terdapat 25 Mhs). Data yang sudah dikelompokkan
ini dapat disusun kedalam Tabel Distribusi Frekuensi sebagai berikut.

Tabel Distribusi Frekuensi Kelompok

Tinggi Badan (cm) Frekuensi Prosentase (%)

171 – 180 25 25
161 - 170 30 30
151 - 160 45 45
T o t a l Frekuensi 100 100

Dengan mengelompokkan akan lebih mudah menginterpretasikannya. Harus

diperhatikan bahwa Pengelompokkan ini hanya bisa dilakukan jika datanya dalam
Bentuk interval atau ratio.
❑ Grafik
Data data Deskriptif pada umumnya lebih mudah dimengerti apabila
digambar-kan dalam bentuk grafik atau Tabel. Sekurang-kurangnya ada 4
macam Grafik
yaitu : Grafik Bar, Grafik Pie, Grafik Histogram dan Grafik Polygon.
Grafik Bar
Grafik Bar digunakan apabila data dari variabel yang diukur berskala nominal
atau ordinal. Misalkan dalam contoh suku bangsa tadi, bila digambarkan dalam
diagram Bar, adalah seperti Gambar berikut. 1 = Suku Jawa = 96 orang
2 = Suku Bugis = 50 orang
3 = Suku Batak = 36 orang
4 = Suku Manado =18 orang
Perbandingan antara Panjang
dan Lebar Grafik adalah :
3 : 4, atau 3 : 5 atau 4 : 5 , agar
tidak terlalu gemuk atau kurus.
1 2 3 4

Gambar Grafik Bar Penelitian Suku

Bujur Vertikal menunjukkan Frekuensi sedangkan bujur horizontal menunjukkan
Kategori. Pada contoh ini frekuensi adalah jumlah orang, angka 1 ,2 , 3 dan 4
menunjukkan kategori suku Jawa, Bugis , Batak dan Manado berturut-turut.
❑ Apabila data yang dianalisis dalam ukuran skala ordinal, sebaiknya kategorinya
diurut dari yang terkecil ke yang terbesar atau sebaliknya dari yang terbesar ke
yang terkecil. Ingat bukan frekuensinya yang diurut, tetapi susunan kategorinya.
Misalnya data menyangkut wanita cantik dengan skala ordinal dengan kategori
“kurang cantik”, “cantik” dan “sangat cantik”. Kategori disusun dari yang sangat
cantik, lalu cantik dan seterusnya kurang cantik, atau sebaliknya.

❑ Grafik Pie
Sama dengan Grafik Bar, Grafik Pie digunakan apabila data dari variabel yang
dianalisis berskala nominal atau ordinal. Contoh seperti Gambar berikut

Grafik Pie untuk 3 Kategori

❑ Grafik Histogram
Grafik Histogram digunakan apabila data yang dianalisis berskala interval atau
rasio dan dinyatakan dalam bentuk kelompok distribusi ( grouped frequency
distribution ). Misalnya data menyangkut ukuran tinggi badan 100 org
Mahasiswa yang dinyatakan sbb:
Kelompok/Kelas Tinggi Badan Jumlah Mahasiswa
3 171 – 180 50
2 161 – 170 20
1 151 - 160 30
Data tersebut dapat digambar daam Grafik Histogram sbb:

60 ❑ Bujur Vertikal menunjukkan

50 Frekuensi sedangkan bujur
40 horizontal menunjukkan
kelas/kelompok
30
❑ Dalam contoh ini, bujur
20 vertikal adalah jumlah
10 Mahasiswa, sedang bujur
0 horizontal adalah kelompok
1 2 3 tinggi badan
❑ Grafik Polygon
Sama juga dengan Grafik Histogram,Grafik Polygon digunakan apabila data
yang dianalisa berskala interval atau rasio dn dinyatakan dalam bentuk
kelompok distribusi frekuensi ( group frequency distribution).
Bedanya Grafik Polygon bukan menggunakan gambar balok, tapi garis. Juga
pada grafik polygon tidak selamanya data dinyatakan dalam bentuk kelompok,
bisa saja data dalam bentuk distribusi frekuensi biasa ( ungrouped frequency
distribution ). Dengan menggunakan contoh seperti pada Grafik Histogram,
gambar berikut menunjukkan data digambar dalam bentuk Grafik Polygon.

50
Grafik Polygon
40

30 Titik sambung antara

garis jatuh tepat di
20 tengah
kelas/kelompok
10

0 1 2 3
 Ukuran Central Tendency
❑ Ukuran Central Tendency juga dikenal sebagai Ukuran Rata Rata. Dalam
Statistik ada 3 pengertian rata rata, yaitu : Mean, Median dan Mode.

❑ Mean
Mean adalah ukuran rata rata dimana jumlah nilai dari setiap item dibagi dengan
jumlah itemnya. Mean digunakan apabila data dalam skala interval atau rasio,
dan bila distribusi normal. Apabila tidak diketahui apakah normal atau tidak,
maka dapat diasumsikan normal.
a) Mean untuk data sederhana
Data sederhana adalah data yang ditampilkan tanpa kelompok dan tanpa
frekuensi, rumus yang dipakai adalah :

dimana = mean
X i = Nilai item pada urutan ke I
n = jumlah item
b) Mean untuk Data tanpa Group dan Frekuensi
Apabila data yang ditampilkan dalam bentuk distribusi frekuensi sederhana.
Rumusnya adalah :

c) Mean Data Kelompok dengan Frekuensi

Adalah rata rata yang dihitung dari Tabel Distribusi Frekuensi Kelompok
(Group Frequency Distribution ). Rumusnya adalah :

dimana midpoint = nilai pertengahan dari setiap kelas/kelompok, dengan cara

nilai terrendah dari kelompok/kelas + nilai tertinggi dari kelas
midpoint = ---------------------------------------------------------------------------------
2
Misalnya mid-point kelas antara 51 – 60 , MP = (51 + 60)/2 = 55,5
❑ Median
Median adalah membagi data menjadi dua bagian, atau dikatakan Median
adalah nilai yang berada ditengah tengah setelah nilai data diurutkan dari yang
terkecil hingga yang terbesar.
Misalkan ada nilai sbb: 7 , 4 , 10. Data diututkan terlebih dahulu 🡪 4 , 7 , 10 ,
maka mediannya adalah yang berada di tengah atau = 7
Jika jumlah data genap, maka median diperoleh dengan mengambil dua data
yang ditengah (setelah diurutkan) kemudian dijumlahkan dan dibagi dua.
Misalkan ada data 4, 7, 8, 9. Median = (7 + 8)/2 = 7,5

❑ Median dipakai untuk menetapkan ukuran rata rata apabila distribusi data tidak
normal atau skew ( miring ), terutama jika data sangat skew atau tidak normal.
Median dapat digunakan pada data yang berskala interval, rasio dan juga
ordinal. Salah satu kelebihan Median dibanding Mean adalah dapat digunakan
bila skala data adalah ordinal.

❑ Mode
Mode adalah nilai yang paling banyak terjadi, misalkan 3, 5, 4 , 3, 4, 3, 6 , 3 , 7,
mode nya adalah 3