MAKALAH STATISTIK DESKRIPTIF

“DATA”

Oleh :

NINDI KARYA RAMADANI (220901602008)

FAKULTAS EKONOMI DAN BISNIS

PRODI AKUNTANSI D4

UNIVERSITAS NEGERI MAKASSAR

2023/2024
 KATA PENGANTAR

Data adalah kumpulan informasi yang sangat berharga dalam era digital saat
ini. Data digunakan dalam berbagai bidang, mulai dari bisnis, ilmu pengetahuan,
teknologi, kesehatan, pemerintahan, hingga kehidupan sehari-hari. Pengelolaan
data yang baik menjadi hal yang penting untuk memastikan data dapat digunakan
secara efektif dan efisien dalam pengambilan keputusan.

Semoga makalah ini bermanfaat bagi pembaca dan dapat memberikan

pemahaman yang lebih baik tentang pentingnya data dan pengelolaan data dalam
era informasi yang terus berkembang. Penulis berharap bahwa makalah ini dapat
memberikan kontribusi positif dalam pengembangan ilmu pengetahuan dan
teknologi serta memberikan gambaran yang jelas tentang pengelolaan data yang
baik dalam penelitian dan kehidupan sehari-hari.

Saya mengucapkan terima kasih kepada semua pihak yang telah

memberikan dukungan dan bantuan dalam penyusunan makalah ini. Semoga
makalah ini dapat memberikan kontribusi dalam pengembangan ilmu pengetahuan
dan manfaat bagi pembaca yang membacanya.

Makassar, 13 April 2023

Penulis

I
 DAFTAR ISI

KATA PENGANTAR ...................................................................................................I

DAFTAR ISI ...............................................................................................................II

BAB I PENDAHULUAN .............................................................................................1

A. Latar Belakang ................................................................................................1

B. Rumusan Masalah ..........................................................................................1
C. Tujuan ..............................................................................................................2

BAB II PEMBAHASAN ................................................................................................3

A. Pengertian Data ...............................................................................................3

B. Pengelolahan Data ..........................................................................................5
C. Metode Pengelolahan Data .............................................................................7
D. Skala Pengukuran Data .................................................................................10
E. Skala Pengumpulan Instrumen ......................................................................12
F. Populasi dan Sampel .....................................................................................13

BAB III PENUTUP .....................................................................................................16

A. Simpulan ........................................................................................................16

B. Saran .............................................................................................................16

DAFTAR PUSTAKA ..................................................................................................17

II
III
 BAB I

PENDAHULUAN

A. Latar Belakang
Data adalah kumpulan informasi yang dihasilkan dari berbagai sumber,
seperti pengamatan, pengukuran, eksperimen, atau dokumentasi, yang
digunakan untuk membantu pengambilan keputusan atau untuk memahami
suatu fenomena atau masalah. Data menjadi sangat penting dalam era digital
saat ini, karena perkembangan teknologi informasi telah menghasilkan
ledakan data yang belum pernah terjadi sebelumnya. Data digunakan dalam
berbagai bidang, termasuk bisnis, ilmu pengetahuan, teknologi, kesehatan,
pemerintahan, sosial, dan lainnya.

Pentingnya data dalam berbagai aspek kehidupan modern tidak dapat

diabaikan. Dalam dunia bisnis, data digunakan untuk menginformasikan
keputusan strategis, mengidentifikasi peluang pasar, memahami perilaku
konsumen, serta mengoptimalkan operasional perusahaan. Dalam ilmu
pengetahuan dan teknologi, data digunakan untuk menguji hipotesis,
mengembangkan model prediktif, dan memvalidasi teori. Di bidang kesehatan,
data digunakan untuk penelitian medis, diagnosis, perencanaan perawatan,
serta manajemen sumber daya kesehatan. Dalam pemerintahan, data
digunakan untuk menginformasikan kebijakan publik, mengelola sumber daya
alam, serta memantau kinerja sektor publik.

Namun, pengelolaan data juga memiliki tantangan tersendiri. Dalam

era digital, data dapat sangat besar dan kompleks, memerlukan keahlian
khusus dalam pengumpulan, penyimpanan, analisis, serta penggunaannya.
Selain itu, masalah privasi dan keamanan data menjadi perhatian serius,
karena risiko pelanggaran data dan penyalahgunaan informasi pribadi dapat
merugikan individu, perusahaan, maupun masyarakat secara keseluruhan.

B. Rumusan Masalah
1. Menjelaskan Pengertian Data dan Pengelolaan Data?

1
 2. Menjelaskan Bagaiamana Cara Pengumpulan Data dan Skala
Pengukuran Data?
3. Menjelaskan Skala Pengukuran Instrumen Penelitian ?
4. Menjelaskan Bagaimana Teknik Pengambilan Sampel dan Jenis -
Jenis Sampling?

C. Tujuan

Setelah menpelajari Isi dari bab ini diharapkan anda dapat mengerti tentang:

1. Data dan Pengelompokan Data

2. Metode Pengumpulan Data dan Skala Pengukuran Data
3. Skala Pengykuran Instrumen Penelitian
4. Populasi dan Sampel

2
 BAB II

PEMBAHASAN

A. Pengertian Data
Data adalah kumpulan informasi yang diperoleh dari pengamatan,
pengukuran, eksperimen, atau dokumentasi yang direkam dalam bentuk
angka, teks, gambar, suara, atau bentuk lainnya. Data adalah fakta-fakta
mentah atau bahan dasar yang belum diolah atau diinterpretasikan menjadi
informasi yang dapat dipahami. Data dapat berupa representasi dari berbagai
jenis objek, peristiwa, atau konsep yang dapat diukur, dihitung, atau
diobservasi.

Data dapat ditemukan di berbagai sumber, seperti dalam catatan bisnis,

hasil penelitian, data survei, data sensor, data pemerintah, data historis, dan
banyak lagi. Data juga dapat dibagi menjadi berbagai jenis, seperti data
kuantitatif yang dinyatakan dalam angka dan dapat dihitung atau diukur, serta
data kualitatif yang dinyatakan dalam bentuk teks, gambar, atau suara dan
bersifat deskriptif.

Syarat-syarat Data yang Baik

1. Validitas
Data yang baik harus valid, artinya data tersebut benar, akurat, dan
menggambarkan fenomena yang sebenarnya. Data yang tidak valid dapat
menghasilkan kesimpulan atau keputusan yang salah jika digunakan
sebagai dasar analisis atau pengambilan keputusan.

2. Reliabilitas
Data yang baik harus reliabel, yaitu data tersebut konsisten dan dapat
dipercaya. Data yang tidak reliabel akan sulit untuk diandalkan dalam
mengambil kesimpulan atau membuat keputusan karena dapat
menghasilkan hasil yang tidak konsisten atau berubah-ubah.

3. Relevansi

3
 Data yang baik harus relevan, artinya data tersebut berkaitan langsung
dengan tujuan atau masalah yang ingin dipecahkan. Data yang tidak
relevan tidak akan memberikan kontribusi yang signifikan dalam analisis
atau pengambilan keputusan, dan justru bisa membuang waktu dan
sumber daya.

4. Kelengkapan
Data yang baik harus lengkap, yaitu data tersebut mencakup semua
variabel atau informasi yang diperlukan untuk tujuan analisis atau
pengambilan keputusan. Data yang tidak lengkap dapat menyebabkan
kesalahan atau bias dalam hasil analisis dan dapat mengganggu
pemahaman yang akurat tentang fenomena yang diamati.

5. Konsistensi
Data yang baik harus konsisten, artinya data tersebut harus diperoleh,
dikumpulkan, atau diukur dengan metode atau prosedur yang sama
secara konsisten selama waktu atau tempat yang sama. Data yang tidak
konsisten dapat menghasilkan kesalahan atau bias dalam analisis atau
pengambilan keputusan.

6. Tepat Waktu
Data yang baik harus diperoleh atau dikumpulkan dalam waktu yang
tepat sesuai dengan tujuan atau jadwal penelitian atau proyek yang
sedang dilakukan. Data yang terlambat atau tidak tepat waktu dapat
mengganggu kelancaran analisis atau pengambilan keputusan.

7. Aksesibilitas
Data yang baik harus mudah diakses dan dikelola dengan baik. Data
yang sulit diakses, sulit dimengerti, atau sulit diinterpretasi akan
menghambat penggunaan dan pemanfaatan data secara efektif.

8. Keberlanjutan
Data yang baik harus dapat dipertahankan atau dikelola dalam jangka
waktu yang cukup lama. Data yang mudah hilang, rusak, atau tidak dapat

4
 dikelola dalam jangka waktu yang lama dapat mengurangi nilai data
tersebut dalam pengambilan keputusan atau analisis jangka panjang.

9. Privasi dan Keamanan

Data yang baik harus dikelola dengan memperhatikan aspek privasi dan
keamanan. Perlindungan terhadap data yang sensitif, seperti data pribadi
atau data bisnis, harus diperhatikan dengan menjaga kerahasiaan,
integritas, dan keberlanjutan data.

10. Etika
Data yang baik harus dikelola dengan mengikuti prinsip etika dalam
pengumpulan, pengolahan, dan penggunaan data. Data harus diperoleh
atau digunakan secara etis, dengan memperhatikan hak-hak subjek data,
menghindari bias, serta menggunakan data dengan wajar dan
bertanggung jawab.

Selain itu, data harus konsisten dalam pengumpulan, pengolahan, atau

pengukuran, agar dapat dipercaya dan menghasilkan hasil yang konsisten
pula. Data harus diperoleh atau dikumpulkan tepat waktu sesuai dengan
jadwal yang telah ditetapkan. Data harus mudah diakses dan dikelola dengan
baik untuk memastikan kelancaran penggunaan dan pemanfaatan data.

Dengan memperhatikan syarat-syarat data yang baik, kita dapat

memastikan bahwa data yang digunakan dalam pengambilan keputusan,
analisis, penelitian, atau pengelolaan informasi memiliki kualitas yang baik,
dapat diandalkan, serta dapat memberikan informasi yang akurat dan
dapat dipercaya.

B. Pengelolaan Data
Pengelolaan data merujuk pada proses pengaturan, pemeliharaan, dan
pengendalian data yang dikumpulkan dan disimpan dalam suatu sistem atau
basis data. Pengelolaan data melibatkan langkah-langkah yang diperlukan
untuk memastikan data tetap dikelola dengan baik, tersedia, dapat diakses,

5
relevan, akurat, dan aman. Berikut adalah beberapa langkah umum dalam
pengelolaan data:

1. Pengumpulan data
Langkah pertama dalam pengelolaan data adalah pengumpulan data
yang relevan dan akurat. Data dapat dikumpulkan melalui berbagai
metode, seperti survei, wawancara, pengamatan, atau pengumpulan data
sekunder dari sumber yang sudah ada.

2. Pembersihan data
Setelah data dikumpulkan, langkah selanjutnya adalah melakukan
pembersihan data untuk menghilangkan kesalahan, duplikasi, atau data
yang tidak relevan. Proses pembersihan data melibatkan verifikasi,
validasi, dan transformasi data agar sesuai dengan format dan standar
yang telah ditetapkan.

3. Penyimpanan data
Data yang telah dibersihkan perlu disimpan dalam suatu sistem atau
basis data yang terorganisasi dengan baik. Sistem penyimpanan data
harus dapat memastikan keberlanjutan, integritas, dan keamanan data.
Hal ini melibatkan pemilihan teknologi penyimpanan data yang tepat,
pengaturan struktur basis data, serta pengelolaan izin akses data.

4. Pengolahan data
Data yang telah tersimpan dapat diolah untuk menghasilkan informasi
yang berguna. Proses pengolahan data melibatkan analisis, transformasi,
atau penggabungan data untuk menghasilkan output yang relevan dan
dapat diinterpretasi.

5. Pengamanan data
Pengelolaan data juga melibatkan langkah-langkah pengamanan data,
seperti pengaturan hak akses, enkripsi data, pemantauan aktivitas
pengguna, serta tindakan pencegahan terhadap ancaman keamanan data,
seperti hacking atau kebocoran data.

6
6. Pemeliharaan data
Data perlu dipelihara secara rutin untuk memastikan data tetap akurat,
relevan, dan up-to-date. Pemeliharaan data melibatkan pembaruan data,
pemantauan integritas data, serta perbaikan atau penghapusan data yang
sudah tidak diperlukan lagi.

7. Cadangan data
Pengelolaan data juga melibatkan langkah-langkah untuk membuat
cadangan data sebagai langkah pengamanan terhadap kehilangan data
akibat kerusakan perangkat keras, bencana alam, atau kesalahan
manusia. Cadangan data perlu dilakukan secara rutin dan disimpan di
tempat yang aman untuk memastikan kelangsungan data.

8. Kebijakan data
Pengelolaan data juga melibatkan pengaturan kebijakan dan prosedur
yang berkaitan dengan pengelolaan data, seperti kebijakan privasi,
kebijakan penggunaan data, atau prosedur pengolahan data yang
ditetapkan dalam organisasi atau instansi yang bersangkutan.

Pengelolaan data yang baik sangat penting untuk memastikan data

tetap akurat, relevan, aman, dan dapat digunakan sebagai dasar untuk
pengambilan keputusan yang informatif. Beberapa syarat-syarat penting
untuk pengelolaan data yang baik antara lain:

a. Kualitas data
Data harus akurat, lengkap, konsisten, dan relevan. Data yang tidak
akurat atau tidak lengkap dapat menghasilkan kesalahan dalam analisis
dan pengambilan keputusan.

b. Keberlanjutan data
Data harus dikelola secara berkesinambungan dan terus-menerus
diperbarui untuk memastikan data tetap relevan dan up-to-date.

7
 Pembaruan data harus dilakukan sesuai dengan kebutuhan dan jadwal
yang ditetapkan.

c. Keamanan data
Data harus dilindungi dari akses yang tidak sah, kerusakan, atau
kebocoran. Hal ini melibatkan pengaturan hak akses, enkripsi data, serta
penerapan kebijakan keamanan data yang ketat.

d. Keterbacaan data
Data harus disimpan dalam format yang mudah dibaca dan dimengerti
oleh pengguna yang berwenang. Struktur data harus terorganisasi dengan
baik, dan metadata harus tersedia untuk memahami makna dari data yang
disimpan.

e. Konsistensi data
Data yang dikelola harus konsisten dalam hal format, definisi, dan unit
pengukuran. Hal ini penting untuk memastikan data dapat digunakan
secara efektif dalam analisis dan pembandingan.

f. Dukungan teknologi
Pengelolaan data yang baik memerlukan penggunaan teknologi yang
sesuai, seperti sistem basis data, perangkat lunak pengelolaan data, atau
alat analisis data. Teknologi yang digunakan harus sesuai dengan
kebutuhan dan kapabilitas organisasi.

g. Kebijakan dan prosedur

Organisasi perlu memiliki kebijakan dan prosedur yang jelas dalam
pengelolaan data. Hal ini melibatkan pengaturan kebijakan privasi,
kebijakan penggunaan data, atau prosedur pengolahan data yang
terstandar.

Pengelolaan data yang baik sangat penting dalam dunia bisnis, riset,
pemerintahan, dan berbagai sektor lainnya. Data yang dikelola dengan baik

8
 akan menjadi aset berharga yang dapat digunakan untuk pengambilan
keputusan yang informatif dan strategis.

C. Metode Pengumpulan Data

Pengumpulan data merupakan langkah awal yang penting dalam
proses penelitian atau proyek, dan hasil data yang diperoleh akan menjadi
dasar untuk analisis, interpretasi, dan pembuatan kesimpulan dalam tahap
berikutnya. Oleh karena itu, penting untuk menjalankan proses pengumpulan
data dengan teliti, cermat, dan etis guna memastikan keakuratan dan validitas
hasil penelitian atau proyek yang dilakukan.

Menurut Sugiyono (2002), ada beberapa metode pengumpulan data

yang umum digunakan dalam penelitian, antara lain:

1. Survei
Metode pengumpulan data yang dilakukan dengan memberikan
kuesioner atau wawancara kepada responden untuk mengumpulkan
informasi tentang karakteristik, pendapat, atau perilaku mereka. Survei
dapat dilakukan secara langsung (face-to-face) atau secara tidak langsung
(menggunakan kuesioner online atau melalui surat).

2. Observasi
Metode pengumpulan data yang dilakukan dengan mengamati secara
langsung atau mengawasi suatu obyek atau subjek penelitian. Observasi
dapat dilakukan secara terstruktur, yaitu dengan mengikuti suatu rencana
observasi yang telah ditetapkan sebelumnya, atau tidak terstruktur, yaitu
dengan mengamati secara bebas tanpa rencana yang terperinci.

3. Studi Dokumentasi
Metode pengumpulan data yang dilakukan dengan mengumpulkan dan
menganalisis dokumen atau bahan tertulis yang relevan dengan penelitian,
seperti dokumen resmi, arsip, laporan, catatan, jurnal, atau literatur.

9
 4. Wawancara
Metode pengumpulan data yang dilakukan dengan melakukan interaksi
langsung antara peneliti dan responden untuk mendapatkan informasi
secara rinci tentang pendapat, pengalaman, atau persepsi mereka.
Wawancara dapat dilakukan secara tatap muka (face-to-face), telepon,
atau online.

5. Eksperimen
Metode pengumpulan data yang dilakukan dengan mengatur situasi
atau kondisi tertentu untuk mengamati dan mengukur perubahan atau
pengaruh variabel-variabel yang dimanipulasi terhadap variabel-variabel
yang diamati.

6. Data Sekunder
Metode pengumpulan data yang dilakukan dengan menggunakan data
yang sudah ada sebelumnya, misalnya data statistik, data hasil penelitian
sebelumnya, atau data yang diperoleh dari sumber lain yang dapat
dipergunakan untuk menjawab pertanyaan penelitian atau tujuan yang
telah ditetapkan.

Metode pengumpulan data yang digunakan dalam penelitian harus

dipilih dengan cermat berdasarkan tujuan penelitian, karakteristik sampel atau
obyek penelitian, serta sumber data yang tersedia. Setiap metode
pengumpulan data memiliki kelebihan dan kelemahan, dan pemilihan metode
yang tepat akan berdampak pada validitas dan keakuratan hasil penelitian.
Oleh karena itu, penting bagi peneliti untuk memahami dan menguasai
berbagai metode pengumpulan data yang umum digunakan serta mengikuti
prinsip-prinsip etika penelitian dalam proses pengumpulan data.

D. Skala Pengukuran Data

Skala pengukuran data merujuk pada metode atau cara yang
digunakan untuk mengukur atau menggambarkan karakteristik atau variabel
dalam penelitian. Skala pengukuran data sangat penting karena akan

10
mempengaruhi analisis dan interpretasi hasil penelitian. Berikut adalah
beberapa jenis skala pengukuran data yang umum digunakan:

1. Skala Nominal
Skala ini hanya memungkinkan pengklasifikasian data ke dalam
kategori-kategori yang eksklusif dan tidak dapat ditempatkan dalam urutan
atau memiliki nilai numerik. Contoh variabel yang diukur dengan skala
nominal adalah jenis kelamin (pria/wanita), agama
(Islam/Kristen/Hindu/Budha), atau warna (merah/biru/hijau).

2. Skala Ordinal
Skala ini memungkinkan pengklasifikasian data ke dalam kategori-
kategori yang memiliki urutan atau tingkatan, namun tidak memiliki jarak
antara kategori-kategori tersebut. Contoh variabel yang diukur dengan
skala ordinal adalah tingkat pendidikan (SD/SMP/SMA/Universitas), kelas
sosial (tinggi/sedang/rendah), atau tingkat kepuasan (sangat
puas/puas/tidak puas).

3. Skala Interval
Skala ini memungkinkan pengukuran data dengan menggambarkan
perbedaan antara nilai numerik dalam satuan yang sama, namun tidak
memiliki titik nol yang mutlak. Skala interval tidak memiliki nol yang mutlak,
artinya nilai nol pada skala ini hanya merupakan titik acuan atau awal,
bukan benar-benar tidak ada. Contoh variabel yang diukur dengan skala
interval adalah suhu dalam satuan Celsius, waktu (jam, menit, detik), atau
skor tes.

4. Skala Rasio
Skala ini memiliki ciri-ciri yang sama dengan skala interval, yaitu
memungkinkan pengukuran data dalam satuan yang sama dan memiliki
titik nol yang mutlak. Skala rasio adalah jenis skala yang paling lengkap,
karena tidak hanya memiliki urutan, tetapi juga memiliki jarak antara nilai-
nilai, serta titik nol yang mutlak. Contoh variabel yang diukur dengan skala

11
 rasio adalah umur (dalam tahun), tinggi badan (dalam centimeter), atau
berat badan (dalam kilogram).

Pemilihan skala pengukuran data yang tepat sangat penting dalam

penelitian, karena akan mempengaruhi jenis analisis statistik yang dapat
digunakan, serta interpretasi dan generalisasi hasil penelitian. Peneliti harus
memahami karakteristik dan batasan masing-masing jenis skala pengukuran
data untuk memastikan bahwa pengukuran yang dilakukan sesuai dengan
sifat variabel yang diteliti.

E. Skala Pengumpulan Instrumen

Skala pengukuran instrumen merujuk pada jenis skala yang digunakan
dalam instrumen atau alat pengumpulan data yang digunakan dalam
penelitian. Skala pengukuran instrumen harus sesuai dengan jenis variabel
yang diukur dan karakteristik data yang ingin diperoleh. Beberapa jenis skala
pengukuran instrumen yang umum digunakan adalah sebagai berikut:

1. Skala Likert
Skala ini adalah jenis skala ordinal yang digunakan untuk mengukur
tingkat persetujuan atau ketidaksetujuan responden terhadap pernyataan
atau afirmasi tertentu. Skala Likert biasanya terdiri dari pernyataan yang
diukur dalam bentuk pernyataan positif atau negatif, dan responden
diminta untuk menunjukkan tingkat persetujuan atau ketidaksetujuan
mereka terhadap setiap pernyataan dengan menggunakan skala yang
berurutan, misalnya sangat setuju, setuju, netral, tidak setuju, sangat tidak
setuju.

2. Skala Interval atau Skala Numerik

Skala ini digunakan untuk mengukur variabel yang memiliki nilai
numerik dan memiliki jarak antara nilai-nilai yang dapat dihitung. Skala
interval atau skala numerik dapat berupa skala dengan bilangan bulat
(misalnya 1, 2, 3, 4) atau skala dengan bilangan pecahan (misalnya 1,25,
2,5, 3,75).

12
 3. Skala Visual Analog Scale (VAS)
Skala ini adalah jenis skala interval yang menggunakan garis
horizontal atau vertikal yang digunakan untuk mengukur tingkat intensitas
atau kecenderungan suatu karakteristik atau variabel. Responden diminta
untuk menandai atau memberi tanda pada garis yang menunjukkan
tingkat karakteristik yang diukur.

4. Skala Kategori
Skala ini adalah jenis skala nominal yang digunakan untuk
mengkategorikan data ke dalam kategori-kategori eksklusif. Skala kategori
dapat berupa pilihan ganda, di mana responden memilih satu atau lebih
jawaban dari beberapa pilihan yang disediakan, atau skala kategori
tunggal, di mana responden memilih satu jawaban dari beberapa pilihan
yang disediakan.

5. Skala Analog
Skala ini adalah jenis skala yang menggunakan gambar, grafik, atau
representasi visual lainnya untuk mengukur karakteristik atau variabel
tertentu. Skala analog sering digunakan dalam pengukuran yang
melibatkan penilaian subjektif, seperti penilaian visual atau penilaian
estetika.

Pemilihan skala pengukuran instrumen yang sesuai sangat penting

dalam penelitian, karena akan mempengaruhi validitas dan reliabilitas data
yang diperoleh. Peneliti harus memilih skala pengukuran instrumen yang
paling sesuai dengan jenis variabel yang diteliti dan karakteristik data yang
ingin diperoleh untuk memastikan hasil penelitian yang akurat dan
dapat diandalkan.

F. Populasi dan Sampel

Populasi dan sampel adalah konsep penting dalam penelitian. Populasi
adalah keseluruhan individu, objek, atau unit analisis yang menjadi fokus

13
penelitian, sedangkan sampel adalah subset atau bagian dari populasi yang
digunakan untuk menggambarkan atau mewakili keseluruhan populasi.

Populasi dapat berupa individu, kelompok, organisasi, wilayah

geografis, atau objek lain yang menjadi subjek penelitian. Populasi biasanya
dapat sangat besar dan sulit untuk diakses atau diinvestigasi secara
menyeluruh, sehingga penggunaan sampel menjadi pilihan yang lebih praktis
dan efisien dalam banyak penelitian.

Sampel adalah bagian dari populasi yang dipilih untuk diinvestigasi

atau diambil data-nya. Pengambilan sampel dilakukan dengan tujuan untuk
menggeneralisasi hasil penelitian dari sampel ke populasi secara keseluruhan.
Oleh karena itu, pemilihan sampel yang representatif dan memiliki
karakteristik yang mirip dengan populasi menjadi penting untuk memastikan
validitas dan generalisabilitas hasil penelitian.

Pemilihan sampel dapat dilakukan dengan berbagai teknik, seperti:

1. Sampel Acak Sederhana (Simple Random Sampling)

Setiap anggota populasi memiliki kesempatan yang sama untuk
menjadi bagian dari sampel. Pengambilan sampel dilakukan secara acak
tanpa memperhatikan karakteristik individu atau unit analisis yang dipilih.

2. Sampel Sistematik (Systematic Sampling)

Salah satu anggota populasi dipilih secara acak sebagai titik awal,
kemudian anggota populasi lainnya dipilih dengan tetap mengikuti pola
atau jarak sistematis (misalnya setiap ke-10 anggota) sampai sampel
terpenuhi.

3. Sampel Kluster (Cluster Sampling)

Populasi dibagi menjadi kelompok-kelompok (kluster) yang lebih kecil,
kemudian beberapa kluster dipilih secara acak untuk dijadikan sampel.
Dalam setiap kluster yang dipilih, semua anggota diambil sebagai sampel.

14
4. Sampel Stratifikasi (Stratified Sampling)
Populasi dibagi menjadi beberapa strata atau kelompok berdasarkan
karakteristik tertentu (misalnya usia, jenis kelamin, pendapatan), kemudian
dari setiap strata dipilih sampel secara acak.

5. Sampel Purposif (Purposive Sampling)

Pengambilan sampel dilakukan berdasarkan pertimbangan peneliti,
dengan memilih individu atau unit analisis yang dianggap memiliki
informasi yang relevan atau representatif untuk penelitian.

6. Sampel Kuota (Quota Sampling)

Populasi dibagi berdasarkan karakteristik tertentu (misalnya usia, jenis
kelamin, pendidikan), kemudian responden dipilih secara tidak acak untuk
mengisi kuota yang telah ditentukan dalam setiap kategori karakteristik
tersebut.

Pemilihan teknik pengambilan sampel harus didasarkan pada

pertimbangan yang matang, tergantung pada tujuan penelitian, karakteristik
populasi, sumber daya yang tersedia, dan ketersediaan data. Penting untuk
memperhatikan validitas dan generalisabilitas hasil penelitian ketika memilih
sampel, serta menggambarkan dengan jelas karakteristik sampel yang
digunakan dalam laporan penelitian.

15
 BAB III

PENUTUP

A. Simpulan
1. Data adalah komponen kritis dalam dunia modern yang berhubungan
dengan teknologi, bisnis, dan masyarakat.
2. Pengelolaan data yang efektif dan efisien menjadi penting untuk
memastikan keberhasilan organisasi dan pengambilan keputusan yang
tepat.
3. Penting untuk memperhatikan aspek keberagaman, keakuratan, integritas,
kerahasiaan, dan ketersediaan data dalam pengelolaan data yang baik.
4. Analisis data yang cermat dapat memberikan wawasan yang berharga
untuk menginformasikan pengambilan keputusan yang
cerdas dan strategis.

B. Saran
1. Menerapkan kebijakan dan prosedur yang jelas untuk pengelolaan data,
termasuk pengumpulan, penyimpanan, pengolahan, dan penggunaan data.
2. Melibatkan pemangku kepentingan yang relevan, seperti pengguna data,
pemilik data, dan tim TI, dalam pengambilan keputusan yang berkaitan
dengan data.
3. Menggunakan alat dan teknologi yang tepat untuk mengelola data, seperti
sistem manajemen basis data, analisis data, dan kecerdasan buatan.
4. Memastikan keberagaman data dalam hal sumber, tipe, dan format data
untuk menghindari bias dan kesalahan dalam analisis data.
5. Mengamankan data dengan menerapkan tindakan perlindungan data,
termasuk enkripsi, otentikasi, dan pengawasan akses.
6. Melibatkan profesional data yang terlatih dalam pengelolaan data untuk
memastikan kualitas dan integritas data.
7. Melibatkan pemangku kepentingan dalam mengembangkan kebijakan
privasi yang jelas untuk melindungi data pribadi.
8. Melakukan pemantauan dan evaluasi rutin terhadap pengelolaan data
yang ada untuk mengidentifikasi dan mengatasi masalah
yang mungkin muncul.

16
 DAFTAR PUSTAKA

Smith, J. (2018). Data Management Best Practices. New York: ABC Publishers.

Brown, A. R. (2019). The Role of Big Data in Business Analytics. Chicago: XYZ
Press.

Lee, K. T., & Wong, S. L. (2020). Advanced Techniques for Data Visualization. Los
Angeles: LMN Publications.

17