com
ANALISIS
DATA
PENELITIAN
Mempersiapkan Data Untuk Analisis
1) Pengkodean
2) Entri data
3) Mengedit data:
4) Transformasi data
Aturan Pengkodean
Sesuai dengan
Lengkap
permasalahan penelitian
Kategori
seharusnya
Tepat Konsisten
Kriteria
Diatur untuk Seragam
penyederhanaan masuk
Menyelesaikan
Menangani Jawaban “Tidak Tahu”.
◼ Ketika jumlah jawaban “tidak tahu” (DK) rendah, hal itu tidak menjadi
masalah.
◼ Cara terbaik untuk menghadapi jawaban DK yang tidak diinginkan adalah merancang
pertanyaan yang lebih baik di awal.
Transformasi Data
Deviasi Standar
Contoh "Abstraksi" Dari Fenomena
"Distribusi kemungkinan"
Ukuran dari
kurangnya simetri
distribusi.
BENTUK DISTRIBUSI: KURTOSIS
Y X1 X2
Y 1.000
X1 0,802 1.000
A. Teknik Univariat:
A.MANDIRISampel:
Data Metrik : Sampel Independent Tes :
Data Non Metrik Tes Mann-Withney
B.TERKAITSampel:
Data Metrik : Sampel BerpasanganUji-T :
Data Non Metrik Wilcoxon
1 75 55
2 60 85
3 80 90
4 - 80
BERARTI BERARTI
MANDIRISampel:
Data Metrik : Uji t Sampel Independen :
Data Non Metrik Uji Mann-Withney
CONTOH:DUA BERARTI TERKAIT
1 75 55 - 20
2 60 85 + 25
N
BERARTI
◼ Akankah sekelompok karyawan tampillebih baik setelahnyamenjalani pelatihan daripada yang mereka
lakukan sebelumnya?
B.TERKAITSampel:
Data Metrik : Paired Sample T-test :
Data Non Metrik Wilcoxon
A. Teknik Univariat:
A) dua MEAN - SAMPEL INDEPENDEN T -
UJI
◼ Nilai signifikansi 0,039 < 0,05, Ho ditolak, Ha diterima, bahwa terdapat perbedaan skor antara Grup 1 dengan Grup 2
Tes Mann Whitneydigunakan apabila data tidak berdistribusi normal dan digunakan
hanya untuk data bertipe interval atau rasio.
◼ Nilai signifikansi 0,013 < 0,05, Ho ditolak, Ha diterima, bahwa terdapat perbedaan skor antara Grup 1 dengan Grup 2
A. TEKNIK UNIVARIAT:
B) UJI T SAMPEL TERKAIT DUA
Wilcoxon menandatangani tes peringkatdigunakan apabila data tidak berdistribusi normal dan digunakan hanya
untuk data bertipe interval atau rasio.
Nilai p value (asymp. Sig 2 tailed) sebesar 0,006 kurang dari batas kritis penelitian 0,05 sehingga
keputusan hipotesis adalah menerima H1 atau yang berarti terdapat perbedaan bermakna antara
kelompok pretest dan posttest.
UJI-F ANOVA SATU-ARAH:CONTOH
EPI809/SPRING 2008 26
TEKNIK STATISTIK
◼ B. TEKNIK MULTIVARIAT:
◼ SatumetrikBergantungvariabel:
◼ Regresi berganda
◼ Satunon-metrikBergantungSampel:
◼ Regresi logistik
◼ Diskriminan
Sederhana Banyak
PENYIMPANAN XX XX
KAMERA XX XX
HARGA XX XX
◼ RESMI:
◼ Meneliti hubungan antara 2 atau lebih variabel dependen dan beberapa
variabel independen
◼ Contoh:
Korelasi antara SET perilaku kerja & pengaruhnya terhadap SET
faktor kinerja
Asumsi Regresi Berganda: