Dasar Teori
A. Data Screening
Data screening, atau juga dikenal dengan data cleaning (membersihkan data)
merupakan salah satu teknik persiapan data untuk analisa data kuantitatif. Tujuan
utama dari data screening ini adalah khususnya menghilangkan data-data yang
hilang (missing value) ataupun data-data yang dianggap tidak normal. Contohnya,
kita sering menemui data-data dari kuesioner tidak diisi oleh responden pada
beberapa item, mungkin dikarenakan terlewat, terlupakan, atau mungkin saja
responden tidak berkenan mengisinya. Juga, banyak ditemui data-data yang
27
diisikan oleh responden tidak sesuai dengan apa yang diinstruksikan. Misal, dalam
skala sikap 1 sampai 5, responden mengisi 0, atau 6. Sehingga, nilai 0 atau 6 ini
menjadi data yang dianggap diluar kewajaran untuk dianalisa secara kuantitaitf.
Contoh dalam aplikasi kuesioner dapat disimak sebagai berikut:
Ada seorang responden (responden 1) yang diminta menilai 5 jenis nasi
goreng dengan skala 1-5, dengan skala 1: sangat tidak enak, dan skala 5
menunjukan rasa sempurna (sangat enak). Data yang diperoleh:
yang Responden 1:
Nasi goreng A -3, Nasi goreng B -4, Nasi goreng C-0, Nasi goreng D –ϴ , Nasi
goreng E -5.
Leech, Barret dan Morgan (2005) memberikan alternatif lain, yaitu dengan
mengganti nilai yang hilang tersebut dengan salah satu cara seperti interpolasi,
28
imputasi, ataupun dengan mengganti nilai yang hilang dengan nilai rerata atau
nilai tengah.
Referensi
1. Mulyono, H. (2014, 31 July). Data screening: Membersiapkan data untuk
analisa kuantitatif. Diakses pada tanggal (tuliskan tanggal anda membaca
posting ini) dari (copy link posting ini)
2. Field, A.P. (2013). Dicovering statistics using IBM SPSS Statistics: And
sex and drugs and rock ‘n’ roll (4th ed.) London: Sage
3. Leech, N.L., Barret, K.C., & Morgan, G.A. (2005). SPSS for intermediate
statistics: Use and interpretation (2nd ed). London: Lawrence Erlabaum
Associates.
4. Morgan, G.A., Leech, N.L., Gloeckner, G.W., & Barret, K.C. (2004).
SPSS for introductory statistics: Use and interpretation (2nd ed.). London:
Lawrence Erlabaum Associates.
5. Wilcox, R.R. (2005). Introduction to robust estimation and hypothesis
testing (2nd ed.). Elsevier.
Alat dan Bahan
1. Laptop
2. Infocus
3. Flashdisk
4. Printer
5. Paper A4
Keselamatan Kerja
1. Persyaratan Pencahayaan Ruangan
2. Tata Letak Laptop Yang Sesuai
3. Persyaratan Teknis Ruangan
4. Posisi Duduk Siswa
29
Prosedur Kerja
1. Data screening
Sebelum menganalisis data langkah pertama yang dilakukan adalah dengan
melakukan eksplorasi terhadap data. Penyaringan data (data screening) perlu
dilakukan dengan teliti karena mungkin terjadi kesalahan dalam memasukan
data.Kesalahan memasukan data antara lain karena memasukan data di luar
kisaran (range) kode data atau diluar kisaran nilai data yang telah didefinisikan
atau memasukan data yang sama lebih dari satu kali. Sebagai contoh, memasukan
data jenis kelamin pada variabel jenis kelamin(yang diberi kode“1=Pria” dan
“2=Perempuan”) atau memasukan angka lain untuk IPK yang mempunyai kisaran
0-4. Prosedur data screening menggunakan SPSS biasanya dilakukan dengan
analisis Frequencies. Sebagai contoh penyaringan data akan digunakan data yang
terjadi kesalahan dalam memasukan data sebagai berikut:
30
Prosedur SPSS untuk Data Screening
31
Gambar 2.3. penyaringan data dengan perintah SPSS Frequencies.
Hasil dari perintah SPSS Frequencies adalah berupa tabel distribusi frequencies
sebagai berikut:
32
2.Transformasi data
Kasus:
Hasil tes belajar siswa yang digunakan dengan model pembelajaran
kooperatif. Berikut hasil yang diperoleh hasil tes belajar yang dipilih 20
mahasiswa
Table.2.2.nilai tes
33
Gambar 2.6.Icon SPSS
2. Klick program SPSS sampai muncul worksheet area kerja seperti pada gambar
berikut:
34
Gambar 2.8. Tampilan variable view
6. Bila Sudah Di Isi Semua Variabel View Selanjutnya Klick Data View Ada Di
Sebelah Kiri Variabel View Untuk Kita Isi Hasil Tes Belajar Mahasiswa. Lalu Isi
Variabel Kolom Nilai Dengan Nilai Hasil Tes Belajar Dari 20 Mahasiswa Seperti
Terlihat Pada Gambar Berikut:
35
Gambar 2.10.tampilan compute variable
36
10. Masih pada gambar Compute Variable, Klik dua kali Hasil Belajar[Nilai]
yang ada di bawah Type & Label sehingga berubah dalam kolom Numeric
Expression yaitu: LG10(Nilai) seperti terlihat pada gambar berikut:
11. Langkah selanjutnya klik OK, untuk melihat hasil tranformasi data ada di Data
View, seperti pada gambar berikut:
37
12. Langkah selanjutnya akan kita uji normalitas data hasil transformasi. Pada
menu toolbar SPSS paling atas pilih Analyze---> descriptive Statistics--->
Explore. Jika benar yang saudara pilih maka hasilnya seperti gambar berikut:
38
14. Setelah di klik OK hasilnya seperti pada gambar berikut:
39
Evaluasi
1. Lakukan data screening dengan menggunakan SPSS untuk data berikut:
Table 2.3.latihan data screening
SEX
ID JumlahJamBelajar IPK
(1=pria,2=wanita
1 32 3.6 1
2 16 3.5 2
3 21 2.8 1
4 23 3.7 2
5 8+A* 7.0 3
6 4 3.7 5
7 10 6.0 1
8 15 2.3 2
9 31 3.0 1
10 40 3.9 1
40