Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari keseluruhan
responden atau sumber data lain terkumpul.
Teknik analisis data dalam penelitian kuantitatif menggunakan statistic. Statistic yang digunakan
untuk analisis data dalam penelitian kuantitatif terdiri dari:
a. Statistic deskriptif
Statistic deskriptif merupakan statistic yang digunakan untuk mengalisis data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa
bermaksud membuat kesimpulan yang berlaku untuk umum atau generalitas. Penelitian data
dilakukan pada populasi (tanpa diambil sampel). Dengan kata lain Statistik deskriptif digunakan
untuk merangkum dan menggambarkan data secara singkat.
Teknik ini mencakup penggunaan ukuran tendensi sentral seperti mean, median, modus, table,
grafik, diagram lingkaran, pictogram, perhitungan desil, persentil, dan ukuran sebaran seperti
rentang atau rata-rata, deviasi standar, varians atau persentase.
Cara mencari kuatnya hubungan antara variable dalam statistic deskriptif yaitu:
Analisis korelasi
Melakukan prediksi dengan analisis regresi
Membuat perbandingan yaitu dengan Membandingkan dua rata-rata data sampelatau
populasi.
Secara teknis diketahui bahwa statistic deskriptif tidak menggunakan:
b. Statistic inferensial
Statistik inferensial adalah cabang statistik yang berkaitan dengan membuat kesimpulan atau
inferensi tentang populasi berdasarkan data sampel yang diambil dari populasi tersebut. Tujuan
utama dari statistik inferensial adalah menggeneralisasi hasil dari sampel ke populasi yang lebih
besar. Ini dilakukan melalui berbagai teknik statistik, termasuk estimasi parameter populasi dan
pengujian hipotesis.
1. Sampel dan Populasi: Populasi adalah kelompok utama yang ingin Anda teliti, sementara
sampel adalah subset dari populasi yang Anda amati dan analisis. Statistik inferensial
membantu Anda membuat kesimpulan tentang populasi berdasarkan sampel
2. Estimasi Parameter: Estimasi parameter adalah proses menghitung perkiraan nilai dari
parameter populasi berdasarkan data sampel. Contohnya adalah mengestimasi rata-rata
populasi, proporsi populasi, atau varians populasi.
3. Interval Kepercayaan (Confidence Intervals): Interval kepercayaan adalah rentang nilai
yang mungkin untuk parameter populasi dengan tingkat kepercayaan tertentu. Ini
memberikan perkiraan tingkat ketidakpastian dalam estimasi parameter.
4. Uji Hipotesis: Uji hipotesis digunakan untuk menguji pernyataan atau hipotesis tentang
parameter populasi. Ini melibatkan perumusan hipotesis null (hipotesis nol) dan hipotesis
alternatif, serta penggunaan uji statistik untuk menentukan apakah ada cukup bukti untuk
menolak hipotesis null.
5. P-Value: P-value adalah ukuran yang menunjukkan seberapa kuat bukti yang Anda miliki
untuk menolak hipotesis null. Semakin kecil p-value, semakin kuat bukti untuk menolak
hipotesis null.
6. Kesalahan Tipe I dan Tipe II: Kesalahan tipe I terjadi saat Anda salah menolak hipotesis
null yang sebenarnya benar, sementara kesalahan tipe II terjadi saat Anda gagal menolak
hipotesis null yang sebenarnya salah.
7. Kuasa Statistik (Statistical Power): Kuasa statistik adalah probabilitas bahwa Anda akan
menolak hipotesis null yang salah. Ini bergantung pada ukuran sampel, tingkat
signifikansi, dan efek yang dicari.
8. Analisis Regresi: Analisis regresi adalah teknik yang digunakan untuk memodelkan
hubungan antara variabel independen dan dependen. Ini digunakan untuk membuat
prediksi dan menguji hipotesis tentang hubungan tersebut.
9. Analisis Variansi (ANOVA): ANOVA digunakan untuk membandingkan rata-rata antara
tiga atau lebih kelompok dalam populasi. Ini membantu Anda menentukan apakah ada
perbedaan yang signifikan antara kelompok-kelompok tersebut.
Statistic parametris
Statistik parametrik adalah teknik statistik yang dapat digunakan untuk menguji hipotesis dengan
melibatkan parameter populasi. Keterbatasan yang dimiliki oleh statistik parametrik adalah
penggunaan jenis data minimal yaitu jenis data interval dan rasio. Syarat menggunakan statistik
parametrik apabila kita dapat mengetahui sebaran populasi yang kita amati telah memenuhi
distribusi normal. Penerapan penggunaan statistik parametrik biasanya diaplikasikan pada:
Statistik parametrik merupakan pengolahan data statistik yang dianjurkan dalam penelitian. Hal
ini dikarenakan banyak kelebihan dari segi output yang dihasilkan, namun persyaratan pengujian
yang juga terbilang rumit. Salah satu persyaratan pengujian dalam pengolahan data statistik
adalah ukuran sampel.
Statistik parametris bergantung pada asumsi tentang distribusi data, khususnya asumsi tentang
distribusi normal. Asumsi ini mencakup asumsi tentang parameter-parameter populasi seperti
rata-rata dan deviasi standar.
tidak perlu dilakukan pengujian terhadap parameter populasi karena sudah dianggap
memenuhi syarat.
Kemudian, data observasi dianggap saling bebas dan diambil dari populasi yang memiliki
distribusi normal dengan varian yang homogen.
Asumsi-asumsi yang rumit tersebut membuat pengujian menggunakan metode parametrik
dapat diandalkan akurasinya.
populasi harus memiliki varian yang sama. Tentu hal ini merupakan hal yang sulit karena
kenyataannya semua varian dari populasi tidak diketahui.
Variabel variabel yang diteliti terbatas hanya untuk jenis data dengan skala minimal
adalah interval dan rasio.
Distribusi populasi harus diketahui berdistribusi normal. Jika belum diketahui tentu harus
dicari terlebih dahulu menggunakan uji normalitas.
Statistic non-parametris
Statistik non-parametris, juga dikenal sebagai statistik distribusi-bebas, adalah pendekatan dalam
analisis statistik yang tidak bergantung pada asumsi tertentu tentang distribusi populasi atau
parameter populasi. Ini adalah pilihan yang baik ketika data Anda tidak memenuhi asumsi-
asumsi yang diperlukan untuk teknik statistik parametris atau ketika Anda bekerja dengan data
yang bersifat ordinal atau nominal.
Statistik non-parametrik adalah salah satu metode statistik yang dapat digunakan sebagai
alternatif apabila metode statistik parametrik tidak dapat dilakukan. Jika uji parametrik dapat
digunakan untuk melihat perbedaan antara rata-rata nilai tengah 2 kelompok daratan yang sudah
diberi ranking, dengan data yang sama metode uji statistik non parametrik dapat digunakan untuk
melihat perbedaan antara median mediannya. Penggunaan statistik non-parametrik dapat diuji
melalui jenis data nominal dan ordinal.
Penerapan statistik non-parametrik juga biasanya banyak dijumpai di kasus-kasus penelitian ilmu
sosial. Contoh metode yang dipakai dalam pengolahan data statistik non-parametrik adalah chi-
square test, korelasi spearman, probabilitas fisher, wilcoxon test dan masih banyak lagi yang
lainnya. Singkat kata perbedaannya kalau datanya memiliki sebaran atau distribusi normal, maka
digunakan statistika parametrik. Kalo data tidak memiliki sebaran normal, maka digunakan
statistika nonparametrik
Berikut adalah beberapa contoh teknik statistik non-parametris dan bagaimana mereka
digunakan:
Statistik non-parametris dapat digunakan dalam berbagai situasi di mana asumsi distribusi
normal atau parametris tidak dapat diterima. Namun, perlu diingat bahwa statistik non-
parametris seringkali memiliki daya (power) yang lebih rendah daripada teknik statistik
parametris jika asumsi distribusi benar-benar terpenuhi. Oleh karena itu, pemilihan teknik
statistik harus didasarkan pada pemahaman yang baik tentang data Anda dan tujuan analisis
Anda.
hasil uji metode statistik non parametrik tidak dapat digunakan untuk mengestimasi
karakter populasi. Karena prosesnya sederhana dan cenderung menggunakan sampel
kecil dan tidak berdistribusi normal.
Selain itu penggunaan metode statistik non parametrik hanya membandingkan dua
kelompok tertentu.
Tidak melibatkan parameter populasi dalam uji hipotesis.
Skala yang digunakan bersifat lebih lemah dan asumsi pada metode statistik parametrik
tidak dipenuhi.