ANALISIS DATA

- Teuku Muhammad Afdhal Al-Amir

- Andi Rahmunandar
- Desra Rahmatullah
- M. Rifki Haikal
- Silfia Mahera
- Ulfa Jazilla
Proses Analisis Data
• Analisis data adalah sebuah proses untuk memeriksa,
membersihkan, mengubah, dan membuat pemodelan data
dengan maksud untuk menemukan informasi yang bermanfaat
sehingga dapat memberikan petunjuk bagi peneliti
untuk mengambil keputusan terhadap pertanyaan-pertanyaan
penelitian.
Analisis Data Dengan Paradigma
Penelitian Kuantitatif
• Menelaah Seluruh Data
Menurut Lexy J. Moleong, proses analisis data kualitatif dimulai
dengan menelaah seluruh data yang tersedia dari berbagai
sumber, yaitu wawancara, pengamatan yang sudah dituliskan
dalam catatan lapangan, dokumen pribadi, dokumen resmi,
gambar foto dan sebagainya.
• Mereduksi Data
Ialah kegiatan merangkum, memilih hal-hal yang pokok,
memfokuskan pada hal-hal yang penting, dicari tema dan polanya
dan membuang yang tidak perlu
 • Memeriksa Keabsahan Data
Uji keabsahan data dalam penelitian kualitatif meliputi uji
credibility (validitas internal), transferability (validitas eksternal),
dependability (reabilitas) dan confirmability (obyektifitas).
• Menafsirkan Data
Penafsiran hasil analisis ini bertujuan untuk menarik kesimpulan
penelitian yang telah dilaksanakan. Penarikan kesimpulan ini
dilakukan dengan cara membandingkan hipotesis yang telah
dirumuskan dengan hasil analisis yang didapat. Dengan demikian,
peneliti akhirnya memperoleh kesimpulan pokok, yaitu menerima
atau menolak hipotesis yang telah dirumuskan.
Analisis Data Dengan Paradigma
Penelitian Kuantitatif
Beberapa pendekatan penting dari penelitian kuantitatif :

• Memakai pola pemikiran deduktif, yakni rasional empiris atau top down approach. Pola ini artinya
penelitian kuantitatif akan mencoba memahami fenomena atau kejadian dengan konsep atau
teori yang umum terlebih dahulu untuk kemudian menjelaskan kejadian yang bersifat lebih
khusus.

• Penelitian kuantitatif memiliki tujuan untuk menyusun ilmu nomotetik. Ilmu ini memilki arti ilmu
yang berusaha membuat hukum dari generalisasi hukum itu sendiri.

• Pengumpulan data dalam penelitian kuantitatif dilakukan dengan melakukan pengukuran.

Pengukuran ini sendiri harus menggunakan alat yang baku dan objektif, seperti yang telah
disebutkan diatas.

• Seorang peneliti dalam penelitian kuantitatif harus menempatkan dirinya terpisah dari objek
penelitian. Ini artinya, peneliti tidak boleh terlibat secara emosional dengan subjek penelitannya.

• Analisis data dalam penelitian kuantitatif harus dilakukan setelah seluruh data dapat dikumpulkan

• Hasil penelitian kuantitatif adalah prediksi dan generalisasi terlepas dari konteks situasi dan
waktu dilakukannya penelitian.
Perangkat Dalam Analisis
Data
• Instrumen pengumpul data adalah alat yangdigunakan untuk
merekam-pada umumnya secara kuantitatif keadaan
dan aktivitas atribut-atribut psikologis. Atibut-atribut
psikologis itu secara teknis biasanya digolongkan menjadi
atribut kognitif dan atribut non kognitif. Untuk atribut kognitif,
perangkatnya adalah pertanyaan. Sedangkan untuk atribut
non-kognitif,perangkatnya adalah pernyataan
Analisis Deskriptif
• Analisis deskriptif merupakan analisis yang paling mendasar
untuk menggambarkan keadaan data secara umum. Analisis
deskriptif ini meliputi beberapa hal, yakni distribusi frekuensi,
pengukuran tendensi pusat, dan pengukuran variabilitas.
Statistika Inferensia
• Pendugaan Parameter

Untuk mengetahui ukuran populasi atau disebut dengan Parameter biasanya seorang
peneliti mengukurnya tidak secara langsung melainkan dengan cara mengambil
sebagian kecil dari populasi (disebut dengan sample) kemudian mengukurnya.
Selanjutnya hasil pengukuran sample tersebut digunakan untuk “menduga” ukuran
sebenarnya (ukuran populasinya atau parameternya). Dari sinilah berasal istilah
“Pendugaan Parameter”. Secara umum parameter yang diduga ialah nilai tengah
(mean), proporsi, atau ragam, masing-masing :

• – satu nilai tengah

• – beda dua nilai tengah populasi
• – beda lebih dari dua nilai tengah populasi
• – satu proporsi
• – beda dua nilai proporsi
• – beda lebih dari dua nilai proporsi
• – satu ragam
• – beda dua nilai ragam
• – beda lebih dari dua nilai ragam
 • Uji Parameter Satu Populasi

Untuk pengujian hipotesis satu rata-rata dengan sample besar (n >

30), uji statistiknya menggunakan distribusi Z. Prosedur pengujian
hipotesisnya adalah sebagai berikut:

1. Formulasi hipotesis
2. Penentuan nilai α (taraf nyata) dan nilai Z table (Zα)
3. Kriteria Pengujian
4. Uji Statistik
5. Kesimpulan
• Pengujian Dua Populasi Independen

Uji hipotesis proporsi dua populasi adalah pengujian dua proporsi yang
masing-masing proporsi tersebut berasal dari dua populasi yang
berbeda serta independen.
Pengujian dua proporsi digunakan ketika akan membandingkan apakah
proporsi pada populasi pertama lebih kecil, sama atau lebih besar
dibandingkan proporsi pada populasi kedua.
 • Uji U-MANN-WHITNEY

Mann Whitney U Test disebut juga dengan Wilcoxon Rank Sum Test.
Merupakan pilihan uji non parametris apabila uji Independent T Test tidak
dapat dilakukan oleh karena asumsi normalitas tidak terpenuhi. Tetapi
meskipun bentuk non parametris dari uji independent t test, uji Mann Whitney
U Test tidak menguji perbedaan Mean (rerata) dua kelompok seperti layaknya
uji Independen T Test, melainkan untuk menguji perbedaan Median (nilai
tengah) dua kelompok.

Asumsi yang harus terpenuhi dalam Mann Whitney U Test, yaitu:

• Skala data variabel terikat adalah ordinal, interval atau rasio. Apabila skala
interval atau rasio, asumsi normalitas tidak terpenuhi. (Normalitas dapat
diketahui setelah uji normalitas).
• Data berasal dari 2 kelompok. (Apabila data berasal dari 3 kelompok atau
lebih, maka sebaiknya gunakan uji Kruskall Wallis).
• Variabel independen satu dengan yang lainnya, artinya data berasal
dari kelompok yang berbeda atau tidak berpasangan.
• Varians kedua kelompok sama atau homogen. (Karena distribusi tidak
normal, maka uji homogenitas yang tepat dilakukan adalah uji Levene’s
Test. Di mana uji Fisher F diperuntukkan bila asumsi normalitas terpenuhi).
• Pengujian Dua Populasi Dependen

Uji T dependen memiliki asumsi yang harus dipenuhi, yaitu :

- Datanya berdistribusi normal.

- Kedua kelompok data dependen (berpasangan)
- variabel yang dihubungkan berbentuk numerik dan kategorik
(dengan hanya 2 kelompok).
• Pengujian Hipotesis Selisih Dua Rata-Rata Populasi Untuk Data
Berpasangan

• Dibutuhkan untuk mencek perbedaan yang

bermakna antara dua nilai rata-rata ketika sampel-
sampel tersebut tidak independen :

• Seperti  - sebelum dan sesudah perlakuan

- beda perlakuan
- dengan atau tanpa perlakuan
 • Uji Tanda Peringkat WilCoxon

Uji ini digunakan untuk menguji kondisi (variabel) pada sampel yang
berpasangan atau dapat juga untuk penelitian
sebelum dan sesudah. Dalam uji ini ingin diketahui manakah yang lebih
besar dari antara pasangan.

Uji wilcoxon lebih peka daripada uji tanda dalam

menentukan perbedaan antara rataan populasi dan karena itu akan di
bahas secara mendalam.

Asumsi-asumsi:
• Menggunakan data berpasangan dan berasal dari populasi yang sama.
ini sama dengan tujuan dari uji t berpasangan.
• Setiap pasangan dipilih secara acak dan independent. Maksudnya ini
dalam pengambilan sampel tidak subjektif atau asal ambil. tapi
pengambilan sampelnya secara acak.
• Skala pengukurannya minimal ordinal. dan tidak butuh asumsi
normalitas. Inilah yang membedakan dengan uji t berpasangan. disini
ada dua keadaan dalam menggunakan wilcoxon.
 • ANOVA

Analisis varians (ANOVA) adalah kumpulan dari model statistik yang digunakan untuk
menganalisis perbedaan rata-rata antara kelompok dan prosedur terkait (seperti
“variasi” antara kelompok), yang dikembangkan oleh ahli statistik dan evolusi biologi
Ronald Fisher. Dalam pengaturan ANOVA, varians diamati pada variabel tertentu dibagi
menjadi komponen disebabkan berbagai sumber variasi. Dalam bentuk yang paling
sederhana, ANOVA menyediakan uji statistik apakah rata-rata beberapa kelompok
adalah sama, dan adanya generalisasi t-test untuk lebih dari dua kelompok. Seperti
melakukan beberapa dua-sample t-tes akan menghasilkan peningkatan kesempatan
dalam mengamati tipe I kesalahan statistik, maka ANOVA berguna untuk
membandingkan (pengujian) tiga atau lebih berarti (kelompok atau variabel) untuk
signifikansi statistik.

Asumsi-asumsi dalam ANOVA

-Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor

- Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya
digunakan satu penduga (estimate) untuk varians dalam contoh
- Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan
percobaan yang tepat
- Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
 • Kruskal Wallis

Uji Kruskal Wallis adalah uji nonparametrik berbasis peringkat yang

tujuannya untuk menentukan adakah perbedaan signifikan secara
statistik antara dua atau lebih kelompok variabel independen pada
variabel dependen yang berskala data numerik (interval/rasio) dan
skala ordinal.

Uji ini identik dengan Uji One Way Anova pada pengujian
parametris, sehingga uji ini merupakan alternatif bagi uji One Way
Anova apabila tidak memenuhi asumsi misal asumsi normalitas.
Selain sebagai uji alternatif, kegunaan lain adalah sebagai perluasan
dari uji Mann Whitney U Test, di mana kita ketahui bahwa uji
tersebut hanya dapat digunakan pada 2
kelompok variabel dependen. Sedangkan Kruskall Wallis dapat
digunakan pada lebih dari 2 kelompok misal 3, 4 atau lebih.
 • Uji Cochcran

Uji Cohcran digunakan untuk menganalisis secara statistik tingkat keberhasilan dari suatu data
tertentu. Hipotesis yang diuji adalah hipotesis terhadap beberapa variabel dikotomi yang memiliki
arti sama. Variabel yang diukur berasal dari individu yang sama atau pada individu yang
cocok/sesuai.

Uji ini menggunakan data nominal dengan sampel lebih dari dua dan data bersifat dependent.

Data yang digunakan di dalam uji berbentuk binary, yaitu 1 untuk sukses dan 0 untuk gagal.

Keterbatasan Uji Cochran Q

• Uji Cochran Q hanya menentukan terjadinya suatu perubahan tetapi mengevaluasi sejauh
mana perubahan tersebut. Memungkinkan untuk melakukan beberapa uji McNemar, tetapi
tidak ada efek interaksi yang dapat diukur.

• Uji ini dikenal lemah dalam mendeteksi true heterogeneity diantara studi yang dianggap
signifikan. Meta-analisis seringkali hanya menyertakan sejumlah kecil studi, dan kekuatan uji
dalam keadaan seperti itu rendah. Karena tes ini lemah dalam mendeteksi true heterogeneity,
hasil non-signifikan tidak dapat diambil sebagai bukti homogenitas.

• Uji ini tidak mengakomodasi control terhadap kelompok, karena uji Cochran menggunakan
observasi yang dependen.
• TWO-WAY ANOVA

Anova dua jalur memiliki perbedaan dibanding anova satu jalur.

Perbedaannya adalah pada jumlah variabel independen. Pada
anova satu jalur hanya ada satu variabel independen, sementara
pada anova dua jalur ada dua atau lebih variabel independen.
• Uji FriedMan

• Uji Friedman dilakukan untuk mengetahui perbedaan lebih dari

dua kelompok sampel yang saling berhubungan. Data yang
dianalisis adalah data ordinal, sehingga jika data berbentuk
interval atau ratio sebaiknya dirubah dulu ke bentuk ordinal.
• Uji Friedman merupakan alternative dari ANOVA satu jalur. Uji
ini dilakukan jika asumsi-asumsi dalam statistik parametris tidak
terpenuhi, atau juga karena sampel yang terlalu sedikit.
ANALISIS KORELASI
• Analisis korelasi adalah suatu cara atau metode untuk mengetahui ada atau tidaknya hubungan
linear antar variabel. Apabila terdapat hubungan maka perubahan-perubahan yang terjadi pada
salah satu variabel X akan mengakibatkan terjadinya perubahan pada variabel lainnya (Y). Istilah
tersebut dikatakan istilah sebab akibat, dan istilah tersebut menjadi ciri khas dari analisis korelasi.

• KORELASI POSITIF
Korelasi positif atinya suatu hubungan antara variabel X dan Y yang ditunjukan dengan
hubungan sebab akibat dimana apabila terjadi penambahan nilai pada variabel X maka akan
diikuti terjadinya penambahan nilai variabel Y.

• KORELASI NEGATIVE
Jika pada korelasi positif peningkatan nilai X akan diikuti penambahan nilai Y, korelasi negatif berlaku
sebaliknya. Jika nilai variabel X meningkat nilai variabel Y justru mengalami penurunan.

• TIDAK ADA KORELASI ATAU KORELASI SANGAT LEMAH

Korelasi ini terjadi apabila kedua variabel (X dan Y) tidak menunjukkan adanya hubungan
linear

• KORELASI SEMPURNA
Korelasi sempurna biasanya terjadi apabila kenaikan / penurunan variabel X selalu sebanding
dengan kenaikan /penurunan variabel Y. Jika digambarkan dengan diagram titik atau diagram
pencar, titik-titik berderet membentuk satu garis lurus, dengan hampir tidak ada pencaran.
CARA MENGETAHUI ADA
TIDAKNYA KORELASI
• DIAGRAM PENCAR (SCATTER PLOT)
Untuk menunjukkan ada tidaknya hubungan (korelasi) antara 2
variabel (X dan Y) kita dapat menggunakan diagram pencar.
Diagram pencar adalah sebaran nilai-nilai dari variabel – variabel
pada sumbu x dan y.

• KOEFISIEN KORELASI
Untuk mengetahui ada / tidaknya hubungan antara kedua
variabel (X dan Y) dan seberapa erat hubungan antara kedua
variabel tersebut.dapat diketahui dengan menghitung koefisien
korelasi dari kedua variabel.Jika koefisien korelasi bertanda positif
(+) maka dapat disimpulkan hubungan kedua variabel positif
danbegitu juga halnya bila koefisien korelasi bertanda negative (-)