Anda di halaman 1dari 23

Analisis Data

Kuantitatif :
Pengujian
Hipotesis
KELOMPOK 9:
1. Inas Nurfadia Futri (F0217053)
2. Rabi'ah Hanun (F0217085)
3. Vina Ayu Y (F0217115)
ANALISIS DATA KUANTITATIF
Setelah data dikumpulkan dari sampel yang representatif dari populasi, langkah selanjutnya adalah
menganalisis data untuk menguji hipotesis penelitian. Ada beberapa langkah yang harus dilakukan.
Dimana langkah ini dapat membantu keakuratan, kelengkapan, dan kesesuaian data terhadap analisis
selanjutnya.
Setelah data diperoleh melalui kuesioner, data harus diberi kode,
diketik, dan diedit. Maka, skema untuk mengkategorisasi data harus
dibentuk sebelum data dimasukkan. Kemudian, jika ada data asing,
inkonsistensi, dan tanggapan kosong, harus ditangani dalam beberapa
cara.

Menyiapkan Data untuk Analisis


Langkah pertama dalam mempersiapkan data adalah pengkodean data. Pengkodean data
dilakukan dengan pemberian nomor kepada tanggapan peserta agar dapat dimasukkan ke dalam
database.
• Pengkodean Respon
Kesalahan manusia dapat terjadi saat pengkodean. Setidaknya 10% dari kuesioner yang diberi
kode itu harus diperiksa keakuratannya. Artinya, setiap bentuk nth yang dikodekan dapat
diverifikasi keakuratannya. Jika banyak kesalahan ditemukan dalam sampel, semua item harus
diperiksa.
• Entry Data
Setelah respon dikodekan, data tersebut dapat dimasukkan ke dalam database. Data mentah
dapat dimasukkan melalui program software seperti SPSS Data Editor yang dapat menggubah
(edit) dan melihat isi dari data.

a. Pengkodean dan Data Enty


• Setelah data dimasukkan, data tersebut perlu diedit. Singkatnya, jika ada tanggapan kosong yang perlu ditangani, dan data yang
tidak konsisten yang perlu dicek. Maka, Data Editing akan mendeteksi dan mengoreksi data yang tidak logis, tidak konsisten,
atau data ilegal dan kelalaian dalam informasi yang dikembalikan oleh peserta penelitian.

• Contoh dari respon yang tidak logis adalah respon outlier atau data asing. Outlier adalah pengamatan yang secara substansial
berbeda dari pengamatan lainnya. Karena outlier memiliki dampak besar pada hasil penelitian, maka harus diperiksa secara
cermat untuk memastikan kebenarannya. Kita bisa mengecek penyebaran dari variabel nominal/ordinal dengan memperoleh
nilai minimum/maksimum dari tabel frekuensi. Untuk data interval dan rasio, kita bisa melihatnya dengan menggunakan
metode scatterplot atau boxplot.

• Tanggapan yang tidak konsisten merupakan respon yang tidak selaras dengan informasi lainnya. Maka dari itu untuk
meminimalisir hal ini kita harus tetap mengarahkan responden agar mendapatkan data yang benar, walaupun hal ini merupakan
solusi yang mahal biayanya.

• Data ilegal merupakan penilaian yang tidak mengikuti instruksi dari pengkodean. Cara terbaik untuk mengecek kode ilegal ini
adalah dengan menggunakan komputer yang dapat memproduksi frekuensi distribusi data.

• Tidak semua responden menjawab setiap item dalam kuesioner. Salah satu cara untuk mengatasi tanggapan kosong adalah
dengan mengabaikan data tersebut setelah analisis selesai dilakukan. Namun kekurangannya tentu saja mengurangi ukuran
sampel.

b. Mengedit Data
Data transformasi merupakan variasi pengkodean data, yang mana
proses mengubah representasi numerik asli dari nilai kuantitatif untuk
nilai lain. Data biasanya diubah untuk menghindari masalah dalam
tahap selanjutnya dari proses analisis data.

c. Transformasi Data
Kita dapat mengetahui data dengan mendapatkan ringkasan visual
atau dengan memeriksa tendensi pusat dan pembubaran dari
variabel. Kita juga bisa mengetahui data dengan memeriksa hubungan
antara dua variabel.

Mempelajari Data
Frekuensi mengacu pada jumlah waktu
berbagai subkategori dari fenomena
tertentu yang terjadi, dari persentase dan
persentase kumulatif yang terjadinya
dapat dengan mudah dihitung.
• Excelsior Enterprises: Frekuensi. Berguna
ketika manajer pemasaran ingin
mengetahui jumlah barang tertentu
yang terjual dalam suatu periode.
• Bar Charts dan Pie Charts. Frekuensi
juga dapat secara visual ditampilkan
sebagai bar chart, histogram, atau pie
chart.

Frekuensi
a. Ukuran Tendensi Pusat
• Mean atau rata-rata adalah ukuran tendensi pusat yang
menawarkan gambaran umum dari data tanpa perlu membanjiri
data dengan masing-masing pengamatan dalam satu set data.
• Median adalah item pusat dalam kelompok pengamatan dalam
susunan urutan menaik ataupun urutan menurun.
• Modus merupakan data yang paling sering terjadi/muncul.

Ukuran Tendensi Pusat dan Dispersi


2. Ukuran Dispersi
• Range mengacu pada nilai-nilai ekstrim dalam satu set pengamatan.
• Variance dihitung dengan mengurangi rata-rata dari masing-masing
pengamatan dalam kumpulan data, mengkuadratkan perbedaan ini, dan
membagi total ini dengan jumlah observasi.
• Standar deviasi yang merupakan ukuran lain dispersi untuk interval dan
rasio data skala, yang menawarkan indeks penyebaran distribusi atau
variabilitas dalam data.
• Ukuran dispersi lainnya. Persentil sangat berguna ketika terdapat banyak
data seperti skor GRE atau GMAT yang ingin diatasi.

Ukuran Tendensi Pusat dan Dispersi


3. Hubungan Antar Variabel
• Dalam sebuah proyek penelitian yang mencakup beberapa variabel, diluar mengetahui
statistik deskriptif dari variabel. Kita harus mengetahui bagaimana satu variabel
berhubungan dengan yang lain.
• Hubungan antara Dua Variabel Nominal: X² test. Kita terkadang ingin mengetahui
apakah ada hubungan antara dua variabel nominal atau apakah mereka independen
satu sama lain. Tes ini membantu kita melihat apakah dua nominal variabel atau bukan
dua nominal variabel memiliki hubungan. Fisher Exact Probability Test dan Cochran Q
digunakan untuk menentukan hubungan antara variabel dua skala nominal.
• Korelasi. Sebuah matriks korelasi Pearson akan menunjukkan arah, kekuatan, dan
pentingnya hubungan bivariat antara semua variabel yang diukur pada tingkat interval
atau rasio. Korelasi diperoleh dengan menilai variasi dalam satu variabel sebagai
variabel lain yang juga bervariasi.

Ukuran Tendensi Pusat dan Dispersi


Statistik deskriptif seperti maksimum, minimum, mean, standar
deviasi, dan varians diperoleh untuk item interval skala dari studi
Excelsior Enterprises. Tindakan yang tepat diambil untuk memperbaiki
data masuk yang ilegal. Pemeriksaan lebih lanjut dari data yang hilang
mengungkapkan bahwa setiap peserta menjawab baik semua atau
sebagian besar pertanyaan data. Oleh karena itu, tidak ada kuesioner
yang dilempar keluar. Data yang hilang akan diabaikan setelah analisis
dilakukan.

Excelsior Enterprises: Statistik Deskriptif Bagian 1


1. Reabilitas
• Keandalan alat ukur ditujukan oleh pengujian untuk konsistensi dan stabilitas. Konsistensi
menunjukkan seberapa baik item pengukuran konsep bersatu sebagai satu set. Alpha Cronbach
adalah koefisien reliabilitas yang menunjukkan seberapa baik item dalam set tersebut
berkorelasi positif dengan satu sama lain. Alpha Cronbach dihitung dalam jangka waktu rata-
rata interkorelasi antara item pengukuran konsep. Semakin dekat Alpha Cronbach dengan 1,
semakin tinggi reliabilitas konsistensi internal.
• Excelsior Enterprises: Memeriksa Keandalan Pengukuran Multi-Item. Penting untuk diingat
bahwa kata-kata negatif dalam kuisioner harus diganti sebelum dimasukkan dalam tes
reliabilitas.
2. Validitas
• Validitas faktorial dapat dibentuk dengan mengirimkan data untuk analisis faktor. Hasil analisis
faktor (teknik multivariat) akan mengkonfirmasi atau tidak dimensi teori yang akan muncul.

Menguji Kesesuaian Data


Matriks korelasi bisa memuat untuk menguji bagaimana variabel dalam model ini
berhubungan satu dengan yang lain. Hal ini juga dapat membantu kita dalam menjawab
pertanyaan seperti:
• Apa persepsi pegawai mengenai pencapaian pekerjaan?
• Seberapa banyak tingkat pegawai yang dipecat?
• Apakah ada pegawai yang puas dengan pekerjaannya?
• Apakah ada banyak variasi dalam sejauh mana pegawai merasa patut dalam
perusahaan?
• Berapa persen pegawai ingin meninggalkan organisasi?
• Apa hubungan antara ekuitas, pemecatan, pencapaian pekerjaan, kepuasan kerja, dan
intensi untuk pergi?

Excelsior Enterprises: Statistik Deskriptif Bagian 2


• Kesalahan tipe I Probabilitas menolak hipotesis nol
ketika hal tersebut sebenarnya benar.
• Kesalahan tipe II Probabilitas kegagalan untuk
menolak hipotesis noltertentu bahwa hipotesis alternatif
tersebut benar.
• Kekuatan statistik  Probabilitas menolak secara tepat
hipotesis nol.

Kesalahan tipe I, Kesalahan tipe II, dan


Kekuatan Statistik
Memilih Teknik Univariat
Teknik
Statistik yang Teknik
Tepat Multivariat
• Uji peringkat bertanda Wilcoxon :
Uji nonparametik untuk menguji perbedaan yang
signifikan antara dua sampel yang berulang pada sampel
tunggal
• Uji McNemar :
Metode nonparametrik yang digunakan pada data
nominal.

Menguji hipotesis dua mean yang


berhubungan
Menguji Statistik Distribusi
hipotesis F F
beberapa mean
ANALISIS REGRESI
Ada beberapa tujuan penggunaan
analisis regresi, antara lain:

Regresi dengan Variabel dummy adalah variabel yang


digunakan untuk mengkuantitatifkan
Variabel Dummy variabel yang bersifat kualitatif

c. Untuk
meramalkan nilai
rata-rata variabel
b. Menguji bebas dengan
hipotesis karakteristik Multikolinearitas adalah kondisi
didasarkan pada nilai
dependensi. variabel bebas diluar terdapatnya hubungan linier atau
a. Membuat korelasi yang tinggi antara masing-
estimasi rata-rata dan jangkauan sample.
masing variabel independen dalam
nilai variabel
tergantung dengan
didasari pada nilai
Multikolinearitas model
regresi. Multikolinearitas biasanya
variabel bebas. terjadi ketika sebagian besar variabel
yang digunakan saling terkait dalam
suatu model regresi.
PENGUJIAN DAN ANALISIS MULTIVARIAT LAINNYA

Analisis diskriminan

Korelasi kanonik Regresi Logistik

Contjoint
MANOVA analysis atau analisis
konjoin

Two-way ANOVA
INTERPRETASI DAN REKOMENDASI

Interpretasi
• Setelah data diolah sedemikian rupa langkah selanjutnya adalah
melakukan analisis dan interpretasi data. Dalam melakukan kegiatan
analisis, data yang ada disederhanakan sedemikian rupa sehingga
mudah untuk dibaca dan diinterpretasikan. Proses analisis seringkali
menggunakan statistik. Hal ini dilaksanakan dengan tujuan untuk
menyederhanakan data penelitian yang jumlahnya relatif banyak
sehingga menjadi lebih sederhana dan mudah dimengerti.
PERGUDANGAN DATA, DATA MINING, DAN RISET OPERASI

Pergudangan
Data Data Mining
Data
BEBERAPA JENIS PERANGKAT LUNAK YANG BERGUNA UNTUK ANALISIS DATA
No. Nama Perangkat Tujuan/Kemampuan Utama

1 SPSS Desain kuisioner, mengumpulkan data, entry Enterprises Server, Statistik, Grafik, dll.

2 Askia Desain Kuisioner, arsip pertanyaan, manajemen laba, analisis data, bagan, dan grafik.

Desain kuisioner, pengambilan sampel, survey surat elektronik (e-mail), pemodelan, grafik
3 ATLAS.ti
interaktif.

4 Bellview CATI Desain kuisioner, desain bentuk entri data, pengeditan data.

Desain kuisioner, pengambilan sampel, kuisioner berbasis web, wawancara melalui web, pengeditan
5 Brand2hand
data, transformasi dan pengkodean data, analisis statistik, bagan dan grafik presentasi.