MANAJEMEN DATA

Editing dan Coding

Manajemen Data
Pada saat merancang usulan penelitian, maka sudah
direncanakan pula :

1. Teknik pengolahan data meliputi: editing,

coding, entry, dan cleaning serta analisis.
2. Tabel, grafik atau ringkasan angka2 yg akan
dihasilkan.
Tahapan Manajemen Data
• Menyunting data (data editing)
• Mengkode data (data coding)
- Membuat kode
- Membuat buku kode
• Membuat struktur data (data structure)dan file
data (data file)
• Memasukkan data (data entry)
• Membersihkan data (data cleaning)
1. Data Editing

• Penyuntingan data dilakukan sebelum proses

pemasukan data.

• Penyuntingan data sebaiknya dilakukan di lapangan,

agar data yang salah/ meragukan masih dapat
ditelusuri kembali kepada responden/informan yang
bersangkutan.
Editing
Dilakukan pemeriksaan seluruh kuesioner atau seluruh
formulir isian setelah data terkumpul, apakah :

1. Dapat dibaca.
2. Semua pertanyaan terisi (lengkap).
3. Terdapat ketidakserasian antara jawaban yg
satu dgn yg lain (konsistensi).
4. Terdapat kesalahan lain yg akan mengganggu
proses pengolahan data selanjutnya (akurasi).
Editing
Kegiatan editing dapat dilakukan dengan cara :
1. Editing lapangan
Supervisor melakukan pengecekan ulang thd
beberapa pertanyaan penting biasanya kpd
10% responden segera setelah data terkumpul
semuanya.
2. Editing menyeluruh
Dilakukan secara menyeluruh thd jawaban
responden sehingga dpt diketahui konsistensi
jawaban.
Editing
Yg sering terjadi misalnya :
1. Jawaban tdk tepat di kolom yg tersedia.
2. Salah menulis jawaban, misal jenis kelamin
dijawab 20 …
3. Pendidikan diisi tamat PT, tetapi umur diisi 18
tahun.
4. Salah menggunakan unit ukuran (satuan)
2. Data Coding
• Data coding adalah kegiatan mengklasifikasi data
dan memberi kode untuk masing-masing jawaban di
kuesioner, sehingga memudahkan utk memasukkan
data ke komputer.
• Misalnya utk variabel pendidikan :
1. Tidak sekolah
2. SD
3. SLTP
4. SLTA
5. PT
2. Data Coding

• Data coding sudah harus mulai dipikirkan dan

dikembangkan pada saat mengembangkan
instrumen penelitian (kuesioner).
 Data Coding
• Data yang dikumpulkan dengan pertanyaan tertutup
sudah dapat ditetapkan pengkodeannya pada saat
instrumen dibuat. Perlu dipertimbangkan untuk
menyediakan satu kode untuk menampung informasi
diluar kelas-kelas yang telah disediakan.

• Pengkodean untuk data yang dikumpulkan dengan

pertanyaan terbuka dilakukan setelah data
terkumpul. Sebagian data dapat diberi kode sebelum
pengumpulan data. Pengkodean lebih lanjut
dilakukan setelah semua data dikumpulkan.
Data Coding
• Jawaban kosong perlu diidentifikasi dan diberi kode
lebih lanjut: “tidak tahu”, “tidak ada jawaban”, atau
“jawaban tidak relevan”.

• Pemberian kode dapat dilakukan pada

- Sisi halaman instrumen
- Lembar transit
- Lembar optic-scan
Data Coding
• Cara pengkodean yang telah dibuat harus dicatat.
Bila cara pengkodean tidak rumit, tidak perlu dibuat
Buku Kode khusus.

• Manfaat Buku Kode

- Pedoman dalam proses coding, entry dan
cleaning
- Pedoman dalam melakukan analisis data
- Pedoman bagi peneliti lain yang akan
menggunakan data
Buku Kode
No Variabel Pertan Kode Keterangan
yaan
Nomor
1 ID - - No.identifikasi
2 Umur 2 1 < 44thn
2 ≥ 44 thn
3 Jenis Kelamin 3 1 Laki-laki
2 Perempuan
4 Pekerjaan 4 1 PNS/ABRI
2 Pedangan
3 Buruh
4 Petani
5 IRT
3. Data Entry
• Memindahkan data dari kuesioner ke Master
Tabel
• Masukkan data jawaban kuesioner sesuai kode
yg telah ditentukan utk masing2 variabel shg
menjadi  Master Tabel di Program Excel
• Simpan file tsb di tempat yg aman, utk
melakukan analisis data gunakan file khusus.
Contoh Master Tabel
(Hasil Identitas Responden)
Hasil Tabel Pertanyaan
Tabel Hasil Pertanyaan
4. Data Cleaning
• Walaupun rambu-rambu sudah kita pasang pada
saat data entry, kesalahan masih mungkin
terjadi.
• Pembersihan data tetap perlu dilakukan. Salah
satu cara yang sering dilakukan adalah dengan
melihat distribusi frekuensi dari variabel-variabel
dan menilai ke-logis-annya.
• Untuk data kontinyu (interval, rasio) dapat
dilihat sebarannya untuk melihat ada tidaknya
pencilan (outliers).
4. Data Cleaning
Jenis Kelamin Responden

Cumulative
Frequency Percent Valid Percent Percent
Valid Laki-laki 47 47.0 48.5 48.5
Perempuan 47 47.0 48.5 96.9
3 2 2.0 2.1 99.0
4 1 1.0 1.0 100.0
Total 97 97.0 100.0
Missing -1 3 3.0
Total 100 100.0

Dari contoh distribusi frekuensi di atas, terlihat ada jenis kelamin

yang bernilai 3 dan 4 , sehingga masih ada kesalahan yang perlu
untuk diperbaiki dengan melihat kembali data yang tercatat
sebelum dimasukkan ke komputer
Tugas
• Kumpulkan Data pada mahasiswa di tempat Kuliah kalian atau
tempat tinggalmu (minimal 25 KK)
• Mahasiswa yg sudah di tanyakan atau dijadikan responden tidak
boleh lagi dijadikan responden oleh mahasiswa lainnya
• Pertanyaan yang diajukan
• No responden
• Jenis Kelamin
• Suku (Minahasa, Jawa, Sangihe, Papua, Batak)
• Umur
• Alamat (Kelurahan /Kecamatan/ Kota)
• Jenis Pekerjaan Orang tua (PNS, Pedagang, Buruh, Tani, Nelayan dll)
• Pendidikan Terakhir Orang tua (Bapak) (SD, SMP, SMA, PT)
• Agama (Kr/ Is/ Hin/ Bud/ Kongh/ dsb)
• Jumlah Anggota Keluarga dlm rumah (> 4 angg dan ≤ 4 angg)
• Riwayat Penyakit yang diderita orang tua (Hipertensi, Diabetes, Asam
Urat, Alergi, dll)
Pertanyaan
1. Apakah pilihan Fakultas pertamamu?
2. Mata kuliah (pelajaran) yang paling disenangi saat kuliah?
3. Mata kuliah apa yang diajarkan oleh dosen favoritmu?
4. Apakah hobi atau kegiatan yang paling disukai diluar jam kuliah?
5. Apakah anda mahir menggunakan komputer/ Laptop? (Ya, Cukup,
Kurang, Tidak tahu)
6. Apakah anda mahir berbahasa Inggris? (Mahir sekali, Cukup
mahir, Kurang Mahir, Tidak tahu)
7. Apakah anda punya jadwal belajar setiap hari? (Ya, Tidak)
8. Apakah anda belajar minimal 1 jam sehari? (Selalu, Kadang2,
Jarang sekali, Tidak pernah)
9. Berapa Buku Cetak Pelajaran saat kuliah yang dibeli? (>20 buku, 5-
9 buku, <5 buku)
10. Status Pacaran saat ini? (Punya Pacar, Pernah Punya Pacar, Belum
Pernah Pacaran)