ANALYS CONTAC

MENU
IS T
Data ANALYSIS

12
DEVA KHARISMA ADHYAKSA
(4419)
M. RIDHO RIANSYAH (4432)
RIZQAN SYAHRU RAMADHAN
(4445)
ANALISIS DATA KUANTITATIF
 HASIL
ANALYS CONTAC
MENU
IS T
DENGAN SATU
VARIABEL

DATA KUANTITATIF
Data kuantitatif adalah data yang dinyatakan dalam angka atau bilangan. Data ini
diperoleh dari pengukuran atau perhitungan terhadap suatu variabel atau
parameter tertentu yang terkait dengan objek penelitian. Contoh data kuantitatif
adalah data jumlah penduduk, tinggi badan, berat badan, nilai rata-rata ujian, atau
jumlah produksi pertanian dalam suatu wilayah.

Data kuantitatif dapat dianalisis secara statistik dengan menggunakan metode-

metode statistik, seperti analisis regresi, uji hipotesis, dan pengolahan data numerik
lainnya. Penggunaan data kuantitatif dalam penelitian atau evaluasi sangat penting
untuk memperoleh informasi yang akurat dan dapat dipercaya, serta dapat
membantu dalam pengambilan keputusan atau formulasi kebijakan.
Data encoding
1. Data Encoding". Data Encoding adalah proses konversi data dari bentuk awal atau asli menjadi bentuk yang dapat
diolah oleh suatu sistem atau perangkat lunak tertentu. Proses encoding ini dilakukan untuk memastikan bahwa data
dapat diproses dengan benar dan efisien, serta dapat diakses dengan mudah oleh pengguna atau sistem yang
membutuhkan.

2. Contoh dari data encoding adalah mengubah data mentah seperti tulisan tangan, rekaman suara, atau gambar
menjadi format digital seperti teks, file audio, atau gambar digital. Proses encoding dapat dilakukan secara manual
atau dengan menggunakan alat dan perangkat lunak otomatis, tergantung pada jenis dan kompleksitas data yang
akan diolah.
Cara memasukan data
Lembar Kode Metode
(Code Sheet) Masuk
Cara ini meminta responden untuk memberikan respon Langsung
dengan mengisi lembar kode sesuai dengan
pertanyaan yang diberikan. Responden akan
diminta untuk mengisi kode atau angka yang
(Direct
atau program. DataData
Cara ini memasukkan data secara langsung ke dalam sistem
dapat dimasukkan dengan mengisi
formulir elektronik atau dengan cara manual melalui
sesuai dengan jawaban yang mereka berikan.
Contoh dari lembar kode adalah survei kepuasan Entry)
keyboard. Metode ini memungkinkan pengolahan data
secara cepat dan akurat.
pelanggan, di mana responden diminta untuk
.
menilai produk atau layanan dari 1-5 atau
memberikan skala likert.
CARA MEMASUKAN DATA
Pemindaian
Optik (Optical
Scanning)
Cara ini menggunakan mesin pemindai optik
untuk membaca dan memproses data dari
formulir yang telah diisi oleh responden.
Data yang dimasukkan ke dalam formulir
dapat berupa angka atau kode batang yang
dapat dibaca oleh mesin pemindai optik
Kode Batang
(Barcoding)
Cara ini menggunakan kode batang untuk
memasukkan data ke dalam sistem. Kode
batang ini dapat dibaca oleh mesin
pemindai atau scanner dan kemudian
diubah menjadi data numerik atau
alfanumerik.
PEMBERSIHAN DATA
Pemeriksaan Kode
Liar (Outlier)
Outliers atau nilai ekstrem adalah data yang jauh
berbeda dengan data lainnya dalam satu
Pemeriksaan konsistensi
kelompok data. Outliers dapat menyebabkan
kesalahan dalam analisis data dan menurunkan
akurasi hasil analisis. Oleh karena itu,
pemeriksaan kode liar sangat penting dalam
pembersihan data.
Pemeriksaan
Konsistensi
Data data
bertujuan untuk
memastikan bahwa data yang diperoleh sudah
benar dan konsisten dengan data lainnya.
Pemeriksaan konsistensi data meliputi
pengecekan keberadaan nilai kosong, data
duplikat, atau data yang bertentangan dengan
informasi lainnya.
 HASIL
ANALYS CONTAC
MENU
IS T
DENGAN SATU
VARIABEL

Hasil Dengan Satu Variabel

Data tunggal pada "hasil dengan satu variabel" merujuk pada satu variabel
tunggal yang diukur atau diobservasi dalam suatu penelitian atau analisis. Hasil
dari analisis data tunggal dapat memberikan informasi tentang karakteristik dan
variasi data pada variabel tunggal yang diamati, seperti distribusi frekuensi dan
rata-rata.

• Statistik Deskriptif
Menggambarkan data numerik. Dapat dikategorikan berdasarkan jumlah variabel
yang terlibat.
 HASIL
ANALYS CONTAC
MENU
IS T
DENGAN SATU
VARIABEL

Tinggi Badan (cm) Frekuensi

• Distribusi Frekuensi
Distribusi frekuensi pada "hasil dengan satu 160 1
variabel" adalah tabel atau grafik yang 165 1
menunjukkan jumlah kemunculan atau 170 1
frekuensi dari setiap nilai atau kelompok nilai
172 1
pada satu variabel tunggal. Dalam satu kelas,
tinggi badan siswa diukur dan nilai-nilai 175 1
berikut diperoleh dalam sentimeter: 160, 165, 178 2
170, 172, 175, 178, 178, 180, 182, dan 185. 180 1

182 1

185 1
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Ukuran Tendensi
Sentral
Ukuran tendensi sentral adalah suatu
ukuran yang digunakan untuk
merepresentasikan nilai pusat atau tipikal
dari kumpulan data pada "hasil dengan satu
variabel". Beberapa contoh ukuran tendensi
sentral yang sering digunakan antara lain:
Rata-Rata, Median, dan Modus.

Contoh Nilai Taruna : 50 60 60 70 80

Rata-Rata : (50 + 60 + 60 + 70 + 80 ) 5 : 64
Median : 60
Modus : 60
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Ukuran Variasi
Ukuran variasi adalah suatu ukuran yang digunakan
untuk mengukur sebaran data pada "hasil dengan
satu variabel". Beberapa contoh ukuran variasi yang
sering digunakan antara lain: rentang dan standar
deviasi

Rentang
Misalnya, jika kita memiliki data
nilai ujian siswa: 60, 70, 80, 90,
100, maka rentang nilai ujian
siswa tersebut adalah:
100 - 60 = 40
Standar
Deviasi
Standar deviasi adalah ukuran seberapa jauh data
dari rata-rata. .Standar deviasi dapat digunakan
untuk memahami sebaran data dan mengetahui
seberapa heterogen atau homogen data tersebut.
Misalnya, jika kita memiliki data nilai ujian
siswa: 60, 70, 80, 90, 100, maka deviasi standar
nilai ujian siswa tersebut adalah:
√400 = 20
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

HASIL DENGAN
DUA VARIABEL
A. Sebuah Hubungan Bivariat
Statistik Univariat menggambarkan satu variable
dalam isolasi. Sedangkan statistic bivariat
memberikan kita pertimbangan dua variable
Bersama dan menggambarkan hubungan antar
variable.

B. Hubungan statistic
Hubungan statistic didasarkan dua ide yaitu
kovariasi dan independent statistic
HUBUNGAN STATISTIK
1. KOVARIASI
2. INDEPENDENT STATISTIC
3. SCATTERGRAM
4. MEMBUAT SCATTERGRAM
5. TIGA ASPEK DARI HUBUNGAN BIVARIAT
6. TABEL BIVARIAT
7. MEMBACA TABEL PERSENTASE
 ANALYS CONTAC
MENU
IS T

HUBUNGAN Statistik
1. Kovariasi merupakan segala sesuatu berjalan Bersama atau terikat.
Dalam kovariasi kita diberikan kebebasan untuk mempertimbangkan
dua variable Bersama dan menggambarkan hubungan antar variable.
Bahkan hipotesisi membutuhkan dua variable, serta analasisi statistic
bivariat menunjukkan hubungan statistic antar variable yaitu hal-hal
yang cenderung muncul bersamaan
2. Kemandirian statistic (independent statistic) merupakan kebalikan dari
kovariasi yaitu tidak ada asosiasi atau tidak ada hubungan antar variabel,
jika dua variable independent, kasus dengaan nilai tertentu pada satu
variable tidak memiliki nilai khusus pada variable lainnya.= 404
 ANALYS CONTAC
MENU
IS T

SCATTERGRAM
Scattergram merupakan grafik tempat anda memplot setiap kasus atau
pengamatan. Setiap sumbu mewakili nilai satu variable. Ini digunakan
untuk variable yang diukur pada tingkat interval atau rasio, jarang untuk
variable ordinal, dan tidak pernah jika salah satu variable adalah nominal.
Tidak ada aturan tetap untuk menentukan variable mana (independent atau
dependen) yang akan ditempatkan pada sumbu horizontal atau vertical,
tetapi biasanya variable independent (dilambangkan dengan huruf x)
berjalan pada sumbu horizontal dan variable independent (dilambangkan
dengan Y). pada sumbu vertical. Nilai terendah untuk masing-masing harus
dipojok kiri bawah dan nilai tertinggi harus diatas atau dikanan.
 ANALYS CONTAC
MENU
IS T

MEMBUAT SCATTERGRAM
Dimulai dengan rentang
dari dua variable
0 0 Gambarlah sumbu dengan nilai setiap
variable yang ditandai dan tulis
1 2 angka pada setiap sumbu (kertas
grafik sangat membantu).

Masukkan Data
0 0 Beri label pada setiap
sumbu dengan nama
4 3 variable dan beri judul
dibagaian atas
Untuk setiap kasus
temukan nilai
variable dan tandai
setiap
grafik
0 0 Ulangi setiap kasus
sampai semuanya diplot
di tempat yang
dengan kedua
sesuai
nilai
5 6 pada scattergram.
tersebut
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

3 aspek hubungan bivariat

Bentuk Arah Presisi

Hubungan dapat mengambil Hubungan linier dapat Presisi adalah jumlah
tiga bentuk : idependasi, memiliki arah positif atau penyebaran titik-titik pada
liner dan lengkung. negative. grafik.Hubungan bivariat
berbeda dalam tingkat
presisinya.
 ANALYS CONTAC
MENU
IS T

Tabel bivariat
Dalam table bivariat kebanyakan menggunakan table kontingensi bivariat
dalam situasi apapun. Table ini menyajikan informasi yang sama dengan
scattergram dalam bentuk yang lebih padat. Jika dibandingkan dengan
scattergram yaitu memiliki keunggulandatanya bisa diukur pada setiap
tingkat pengukuran, meskipun data interval dan rasio harus dikelompokkan.
 ANALYS CONTAC
MENU
IS T

membaca tabel presentase

Misalnya, dalam Tabel 1 dengan persentase baris, bandingkan
kolom atau kelompok umur. Sebagian besar dari mereka yang
setuju berada di kelompok termuda. Proporsi yang mengatakan
mereka setuju menurun seiring bertambahnya usia. Sebagian
besar orang yang tidak berpendapat ada di kelompok usia paruh
baya sedangkan mereka yang tidak setuju lebih tua, terutama di
kelompok 46 hingga 60 tahun. Saat membaca persentase kolom
Tabel 1, bandingkan antar baris. Anda dapat melihat bahwa
mayoritas kelompok termuda setuju, dan mereka adalah satu-
satunya kelompok di mana kebanyakan orang setuju. sel
mungkin kanan atas, tengah bawah, dan kiri atas
 ANALYS CONTAC
MENU
IS T

membaca tabel presentase

Paling mudah untuk melihat hubungan dalam tabel berukuran
sedang (9 hingga 16 sel) di mana sebagian besar sel memiliki
beberapa kasus (setidaknya lima direkomendasikan) dan
hubungannya kuat dan tepat. Hanya 11,5 persen yang tidak
setuju, dibandingkan mayoritas di dua kelompok tertua.
cara sederhana untuk melihat hubungan yang kuat adalah
dengan melingkari persentase terbesar di setiap baris (untuk
tabel dengan persentase baris) atau kolom (untuk tabel dengan
persentase kolom) dan melihat apakah muncul garis. Aturan
lingkaran sel terbesar berhasil dengan satu peringatan penting.
Kategori dalam tabel persentase harus ordinal atau interval dan
dalam urutan yang sama seperti pada scattergram. Dalam
scattergram, kategori variabel terendah dimulai dari kiri bawah
 ANALYS CONTAC
MENU
IS T

TABEL BIVARIAT TANPA

PRESENTASE
Tabel bivariat jenis lain memadatkan informasi ukuran tendensi sentral
(biasanya rata-rata). Yang dapat digunakan ketika satu variabel adalah
nominal atau ordinal dan yang lainnya diukur pada tingkat interval
atau rasio. Rata-rata (atau ukuran serupa) dari variabel interval atau
rasio disajikan untuk setiap kategori variabel nominal atau ordinal.
Jangan membangun ukuran tendensi sentral dari CFD.

Alih-alih, bagi kasus menjadi ordinal atau kategori variabel nominal;

kemudian hitung rata-rata untuk kasus di setiap kategori variabel dari
data mentah. Tabel 3 menunjukkan usia rata-rata orang di setiap
kategori sikap. Hasilnya menunjukkan bahwa usia rata-rata mereka
yang tidak setuju jauh lebih tinggi daripada mereka yang setuju atau
tidak memiliki pendapat
 ANALYS CONTAC
MENU
IS T

Gamma dan korelasi,

1. Gamma
Gamma adalah koefisien korelasi non-parametrik yang digunakan untuk mengukur hubungan antara dua variabel ordinal
atau nominal. Gamma sering digunakan untuk mengukur hubungan antara variabel pada skala yang lebih rendah dari rasio
seperti tingkat kepuasan atau preferensi. Koefisien Gamma dapat bernilai antara -1 dan +1, di mana nilai +1 menunjukkan
hubungan positif yang sempurna, nilai -1 menunjukkan hubungan negatif yang sempurna, dan nilai 0 menunjukkan tidak
adanya hubungan.
Contoh:
Sebuah survei dilakukan untuk mengetahui preferensi masyarakat terhadap merek tertentu. Responden diminta untuk
memberikan preferensi mereka dengan menggunakan skala ordinal, yaitu sangat suka, suka, netral, tidak suka, dan sangat
tidak suka. Koefisien gamma dapat digunakan untuk mengukur hubungan antara merek tertentu dengan preferensi
masyarakat.

2. Korelasi
Korelasi adalah teknik statistik yang digunakan untuk mengukur hubungan antara dua variabel kuantitatif. Korelasi dapat
digunakan untuk menentukan apakah dua variabel berkorelasi positif atau negatif, atau tidak ada korelasi sama sekali.
Koefisien korelasi dapat bernilai antara -1 dan +1, di mana nilai +1 menunjukkan hubungan positif yang sempurna, nilai -1
menunjukkan hubungan negatif yang sempurna, dan nilai 0 menunjukkan tidak adanya hubungan.
Contoh:
Sebuah penelitian dilakukan untuk mengetahui hubungan antara tinggi badan dan berat badan pada populasi tertentu.
Korelasi dapat digunakan untuk mengukur seberapa erat hubungan antara kedua variabel tersebut.
Analisis Lebih dari Dua Variabel
● Analisis lebih dari dua variabel adalah teknik statistik yang
digunakan untuk mengukur hubungan antara tiga atau lebih
variabel. Analisis lebih dari dua variabel dapat dilakukan dengan
menggunakan teknik analisis regresi berganda, analisis varian
(ANOVA), atau analisis faktor.
● Contoh:
● Sebuah penelitian dilakukan untuk mengetahui hubungan antara
konsumsi makanan, aktivitas fisik, dan tingkat kebugaran pada
individu. Analisis lebih dari dua variabel dapat dilakukan dengan
menggunakan teknik analisis regresi berganda untuk menentukan
faktor-faktor yang mempengaruhi tingkat kebugaran.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Lebih Dari Dua

variabel
Pada analisis data kuantitatif,
"lebih dari dua variabel"
merujuk pada situasi di mana
penelitian melibatkan lebih
dari dua variabel atau faktor
yang diteliti.
 ANALYS CONTAC
MENU
IS T

Kontrol Statistik
● Kontrol statistik dalam "lebih dari dua variabel" mengacu pada
penggunaan analisis statistik untuk mengontrol atau
memperhitungkan pengaruh variabel-variabel lain yang tidak
sedang diteliti terhadap hubungan antara variabel-variabel yang
sedang diteliti. Contoh penggunaan kontrol statistik dalam "lebih
dari dua variabel" adalah dalam penelitian tentang faktor-faktor
yang mempengaruhi kepuasan pelanggan terhadap produk atau
layanan. Variabel-variabel yang mungkin mempengaruhi
kepuasan pelanggan dapat meliputi kualitas produk atau layanan,
harga, promosi, citra merek, dan faktor-faktor lainnya
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Model elaborasi dari Tabel persentase

Model Elaborasi dari tabel persentase dalam "lebih dari dua variabel"
adalah metode analisis yang digunakan untuk memahami hubungan
antara dua variabel atau lebih dalam konteks variabel lainnya

Jenis Merek
Usia Merek b Merek c
kelamin A
Laki-laki 18-24 Tahun 35% 25% 40%

Laki-laki 25-34 Tahun 40% 20% 40%

Perempuan 18-24 Tahun 30% 35% 35%

perempuan 25-34 Tahun 25% 40% 35%

 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Membangun tabel trivariat

Tabel trivariat merupakan jenis tabel dalam analisis data kuantitatif
yang digunakan untuk memvisualisasikan dan menganalisis hubungan
antara dua atau lebih variabel. Contoh: Sebuah penelitian mempelajari
hubungan antara jenis kelamin, umur, dan pendapatan terhadap
kebiasaan konsumsi kopi. Tabel trivariat dapat digunakan untuk
menggambarkan pola-pola hubungan antara ketiga variabel tersebut,
seperti:
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Kebiasaan
Jenis pendapat
Usia konsumsi
kelamin an
kopi
Laki-laki 20-29 Tahun Rendah 3 kali seminggu

Perempuan 30-39 Tahun Tinggi Setiap Hari

Laki-laki 40-49 Tahun Sedang 1 kali seminggu

 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Paradigma Elaborasi
Paradigma elaborasi adalah salah satu pendekatan dalam analisis "lebih dari dua variabel" yang
digunakan untuk mengeksplorasi dan menjelaskan hubungan antara variabel dependen dengan variabel
independen dan variabel kontrol.

Pola replikasi Pola Pola

Pada pola ini, kita melihat setiap
variabel secara terpisah pada setiap
kategori variabel lainnya. Dengan kata
lain, kita "menyalin" tabel bivariat untuk
setiap kategori variabel ketiga.
Spesifikasi
Pada pola ini, kita memfokuskan pada
pengaruh satu variabel terhadap
variabel lainnya, dengan mengontrol
variabel ketiga..
Interpretasi
Pada pola ini, kita mencari hubungan
yang kompleks antara tiga variabel
dengan menggunakan konsep-konsep
yang sudah kita ketahui.

Pola Pola Variabel

Pada
Penjelasan
pola ini, kita mencoba Penekanan
Pada pola ini, kita memilih satu variabel
menjelaskan perbedaan antara kategori sebagai variabel penekanan, dan
variabel ketiga dengan menggabungkan melihat perbedaan antara kategori
informasi dari variabel lainnya variabel lainnya dalam setiap kategori
variabel penekanan.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Analisis regresi berganda

Analisis regresi berganda adalah teknik analisis statistik yang digunakan untuk
menguji hubungan antara satu variabel dependen dan lebih dari satu variabel
independen. Analisis regresi berganda digunakan untuk memprediksi nilai variabel
dependen berdasarkan nilai-nilai variabel independen yang terkait. Dalam analisis
regresi berganda, model matematika digunakan untuk menggambarkan hubungan
antara variabel dependen dan variabel independen.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

STATISTIK INFERENSIAL

SIGNIFIKASI TINGKAT
• STATISTIK
Menunjukkan kemungkinan menemukan hubungan • SIGNIFIKASI
Adalah cara mudah untuk berbicara tentang
dalam sampel ketika tidak ada dalam populasi kemungkinan bahwa hasil disebabkan oleh faktor
• Hanya memberi tahu apa yang mungkin terjadi, peluang, yaitu suatu hubungan muncul dalam
sehingga tidak dapat membuktikan apa pun dengan
sampel ketika tidak ada hubungan sama sekali
kepastian mutlak
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Kesalahan tipe i dan tipe ii

Tipe i Tipe ii
• Kesalahan Tipe I Kesalahan yang dibuat dengan
• Kesalahan Tipe II Kesalahan yang
mengatakan bahwa suatu hubungan ada padahal
sebenarnya tidak ada; penolakan palsu dari hipotesis dibuat dengan mengatakan bahwa
nol. suatu hubungan tidak ada padahal
sebenarnya ada; penerimaan palsu dari
hipotesis nol.
 ANALYS CONTAC
MENU
IS T
Data ANALYSIS

Chi-square
 adalah cara yang banyak digunakan dan ampuh untuk melihat variabel
yang diukur pada tingkat nominal atau ordinal
 Chi square adalah nol jika ada peningkatan independensi seiring
dengan semakin kuatnya asosiasi
THANK
YOU