1 / 35

Langkah-Langkah dalam Analisis Data Kuantitatif

Langkah-Langkah dalam Analisis Data Kuantitatif. Data Coding Data Entering Data Cleaning Data Output Data Analyzing. Pengkodean Data ( Data Coding). Proses penyusunan secara sistematis data mentah ( yang terdapat dalam kuesioner ) kedalam mesin pengolah data semisal SPSS.

hubert
Download Presentation

Langkah-Langkah dalam Analisis Data Kuantitatif

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Langkah-Langkah dalam Analisis Data Kuantitatif • Data Coding • Data Entering • Data Cleaning • Data Output • Data Analyzing

  2. Pengkodean Data ( Data Coding) • Proses penyusunan secara sistematis data mentah ( yang terdapat dalam kuesioner ) kedalam mesin pengolah data semisal SPSS. • Contoh ; Variabel jenis kelamin • 1: laki-laki 2. Perempuan • Variabel jenis pekerjaan ; • 1. TNI 2. PNS 3.Karyawan 4. Dosen

  3. Data Coding • Data Coding digunakan sebagai dasar dalam pembuatan Buku Coding ( Coding Book) • Kuesioner dalam pertanyaan tertutup lebih mudah untuk dilakukan coding, apabila dibandingkan dengan pertanyaan terbuka. • Jika anda menggunakan pertanyaan terbuka dalam kuesioner anda harus menginventarisasi jawaban responden.

  4. Pemindahan Data Ke Komputer ( Data Entry ) • Kegiatan memindahkan data yang telah diubah menjadi kode ( data coding ) ke dalam mesin pengolah data. • Dipindahkan ke program pengolah data seperti SPSS, Minitab, SAS, dsb.

  5. Pembersihan Data ( data cleaning) • Kegiatan untuk memastikan bahwa seluruh data yang telah dimasukkan kedalam mesin pengolah data sudah sesuai dengan keadaan sebenarnya. • Data Cleaning harus dilakukan dengan teliti agar data dapat diolah dengan mesin pengolah data sehingga mendapatkan data valid.

  6. 2 Tipe Kesalahan dalam Data Cleaning • Possible Code Cleaning : kesalahan yang diakibatkan oleh peneliti ketika memasukan data ke dalam mesin pengolah data. • Contingency Cleaning: Kesalahan yang diakibatkan oleh adanya struktur kuesioner yang hanya khusus digunakan dijawab oleh sebagian orang saja, sedangkan yang lain tidak.

  7. Contoh Kuesioner • Apakah anda menggunakan pepsodent? A. ya B. tidak (lanjut ke no 12 ) 2. Apakah anda puas dengan khasiat pepsodent? A. Puas B. Tidak Puas 3. Bagaimana rasa varian pepsodent? A. Segar B. Tidak Segar

  8. Data Coding

  9. Coding Book

  10. Contoh data cleaning • Possible Code Cleaning : dapat ditemukan pada responden nomor 2 variabel 003, yakni angka 3. nilai 3 tidak ada dalam buku koding. Yang tersedia dalam buku koding adalah kode 1 & 2. • Contingency Cleaning : ditemukan pada responden no.4 variabel 001-003.ketika menjawab tidak (kode 2) seharusnya responden tidak dapat menjawab pertanyaan selanjutnya. Dan responden tersebut diperbolehkan menjawab pada kembali pada no.12. Ia Tidak menggunakan pepsodent, tetapi tahu rasa varian. Itulah contingency cleaning.

  11. Data Ouput • Data Univariat : analisis 1 variabel Dalam bentuk Tabel dan grafik, Ukuran Pemusatan : Mean, Median, Modus, Ukuran Persebaran : Range, standar Deviasi dan Ragam • Data Bivariat : analisis 2 variabel Tabulasi Silang, Uji Statistik chi square, lambda dsb. • Data Multivariat : analisis lebih dari 2 variabel

  12. Tabel dan Grafik • Terdapat 3 unsur utama dalam penyusunan tabel dan grafik • Judul • Isi / Substansi • Sumber Data

  13. Analisis Bivariat • Tabulasi Silang ( Crosstab ) • Variabel Independen Persentase • Variabel Dependen Interpretasi • Terbagi menjadi Persentase Baris, Kolom dan Total

  14. Tabel frekuensi

  15. Hubungan Grafik dengan Skala Pengukran • Nominal : Piechart, Bargraph • Ordinal : Pie chart, Bargraph • Interval : Histogram, Poligon, Ogive • Rasio : Histogram, Poligon, Ogive, Diagram batang daun dan scatter plot ( diagram titik ) .

  16. Penyajian Data Diagram Batang

  17. Diagram Lingkaran

  18. Diagram Garis

  19. Diagram Area

  20. Diagram Titik

  21. Deskriptif

  22. Deskriptif

  23. Tabulasi Silang

  24. Ukuran Asosiasi dan Korelasi Chi square : menguji hipotesis antara variabel independen dan dependen terdapat hubungan yang signifikan atau tidak. Tau Kendall : ukuran korelasi non parametrik yang digunakanuntuk variabel ordinal dengan arah hubungan simetrik atau simetrik. Sommers D : mengukur kekuatan hubungan pada tingkat pengkuran ordinal dengan asimetrik/ simetrik Korelasi Spearman : mengukur korelasi antar 2 variabel yang memiliki ukuran skala ordnal

  25. Hasil Output SPSS uji chi Square

  26. UJI KORELASI

  27. Uji Regresi Sederhana

  28. Uji Regresi

  29. Uji Regresi

  30. Uji Regresi

  31. Uji Regresi Multivariat

  32. Pengujian Hipotesis Korelasi • Ho : Tidak Terdapat hubungan antara variabel X dengan variabel Y • Ha : Terdapat hubungan antara variabel X dengan variabel Y • Aturan Pengujian : jika nilai signifikansi yang dipilih < 0,05 maka Ho DITOLAK.

  33. Kesalahan Hipotesis

  34. Hal-Hal yang harus diperhatikan dalam penelitian Kuantitatif • Berikan interpretasi dari hasil ouput. • Analisa data tidak dapat dipisahkan dari kajian teoritis yang dipergunakan. Teori tetap digunakan sebagai alat analisis dari temuan data kuesioner. • Pola penelitian kuantitatif bersifat linear dan baku.

  35. Penelitian Kuantitatif • Berpola • Bebas nilai obyektif • Deduktif nomotetik • Ilmu adalah cara terbaik memperoleh pengetahuan • Mencari penjelasan • Menemukan hukum universal

More Related