Langkah-Langkah dalam Analisis Data Kuantitatif

Langkah-Langkah dalam Langkah-Langkah dalam Analisis Data KuantitatifAnalisis Data Kuantitatif

1.1. Data CodingData Coding

2.2. Data EnteringData Entering

3.3. Data CleaningData Cleaning

4.4. Data OutputData Output

5.5. Data AnalyzingData Analyzing

Pengkodean Data ( Data Pengkodean Data ( Data Coding)Coding)

Proses penyusunan secara sistematis Proses penyusunan secara sistematis data mentah ( yang terdapat dalam data mentah ( yang terdapat dalam kuesioner ) kedalam mesin pengolah kuesioner ) kedalam mesin pengolah data semisal SPSS.data semisal SPSS.Contoh ; Variabel jenis kelaminContoh ; Variabel jenis kelamin1: laki-laki1: laki-laki 2. Perempuan2. PerempuanVariabel jenis pekerjaan ;Variabel jenis pekerjaan ;1. TNI1. TNI 2. PNS2. PNS 3.Karyawan 4. 3.Karyawan 4. DosenDosen

Data CodingData CodingData Coding digunakan sebagai dasar Data Coding digunakan sebagai dasar dalam pembuatan Buku Coding ( Coding dalam pembuatan Buku Coding ( Coding Book)Book)

Kuesioner dalam pertanyaan tertutup lebih Kuesioner dalam pertanyaan tertutup lebih mudah untuk dilakukan coding, apabila mudah untuk dilakukan coding, apabila dibandingkan dengan pertanyaan terbuka.dibandingkan dengan pertanyaan terbuka.

Jika anda menggunakan pertanyaan Jika anda menggunakan pertanyaan terbuka dalam kuesioner anda harus terbuka dalam kuesioner anda harus menginventarisasi jawaban responden.menginventarisasi jawaban responden.

Pemindahan Data Ke Komputer Pemindahan Data Ke Komputer ( Data Entry )( Data Entry )

Kegiatan memindahkan data yang Kegiatan memindahkan data yang telah diubah menjadi kode ( data telah diubah menjadi kode ( data coding ) ke dalam mesin pengolah coding ) ke dalam mesin pengolah data.data.

Dipindahkan ke program pengolah Dipindahkan ke program pengolah data seperti SPSS, Minitab, SAS, dsb.data seperti SPSS, Minitab, SAS, dsb.

Pembersihan Data ( data Pembersihan Data ( data cleaning)cleaning)

Kegiatan untuk memastikan bahwa Kegiatan untuk memastikan bahwa seluruh data yang telah dimasukkan seluruh data yang telah dimasukkan kedalam mesin pengolah data sudah kedalam mesin pengolah data sudah sesuai dengan keadaan sebenarnya.sesuai dengan keadaan sebenarnya.

Data Cleaning harus dilakukan Data Cleaning harus dilakukan dengan teliti agar data dapat diolah dengan teliti agar data dapat diolah dengan mesin pengolah data dengan mesin pengolah data sehingga mendapatkan data valid.sehingga mendapatkan data valid.

2 Tipe Kesalahan dalam Data 2 Tipe Kesalahan dalam Data CleaningCleaning

1.1. Possible Code CleaningPossible Code Cleaning : kesalahan yang : kesalahan yang diakibatkan oleh peneliti ketika diakibatkan oleh peneliti ketika memasukan data ke dalam mesin memasukan data ke dalam mesin pengolah data.pengolah data.

2.2. Contingency CleaningContingency Cleaning: Kesalahan yang : Kesalahan yang diakibatkan oleh adanya struktur diakibatkan oleh adanya struktur kuesioner yang hanya khusus digunakan kuesioner yang hanya khusus digunakan dijawab oleh sebagian orang saja, dijawab oleh sebagian orang saja, sedangkan yang lain tidak.sedangkan yang lain tidak.

Contoh KuesionerContoh Kuesioner1.1. Apakah anda menggunakan Apakah anda menggunakan

pepsodent?pepsodent?A. ya A. ya B. tidak (lanjut ke no B. tidak (lanjut ke no 12 )12 )

2. Apakah anda puas dengan khasiat 2. Apakah anda puas dengan khasiat pepsodent?pepsodent?A. PuasA. Puas B. Tidak Puas B. Tidak Puas

3. Bagaimana rasa varian pepsodent?3. Bagaimana rasa varian pepsodent?A. SegarA. Segar B. Tidak Segar B. Tidak Segar

Data CodingData CodingNoNo Nama Nama

variabelvariabelKodeKode

Var001Var001 Menggunakan Menggunakan PepsodentPepsodent

1= ya1= ya

2= tidak2= tidak

Var002Var002 Tingkat Tingkat Kepuasan Kepuasan Khasiat Khasiat PepsodentPepsodent

1=puas1=puas

2=tidak puas2=tidak puas

var003var003 Rasa Rasa PepsodentPepsodent

1=segar1=segar

2=tidak segar2=tidak segar

Coding BookCoding BookVar / Var / respondrespondenen

Responden Responden 11




Var001Var001 11 11 11 22

Var002Var002 11 11 22 22

Var003Var003 22 33 11 11

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

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

Tabel dan GrafikTabel dan Grafik

Terdapat 3 unsur utama dalam Terdapat 3 unsur utama dalam penyusunan tabel dan grafikpenyusunan tabel dan grafik

1.1. JudulJudul

2.2. Isi / SubstansiIsi / Substansi

3.3. Sumber DataSumber Data

Analisis BivariatAnalisis Bivariat

Tabulasi Silang ( Crosstab )Tabulasi Silang ( Crosstab )

Variabel IndependenVariabel Independen Persentase Persentase

Variabel DependenVariabel Dependen Interpretasi Interpretasi

Terbagi menjadi Persentase Baris, Terbagi menjadi Persentase Baris, Kolom dan TotalKolom dan Total

Tabel frekuensiTabel frekuensiKategoriKategori FrekuensiFrekuensi PersentasePersentase

Laki-lakiLaki-laki 125125 62,5%62,5%

PerempuanPerempuan 7575 37,5%37,5%

Jumlah Jumlah 200200 100%100%

Hubungan Grafik dengan Skala Hubungan Grafik dengan Skala PengukranPengukran

Nominal : Piechart, BargraphNominal : Piechart, Bargraph

Ordinal : Pie chart, BargraphOrdinal : Pie chart, Bargraph

IntervalInterval : Histogram, Poligon, Ogive: Histogram, Poligon, Ogive

Rasio : Histogram, Poligon, Ogive, Rasio : Histogram, Poligon, Ogive, Diagram batang daun dan scatter Diagram batang daun dan scatter plotplot

( diagram titik ) .( diagram titik ) .

Penyajian Data Diagram Batang Penyajian Data Diagram Batang

Jenis Kelamin Responden

Jenis Kelamin

PerempuanLaki-Laki

Pe

rce

nt

60

50

40

30

20

10

0

Diagram Lingkaran Diagram Lingkaran

PIlihan Partai Politik

PPP

PKB

PDIP

Diagram Garis Diagram Garis

Tingkat Pendapatan

Pendapatan (jutaan)

987654321

Pe

rce

nt

40

30

20

10

0

Diagram Area Diagram Area

Tabungan

201918161514121186542

Co

un

t

30

20

10

0

Jenis Kelamin

Perempuan

Laki-Laki

Diagram Titik Diagram Titik

Lama Kerja ( tahun )

76543210-1

Ta

bu

ng

an

30

20

10

0

DeskriptifDeskriptif

Descriptive Statistics

70 3.91 2.749 7.558

70 2.43 1.470 2.161

70 7.63 5.253 27.599

70 1.44 .500 .250

70 2.01 .789 .623

70

VAR001 Pendapatan(jutaan)

VAR002 Lama Kerja (tahun )

VAR003 Tabungan

VAR004 Jenis Kelamin

VAR00001 PilihanPartai Politik

Valid N (listwise)

N Mean Std. Deviation Variance

DeskriptifDeskriptif

Descriptive Statistics

70 3.91 .575 .287 -1.194 .566

70 2.43 .426 .287 -.632 .566

70 7.63 .911 .287 -.432 .566

70 1.44 .235 .287 -2.003 .566

70 2.01 -.026 .287 -1.384 .566

70

VAR001 Pendapatan(jutaan)

VAR002 Lama Kerja (tahun )

VAR003 Tabungan

VAR004 Jenis Kelamin

VAR00001 PilihanPartai Politik

Valid N (listwise)

Statistic Statistic Statistic Std. Error Statistic Std. Error

N Mean Skewness Kurtosis

Tabulasi Silang Tabulasi Silang

VAR004 Jenis Kelamin * VAR00001 Pilihan Partai Politik Crosstabulation

20 14 5 39

28.6% 20.0% 7.1% 55.7%

1 13 17 31

1.4% 18.6% 24.3% 44.3%

21 27 22 70

30.0% 38.6% 31.4% 100.0%

Count

% of Total

Count

% of Total

Count

% of Total

1 Laki-Laki

2 Perempuan

VAR004 JenisKelamin

Total

1 PDIP 2 PKB 3 PPP

VAR00001 Pilihan Partai Politik

Total

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

Chi-Square Tests

.906b 1 .341

.711 1 .399

.931 1 .335

.385 .201

.905 1 .341

919

Pearson Chi-Square

Continuity Correctiona

Likelihood Ratio

Fisher's Exact Test

Linear-by-LinearAssociation

N of Valid Cases

Value dfAsymp. Sig.

(2-sided)Exact Sig.(2-sided)

Exact Sig.(1-sided)

Computed only for a 2x2 tablea.

0 cells (.0%) have expected count less than 5. The minimum expected count is32.37.

b.

Hasil Output SPSS uji chi Hasil Output SPSS uji chi SquareSquare

UJI KORELASI UJI KORELASI

Correlations

1 .910** .698**

. .000 .000

70 70 70

.910** 1 .719**

.000 . .000

70 70 70

.698** .719** 1

.000 .000 .

70 70 70

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

Pearson Correlation

Sig. (2-tailed)

N

VAR003 Tabungan

VAR001 Pendapatan (jutaan)

VAR002 Lama Kerja( tahun )

VAR003 Tabungan

VAR001 Pendapatan

(jutaan)

VAR002 Lama Kerja (

tahun )

Correlation is significant at the 0.01 level (2-tailed).**.

Uji Regresi Sederhana Uji Regresi Sederhana

Variables Entered/Removedb


a . Enter

Model1

VariablesEntered

VariablesRemoved Method

All requested variables entered.a.

Dependent Variable: VAR003 Tabunganb.

Uji RegresiUji Regresi

Model Summary

.910a .828 .825 2.195Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Predictors: (Constant), VAR001 Pendapatan (jutaan)a.

Uji Regresi Uji Regresi

ANOVAb

1576.715 1 1576.715 327.251 .000a

327.628 68 4.818

1904.343 69

Regression

Residual

Total

Model1

Sum ofSquares df Mean Square F Sig.

Predictors: (Constant), VAR001 Pendapatan (jutaan)a.

Dependent Variable: VAR003 Tabunganb.

Uji RegresiUji Regresi

Coefficientsa

.822 .459 1.793 .077

1.739 .096 .910 18.090 .000

(Constant)


Model1

B Std. Error

UnstandardizedCoefficients

Beta

StandardizedCoefficients

t Sig.

Dependent Variable: VAR003 Tabungana.

Uji Regresi Multivariat Uji Regresi Multivariat

Model Summary

.917a .842 .837 1.110Model1

R R SquareAdjustedR Square

Std. Error ofthe Estimate

Predictors: (Constant), VAR002 Lama Kerja ( tahun ) ,VAR003 Tabungan

a.

Pengujian Hipotesis KorelasiPengujian Hipotesis Korelasi

Ho : Tidak Terdapat hubungan antara Ho : Tidak Terdapat hubungan antara variabel X dengan variabel Yvariabel X dengan variabel Y

Ha : Terdapat hubungan antara Ha : Terdapat hubungan antara variabel X dengan variabel Yvariabel X dengan variabel Y

Aturan Pengujian : jika nilai Aturan Pengujian : jika nilai signifikansi yang dipilih < 0,05 maka signifikansi yang dipilih < 0,05 maka Ho DITOLAK.Ho DITOLAK.

Kesalahan HipotesisKesalahan HipotesisHipotesis Hipotesis penelitipeneliti

Keadaan yang sebenarnyaKeadaan yang sebenarnya

Tidak Ada Tidak Ada hubunganhubungan

Ada HubunganAda Hubungan

Tdk Ada Tdk Ada HubunganHubungan

Keputusan Keputusan TepatTepat

Kesalahan Tipe 2Kesalahan Tipe 2

Ada Ada HubunganHubungan

Kesalahan Kesalahan Tipe 1Tipe 1

Keputusan TepatKeputusan Tepat

Hal-Hal yang harus diperhatikan Hal-Hal yang harus diperhatikan dalam penelitian Kuantitatifdalam penelitian Kuantitatif

Berikan interpretasi dari hasil ouput.Berikan interpretasi dari hasil ouput.

Analisa data tidak dapat dipisahkan Analisa data tidak dapat dipisahkan dari kajian teoritis yang dari kajian teoritis yang dipergunakan. Teori tetap digunakan dipergunakan. Teori tetap digunakan sebagai alat analisis dari temuan sebagai alat analisis dari temuan data kuesioner.data kuesioner.

Pola penelitian kuantitatif bersifat Pola penelitian kuantitatif bersifat linear dan baku. linear dan baku.

Penelitian KuantitatifPenelitian KuantitatifBerpolaBerpolaBebas nilai obyektifBebas nilai obyektifDeduktif nomotetikDeduktif nomotetikIlmu adalah cara Ilmu adalah cara terbaik terbaik memperoleh memperoleh pengetahuanpengetahuanMencari penjelasan Mencari penjelasan Menemukan Menemukan hukum universalhukum universal

Langkah-Langkah dalam Analisis Data Kuantitatif

Documents