Upload
trancong
View
228
Download
4
Embed Size (px)
Citation preview
Analysis and Presentation of Data
Persiapan pengolahan dataPengolahan data
Analisis dataPresentasi data
Analysis and Presentation of Data :
Data Preparation and Description
1. Editing : Field editing, Central Editing
2. Coding : codebook construction, Coding Closed questions, coding free-response questions, coding rules, Using
2.CODING
1 .EDITING
response questions, coding rules, Using content analysis, missing data
3. Data Entry : SPSS, EXCEL4. Data Analysis:
• Exploratory data Analysis: Tabel frekuensi, Bar Charts, Pie Charts
• Cross Tabulation : Field editing, Central Editing, sederhana, multi arah
4.DATA ANALYSIS
3.DATA ENTRY
1. Editing
� Proses memastikan bahwa data yang terkumpul (dari responden): 1) telah diisi lengkap; 2) diisi sesuai dengan petunjuk; dan 3) konsisten; sehingga siap untuk di-input 3) konsisten; sehingga siap untuk di-input dalam komputer (siap diolah).
� Ada 2 macam editing: Field editing and Central editing
Editing
Kuesioner yang kembali mungkin tidak bisa terpakai karena:1. Sebagian kuisioner tidak lengkap terisi2. Responden tidak memahami instruksi2. Responden tidak memahami instruksi3. Responden salah mengisi4. Satu atau lebih halaman kuisioner hilang5. Kuesioner diterima terlambat6. Kuesioner diisi oleh orang yang salah
Menangani Kuisioner yang
“Bermasalah”
� Menghubungi kembali responden� Dianggap sebagai tidak ada jawaban/ missing
values� Tidak digunakan sama sekali (di-drop)� Tidak digunakan sama sekali (di-drop)
2. Coding
� Aktivitas pemberian angka pada alternatif jawaban dari setiap pertanyaan yang diajukan. Contoh : � Contoh : Jenis kelamin: 1. Pria 2. Wanita
Coding
3. Data Entry
� Aktivitas Memasukkan Data pada tabel dasar yang sudah dipersiapkan.
� Contoh : Data Penggunaan Internet� Contoh : Data Penggunaan InternetNomor JK Tk.Pengenalan Penggunaan Sikap Terhadap Tujuan PenggunaanResponden Internet Internet Teknologi Belanja Online Banking1 1.00 7.00 14.00 7.00 6.00 1.00 1.002 2.00 2.00 2.00 3.00 3.00 2.00 2.003 2.00 3.00 3.00 4.00 3.00 1.00 2.004 2.00 3.00 3.00 7.00 5.00 1.00 2.00 5 1.00 7.00 13.00 7.00 7.00 1.00 1.006 2.00 4.00 6.0078910
� Setelah data diinput ke dalam komputer,
maka data siap untuk diolah & dianalisa.
� Peneliti harus memilih teknik analisa data
Data Analysis
� Peneliti harus memilih teknik analisa data
yang sesuai dengan masalah yang diteliti
Analisa data:
1. Menjelaskan hasil, termasuk kalau
hasilnya tidak sesuai hipotesa, jelaskan
mengapa demikian?mengapa demikian?
2. Hasil dikaitkan dengan siapa objek
penelitian (responden)
3. Hasil dikaitkan dengan teori yang ada
PROSEDUR DAN TEKNIK
ANALISIS DATA
ANALISIS DATA KUANTITATIF
JENIS DATA STATISTIK
DATA KUALITATIF/ DATA NON METRIK
Mempunyai SIFAT TIDAK DAPAT DILAKUKAN OPERASI MATEMATIKA seperti:
DATA KUANTITATIF/ DATA METRIK
Dapat disebut sebagai data berupa ANGKA DALAM ARTI SEBENARNYA. jadi, berbagai OPERASI MATEMATIKA DAPAT
• PENAMBAHAN/PENGURANGAN,
• PERKALIAN/PEMBAGIAN.
diukur pada skala:
• NOMINAL DAN ORDINAL
OPERASI MATEMATIKA DAPAT DILAKUKAN.
Diukur pada skala
• INTERVAL DAN RASIO.
Teknik Analisis
APLIKASI ILMU STATISTIK dalam penelitian bisnis dapat dibagi ke dalam 2 bagian: 1. Analisis Statistik DESKRIPTIF 2. Analisis Statistik INFERENSIAL
12
2. Analisis Statistik INFERENSIALDalam penelitian bisnis, kedua analisis statistik
tersebut dapat dipakai sekaligus.Pada umumnya, DIMULAI dengan STATISTIK
DESKRIPTIF, lalu berdasarkan hasil tersebut DILANJUTKAN dengan STATISTIK INFERENSI.
STATISTIK
STATISTIK DESKRIPTIF
Berusaha menjelas-
kan/menggambarka
n berbagai
STATISTIK INDUKTIF/INFERENSIAL
Berusaha membuat
berbagai inferensi
terhadap sekumpulan n berbagai
karakteris-tik data,
seperti berapa nilai
rata-rata (mean),
seberapa jauh data-
data bervariasi
(standard deviation).
terhadap sekumpulan
data yang berasal dari
suatu sampel. Tindakan
inferensi tersebut seperti
melakukan perkiraan,
peramalan, pengambi-
lan keputusan.
STATISTIK DESKRIPTIF
1. UKURAN PEMUSATAN
• Mean
• Median
• Modus
2. UKURAN SEBARAN
• Varian
• Standar Deviasi
14
• Modus• Standar Deviasi• Range
• Range Interkuartil
• Deviasi Kuartil3. UKURAN BENTUK
• Skewness
• Kurtosis
1. Mean ( ) adalah nilai rata-rata
where,
Ukuran Pemusatan (Central Tendency)
X = X i/nΣi=1
nX
15
Xi = observed values of the variable Xn = number of observations (sample size)
Mean mendeskripsikan rata-rata suatu data.
2. Modus adalah nilai yang sering muncul pada data yang kita miliki.Modus menunjukkan di mana data cenderungterkonsentrasi (kecenderungan sentral dari data
Ukuran Pemusatan (Central Tendency)
16
terkonsentrasi (kecenderungan sentral dari data nominal)
3. Median adalah nilai tengah dari sekumpulan data yang kita miliki setelah data tersebut diurutkan mulai dari yang tertinggi ke terendah, atau sebaliknya (kecenderungan sentral dari data ordinal)
Range� Merupakan selisih antara nilai terbesar dan terkecil dari
kelompok sampel yang kita teliti.
�
Ukuran Sebaran (Variability Measurement)
17
� Range = Xlargest – Xsmallest
� Menggambarkan seberapa luas penyebaran data
Standard Deviationmerupakan ukuran penyimpangan data dari rata-ratanya.
• Nilai standar deviasi relatif besar berarti, sebaran/variabilitas
Ukuran Sebaran (Variability Measurement)
18
• Nilai standar deviasi relatif besar berarti, sebaran/variabilitas data tinggi.
• Nilai standar deviasi relatif kecil, artinya data yang digunakan mengelompok di seputar nilai rata-ratanya, penyimpangan kecil
sx =(Xi - X)2
n - 1Σi =1
n
Ukuran Bentuk
� Harapan peneliti data berdistribusi normal. Namun demikian, penyebaran data dapat abnormal. Bila digambar dalam kurva, maka bentuk penyimpangan data yg mungkin terjadi al:
1. SKEWNESS
19
Mean=Median=Modus Modus<Median<Mean Mean<Median<Modus
Ukuran Bentuk
2. KURTOSIS
20
Data berdistribusi normal Frekuensi data kontras Frekuensi data merata
STATISTIK DESKRIPTIF
DESKRIPSI DENGAN TEKS (MENU DLM SPSS)
FREQUENCIES,mendeskripsikan data yang terdiri atas satu variabel saja.
DESCRIPTIVES, menampilkan besaran statistik mean, standard deviasi, varians
EXPLORE, lanjutan descriptives dilengkapi dengan cara pengujian kenormalan sebuah data yang dapat diukur dengan uji tertentu atau ditampilkan dalam bentuk Box-Plot atau Steam and Leaf
CROSS-TAB, jika dalam frequencies data ditampilkan dalam satu kolom, maka pada crosstab data ditampilkan dalam bentuk tabulasi silang. Dilengkapi dengan perhitungan Chi-Square untuk uji independensi.
Tabel Distribusi Frekuensi Mengenai
“Tingkat Pengenalan terhadap Internet”
Familiari ty
2 6.7 6.9 6.9
6 20.0 20.7 27.6
2
3
ValidFrequency Percent Valid Percent
CumulativePercent
Familiari ty
2 6.7 6.9 6.9
6 20.0 20.7 27.6
2
3
ValidFrequency Percent Valid Percent
CumulativePercent
22
6 20.0 20.7 27.6
6 20.0 20.7 48.3
3 10.0 10.3 58.6
8 26.7 27.6 86.2
4 13.3 13.8 100.0
29 96.7 100.0
1 3.3
30 100.0
3
4
5
6
Very Familiar
Total
9Missing
Total
6 20.0 20.7 27.6
6 20.0 20.7 48.3
3 10.0 10.3 58.6
8 26.7 27.6 86.2
4 13.3 13.8 100.0
29 96.7 100.0
1 3.3
30 100.0
3
4
5
6
Very Familiar
Total
9Missing
Total
Tabulasi Silang : “Tingkat Pengenalan
dan Jenis Kelamin Responden”
Familiarity * Sex Crosstabulation
Count
Male Female
Sex
Total
23
0 2 2
1 5 6
2 4 6
1 2 3
6 2 8
4 0 4
14 15 29
2
3
4
5
6
Very Familiar
Familiarity
Total
Male Female Total
Sta tistics
Familiarity29
1
4.72
Valid
Missing
N
Mean
Statistik Deskriptif
“Tingkat Pengenalan terhadap Internet”
24
5.00
6
1.579
2.493
-.094
.434
5
2
7
Median
Mode
Std. Deviat ion
Variance
Skewness
Std. Error of Skewness
Range
Minimum
Maximum
STATISTIK DESKRIPTIF
DESKRIPSI DENGAN GRAFIK (MENU DLM SPSS)
BAR, grafik dengan tipe bar (batang) pada dasarnya digunakan untuk menampilkan data kualitatif.
HISTOGRAM, sejenis grafik tipe bar yang digunakan untuk menggambarkan suatu distribusi frekuensi dan juga dipakai untuk melihat apakah sebuah data terdistribusi normal atau tidak.tidak.
SCATTER PLOT, digunakan untuk memperlihatkan pola hubungan antara dua variabel. Pilihan ini biasanya untuk melengkapi analisis korelasi antar dua variabel.
PIE CHART, grafik berbentuk lingkaran (pie) digunakan untuk menggambarkan data yang bersifat kualitatif (misalnya komposisi orientasi reponden pada parpol, dsb.)
Bar Chart :
“Tingkat Pengenalan terhadap Internet”
26
Histogram:
“Tingkat Pengenalan terhadap Internet”
8
Histogram
27
87654321
Familiarity
6
4
2
0
Freq
uenc
y
Mean = 4.67Std. Dev. = 1.583N = 30
STATISTIK INDUKTIF/INFERENSI
Berusaha membuat inferensi terhadap
sekumpulan data yang berasal dari
suatu sampel. suatu sampel.
Tindakan inferensi tersebut seperti
melakukan perkiraan, peramalan,
pengambilan keputusan.
TAHAPAN SECARA UMUM DALAM STATISTIK INFERENSI
1.MENENTUKAN Hipotesis Null (Ho) & Alternatif (Ha).
Hal ini berkaitan dengan rumusan masalah penelitian, yang kemudian dirinci dalam berbagai tujuan penelitian dan hipotesis yang akan diuji.
2.MENENTUKAN STATISTIK HITUNG DAN STATISTIK 2.MENENTUKAN STATISTIK HITUNG DAN STATISTIK TABEL.
Untuk menguji hipotesis, pada umumnya kita akan membandingkan statistik hitung dengan statistik tabel, atau dapat juga dilihat pada tingkat signifikansinya.
3.MENGAMBIL KEPUTUSAN SESUAI DENGAN HASIL
(Statistik hitung dan statistik tabel) yang ada.
Hipotesis adalah statemen/pernyataan tentang hubunganantara dua atau lebih konsep (K) atau variabel(v)/indikatorempirik(i.e.) yang masih memerlukan dukungan secaraempirik (diuji kebenarannya).
HIPOTESIS
Hipotesis mayor adalah pernyataan tentang hubunganantara dua atau lebih konsep (K) yang masihmemerlukan dukungan secara empirik.
Contoh: Ada hubungan positif dan signifikan antaraparental style (K1) dengan consumer socialization (K2)
Hipotesis minor adalah pernyataan tentang hubungan antaradua atau lebih variabel (v)/indikator empirik(i.e.) yang masihmemerlukan dukungan secara empirik. Contoh : Semakintinggi frekuensi Anda ditegur oleh orang tua (v1/i.e.1) dalam mengkonsumsi suatu barang semakin lambat Anda
HIPOTESIS
dalam mengkonsumsi suatu barang semakin lambat Andamengambil keputusan (v2/i.e.2) dalam memilih barang yang akan dikonsumsi.
Hipotesis Statistik adalah pernyataan hubungan antar duaatau lebih parameter/ukuran populasi atau dua atau lebihstatistik/ukuran sampel.
Contoh : Ho : µ1 ≠ µ2 dan Ha : µ1 ‹ µ2
UJI HIPOTESIS
KlasifikasiKlasifikasi umumumum UjiUji HipotesisHipotesisBerdasarBerdasar TujuanTujuan PenelitianPenelitian
Tests of Association Tests of Differences
Distributions
Tests of Association(Uji HUBUNGAN)
Tests of Differences(Uji PERBEDAAN)
Median/ Rankings
Means Proportions
Korelasi Pengaruh (Cause(Cause(Cause(Cause----effect) effect) effect) effect)
KlasifikasiKlasifikasi umumumum UjiUji HipotesisHipotesis
a. analisis univariatb. analisis bivariat (2 variabel)c. analisis multivariat (lebih dari 2 variabel)
BerdasarBerdasar JumlahJumlah VariabelVariabel ygyg DitelitiDiteliti
c. analisis multivariat (lebih dari 2 variabel)
BerdasarBerdasar SkalaSkala PengukuranPengukuran DataDataa. Nominal & ordinal � statistik non-parametrikb. Interval & Rasio � statistik parametrik
Uji hipotesis Parametric dan
Non-parametric
� Parametric tests, adalah prosedur
pengujian hipotesis yang beranggapan
bahwa variabel-variabel yang menjadi bahwa variabel-variabel yang menjadi
perhatiannya paling tidak diukur pada
skala interval (jadi skala interval / rasio).
Uji hipotesis Parametric dan
Non-parametric
� Non-parametric tests, adalah prosedur
pengujian hipotesis yang beranggapan
bahwa variabel-variabel yang menjadi bahwa variabel-variabel yang menjadi
perhatiannya diukur pada skala nominal
atau ordinal.
A Classification of Univariate Techniques
Metric DataNon-metric (parametric)
Data
Univariate Techniques
One Sample Two or More
Samples
One Sample Two or More
Samples
Independent RelatedIndependent Related
* Two- Group test* Z test * One-Way ANOVA
* Paired t-test* Chi-Square* Mann-Whitney* Median* K-S* K-W ANOVA
* Sign* Wilcoxon* McNemar* Chi-Square
Samples Samples* t test* Z test
* Frequency* Chi-Square* K-S* Runs* Binomial
A Classification of Bivariate Techniques
Metric Data(interval, ratio)
Non-metric Data(nominal, ordinal)
Bivariate Techniques
Ya Tidak• Regresi Sederhana Korelasi Pearson • Chi Square
• Koefisien Phi• Koef. Contingency
• Korelasi Rank Spearman
Ada pemilahan antara Dependen
& Independen
Ada pemilahan antara Dependen
& Independen
Ya Tidak
A Classification of Multivariate Techniques
DependenceTechniques
InterdependenceTechniques
Multivariate Techniques
Satu Dependent
Variable
Lebih dari Satu Dependent
Variable
Variable Interdependence
Interobject Similarity
• Tabulasi silang (lebih dari dua variabel)
• Anova dan ancova• Regresi Berganda• Analisis Diskriminat
dua grup• Analisis Conjoint
• Anova dan Ancova multivariate
• Korelasi Kanonikal• Analisis Diskriminan
berganda
• Analisis Faktor • Analisis Kluster• Multidimensional
Scaling
KATEGORI VARIABEL
� Variabel Terikat / Dependent Variable / Criterion Variable
� Variabel Bebas / Independent Variable / Predictor VariableVariable
� Variabel Moderator / Moderating Variable� Variabel Antara / Intervening Variable
Kesuksesan produk baru
Harga sahamperusahaan
Variabel Terikat / Dependent Variable / Criterion Variableversus
Variabel Bebas / Independent Variable / Predictor Variable
Kualitas Bahan Baku
Jumlah Produkcacat
VARIABEL BEBAS VARIABEL TERIKAT
Kualitas Bahan Baku
Jumlah Produkcacat
VARIABEL BEBAS VARIABEL TERIKAT
Variabel Terikat / Dependent Variable / Criterion VariableVariabel Bebas / Independent Variable / Predictor Variable
dan Variabel Moderating
Pengalaman Pengalaman Pengalaman Pengalaman KaryawanKaryawanKaryawanKaryawan
VARIABEL BEBAS VARIABEL TERIKAT
VARIABEL MODERATOR
Keragaman Tenaga Kerja
Efektivitas Organisasi
VARIABEL TERIKAT
Variabel Terikat / Dependent Variable / Criterion VariableVariabel Bebas / Independent Variable / Predictor Variable
dan Variabel Moderating
Keahlian Keahlian Keahlian Keahlian ManajerialManajerialManajerialManajerial
VARIABEL BEBAS VARIABEL TERIKAT
VARIABEL MODERATOR
SINERGIKREATIF
KERAGAMAN TENAGA KERJA
EFEKTIVITASORGANISASI
Variabel Terikat / Dependent Variable / Criterion VariableVariabel Bebas / Independent Variable / Predictor Variable
dan Variabel Intervening
VARIABEL BEBAS VARIABEL TERIKAT sekaligus VARIABEL TERIKAT
VARIABEL INTERVENING
SINERGIKREATIF
KERAGAMAN TENAGA KERJA
EFEKTIVITASORGANISASI
Variabel Terikat / Dependent Variable / Criterion VariableVariabel Bebas / Independent Variable / Predictor Variable,
Variabel Moderating dan Variabel Intervening
KEAHLIAN MANAJERIAL
VARIABEL BEBAS VARIABEL TERIKAT VARIABEL TERIKAT
VARIABEL MODERATOR