P. 1
Analisis+Data+Kuantitatif

Analisis+Data+Kuantitatif

|Views: 7|Likes:
Published by Alan Juvencini
analisis kualitatif
analisis kualitatif

More info:

Published by: Alan Juvencini on Dec 26, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

03/02/2015

pdf

text

original

Langkah-Langkah dalam Analisis Data Kuantitatif

1. 2. 3. 4. 5. Data Data Data Data Data Coding Entering Cleaning Output Analyzing

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

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.

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.

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

2 Tipe Kesalahan dalam Data Cleaning 1. Contingency Cleaning: Kesalahan yang diakibatkan oleh adanya struktur kuesioner yang hanya khusus digunakan dijawab oleh sebagian orang saja. 2. sedangkan yang lain tidak. . Possible Code Cleaning : kesalahan yang diakibatkan oleh peneliti ketika memasukan data ke dalam mesin pengolah data.

Segar B. Tidak Puas 3. Apakah anda puas dengan khasiat pepsodent? A. Puas B. Tidak Segar . Apakah anda menggunakan pepsodent? A. tidak (lanjut ke no 12 ) 2. Bagaimana rasa varian pepsodent? A.Contoh Kuesioner 1. ya B.

Data Coding No Nama variabel Kode Var001 Var002 Menggunakan 1= ya Pepsodent 2= tidak Tingkat Kepuasan Khasiat Pepsodent Rasa Pepsodent 1=puas 2=tidak puas 1=segar 2=tidak segar var003 .

Coding Book Responden Responden Responden Responden Var / 1 2 3 4 respond en Var001 1 1 1 2 Var002 Var003 1 2 1 3 2 1 2 1 .

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

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

Isi / Substansi 3. Judul 2. Sumber Data .Tabel dan Grafik Terdapat 3 unsur utama dalam penyusunan tabel dan grafik 1.

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

Tabel frekuensi Kategori Laki-laki Perempuan Jumlah Frekuensi 125 75 200 Persentase 62.5% 100% .5% 37.

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

Penyajian Data Diagram Batang Jenis Kelamin Responden 60 50 40 30 20 Percent 10 0 Laki-Laki Perempuan Jenis Kelamin .

Diagram Lingkaran PIlihan Partai Politik PDIP PPP PKB .

Diagram Garis Tingkat Pendapatan 40 30 20 10 Percent 0 1 2 3 4 5 6 7 8 9 Pendapatan (jutaan) .

Diagram Area 30 20 10 Jenis Kelamin Count Peremp uan 0 2 4 5 6 8 11 12 14 15 16 18 19 20 La ki-L aki Tabungan .

Diagram Titik 30 20 10 Tabungan 0 -1 0 1 2 3 4 5 6 7 Lama Kerja ( tahun ) .

Deskriptif Descriptiv e Statistics N VAR001 Pendapatan (jutaan) VAR002 Lama Kerja ( tahun ) VAR003 Tabungan VAR004 Jenis Kelamin VAR00001 Pilihan Partai Politik Valid N (listwise) 70 70 70 70 70 70 Mean 3.01 Std.63 1.470 5. Deviation 2.623 .599 .253 .91 2.161 27.44 2.789 Variance 7.558 2.250 .749 1.43 7.500 .

566 .01 Skewness Stati sti c Std.287 .432 -2. Error .003 -1.566 .287 .287 .384 .91 2.43 7.426 .566 . Error -1.194 -.566 .575 .026 .566 .911 .287 Kurtosi s Stati sti c Std.Deskriptif Descriptiv e Statistics N Stati sti c VAR001 Pendapatan (j utaan) VAR002 Lama Kerj a ( tahun ) VAR003 Tabungan VAR004 Jeni s Kel am i n VAR00001 Pi l ihan Partai Pol i ti k Vali d N (l i stwi se) 70 70 70 70 70 70 M ean Stati sti c 3.44 2.235 -.287 .63 1.632 -.

0% .3% 70 100.Tabulasi Silang VAR004 Jenis Kelamin * VAR00001 Pilihan Partai Politik Crosstabulation VAR00001 Pilihan Partai Politik 1 PDIP 2 PKB 3 PPP 20 14 5 28.7% 31 44.0% 7.6% 31.6% 20.3% 21 27 22 30.4% 18.4% VAR004 Jenis 1 Laki-Laki Kelamin Total Count % of Total 2 Perempuan Count % of Total Count % of Total Total 39 55.6% 24.1% 1 13 17 1.0% 38.

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

0%) have expected count less than 5.906 b . (2-sided) .399 . 0 cells (. (1-sided) Pearson Chi-Square a Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases .905 919 1 . Computed only for a 2x2 table b.201 a.335 Exact Sig.385 . (2-sided) Exact Sig. The minimum expected count is 32.Hasil Output SPSS uji chi Square Chi-Square Tests Value . Sig.711 . .931 df 1 1 1 Asymp.341 .341 .37.

000 70 . .000 70 70 1 . 70 .719** .719** 1 .910** . 70 70 VAR003 Tabungan Pearson Correlation Sig. (2-tailed) N VAR002 Lama Kerja Pearson Correlation ( tahun ) Sig.000 .910** .000 .000 70 VAR001 VAR002 Pendapatan Lama Kerja ( (jutaan) tahun ) .01 level (2-tailed). (2-tailed) N VAR001 Pearson Correlation Pendapatan (jutaan) Sig. .UJI KORELASI Correlations VAR003 Tabungan 1 .698** .000 70 70 . (2-tailed) N **. Correlation is significant at the 0.698** .

Dependent Variable: VAR003 Tabungan .Uji Regresi Sederhana b Variables Entered/Remov ed Model 1 Variables Entered VAR001 Pendapata a n (jutaan) Variables Removed . b. All requested variables entered. Method Enter a.

Predictors: (Constant).828 Adjusted R Square .195 a.910 a . VAR001 Pendapatan (jutaan) .Uji Regresi Model Summary Model 1 R R Square .825 Std. Error of the Estimate 2.

Dependent Variable: VAR003 Tabungan . Predictors: (Constant).628 1904.000 a a.818 69 F 327.343 df Mean Square 1 1576.251 Sig.715 327. VAR001 Pendapatan (jutaan) b. .Uji Regresi ANOVAb Model 1 Regression Residual Total Sum of Squares 1576.715 68 4.

090 Sig.077 . Error .Uji Regresi Coefficientsa Unstandardized Coefficients B Std. .739 .000 a.459 1.096 Standardized Coefficients Beta .822 . Dependent Variable: VAR003 Tabungan .793 18.910 Model 1 (Constant) VAR001 Pendapatan (jutaan) t 1.

VAR002 Lama Kerja ( tahun ) . Error of the Estimate 1.917 a R Square . Predictors: (Constant).110 a.842 Adjusted R Square .837 Std. VAR003 Tabungan .Uji Regresi Multivariat Model Summary Model 1 R .

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.

Kesalahan Hipotesis Hipotesis peneliti Keadaan yang sebenarnya Tidak Ada hubungan Tdk Ada Keputusan Hubungan Tepat Ada Hubungan Kesalahan Tipe 2 Ada Kesalahan Hubungan Tipe 1 Keputusan Tepat .

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

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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->