P. 1
Analisis+Data+Kuantitatif

Analisis+Data+Kuantitatif

|Views: 38|Likes:
Published by Taufik Ashar

More info:

Published by: Taufik Ashar on Jun 06, 2012
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

06/06/2012

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

.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.

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

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

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 .

Contingency Cleaning : ditemukan pada responden no.4 variabel 001-003. nilai 3 tidak ada dalam buku koding. yakni angka 3.12. . Itulah contingency cleaning. Dan responden tersebut diperbolehkan menjawab pada kembali pada no. Ia Tidak menggunakan pepsodent.ketika menjawab tidak (kode 2) seharusnya responden tidak dapat menjawab pertanyaan selanjutnya. Yang tersedia dalam buku koding adalah kode 1 & 2.Contoh data cleaning Possible Code Cleaning : dapat ditemukan pada responden nomor 2 variabel 003. tetapi tahu rasa varian.

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

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

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

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

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

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 ) .

Deviation 2.43 7.161 27.749 1.44 2.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 3.599 .250 .789 Variance 7.63 1.91 2.01 Std.470 5.500 .558 2.253 .623 .

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 3.235 -.384 .003 -1. Error -1.911 .194 -.01 Skewness Stati sti c Std.575 .426 .026 .91 2.566 .632 -.287 .566 .287 .566 .432 -2.566 .44 2. Error .287 .287 .63 1.43 7.566 .287 Kurtosi s Stati sti c Std.

6% 20.3% 70 100.3% 21 27 22 30.7% 31 44.6% 31.0% .4% VAR004 Jenis 1 Laki-Laki Kelamin Total Count % of Total 2 Perempuan Count % of Total Count % of Total Total 39 55.4% 18.6% 24.Tabulasi Silang VAR004 Jenis Kelamin * VAR00001 Pilihan Partai Politik Crosstabulation VAR00001 Pilihan Partai Politik 1 PDIP 2 PKB 3 PPP 20 14 5 28.1% 1 13 17 1.0% 38.0% 7.

Ukuran Asosiasi dan Korelasi Chi square : menguji hipotesis antara variabel independen dan dependen terdapat hubungan yang signifikan atau tidak. 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.

(1-sided) Pearson Chi-Square a Continuity Correction Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases .335 Exact Sig.385 . (2-sided) Exact Sig.931 df 1 1 1 Asymp. .341 .905 919 1 . The minimum expected count is 32.711 .399 .37. (2-sided) .906 b .Hasil Output SPSS uji chi Square Chi-Square Tests Value . Computed only for a 2x2 table b.0%) have expected count less than 5.341 . 0 cells (.201 a. Sig.

UJI KORELASI Correlations VAR003 Tabungan 1 .910** .000 70 70 1 . Correlation is significant at the 0. (2-tailed) N **. 70 70 VAR003 Tabungan Pearson Correlation Sig.000 70 70 .000 .910** .000 . (2-tailed) N VAR002 Lama Kerja Pearson Correlation ( tahun ) Sig.000 70 . .000 70 VAR001 VAR002 Pendapatan Lama Kerja ( (jutaan) tahun ) .698** . (2-tailed) N VAR001 Pearson Correlation Pendapatan (jutaan) Sig.698** .719** 1 . . 70 .719** .01 level (2-tailed).

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

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

715 327. .628 1904.818 69 F 327.251 Sig.715 68 4.Uji Regresi ANOVAb Model 1 Regression Residual Total Sum of Squares 1576.343 df Mean Square 1 1576. Predictors: (Constant). VAR001 Pendapatan (jutaan) b. Dependent Variable: VAR003 Tabungan .000 a a.

077 . Dependent Variable: VAR003 Tabungan .096 Standardized Coefficients Beta .739 .090 Sig. Error .459 1.Uji Regresi Coefficientsa Unstandardized Coefficients B Std.910 Model 1 (Constant) VAR001 Pendapatan (jutaan) t 1. .793 18.000 a.822 .

VAR002 Lama Kerja ( tahun ) .917 a R Square . Error of the Estimate 1.110 a. VAR003 Tabungan .Uji Regresi Multivariat Model Summary Model 1 R . Predictors: (Constant).842 Adjusted R Square .837 Std.

05 maka Ho DITOLAK.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. .

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. . Analisa data tidak dapat dipisahkan dari kajian teoritis yang dipergunakan. Pola penelitian kuantitatif bersifat linear dan baku.

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)//-->