Dokumen tersebut membahas tentang analisis data meliputi coding data, entry data, cleaning data, penanganan data kosong, penyajian data dalam tabel dan grafik, statistik deskriptif, statistik inferensial seperti uji hipotesis dan korelasi.

1. 4.2 ANALISIS DATA
Dr. Auditya Purwandini Sutarto

2. TOPIK ANALISIS DATA
• Data Coding
• Data Entry
• Data Cleaning
• Menanangani Data yang Kosong
Editing
• Penyajian dalam Tabel
• Metode Grafis
• Statistik Deskriptif
Penyajian Data
• Uji Hipotesis
• Uji Korelasi
• Linier Regresi
• Statistik Nonparametrik
• ANAVA, ANCOVA, dll
Statistik
Inferensial

3. EDITING

4. DATA CODING
• Proses penyusunan secara sistematis data mentah ( yang
terdapat dalam kuesioner ) ke dalam bentuk yang mudah
dibaca oleh mesin pengolah data semisal SPSS, dll.
Variabel/Pertanyaan Jawaban Kode
Jenis Kelamin Laki-laki
Perempuan
1
2
Tingkat Pendidikan SD
SMP
SMA
Sarjana
1
2
3
4
Kemudahan pengajuan
keanggotaan KIS
Sangat Mudah
Mudah
Cukup Mudah
Tidak Mudah
Sangat tidak mudah
5
4
3
2
1

5. • 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 lalu
diberikan kode sesuai dengan kepentingan peneliti
• Kode jawaban harus baku dan konsisten

6. DATA ENTERING (PEMASUKAN DATA)
• memindahkan data yang telah diubah menjadi kode ke dalam
mesin pengolah data
• Caranya dengan
– membuat coding sheet (lembar kode),
– direct entry,
– optical scan sheet (seperti lembar isian komputer dengan
pensil 2B)
– CATI (Computer-Assisted Telephone Interviewing)
• Program pengolah data yang umum digunakan adalah SPSS,
Minitab, SAS, S-Plus, R, dll

7. DATA CLEANING (PEMBERSIHAN DATA)
• 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
• Caranya dengan
1. Possible code cleaning. Perbaikan pada kode yang jelas tidak
mungkin akibat salah memasukkan kode

8. 2. Contingency cleaning. Kesalahan yang terjadi akibat struktur
hanya khusus dijawab oleh sebagian orang saja, sedangkan
yang lain tidak. Misalnya pertanyaan tentang jumlah anak
yang dimiliki oleh seorang perempuan. Pertanyaan ini khusus
ditanyakan pada perempuan. Namun, adakalanya terdapat
pula keteledoran sehingga responden yang laki-laki pun juga
ditanya
3. Modifikasi (melakukan pengkodean kembali data yang asli)

9. Contoh Kuesioner
No Pertanyaan Jawaban
1 Apakah Bapak/Ibu memiliki Kartu Indonesia
Sehat?
a) Ya
b) Tidak
2 Apakah Bapak/Ibupernah memanfaatkan KIS
untuk mendapatkan layanan kesehatan di faskes
tingkat pertama (misal Puskesmas)?
a) Ya
b) Tidak
3 Apakah Bapak/Ibu mengetahui tentang Program
Kompensasi Pengurangan Subsidi BBM Bidang
Kesehatan?
a) Ya
b) Tidak
4 Apakah layanan yang diberikan oleh Puskesmas a) Terbatas pada
pemeriksaan
kesehatan
b) Semua jenis layanan
Puskesmas
5 Apakah Bapak/Ibu perlu membayar biaya
tambahan selama berobat dengan KIS
a) Ya
b) Tidak

10. Data Coding
No Variabel Kode
1 Kepemilikan KIS 1. Ya
2. Tidak
2 Pemanfaatan KIS 1. Ya
2. Tidak
3 Pengetahuan tentang Program
Kompensasi Subsidi BBM
1. Ya
2. Tidak
4 Jenis Layanan di Faskes
Pertama
1. Terbatas pada pemeriksaan
kesehatan
2. Semua jenis layanan
Puskesmas
5 Biaya Tambahan berobat 1. Ya
2. Tidak

11. Data Entering Jawaban Responden
Responden Jawaban atas Pertanyaan
1 2 3 4 5
1 a a a a a
2 b b a b b
3 a b a b b
4 a a b a a
5 b a a a a
6 a a b b b

12. Responden Jawaban atas Pertanyaan
1 2 3 4 5
1 1 1 1 1 1
2 2 2 1 2 2
3 1 2 1 2 3
4 1 1 2 1 1
5 2 1 1 1 1
6 1 1 2 2 2
Data Coding Jawaban Responden

13. • Possible Code Cleaning: dapat ditemukan pada responden
nomor 3 variabel 03, yakni angka 3. Nilai 3 tidak ada dalam
buku koding. Yang tersedia dalam buku koding adalah kode 1
& 2.
• Contingency Cleaning : ditemukan pada responden nomor 5
variabel 02, 04, dan 05. Saat responden menjawab tidak pada
variabel 01 (kode 2) seharusnya responden tidak dapat
menjawab pertanyaan selanjutnya kecuali variabel 03
(pengetahuan tentang program kompensasi BBM).

14. MENANGANGI RESPON ITEM KOSONG (KUESIONER)
• Untuk item skala interval dengan nilai tengah adalah
memberikan nilai tengah sebagai nilai item kosong tersebut.
• Membiarkan komputer mengabaikan respons kosong saat
analisis  ukuran sampel berkurang
• Memberikan nilai rata-rata dari seluruh nilai item yang
dijawab sebagai nilai pada item respon yang kosong
• Memberikan nilai rata-rata respon seluruh item yang dijawab
responden yang mengosongkan item tersebut sebagai nilai
item respon yang kosong
• Memberikan sebuah angka acak pada nilai item respon yang
kosong yang masuk dalam kisaran skala yang digunakan
• Menggunakan bantuan software untuk mengatasi hal
tersebut (misal SPSS)

15. PENYAJIAN DATA

16. PENYAJIAN DATA DALAM BENTUK TABEL
• Umumnya disajikan dalam bentuk tabel atau distribusi
frekuensi dan tabulasi silang (crosstab).
• Tabel frekuensi menyajikan daftar frekuensi yang dapat
memberikan gambaran yang khas tentang keragaman data.
• Distribusi frekuensi dapat dibagi menjadi
1. Distribusi frekuensi kualitatif. Skala pengukuran yang
dipergunakan untuk data kualitatif adalah skala nominal dan
ordinal
2. Distribusi frekuensi numerikal/kuantitatif adalah distribusi
frekuensi yang pembagian kelas-kelasnya berupa angka-angka
atau secara kuantitatif

17. Tabel Frekuensi
Kategori Frekuensi Persentase
Laki-laki 250 62,5%
Perempuan 150 37,5%
Interval Kelas Batas Kelas Titik Tengah Kelas Frekuensi
120 -124 119,5 -124,5 122 2
125 -129 124,5 -129,5 127 4
130 – 134 129,5 – 134,5 132 9
135 – 139 134,5 – 139,5 137 10
140 – 144 139,5 – 144,5 142 8
145 – 149 144,5 – 149,5 147 4
150 – 154 149,5 – 154,5 152 3
Tabel Distribusi Frekuensi Kuantitatif Tinggi Badan
Tabel Distribusi Frekuensi Kualitatif Jenis Kelamin

18. Tabulasi Silang (Cross Tabulation)
• Cross tab digunakan untuk menampilkan distribusi bersama
atau deskripsi statistik bivariat (dua variabel) jenis kategori
(kualitatif)
• Cross tab selanjutnya dapat digunakan untuk menguji
hubungan antara dua variabel atau lebih
Banyaknya waktu menonton
televisi per minggu Total
Jenis Kelamin < 25 jam > 25 jam
Laki-laki 28 18 46
Perempuan 21 33 54
Total 49 51 100
Tabulasi Silang Banyaknya waktu menonton televisi Berdasarkan Jenis
Kelamin

19. PENYAJIAN DATA DALAM BENTUK METODE GRAFIS
Skala Grafik
Nominal - Pie Chart
- Bar Chart
Ordinal - Pie Chart
- Bar Chart
Interval - Histogram
- Ogive
- Poligon
Rasio - Histogram
- Poligon
- Ogive
- Box Plot
- Stem-leaf plot
- Scatter Plot

20. Contoh Grafis

22. Anscombe Quartet
• Pentingnya melakukan plotting data sebelum menganalisisnya
• Pengaruh adanya pengamatan yang bersifat outlier (pencilan)
dan influential

24. Statistik
Deskriptif
Ukuran Kecenderungan
Pusat
Mean
Median
Modus
Ukuran Penyebaran
(Variabilitas
Range
Inter Quartile Range
Standar Deviasi
Variansi

25. STATISTIK - UKURAN KECENDERUNGAN PUSAT
 Median = nilai tengah distribusi (persentil 50)
 Modus = nilai pengamatan yang paling sering keluar
 Mean = Rataan Aritmetik

26. STATISTIK - UKURAN KECENDERUNGAN PENYEBARAN
Digunakan untuk menjelaskan perbedaan khas antara nilai-nilai
dalam suatu himpunan nilai

27. STATISTIK INFERENSIAL
Uji Hipotesis Tunggal
• Rataan 1 Populasi
• Proporsi 1 Populasi
Perbandingan / Komparasi
• Perbandingan dua kelompok
• Perbandingan > 2 kelompok
Analisis Korelasi
Analisis Regresi

28. Teknik Analisis Korelasi

29. Teknik Analisis Perbandingan

30. Uji-uji Asumsi
Uji Prasyarat
Alat Uji / Statistik / Nilai
Acuan
Normalitas Uji Z, Uji Residual (error)
dalam Analisis Regresi
Kolmogorov Smirnov, QQ-
Plot, Shapiro Wilk
Homogenitas Variansi ANAVA, Analisis Regresi Levene, Bartlett
Linearitas Linearity Test
Pearson Correlation
Multikolinearitas Hubungan antar variabel
independen dalam analisis
multi regresi tidak terjadi
Tolerance, Variation
Inflation Factor (VIF)
Heterokesdasitas Residual dalam analisis
regresi tidak berpola
tertentu
Scatter Plot, Spearman
Rank
Auto Korelasi Hubungan antara residual
dalam analisis regresi tidak
berpola menurut waktu
Durbin Watson

31. Referensi
• Uma Sekaran, 2007, Research Methods for Business: A skill
building approach, John Wiley & Sons
• Auditya Sutarto, 2019, Statistik dan Probabilitas untuk Sains,
Pustaka Baru, Yogyakarta
• Priyono, 2016, Metodologi Penelitian Kuantitatif, Zifatama
Publishing
• Field, A., 2005, Discovering Statistics using SPSS, Sage
Publication