Dokumen ini membahas analisis data melalui proses penyederhanaan dan interpretasi, dengan fokus pada statistik yang digunakan dalam penelitian kualitatif dan kuantitatif. Terdapat penjelasan tentang statistik deskriptif dan inferensial, serta berbagai metode yang digunakan untuk menganalisis data, termasuk t-test dan ANOVA. Selain itu, dokumen juga menjelaskan perbedaan dalam analisis data kualitatif dan kuantitatif serta aplikasi perangkat lunak statistik yang dapat digunakan.

1. Analisis Data dan Interpretasi
Kartika Aji Lukitasari (135020201111085)
Maulana Eka Surya (135020200111075)

2. Analisis Data
• Analisis data adalah proses penyederhanaan
data ke dalam bentuk yang lebih mudah
dibaca dan diinterpretasikan. Dalam proses ini
digunakan statistik.
• Salah satu fungsi pokok statistik adalah
menyederhanakan data penelitian yang
jumlahnya besar, menjadi informasi yang lebih
sederhana dan lebih mudah untuk dipahami.

3. 4 Tahap Analisis Data
1. Menyiapkan data untuk analisis,
2. Mendapatkan perasaan terhadap data (feel
for data)
3. Menguji ketepatan data (goodness of data)
4. Menguji hipotesis

4. Menyiapkan Data Untuk Analisis
• Mengedit data
• Menangani respons kosong
• Mengodekan
• Kategorisasi
• Memasukkan data

5. Tujuan Analisis data
1. Mendapatkan perasaan terhadap data
2. Menguji ketepatan / kualitas / keandalan
data
3. Menguji hipotesis penelitian

6. Analisis Data
• Dalam penelitian kualitatif, analisis data dapat
dilakukan pada saat maupun setelah data
dikumpulkan
• Dalam penelitian kuantitatif, analisis data
dilakukan setelah seluruh data dikumpulkan

7. Analisis data Kuantitatif
• Karena data kuantitatif adalah informasi yang
diungkapkan melalui angka-angka bukan kata-kata
seperti halnya data yang terdapat pada penelitian
kualitatif, maka analisis data kuantitatif selalu
berkenaan dengan prosedur statistik (statistical
procedure).
• Oleh sebab itu, analisis data kuantitatif tidak lain
adalah prosedur statistik (statistical procedure) atau
analisis statistic (statistical analysis) itu sendiri.

8. Analisis Data
Pada Penelitian Kuantitatif
• Dilakukan dengan perhitungan statistik
– Statistik Deskriptif (Descriptive Statistics)
– Statistitik Inferential (Inferential Statistics)
• Parametrik (untuk data interval dan rasio)
• Non-parametrik (untuk data nominal dan ordinal)

9. Statistik Diskriptif
• memungkinkan seorang peneliti untuk
mengorganisir, merangkum, dan
menggambarkan observasi yang dia lakukan

10.  Statistik diskriptif digunakan untuk memberi gambaran dan
menyajikan ringkasan data dari populasi sehingga informasi
apa adanya dari data tersebut bisa diperoleh dengan
sistematis dan jelas.
• Gambaran informasi itu bisa berupa:
1) distribusi frekuensi,
2) presentasi grafik,
3) measure of central tendency (mean-nilai rerata, median-nilai
tengah, mode-nilai paling sering muncul), atau
4) measure of variability (Range-perbedaan nilai tertinggi dan
terendah, standar deviasi).
• Selain itu, statistik diskriptif bisa digunakan untuk menyajikan
data dalam bentuk tabel (tabulasi) yang pada dasarnya adalah
menghitung data dan memasukkan data ke dalam tabel
berdasarkan kategori tertentu.

11. Pertanyaan Penelitian yg
menggunakan Statistik Diskriptif
• Faktor-faktor apa
sajakah yang
mempengaruhi X?
• Bagaimana pemahaman
X tentang Y?
• Bagaimana Sikap X
terhadap Y?
• Descriptive Statistics
- Frequency
- rerata
- grafik
- dll

12. Statistik Inferensial
• Statistik inferensial adalah metode statistik yang
berguna untuk membuat inferensi tentang populasi
dari probibilitas sampel.
• Metode ini digunakan untuk menggambarkan
populasi hanya dengan menggunakan informasi dari
observasi yang dilakukan terhadap probibilitas
sampel dari kasus yang diambil dari populasi.
• Statistik inferensial memiliki dua metode, yaitu:
1) statistik non-parametrik, dan
2) statistik parametrik.

13. DATA
DISTRIBUSI
STATISTIK
PARAMETRIK STATISTIK
NON-PARAMETRIK
Normal Tidak Normal

14. Penggunaan Statistik Parametrik
Dan Non-parametrik
Statistik parametrik
• Digunakan untuk menganalisis data Interval
dan rasio
• Memerlukan beberapa asumsi, yaitu: Data
berdistribusi normal, linieritas.
Statistik non-parametrik
• Digunakan untuk menganalisis data Nominal
dan ordinal

16. Statistik Parametrik
• The Comparison of Groups (Compare Mean)
t-test
Anova
Manova
• Measure of Association between Two or more
Variables (Correlate)
Pearson’s Product Moment
Regression
Canonical Correlation Analysis

17. Compare mean
• t-test =alat untuk menguji hipotesis untuk dua
mean.
• t-test untuk independent sample artinya t-test
untuk mean dari dua kelompok yang berbeda
yang memperoleh perlakuan
• t-test untuk dependent sample artinya t-test
untuk mean dari kelompok yang sama dari
dua perlakuan yang berbeda.

18. Lanjutan
• Analysis of Variance (ANOVA) adalah alat
menguji hipotesis untuk mean lebih dari dua.
• Multifactor Analysis of variance/ Factorial
Analysis adalah alat untuk menganalisis efek
interaksi lebih dari dua variabel.

19. Correlate
• Pearson’s Product Moment adalah untuk mencari
koefisien korelasi dari variabel data interval atau
rasio
• Regression adalah untuk mengetahui bagaimana
variabel dependent dapat diprediksi melalui
veriabel independent, secara individu atau
bersama.
• Canonical Correlation Analysis digunakan untuk
tujuan menganalisis beberapa variabel terikat
(dependent variable) dan beberapa variabel
bebas (independent variable). .

20. Experimental/Ex post facto
• Apakah ada perbedaan
signifikan antara X dan
Y?
• Apakah ada perbedaan
antara X, Y, and Z?
• Apakah ada perbedaan
antara X dan A, X dan B,
X dan C; Y dan A, Ydan
B, Y dan C?
• T-test
• ANOVA
• MANOVA/Factorial

21. Correlational
• Apakah terdapat hubungan
antara X dan Y?
• Apakah terdapat hubungan
antara X1 dan Y? X2 dan Y, atau
X1 dan X2 dengan Y secara
bersama-sama?
• Apakah terdapat hubungan
antara X1 dan Y1? X2 dan Y1, atau
X1 dan Y2 atau X2 dan Y2, atau X2
dan Y1, X2 dan Y2?
• Pearson Product Moment
Correlation
• Regression
• Canonical Correlation Analysis

22. Statistik Non-parametrik
• Dua sampel saling berhubungan (two
dependent samples)
• Dua sampel tidak berhubungan (two
independent samples)
• Beberapa sampel berhubungan (several
dependent samples)
• Beberapa sampel tidak berhubungan
(several independent samples)
• Sign test
• Wilcoxon Signed-Rank
• Mc Nemar Change test
• Mann-Whitney U test
• Moses Extreme reactions
• Chi-Square test
• Kolmogorov-Smirnov test
• Walt-Wolfowitz runs
• Friedman test
• Kendall W test
• Cochran’s Q
• Kruskal-Wallis test
• Chi-Square test
• Median test

23. Analisis data kualitatif
• Adalah suatu proses pelacakan dan
pengaturan secara sistematis materi data yang
terkumpul dari berbagai teknik pengumpulan
data kualititatif seperti transkrip wawancara,
catatan lapangan, observasi partisipan atau
bahan-bahan lain.
• Tujuan dari proses ini tidak lain adalah agar
seorang peneliti bisa menyajikan informasi
temuan dalam penelitiannya secara bermakna

24. Pertanyaan penelitian Kualitatif
• Bagaimana….
• Mengapa….
• Apa yang mendasari…
• Bagaimana proses…
• Bagaimana makna…
• dsb
• Analisis data kualitatif

25. (Miles and Huberman, 1984)
• Data Reduction
(Focusing, simplifying, abstracting and transforming
the raw data to find out the information from the
data)
• Data Display
(Showing an organized assembly of information
taken from the data reduction i.e.. metrics, graphs,
or charts))
• Conclusion: Drawing
(Conclusions and propositions are drawn and
theoretical implications are made)

26. (Ary et al, 2001)
• 1) organizing,
• 2) summarizing, dan
• 3) interpretating.

27. Organizing
• Suatu proses dimana peneliti mulai melakukan klasifikasi data
untuk mencari pola-pola.
• Pada langkah ini peneliti mulai mengembangkan kategori
untuk membuat klasifikasi informasi yang diperoleh.
• Klasifikasi tersebut bisa berupa gagasan, konsep, kegiatan,
tema atau lokasi. Dengan membuat klasifikasi ini seorang
peneliti selanjutnya bisa mengidentifikasi unit-unit yang
bermakna dari informasi yang diperoleh dari data yang
diperoleh.
• Singkatnya, tujuan dari mengembangkan data coding ini
adalah untuk memunculkan sejumlah kategori yang akan
memberi rekonstruksi informasi yang logis dari data yang
sudah terkumpul

28. Summarizing
• Tahapan seorang peneliti kualitatif mulai melihat informasi
objektif yang terdapat dalam data yang sudah diklasifikasi.
• Dalam hal ini, peneliti memeriksa data yang dimasukkan ke
dalam kategori yang sama dan kemudian menggabungkannya
ke dalam satu pola dengan cara memahami hubungan antar
kategori atau pola.
• Selanjutnya, dibuat pernyataan tentang tema dan hubungan
yang terjadi pada data yang sudah diklasifikasikan tadi. Disini
seorang peneliti kualitatif akan mendapat informasi yang
sistematik dan bisa mensintesis informasi yang terdapat
dalam keseluruhan data.

29. Interpretating
• Langkah dimana seorang peneliti sudah harus
menarik makna dan pemahaman dari data
yang sudah terklasifikasi tersebut.
• Langkah ini meliputi refleksi dan abstraksi
makna yang penting dari pola dan kategori
data yang sudah dilakukan pada langkah-
langkah sebelumnya. Langkah terakhir ini
sudah menuju penafsiran data.

30. Interpretating
 Interpretasi data dapat dilakukan dengan dua cara:
1. Interpretasi secara terbatas, karena peneliti hanya melakukan
interpretasi atas data dan hubungan yang ada dalam
penelitiannya. Hal ini merupakan pengertian interpretasi
dalam arti sempit.
2. Peneliti mencoba untuk mencari pengertian yang lebih luas
tentang hasil yang didapatkannya dari analisis. Hal ini
dilakukan oleh peneliti dengan membandingkan hasil
analisisnya dengan kesimpulan peneliti lain dan dengan
menghubungkan kembali interpretasinya dengan teori.

31. Penafsiran Data
 Kualitatif:
• peneliti mulai menarik makna dari diskripsi data yang
ia berikan pada analisis data.
• Disinilah seorang peneliti melakukan proses induktif
(inductive process), yaitu menarik makna dari
hubungan dan aspek-aspek umum yang tergambar
dalam kategori-kategori dan pola-pola yang muncul
dari data.
• Penafsiran data kualitatif sangat dipengaruhi oleh
latar belakang, pengetahuan, dan orientasi teori
peneliti serta kemampuan intelektualnya dalam
menarik makna dari analisis data

32.  Kuantitatif:
• pada penelitian kuantitatif penafsiran data lebih
mengarah pada proses deduktif yaitu, verifikasi teori
dengan melakukan uji hipotesis (hypothesis testing).
• Karena pada penelitian kuantitatif prosedur statistik
dominan dilakukan maka uji hipotesis ini menjadi
sangat penting pada penafsiran datanya.
• Namun tidak semua penelitian kuantitatif selalu
menggunakan hipotesis, karena itu ada penafsiran
penelitian exploratif dan diskriptif tanpa hipotesis
yang penafsirannya tidak memerlukan uji hipotesis.
• Dalam penelitian eksploratif-diskriptif, penafsiran
data di lakukan dari apa yang tergambar dalam
statistik diskriptif sehingga tidak menarik kesimpulan
dari inferensi.

33. Compare Mean
* menentukan H0 dan H
* menentukan nilai statistik tabel
* menentukan nilai statistik hitung.
* mengambil keputusan dengan cara:
• 1 ) Berdasarkan perbandingan nilai t hitung/angka t
output (statistik hitung) dan t table (statistik tabel),
yaitu jika t hitung > t tabel, maka H0 ditolak; dan
jika t hitung < t tabel, maka H0 diterima.
• 2) Berdasarkan nilai probabilitas, yaitu jika
probabilitas > 0.05 maka H0 diterima; dan jika nilai
probabilitas < 0.05 maka H0 ditolak.

34. Korelasi
* menentukan H0 dan H1
* menentukan keputusan dengan cara:
• 1) Berdasarkan angka korelasi, yaitu angka korelasi berkisar
pada 0 (tidak ada korelasi sama sekali) dan 1 (korelasi
sempurna), sedangkan tanda negatif (-) pada output
menunjukkan adanya arah yang berlawanan dan tanda positif
(+) menunjukkan arah yang sama.
• 2) Berdasarkan signifikansi hasil korelasi, yaitu menggunakan
nilai probabilitas dalam output korelasi (jika probabilitas >
0.05 maka H0 diterima; dan jika nilai probabilitas < 0.05 maka
H0 ditolak).

35. Aplikasi Pemrosesan Data
• Beberapa paket aplikasi statistik yang dapat
digunakan untuk analisis data dengan
komputer, antara lain: SPSS, SAS, Stat-Easy dan
Minitab.
• Diantara program aplikasi tersebut yang sering
digunakan dalam penelitian bisnis adalah
Statistical Package for the Social Sciences
(SPSS) dan Statistical Analysis System (SAS).