Dokumen ini menjelaskan langkah-langkah analisis data kuantitatif, mulai dari pengkodean data hingga penyajian hasil analisis baik univariat, bivariat, maupun multivariat. Proses penting mencakup pemindahan data ke komputer, pembersihan data, dan interpretasi hasil melalui berbagai metode statistik. Selain itu, dokumen juga membahas kesalahan yang mungkin terjadi selama pembersihan data dan pentingnya analisis teoritis dalam penelitian kuantitatif.

1. Langkah-Langkah dalam
Analisis Data Kuantitatif
1. Data Coding
2. Data Entering
3. Data Cleaning
4. Data Output
5. Data Analyzing

2. 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

3. 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.

4. 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.

5. 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.

6. 2 Tipe Kesalahan dalam Data
Cleaning
1. Possible Code Cleaning : kesalahan yang
diakibatkan oleh peneliti ketika
memasukan data ke dalam mesin
pengolah data.
2. Contingency Cleaning: Kesalahan yang
diakibatkan oleh adanya struktur
kuesioner yang hanya khusus digunakan
dijawab oleh sebagian orang saja,
sedangkan yang lain tidak.

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

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

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

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

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

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

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

14. Tabel frekuensi
Kategori Frekuensi Persentase
Laki-laki 125 62,5%
Perempuan 75 37,5%
Jumlah 200 100%

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

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

17. Diagram Lingkaran
PIlihan Partai Politik
PPP
PKB
PDIP

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

19. Diagram Area
Tabungan
20
19
18
16
15
14
12
11
8
6
5
4
2
Count
30
20
10
0
Jenis Kelamin
Perempuan
Laki-Laki

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

21. Deskriptif
Descriptive Statistics
70 3.91 2.749 7.558
70 2.43 1.470 2.161
70 7.63 5.253 27.599
70 1.44 .500 .250
70 2.01 .789 .623
70
VAR001 Pendapatan
(jutaan)
VAR002 Lama Kerja (
tahun )
VAR003 Tabungan
VAR004 Jenis Kelamin
VAR00001 Pilihan
Partai Politik
Valid N (listwise)
N Mean Std. Deviation Variance

22. Deskriptif
Descriptive Statistics
70 3.91 .575 .287 -1.194 .566
70 2.43 .426 .287 -.632 .566
70 7.63 .911 .287 -.432 .566
70 1.44 .235 .287 -2.003 .566
70 2.01 -.026 .287 -1.384 .566
70
VAR001 Pendapatan
(jutaan)
VAR002 Lama Kerja (
tahun )
VAR003 Tabungan
VAR004 Jenis Kelamin
VAR00001 Pilihan
Partai Politik
Valid N (listwise)
Statistic Statistic Statistic Std. Error Statistic Std. Error
N Mean Skewness Kurtosis

23. Tabulasi Silang
VAR004 Jenis Kelamin * VAR00001 Pilihan Partai Politik Crosstabulation
20 14 5 39
28.6% 20.0% 7.1% 55.7%
1 13 17 31
1.4% 18.6% 24.3% 44.3%
21 27 22 70
30.0% 38.6% 31.4% 100.0%
Count
% ofTotal
Count
% ofTotal
Count
% ofTotal
1 Laki-Laki
2 Perempuan
VAR004 Jenis
Kelamin
Total
1 PDIP 2 PKB 3 PPP
VAR00001 Pilihan Partai Politik
Total

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

25. Chi-Square Tests
.906b 1 .341
.711 1 .399
.931 1 .335
.385 .201
.905 1 .341
919
Pearson Chi-Square
Continuity Correction
a
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
Value df
Asymp. Sig.
(2-sided)
Exact Sig.
(2-sided)
Exact Sig.
(1-sided)
Computed onlyfor a 2x2 table
a.
0 cells (.0%) have expected count less than 5. The minimum expected count is
32.37.
b.
Hasil Output SPSS uji chi
Square

26. UJI KORELASI
Correlations
1 .910** .698**
. .000 .000
70 70 70
.910** 1 .719**
.000 . .000
70 70 70
.698** .719** 1
.000 .000 .
70 70 70
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
VAR003 Tabungan
VAR001
Pendapatan (jutaan)
VAR002 Lama Kerja
( tahun )
VAR003
Tabungan
VAR001
Pendapatan
(jutaan)
VAR002
Lama Kerja (
tahun )
Correlation is significant at the 0.01 level (2-tailed).
**.

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

28. Uji Regresi
ModelSummary
.910a .828 .825 2.195
Model
1
R R Square
Adjusted
R Square
Std.Error of
the Estimate
Predictors:(Constant), VAR001 Pendapatan (jutaan)
a.

29. Uji Regresi
ANOVAb
1576.715 1 1576.715 327.251 .000a
327.628 68 4.818
1904.343 69
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), VAR001 Pendapatan (jutaan)
a.
Dependent Variable: VAR003 Tabungan
b.

30. Uji Regresi
Coefficientsa
.822 .459 1.793 .077
1.739 .096 .910 18.090 .000
(Constant)
VAR001
Pendapatan (jutaan)
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: VAR003 Tabungan
a.

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

32. 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.

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

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

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