5. DATA & VARIABEL
• Data adalah sekumpulan datum yang
berisi fakta-fakta serta gambaran suatu
fenomena yang dikumpulkan,
dirangkum, dianalisis dan selanjutnya
diinterpretasikan.
• Variabel adalah karakteristik data yang
menjadi perhatian.
6. DATA MENURUT SKALA
PENGUKURAN
a. Nominal, sifatnya hanya untuk membedakan antar
kelompok.
Contoh: Jenis kelamin,
Jurusan dalam suatu sekolah tinggi
(Manajemen, Akuntansi).
b. Ordinal, selain memiliki sifat nominal, juga menunjukkan
peringkat.
Contoh: Tingkat pendidikan (SD, SMP, SMA),
Ranking
7. DATA MENURUT SKALA
PENGUKURAN (L)
c. Interval, selain memiliki sifat data ordinal, juga
memiliki sifat interval antar observasi dinyatakan
dalam unit pengukuran yang tetap.
Contoh: Nilai Test
d. Rasio, selain memiliki sifat data interval, skala rasio
memiliki angka 0 (nol) dan perbandingan antara dua
nilai mempunyai arti.
Contoh: Temperatur
Berat badan,
8. JENIS DATA MENURUT
SIFATNYA
1. Kualitatif
– Berupa label/nama-nama yang digunakan untuk
mengidentifikasikan atribut suatu elemen
– Skala pengukuran: Nominal atau Ordinal
– Data bisa berupa numeric atau nonnumeric
2. Kuantitatif
– Mengindikasikan seberapa banyak (how
many/diskret atau how much/kontinu)
– Data selalu numeric
– Skala pengukuran: Interval dan Rasio
9. JENIS DATA MENURUT WAKTU
PENGUMPULANNYA
1. Cross-sectional Data
yaitu data yang dikumpulkan pada waktu tertentu
yang sama atau hampir sama
Contoh: Jumlah mahasiswa STEKPI TA 2005/2006,
Jumlah perusahaan go public tahun 2006
2. Time Series Data
yaitu data yang dikumpulkan selama kurun
waktu/periode tertentu
Contoh: Pergerakan nilai tukar rupiah dalam 1 bulan,
Produksi Padi Indonesia tahun 1997-2006
10. CARA PENYAJIAN DATA
1. Tabel
– Tabel satu arah (one-way table)
– Tabulasi silang (lebih dari satu arah (two-way table), dst.)
– Tabel Distribusi Frekuensi
2. Grafik
– Batang (Bar Graph), untuk perbandingan/pertumbuhan
– Lingkaran (Pie Chart), untuk melihat perbandingan (dalam
persentase/proporsi)
– Grafik Garis (Line Chart), untuk melihat pertumbuhan
– Grafik Peta, untuk melihat/menunjukkan lokasi
11.
12.
13. MANFAAT
TABEL DAN GRAFIK
• Meringkas/rekapitulasi data, baik data kualitatis maupun
kuantitatif
– Data kualitatif berupa distribusi Frekuensi, frekuensi
relatif, persen distribusi frekuensi, grafik batang, grafik
lingkaran.
– Data kuantitatif berupa distribusi frekuensi, relatif
frekuensi dan persen distribusi frekuensi, diagram/plot
titik, histogram, distribusi kumulatif, ogive.
• Dapat digunakan untuk melakukan eksplorasi data
• Membuat tabulasi silang dan diagram sebaran data
14. GRAFIK BATANG
(BAR GRAPH)
• Bermanfaat untuk merepresentasikan data kuantitatif
maupun kualitatif yang telah dirangkum dalam frekuensi,
frekuensi relatif, atau persen distribusi frekuensi.
• Cara:
– Pada sumbu horisontal diberi label yang menunjukkan
kelas/kelompok.
– Frekuensi, frekuensi relatif, maupun persen frekuensi
dinyatakan dalam sumbu vertikal yang dinyatakan dengan
menggunakan gambar berbentuk batang dengan lebar yang
sama/tetap.
15.
16. GRAFIK LINGKARAN
(PIE CHART)
• Digunakan untuk mempresentasikan distribusi frekuensi
relatif dari data kualitatif maupaun data kuantitatif yagn
telah dikelompokkan.
• Cara:
– Gambar sebuah lingkaran, kemudian gunakan
frekuensi relatif untuk membagi daerah pada lingkaran
menjadi sektor-sektor yang luasnya sesuai dengan
frekuensi relatif tiap kelas/kelompok.
– Contoh, bila total lingkaran adalah 360o maka suatu
kelas dengan frekuensi relatif 0,25 akan membutuhkan
daerah seluas (0,25)(360) = 90o dari total luas lingkaran.
17.
18. OGIVE
• Merupakan grafik dari distribusi frekuensi kumulatif.
• Nilai data disajikan pada garis horisontal (sumbu-x).
• Pada sumbu vertikal dapat disajikan:
– Frekuensi kumulatif, atau
– Frekuensi relatif kumulatif, atau
– Persen frekuensi kumulatif
• Frekuensi yang digunakan (salah satu diatas)masing-masing
kelas digambarkan sebagai titik.
• Setiap titik dihubungkan oleh garis lurus.
20. DIAGRAM SCATTER
• Diagram scatter (scatter diagram) merupakan metode
presentasi secara grafis untuk menggambarkan
hubungan antara dua variabel kuantitatif.
• Salah satu variabel digambarkan pada sumbu
horisontal dan variabel lainnya digambarkan pada
sumbu vertikal.
• Pola yang ditunjukkan oleh titik-titik yang ada
menggambarkan hubungan yang terjadi antar
variabel.
21. POLA HUBUNGAN PADA
DIAGRAM SCATTER
xx
yy
xx
yy
xx
yy
Hubungan Positif
Jika X naik, maka
Y juga naik dan
jika X turun, maka
Y juga turun
Hubungan Negatif
Jika X naik, maka
Y akan turun dan
jika X turun, maka
Y akan naik
Tidak ada hubungan
antara X dan Y
23. DISTRIBUSI FREKUENSI
• Merupakan tabel ringkasan data yang menunjukkan
frekuensi/banyaknya item/obyek pada setiap kelas
yang ada.
• Tujuan: mendapatkan informasi lebih dalam tentang
data yang ada yang tidak dapat secara cepat diperoleh
dengan melihat data aslinya.
24. DISTRIBUSI FREKUENSI
RELATIF
• Merupakan fraksi atau proporsi frekuensi setiap kelas
terhadap jumlah total.
• Distribusi frekuensi relatif merupakan tabel ringkasan
dari sekumpulan data yang menggambarkan
frekuensi relatif untuk masing-masing kelas.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
40. Tabulasi Silang
• Tabulasi Silang : merupakan cara termudah melihat hubungan dalam sejumlah
data dengan perhitungan persentase.
• Variabel-variabel yang dipaparkan dalam suatu tabel tabulasi silang berguna
untuk : 1) menganalisis hubungan-hubungan antar variabel yang terjadi. 2) melihat
bagaimana kedua atau beberapa variabel berhubungan. 3) mengatur data untuk
keperluan analisis statistik. 4) untuk mengadakan kontrol terhadap variabel
tertentu sehingga dapat dianalisis tentang ada tidaknya hubungan palsu (spurious
relations). 5) untuk mencek apakah terdapat kesalahan-kesalahan dalam kode
atau pun jawaban dari daftar pertanyaan (kuesioner).
• Contoh : Seorang peneliti melakukan tabulasi silang antara variabel FULTIM
(apakah responden saat ini bekerja full time) dan WORKEXP (apakah responden
mempunyai pengalaman kerja sebelumnya)
• Dalam Tabel berikut ini menunjukkan Tabulasi Silang mengenai hal ini, dimana :
IV = Independent Variable
DV = Dependent Variable
Kolom 1 menunjukkan jawaban Ya terhadap pertanyaan mengenai status
pekerjaan full time. Ada 55 responden menjawab Ya atas pertanyaan ini. Masing-masing
sel dalam baris juga menyajikan informasi tambahan. Dalam sel 11,
misalnya ada 33 diantara yang menjawab Ya terhadap pertanyaan status
pekerjaan full time juga mempunyai pengalaman kerja. Selain itu, 22 responden
dengan pengalaman kerja sebelum saat ini tidak bekerja full time.
41. Kerja Full Time dan Pengalaman Kerja :
Tabulasi Silang 2x2
Independent
Variable (IV)
Dependent
Variable (DV)
Saat ini Bekerja Full
Time (FULTIM)
Dependent
Variable (DV)
Saat ini Bekerja Full
Time FULTIM)
Total
Pengalaman
Kerja Sebelum-nya(
WORKEXP)
Ya Tidak
Ya
33
60 %
A
22
40 %
B
55
Tidak
17
38 %
C
28
62 %
D
45
Total 50 50 100
42. Korelasi Kontinjensi (Contingency Correlatio
( 1 )
• Kendati Tabel Tabulasi Silang tersebut diatas
menunjukkan suatu hubungan antara dua variabel,
namun tidak menunjukkan rangkuman indikator
kekuatan hubungan. Untuk mengukur kekuatan
hubungan digunakan Koefisien Phi.
• Rumus untuk menghitung Phi adalah :
Phi = BC – AD
√(A + C)(B + D)(B + A)(D + C)
43. Korelasi Kontijensi ( 2 ): Tahap Untuk Menghitung Phi :
1. Letakkan frekuensi dalam bentuk tabel :
Variabel Y Variabel Y Total
Variabel X B A B + A
Variabel X D C D + C
Total B + D A + C N
FULTIM FULTIM Total
WORKEXP 22 33 55
WORKEXP 28 17 45
Total 50 50 100
44. Korelasi Kontijensi ( 3 )
2. Hitung Koefisien Phi dengan rumus :
Phi = BC - AD
√(A+B) (B+D) (B+A) (D+C)
= 22(17) - 33(28) = - 0,22
√50(50)(45)(55)
Nilai Koefisien Phi besarnya antara – 1 s/d 1. Semakin mendekati 1
menunjukkan hubungan antara dua variabel yang semakin kuat. Pada
kasus diatas hubungan antara FULTIM dan WORKEXP adalah moderat.
45. Korelasi Spearman Rank
• Mengukur hubungan antara dua variabel ordinal kadang-kadang perlu
dilakukan. Bila peneliti tidak dapat mengasumsikan bahwa variabel-variabel
tersebut memiliki ciri interval (skala nilai), maka cara yang tepat untuk
mengukur asosiasi hubungan adalah dengan Korelasi Spearman Rank atau
Kendall Tau.
• Untuk menghitung koefisien ini pengukuran harus diranking untuk setiap
variabel dan perbedaan skor dihitung. Rumus untuk menghitung koefisien
korelasi Spearman Rank (Rho) adalah :
Rho = 1 - 6 Σd²
N (N² - 1)
di mana N = Jumlah Ranking
d = Perbedaan antar ranking dalam dua distribusi ranking.
46. Uji Perbedaan
Deteksi mengenai perbedaan antar kelompok amat berguna bagi peneliti
bisnis. Manajer dapat memperoleh informasi yang amat bermanfaat dari jenis
analisis ini.
Tingkat
Pengukuran
Kasus Satu
Sampel
Dua Sampel
Sampel Bebas
Dua Sampel
Sampel
Terikat
Klasifikasi
Statistik
Nominal Uji hipotesis yang
meliputi proporsi
sampel :
Uji Chi-Square (X²)
Uji hipotesis yang
melibatkan dua
proporsi sampel :
Analisis Tabel
Kontijensi
Uji Mc Nemar Non
Parametrik
Ordinal Kolmogorov -
Smimov
Mann-Whitney , Uji
Median, Kruskal
Wallis
Wilcoxon
signed rank
Non
Parametrik
Interval dan
Rasio
Uji hipotesis yang
meliputi suatu
sampel statistik
(uji-t)
Uji X²
Uji t untuk
perbedaan
UjiF(Independensi)
Uji t (d)
UjiF(Independ
ensi)
Parametrik
Parametrik