ANALISIS DATA INFERENSIA

Adalah merupakan analisis yang menggunakan statistic inferensia yang berkaitan dengan
pengambilan keputusan dari data yang telah dicatat dan diringkas. Pada prinsipnya, kegiatan
inferensia adalah kegiatan untuk menggambarkan ciri sebuah populasi berdasarkan dari data
sampel, sehingga ada yang disimpulkan pada sampel akan dianggap berlaku pada populasi secara
keseluruhan.

1. PENGUJIAN HIPOTESIS UNTUK ANALISIS DATA RISET

Pengujian hipotesis merupakan suatu asumsi atau anggapan yang bisa benar atau bisa salah
mengenai suatu hal dan dibuat untuk menjelaskan suatu hal tersebut sehingga memerlukan
pengecekan lebih lanjut. Bila hipotesis yang dibuat itu secara khusus berkaitan dengan
parameter populasi, maka hipotesis itu disebut hipotesis statistik. Jadi hipotesis statistik adalah
suatu asumsi atau anggapan atau pernyataan atau dugaan mengenai satu atau lebih populasi.
Untuk suatu hipotesis yang dibuat, hanya dua kemungkinan yang akan kita putuskan, yaitu kita
akan menolak hipotesis atau kita akan menerima hipotesis, setelah kita manghitung statistik dari
sampel. Menolak hipotesis artinya kita menyimpulkan bahwa hipotesis tidak benar, sedangkan
menerima hipotesis artinya tidak cukup informasi/bukti dari sampel untuk menyimpulkan
bahwa hipotesis harus kita tolak. Artinya walaupun hipotesis itu kita terima, tidak berarti bahwa
hipotesis itu benar. Sehingga dalam membuat rumusan pengujian hipotesis, hendaknya selalu
membuat pernyataan hipotesis yang diharapkan akan diputuskan untuk ditolak. Hipotesis yang
dirumuskan dengan harapan untuk ditolak disebut hipotesis nol yang ditulis Ho. Penolakan
hipotesis nol akan menjurus pada penerimaan hipotesis alternatif atau hipotesis tandingan yang
ditulis H1 atau Ha .

Contoh :

1. Pengujian hipotesis bahwa suatu jenis obat baru lebih efektif untuk menurunkan berat
badan. Maka rumusan hipotesisnya adalah :

Ho : obat baru = obat lama

H1 : obat baru lebih baik dari obat lama

2. Pengujian hipotesis bahwa teknologi baru dapat meningkatkan kualitas buah-buahan.

Ho : teknologi baru = teknologi lama
H1 : teknologi baru = teknologi lama

3. Seorang dokter menyatakan bahwa, lebih dari 60% pasien yang menderita sakit paruparu di
suatu rumah sakit adalah karena merokok.
H0 : p = 0.6
H1 : p = 0.6

Dalam membuat rumusan pengujian hipotesis, hendaknya kita selalu membuat pernyataan
hipotesis yang diharapkan akan diputuskan untuk ditolak. Hipotesis yang dirumuskan dengan
harapan akan ditolak biasanya disebut sebagai hipotesis nol/awal, yang dilambangkan dengan
Ho . Ini menyatakan bahwa setiap hipotesis yang ingin diuji dinyatakan dengan Ho.
Penolakan Ho mengakibatkan penerimaan suatu hipotesis alternatif atau hipotesis tandingan
yang dilambangkan dengan H1 . Suatu Ho mengenai suatu parameter populasi akan selalu
dinyatakan sedemikian rupa sehingga parameter tersebut nilainya tertentu (satu nilai),
sedangkan H1 memungkinkan beberapa nilai. Ada beberapa dasar yang dapat digunakan untuk
merumuskan hipotesis, antara lain :

(1) berdasarkan pengetahuan yang diperoleh dari teori,

(2) berdasarkan hasil penelitian terdahulu,
(3) berdasarkan pengalaman, atau
(4) berdasarkan ketajaman berpikir.

Seperti telah dijelaskan sebelumnya bahwa kebenaran atau ketidakbenaran suatu hipotesis tidak
pernah diketahui secara pasti. Dengan adanya faktor ketidakpastian ini mengakibatkan
timbulnya suatu resiko/kesalahan yang harus ditanggung oleh pembuat keputusan itu sendiri.
Dalam pengujian hipotesis dikenal dua jenis kesalahan, yaitu kesalahan jenis I (galat I) dan
kesalahan jenis II (galat II). Galat I adalah kesalahan akibat menolak hipotesis nol, padahal
hipotesis nol benar. Sedangkan galat II adalah kesalahan akibat menerima hipotesis nol padahal
hipotesis nol tersebut salah.

Langkah-langkah pengujian hipotesis :

1. Rumuskan hipotesis yang akan diuji.

2. Tentukan taraf nyata
3. Pilih statistik uji yang sesuai kemudian pilih wilayah kritisnya (wilayah penolakan Ho)
4. Hitung nilai statistik uji berdasarkan data sampelnya
5. Keputusan : tolak Ho bila statistik uji tersebut jatuh dalam wilayah kritiknya, sedangkan bila
nilai itu jatuh diluar wilayah kritiknya terimalah Ho

Analisis Data Riset :

Analisis data bertujuan untuk menyusun data dalam cara yang bermakna sehingga dapat
dipahami. Para penelitiberpendapat bahwa tidak ada cara yang paling benar secara absolut untuk
mengorganisasi, menganalisis, dan menginterpretasikan data Karena itu, maka prosedur analisis
data dalam penelitian disesuaikan dengan tujuan penelitian.

Dalam konteks riset, kegiatan analisis merupakan suatu proses kerja dari rentetan tahapan
pekerjaan sebelum riset didokumentasikan melalui tahapan penulisan laporan. Analisis dapat
dilihat dari berbagai perspektif. Dilihat dari sisi mekanis dan substansif, seperti berikut :

Secara mekanis :

Didalam tahapan analisis akan terjadi :

- Perubahan angka dan catatan hasil pengumpulan data menjadi informasi yang lebih mudah
dipahami.
- Penggunaan alat analisis bermanfaat untuk membuktikan hipotesis ataupun pendeskripsian
variabel riset secara benar, bukan kebetulan.
- Interpretasi atas berbagai informasi itu, dalam kerangka yang lebih luas, atau inferensi ke
populasi, untuk menjawab pertanyaan-pertanyaan yang muncul.
 Secara substansif :

Di dalam tahapan analisis melakukan proses :

- Membandingkan dan mengtes teori atau konsep dengan informasi yang ditemukan.
- Mencari dan menemukan adanya konsep baru dari data yang dikumpulkan.
- Mencari penjelasan apakah konsep baru ini berlaku umum, atau baru terjadi bila ada
prakondisi tertentu (variabel antara).

2. PEMILIHAN METODE STATISTIK

Ada empat aspek penting yang harus dipertimbangkan sebelum periset menentukan metode
statistika yang akan digunakan dalam analisis data, yaitu : Tujuan riset. Tujuan riset bisnis
terutama adalah untuk mendeskripsikan suatu variabel riset melalui analisis univariat,
komparatif dan untuk menghubungkan satu variabel dengan variabel lainnya (asosiatif) melalui
analisis univariat atau multivariat. skala pengukuran, hipotesis, prediksi.

Metode statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan, peringkasan,

penyajian, analisis dan penafsiran data.

PENGGUNAAN TEKNIK STATISTIK

Statistik digunakan sebagai metode untuk menganalisis data yang berupa deskripsi dan
estimasi data untuk menarik kesimpulan hasil penelitian. Jika data yang diteliti berupa
sampel, statistik dapat digunakan untuk menarik kesimpulan yang berupa : statistik
deskriptif, statistik inferensial (statistic induktif / statistic probabilitas) statistik parametrik (
jika data diukur dengan skala interval dan skala rasio dan asumsi bahwa distribusi data
populasi yang digunakan untuk memilih sample penelitian adalah normal.) Statistik non
parametrik (jika data penelitian diukur dengan skala nominal dan ordinal, sehingga tidak
memerlukan asumsi data populasi yang distribusinya normal.)

PEDOMAN PEMAKAIAN METODE STATISTIK

Ada empat aspek penting yang harus dipertimbangkan sebelum periset menentukan
metode statistika yang akan digunakan dalam analisis data, yaitu :
1) Tujuan Riset
Tujuan riset bisnis terutama adalah untuk mendeskripsikan suatu variabel riset
melalui analisis univariat, komparatif dan untuk menghubungkan satu variabel
dengan variabel lainnya (asosiatif) melalui analisis univariat atau multivariat.
2) skala pengukuran
3) hipotesis
4) prediksi
Dua jenis metode statistika yaitu statistika deskriptif dan statistika inferensia :

1. Statistika deskriptif adalah metode yang berkaitan dengan pengumpulan dan penyajian suatu
gugus data sehingga memberikan informasi yang berguna. Perlu kiranya dimengerti bahwa
statistika deskriptif memberikan informasi hanya mengenai data yang dipunyai dan sama sekali
tidak menarik kesimpulan yang lebih banyak dan lebih jauh dari data yang ada. Kegiatan
memeriksa sifat-sifat penting dari data yang ada itu disebut analisis data secara pemerian
(deskripsi). Karenanya bagian statistika demikian dinamakan Statistika Deskriptif atau Statistika
Perian. Penyusunan tabel, diagram, modus, kuartil, simpangan baku termasuk dalam kategori
statistika deskriptif. Kegiatan itu dilakukan melalui :

a. Pendekatan aritmetika, yaitu pendekatan melalui pemeriksaan rangkuman nilai atau ukuran-
ukuran penting dari data. Yang dimaksud rangkuman nilai di sini ialah penyederhanaan
kumpulan nilai data yang diamati ke dalam bentuk nilai-nilai tertentu. Setiap rangkuman
nilai ini disebut statistik. Jadi, statistik menerangkan sifat kumpulan data dalam bentuk nilai
yang mudah dipahami, sedangkan statistika adalah suatu ilmu tentang sekumpulan konsep
serta metode yang dapat digunakan untuk mengumpulkan, menyajikan dan menganalisis
data serta menarik kesimpulan berdasar hasil analisis data tersebut.

b. Pendekatan geometrik, yaitu melalui penyajian data dalam bentuk gambar berupa grafik atau
diagram. Kedua pendekatan mengakibatkan pembedaan dalam penyajian datanya. Penyajian
data pertama menekankan angka-angka dan yang kedua menekankan pada gambar.

2. Statistika inferensia adalah metode yang berhubungan dengan analisis sebagian data untuk
kemudian sampai pada peramalan atau penarikan kesimpulan tentang seluruh gugus data
induknya. Statistika inferensia berupa kajian tentang penarikan kesimpulan mengenai
keseluruhan objek yang menjadi perhatian namun hanya atas dasar data sebagian objek inilah
yang disebut Statistika Inferensial atau Statistika Induktif. Dengan demikian, Statistika
Inferensial menyimpulkan makna statistik yang telah dihitung, dianalisis atau disajikan grafik
atau diagramnya tersebut.

Contoh, kelulusan mahasiswa selama 5 tahun terakhir menunjukkan bahwa 72% mahasiswa
berhasil menyelesaikan studi. Nilai 72% adalah statistika deskriptif. Jika kemudian disimpulkan
bahwa peluang anda lulus lebih dari 70% berarti anda melakukan statistik inferensia, yang tentu
saja bersifat tidak pasti. Generalisasi dalam statistik inferensia bersifat tak-pasti, karena
didasarkan hanya pada informasi sebagian data.

Secara garis besar, pekerjaan analisis data meliputi 3 langkah, yaitu :

1. TAHAP PERSIAPAN

Peneliti akan melakukan tahap persiapan data untuk memudahkan proses analisis data dan
interpretasi hasilnya yaitu :

Pengeditan (editing)

Pengeditan merupakan proses pengecekan dan penyesuaian yang diperlukan terhadap data
penelitian untuk memudahkan proses pemberian kode dan pemprosesan data dengan teknik
statistik.
 Data yang dikumpulkan dengan metode survei atau observasi perlu diedit dari kemungkinan
kekeliruan dalam proses pencatatan, pengisian kuisioner yang tidak lengkap atau tidak
konsisten. Tujuan pengeditan data adalah untuk menjamin kelengkapan, konsistensi dan
kesiapan data penelitian untuk proses analisis.

Pemberian code (coding)

Merupakan proses identifikasi dan klasifikasi data penelitian ke dalam skor numerik atau
karakter simbol. Proses pemberian kode akan memudahkan dan meningkatkan efisiensi proses
data entry ke dalam komputer. Teknis pemberian kode dapat dilakukan sebelum atau setelah
pengisian kuisioner.

Pemprosesan data (data processing)

Beberapa paket aplikasi statistik yang dapat digunakan untuk analisis data dengan komputer
antara lain : SPSS, SAS, Stat-Easy, Minitab.

2. TABULASI

Termasuk dalam kegiatan tabulasi ini antara lain :

- Scoring terhadap item-item yang perlu diberi skor.

- Memberikan kode terhadap item-item yang tidak diberi skor.
- Mengubah jenis data, disesuaikan atau dimodifikasikan dengan teknik analisis yang akan
digunakan.
- Memberikan kode dalam hubungan dengan pengolahan data jika akan menggunakan
komputer.

3. PENERAPAN DATA SESUAI DENGAN PENDEKATAN PENELITIAN

Yang dimaksud dalam hal ini adalah pengolahan data yang diperoleh dengan menggunakan
rumus-rumus atau aturan-aturan yang ada sesuai dengan pendekatan penelitian atau desain yang
diambil. Yang dimaksud dengan data yang diterapkan dalam perhitungan adalah data yang
disesuaikan dengan jenis data, yakni diskrit, ordinal, interval, dan ratio. Pemilihan terhadap
rumus yang digunakan kadang-kadang disesuaikan dengan jenis data, tetapi ada kalanya peneliti
menentukan pendekatan/rumus, kemudian data yang ada diubah, disesuaikan dengan rumus
yang sudah dipilih.

Prinsip umum analisa data

● Variabel utama apa yang akan dianalisis.

● Bagaimana langkah analisis yang akan dilakukan :
- Univariat
- Bivariat
- Multivariat

● Pemilihan teknik statistika tergantung pada skala data variabel karena beberapa teknik
analisis hanya cocok untuk skala data tertentu
● Perhatikan sifat data, berdistribusi normal apa tidak
TAHAPAN UMUM ANALISIS DATA

Tahap 1. Analisis Univariat :

Analisis ini dilakukan terhadap sebuah variabel. Bentuknya berbagai macam, seperti distribusi
frekuensi, tendensi sentral seperti : rata-rata dan ukuran penyebaran dari variabel seperti standar
deviasi ataupun melihat gambaran histogram dari variabel tersebut. Dengan analisis univariat kita
dapat mengetahui :

apakah konsep yang kita ukur berada dalam kondisi yang siap untuk dianalisis lebih lanjut.
Bagaimana gambaran konsep itu secara rinci
Bagaimana sebaiknya menyiapkan ukuran dan bentuk konsep untuk analisis berikutnya.

Manfaat dari analisis univariat :

- Untuk mengetahui apakah data yang akan digunakan untuk analisis sudah layak atau belum.
- Untuk mengetahui gambaran data yang dikumpulkan
- Untuk mengetahui apakah data telah optimal jika akan dipakai untuk analisis berikutnya.

Contoh Unvariant 1 :

● Tingkat kepuasan masyarakat dalam menerima pelayanan Puskesmas di Kabupaten Banyumas

◦ Rata-rata tingkat kepuasan tiap puskesmas

◦ Puskesmas mana yang paling memuaskan masyarkat
◦ Aspek-aspek apa saja yang paling memuaskan
◦ Aspek-aspek apa saja yang paling mengecewakan
◦ Aspek apa saja yang paling urgen untuk dibenahi
◦ Pasien yang mempunyai karakteristik seperti apa yang paling puas

Contoh Unvariant 2 :

● Penerimaan masyarkat terhadap program Kelauarga Berencana

◦ Berapa persen pasangan usia subur di Kabupaten Banyumas yang menjadi akseptor KB
◦ Distribusi frekuensi akseptor KB menurut jenis kontrasepsi
◦ Perbadingan antara target akseptor KB dengan jumlah akseptor KB

TAHAP 2. Analisis Bivariat :

Analisis ini berguna untuk melihat hubungan dua variabel. Hubungan dua variabel ini mempunyai
tiga kemungkinan, yaitu : ada hubungan, tetapi sifatnya simetris, yaitu tidak saling mempengaruhi.
Dua variabel saling berhubungan dan mempengaruhi. Sebuah variabel mempengaruhi variabel yang
lain. Dengan analisis bivariat, penelitian tidak hanya sampai pada tahap apakah ada hubungan,
tetapi diteruskan kepada penjelasan mekanismenya mengapa hal itu bisa terjadi.
Untuk melihat hubungan dua variable :

● Tiga kemungkinan hubungan bivariat

◦ Hubungan simetris; ada hubungan tetapi sifatnya simetris yakni tidak saling mempengaruhi
● Kedua variabel merupakan indikator untuk konsep yang sama
● Kedua variabel merupakan akibat dari faktor yang sama
● Kedua variabel berkaitan secara fungsional atau komplementati
● Hubungan kebetulan semata-mata

Contoh: Hubungan antara banyaknya TV di desa dengan jumlah penjualan motor Honda

TAHAP 3. Analisis Hubungan Antar Variabel

Jika hubungan bivariat telah dilakukan, analisis dapat dilanjutkan, misalnya untuk mengetahui
perbedaan atau pengaruh diantara variabel.

Konsep perbedaan dan pengaruh dapat dijelaskan :

Perbedaan adalah suatu jenis hubungan juga. Jika kita menyatakan bahwa variabel A dapat
dibedakan atas dasar variabel B, maka secara implisit ada hubungan antara A dan B. Perbedaan
tidak menekankan aspek arah hubungan, jadi sifatnya bisa simetris atau asimetris.

Pengaruh adalah pernyataan suatu hubungan yang sudah mempunyai arah. Jadi bila kita
mengatakan variabel B dipengaruhi oleh variabel A, kita mengatakan bahwa arah hubungan itu dari
A ke B, bukan sebaliknya.

TAHAP 4. Analisis Multivariat

Analisis ini memungkinkan untuk dilakukannya tes hipotesis tentang hubungan dua atau lebih
variabel, sambil mengontrol variabel lainnya, atau mengetahui berapa besar sebenarnya pengaruh
murni sebuah determinan tertentu, atau bagaimana pengaruh dari beberapa faktor secara bersama-
sama.

Contoh :

● Pengaruh kepemimpinan, motivasi dan leader terhadap kinerja guru SMA dikabupaten
Purbalingga.
● Pengaruh learning orientation dengan work hard (Pada Tenaga Penjualan Dealer Resmi Sepeda
Motor Yamaha Purwokerto
 Tabel 1. Teknik statistika dengan univariate, bivariate dan multivariate

Bentuk Hipotesis
Deskriptif Komparatif Komparatif
Skala
(satu (dua sampel) ( > dua sampel) Asosiatif
data
variabel) Berpasangan independen berpasangan Independen
Nominal - binomial - Mc Nemar - Fisher Exact Cochran Q Chi-Kuadrat Koef.
- Chi- - Chi- Kuadrat - Chi-Kuadrat Kontigen
Kuadrat si C
Ordinal Run Test - Sign Test - Median test - Friedman - Median -
- Wilcoxon - U test - Anova Extention Spearman
- Mann-Whitney - Kruskal- - Kendall
- Kolmogorov- Walis Tau
Smirnov - Anova
- Wald-Wolfowitz
Interval t-Test t-Test t-Test Anova Anova - Pearson
Dan Product
Rasio Moment
- Korelasi
Ganda /
Parsial
- Regresi

DISTRIBUSI POPULASI DATA :

• Statistika parametrik menggunakan teknik analisis berdasarkan pada model data yang
terdistribusi normal.
• Statistika nonparametrik menggunakan teknik analisis berdasarkan pada model data yang
terdistribusi secara bebas.

JUMLAH VARIABEL TAK BEBAS (Dependen) :

• Statistika Univariat menganalisis data dengan melibatkan hanya satu variabel takbebas,
namun tidak tergantung pada jumlah variabel bebasnya
• Statistika Multivariat menganalisis data dengan melibatkan lebih dari satu variabel takbebas,
juga tidak tergantung pada jumlah variabel bebasnya

DATA STATISTIKA :
Pengadaan data umumnya diperoleh melalui pengukuran. Data hasil pengukuran itulah yang
kemudian akan dianalisis. Agar hasil analisisnya dapat dipertanggung-jawabkan maka kegiatan
pengukuran berkewajiban menjamin bahwa data yang diperoleh valid (sah). Validitas
(keabsahan) hasil penelitian amat tergantung pada validitas (keabsahan) datanya. Berdasarkan
jenisnya, data dapat dikelompokkan menjadi :

1. Berdasarkan Sumber-nya data dibedakan menjadi :

a. Data intern, yaitu milik sendiri. Misal, data kemahasiswaan yang dimiliki universitas
b. Data ekstern, data yang diambil dari luar, dibedakan atas :
 (1). Data Primer :

Data yang didapatkan atau dikumpulkan sendiri, survai atau percobaan. Misalnya :
dengan melakukan wawancara, observasi atau penelitian di lapangan atau
laboratorium.

(2). Data Sekunder :

Luar yang dikumpulkan oleh orang atau lembaga lain. Misalnya, data dari BPS,
Pemerintah Daerah, atau Pekerjaan Umum.

2. Berdasarkan Jenis-jenisnya, data dibedakan menjadi :

(1) Data Kategorik (kualitatif) :

Data kategorik yang diklasifikasi menurut kriteria tertentu, misalnya baik, cukup,
sedang, dan buruk dinyatakan dalam besaran numerik (angka). Misalnya : Data
pendapatan per kapita, pengeluaran, harga, jarak.

Data Kategorik dapat dibedakan menjadi :

(a) Data Ordinal : Urutan kategori menunjukkan tingkatan (ranking)

Misalnya : Bagaimana prestasi belajar anda semester lalu?

1. Sangat Baik
2. Baik
3. Sedang-sedang saja
4. Buruk
5. Sangat Buruk

(b) Data Nominal : Urutan/Nilai tidak menunjukkan tingkatan

Misalnya : Apa warna favorit anda :

1. Ungu
2. Abu-abu
3. Coklat
4. Putih

Selain kedua jenis data tersebut, kita juga mengenal :

(c) Data Atribut : Nilai data tersebut memberi keterangan atau tanda pada suatu
data. Jenis data ini tidak diolah.
Misalnya : Nama :
Alamat :

(2) Data Numerik (Kuantitatif) :

Data numerik yang diperoleh dari hasil pencacahan atau pengukuran. Data hasil
pencacahan disebut data diskrit.
 Contoh : jumlah kendaraan yang melintasi ruas jalan tertentu, jumlah penduduk di suatu daerah,
dan lain-lain. Sedangkan, data hasil pengukuran disebut data kontinu. Contohnya berat
kendaraan, jarak dari kota A ke B, kemiringan lereng lahan, dan lain-lain. Setiap informasi yang
tercatat, baik numerik maupun kategorik, disebut pengamatan. Atau diklasifikasikan
berdasarkan kategori/kelas tertentu misalnya : Kategori Mahasiswa Berprestasi dan Tidak
Berprestasi, Kategori kota kecil, sedang dan besar, Kategori pendukung partai politik XXX,
YYY, ZZZ, dll.

Perhatikan Contoh berikut, kategorikan metode statistika dan jenis-jenis data yang
digunakan :

Contoh 1 :

Ekonomia seorang mahasiswi FE-UG, mengumpulkan data untuk penulisan ilmiahnya. Ia

mewawancarai 10 pedagang asongan di depan kampus dan mengetahui bahwa rata-rata
pendapatan kotor mereka adalah Rp. 97 523, 25. Hasil wawancara ini dilaporkannya dalam PI-
nya. (Deskriptif, Primer, Numerik.)

Contoh 2 :

Dari tayangan TV langsung dari Bursa Efek, Drs. Untung Budiman seorang pialang
memperkirakan bahwa harga saham perusahaan-perusahaan blue-chip akan terus turun sampai
minggu ke tiga bulan September. Perubahan akan bervariasi antara $ -2.35 sampai $ -5.60 per
100 lembar. (Inferensia, Sekunder, Numerik).

Contoh 3 :

Bagian penelitian dan pengembangan produk DONKING DONUT melakukan survei rasa
kesukaan (favorite favor) donatnya terhadap 1000 pelanggannya secara acak. Pelanggan yang
terpilih diharuskan melakukan penetapan rangking terhadap 4 rasa donat yang baru (MINT,
PEACH, MOCCA, SUGAR-FREE). Hasil penelitian disajikan dalam bentuk diagram pie.
(Deskriptif, Primer, Kategorik).

PENYAJIAN DATA

1. Berbagai Bentuk Penyajian Data

Data mentah hasil pengukuran akan sulit dipelajari atau dipahami jika disajikan secara apa
adanya. Data harus disusun secara sistematis, menarik, dan komunikatif. Untuk itu, data dapat
disajikan dalam berbagai bentuk, yaitu bentuk tekstual, tabel, maupun grafik.

2. Metode Tekstual
Penyajian data dalam bentuk tekstual umumnya menjelaskan suatu kejadian yang berkaitan
dengan faktor: What (apa), Where (dimana), When (dimana), dan Who (siapa). Disini data
diberi penjelasan teks agar lebih komunikatif dan menarik. Bentuk ini dapat ditemui dalam
berita-berita di koran. Misalnya, Kompas memberitakan, “Sampai hari Minggu sore (4/3) ini
jumlah korban akibat bencana longsor di Kabupaten Manggarai, Pulau Flores, Nusa Tenggara
Timur mencapai 70 orang.
 Akibat hujan lima hari nonstop terjadi longsor hebat yang menimbun beberapa kampung, Jumat
(2/3) petang lalu. Untuk korban tewas sebanyak 33 orang, luka ringan dua orang, dan yang
belum ditemukan 31 orang. Korban yang selamat empat orang. Korban tewas itu sementara dari
Kecamatan Cibal, dan yang belum ditemukan 10 orang. Untuk korban longsor di Lamba Leda
19 orang belum ditemukan.”

3. Metode Tabel
Penyajian data dalam bentuk tabel lebih praktis dibandingkan dalam bentuk teks. Tabel terdiri
dari baris dan kolom berisi data. Agar mudah dipahami, tabel diberi judul tabel, judul kolom,
dan judul baris.

Contoh tabel Banyak Murid Sekolah “Bina Dharma” Tahun 2007

Tingkat Banyak Murid
Jumlah
Sekolah Laki-laki Perempuan
SD 875 687 1.562
SMP 512 507 1.019
SMA 476 342 818
Jumlah 1.863 1.536 3.399

4. Metode Grafik
Data statistik dapat ditampilkan dalam bentuk grafik. Dengan bantuan grafik, perangkat data
yang besar dan kompleks dapat disajikan secara menarik dalam tampilan sederhana dan praktis.
Sejumlah laporan penelitian, jurnal, koran, dan lain-lain memanfaatkan grafik sebagai alat bantu
yang efektif dalam menyampaikan data dan informasi. Metode penyajian grafik dapat dibedakan
atas histogram, poligon frekuensi, ogif, dan lain-lain.

a. Histogram adalah bentuk grafik yang menggambarkan distribusi frekuensi himpunan data
yang bersifat kontinu dalam bentuk batang. Untuk data berbentuk kategori, tampilan yang
serupa disebut diagram batang (bar chart)

Gambar : Histogram dan Diagram Bar

1000
25 PRIA
Frekuensi 800
WANITA
20
600
15
400
10
5 200
0 0
40 49 58 67 76 85 94 SD SMP SMA

Histogram Distribusi Frekuensi Diagram Bar

b. Poligon frekuensi dibuat dengan menarik garis yang menghubungkan titik tengah tiap kelas
sesuai frekuensi masing-masing kelas. Kaki terkiri jatuh pada titik tengah kelas di bawah
kelas terkecil dan kaki terkanan jatuh pada titik tengah kelas di atas kelas terbesar.
 Gambar : Poligon Frekuensi

Frekuensi 25
20
15
10
5
0
40 49 58 67 76 85 94

Poligon Frekuensi

POPULASI DAN SAMPEL

Populasi adalah keseluruhan pengamatan yang menjadi kajian. Ukuran populasi adalah
banyaknya pengamatan atau anggota suatu populasi. Misalnya, ada 600 siswa yang akan
diperiksa golongan darahnya, maka ukuran populasi = 600.
Sampel adalah himpunan bagian dari populasi. Dalam statistik inferensia generalisasi dilakukan
ber-dasarkan sampel. Agar kesimpulannya tidak bias maka harus diambil sampel yang mewakili
dengan sampel acak. Sampel acak sederhana n pengamatan adalah sampel yang dipilih
sedemikian rupa sehingga setiap himpunan bagian berukuran n dari populasi tersebut
mempunyai peluang terpilih sama.

SAMPEL ACAK

Sampel Acak = Sampel Random = Randomized Sample adalah : Sampel yang diambil dari
populasi di mana setiap anggota populasi memiliki peluang yang sama terpilih sebagai anggota
sampel. Cara pengacakan : (1) Undian,
(2) Tabel Bilangan Acak
(3) Program komputer Tabel Bilangan Acak

PARAMETER DAN STATISTIK

Parameter : nilai yang menyatakan ciri populasi

Statistik (Statistic) : nilai yang menyatakan ciri sampel

Anda sudah dapat membedakan antara Statistik (tanpa akhiran “a”) = Statistic (without “s”)
dengan Statistika (dengan “a”) = Statistics (with “s”).

Penulisan lambang-lambang (Notasi) parameter dan statistik juga berbeda.

3. ANALISIS VARIABEL-VARIABEL RISET

Variabel riset adalah sesuatu yang dapat membedakan atau mengubah variasi pada nilai. Nilai
dapat berbeda pada waktu yang berbeda untuk obyek atau orang yang sama, atau nilai dapat
berbeda dalam waktu yang sama untuk obyek atau orang yang berbeda. Untuk lebih jelasnya
bisa dilihat pada bab tiga mengenai proposisi. Secara konseptual variabel dapat kita bagi
menjadi empat bagian utama, yaitu :

1. Variabel dependent adalah variabel yang menjadi perhatian utama dalam sebuah pengamatan.
Tujuan penelitian adalah memahami dan membuat variabel terikat, menjelaskan
variabilitasnya atau memprediksinya. Variabel dependen sering juga disebut dengan variabel
terikat atau variable terpengaruh.

2. Variabel independent adalah variabel yang dapat mempengaruhi perubahan dalam variabel
dependen dan mempunyai hubungan yang positif ataupun yang negatif bagi variabel dependen
nantinya. Variasi dalam variabel dependen merupakan hasil dari variabel independen.
Variabel independen sering juga disebut dengan variabel bebas atau variabel yang
mempengaruhi.

3. Moderating Variable adalah variabel yang mempunyai dampak kontingensi (contingent

effect) yang kuat pada hubungan variabel independen dan variabel dependen.

4. Intervening variable adalah faktor yang secara teori berpengaruh pada fenomena yang
diamati tetapi tidak dapat dilihat, diukur, atau dimanipulasi, namun dampaknya dapat
disimpulkan berdasarkan dampak variabel independen dan moderating terhadap fenomena
yang diamati. Intervening variable ini dapat membantu kita dalam menjelaskan bagaimana
mengkonsepsi hubungan anatar varibel independen dan variabel dependen.

Hubungan antar variabel dapat dibagi dalam tiga jenis hubungan yakni hubungan simetris,
hubungan timbal balik dan asimetris
Hubungan antara variabel berdasarkan sifat hubungannya dapat dibedakan menjadi hubungan
simetris dan hubungan asimetris; berdasar kan jumlah variabel yang terlibat menjadi bivariat dan
multivariat; berdasar kan bentuk hubungannya menjadi linear dan tidak linear; berdasarkan kondisi
hubungannya menjadi hubungan yang perlu, hubungan yang cukup dan hubungan yang perlu dan
cukup.

1. Hubungan Simetris. Dikatakan simetris jika variabel yang satu tidak disebabkan atau
dipengaruhi variabel lainnya. Terdapat empat kelompok hubungan simetris yakni :

(a) kedua variabel merupakan indikator untuk konsep yang sama

(b) kedua variabel merupakan akibat dari faktor yang sama
(c) kedua variabel berkaitan secara fungsional
(d) hubungan yang kebetulan semata.

2. Hubungan Timbal Balik. Hubungan di mana suatu variable dapat menjadi sebab dan juga akibat
dari variabel lainnya. Hubungan Asimetris adalah hubungan di mana suatu variable
mempengaruhi lainnya. Terdapat enam kelompok hubungan asimetris yakni :
 (a) hubungan antara stimulus dan respons,
(b) hubungan antara disposisi dan respons,
(c) hubungan antara ciri individu dan disposisi atau tingkah laku,
(d) hubungan antara prakondisi yang perlu dengan akibat tertentu,
(e) hubungan antara tujuan (ends) dan cara (means). Hubungan asimetris bisa berupa hubungan
antara dua variabel (bivariat) atau lebih dari dua variabel (univariat).

Kaitan antara teori dengan hipotesis dan konsep dengan variabel dapat diabstraksikan sbb :
.
Teori
Tingkatan KONSEP <-----------------------------> KONSEP
teori

Tingkatan Hipotesis
empiris VARIABEL <---------------------------> VARIABEL

Dalam hubungan antar variabel seringkali ditemukan adanya variabel antara sbb :

Variabel bebas Variabel antara Var tidk bebas

X --------------------------> Z ---------------------------------> Y

Variabel bebas
X1
Variabel antara Variabel tdk bebas
Z ----------------------------------------- > Y
Variabel bebas
X2

Variabel Control :

variabel yang berperan mengontrol hubungan antara dua variabel, yaitu hubungan semu atau sejati.
Hubungan semu adalah hubungan antara dua variabel yang hanya ada dalam data, tetapi secara
logika sebenarnya tidak ada hubungan. Hubungan ini ada karena terdapat variabel ke tiga yang
berhubungan secara positif dengan kedua variabel.
Ada-tidaknya Tingkat
kebun binatang X Y kejahatan

hubungan hubungan
positif positif
Z
Besar-kecilnya kota
4. CONTOH PENERAPANNYA

Tahapan langkah saat menggunakan analisis data adalah :

1. Menentukan masalah (untuk menjadi obyek pengamatan/penelitian)

Menentukan Masalah

Menentukan masalah atau menemukan sesuatu yang menarik perhatian dalam sebuah keadaan
sebagai titik-pandang masalah, sehingga mampu bekerja efektif saat mengumpulkan data dan
memberikan akurasi yang tinggi. Kesulitan akan banyak muncul bila tidak ada definisi yang
jelas tentang masalah yang ingin diketahui.

Mengumpulkan Data

Faktor penting dalam pengumpulan data yang perlu diperhatikan adalah populasi dan sampel.
Pada bagian ini digunakan statistik inferensial. Statistik inferensial digunakan untuk
memperluas perolehan informasi berasal dari sampel acak dalam populasi yang akhirnya
digunakan sebagai cara melihat keseluruhan populasi itu. Kegunaan dari statistik inferensial
adalah untuk memperoleh informasi dari populasi yang terdapat di dalam sampel.

Melakukan Analisa

Di dalam analisa data-statistika, metode yang digunakan untuk analisa data terbagi menjadi
dua kategori, metode exploratory dan metode confirmatory. Metode exploratory digunakan
untuk menentukan apakah data yang ada dapat disajikan melalui angka aritmetika sederhana
dan mudah dimuat dengan grafis sebagai ringkasan data. Metode confirmatory memanfaatkan
ide teori probabilitas sebagai upaya menjawab pertanyaan-pertanyaan khusus diluar ringkasan
yang mudah diperoleh.
Teori probabilitas penting saat membuat keputusan karena akan berfungsi sebagai ukuran
mengukur, merasakan, menyatakan dan menganalisa kemungkinan-kemungkinan yang dapat
terjadi di masa depan.

Menyajikan hasil

Melalui inferensia, perkiraan atau ujicoba yang menyatakan karakter-karakter tertentu dari
populasi akan mudah diperoleh dari sampel. Hasil disajikan dalam sebentuk tabel, grafik atau
berupa nilai persentase tertentu. Mengapa sampel ? karena untuk memperoleh hasil
pengamatan keseluruhan populasi adalah nyaris tidak mungkin. Hasil pengamatan disajikan
dituntut mampu menunjukkan kemungkinan keterlibatan sample berdasarkan penggunaan
teori probabilitas dan nilai interval.