ANALISIS DATA DESKRIPTIF
Tujuan dari analisis ini adalah untuk menjelaskan/mendeskriptifkan karakteristik masing-masing variabel yang diteliti. Dalam analisis data kuantitatif kita dihadapkan pada kumpulan data yang besar/banyak yang belum jelas maknanya. Fungsi analisis sebetulnya adalah menyederhanakan atau meringkas kumpulan data hasil pengukuran sedemikian rupa sehingga kumpulan data tersebut berubah menjadi informasi yang berguna. Peringkasan tersebut berupa ukuran-ukuran statistik, tabel dan juga grafk.
Secara teknis pada dasarnya analisis merupakan kegiatan meringkas kumpulan data menjadi ukuran tengah dan ukuran variasi. Selanjutnya membandingkan gambaran-gambaran tersebut antara satu kelompok subyek dan kelompok subyek lain, sesuai dengan tujuan yang ingin dicapai dalam analisis.
Berbicara peringkasan data (yang berwujud ukuran tengah dan ukuran variasi) jenis data (apakah numerik atau katagorik) akan sangat menentukan bentuk peringkasan datanya. Berikut akan diuraikan bentuk/ cara peringkasan data untuk data numerik dan data katagorik.
1. Peringkasan Data Untuk Data Jenis Numerik a. Ukuran Tengah
Ukuran tengah merupakan cerminan dari konsentrasi nilai-nilai hasil pengukuran. Berbagai ukuran dikembangkan utnuk mencerminkan ukuran tengah tersebut, dan yang paling sering dipakai adalah mean, median dan mode/modus.
1). Mean
mewakili rata-rata kumpulan nilai pengamatan. Sebagai contoh data yang ada nilai ekstrimnya adalah data penghasilan. Apabila mean perndapatan perbulan adalah Rp 10.000.000,- , sebenarnya sebagian besar orang pendapatannya di bawah Rp . Mean sebesar Rp 10.000.000,-diperoleh karena tarikan sekelompok kecil orang (misalnya konglomerat) yang pendapatannya sangat tinggi. Dengan demikian penggunaan mean untuk data yang ada nilai ekstrimnya (data yang distribusinya menceng) kurang tepat.
2). Median
Median adalah nilai dimana setengah banyaknya pengamatan mempunyai nialai di bawahnya dan setengahnya lagi mempunyai nilai di atasnya. Berbeda dengan nilai mean, penghitungan median hanya mempertimbangkan urutan nilai dasil pengukuran, besar beda antar nilai di abaikan. Karena mengabaikan besar beda, maka median tidak dipengaruhi oleh nilai ekstrim.
3). Mode/Modus
Mode adalah nilai pengamatan yang mempunyai frekuensi/jumlah terbanyak.
Bentuk Distribusi Data
Hubungan nilai mean, median dan mode akan menentukan bentuk distribusi data:
- Bila nilai mean, median dan mode sama, maka bentuk distribusi datanya normal
- Bila nilai mean > median > mode, maka bentuk distribusi datanya menceng/miring ke kanan
- Bila nilai mean < median < mode, maka bentuk distribusi datanya menceng /miring ke kiri
Nilai-nilai hasil pengamatan akan cenderung saling berbeda satu sama lain atau dengan kata lain hasil pengamatan akan bervariasi. Untuk menegtahui seberapa jauh data bervariasi digunakan ukuran variasi antara lain range, jarak linier kuartil dan standard deviasi.
1). Range
Range merupakan ukuran variasi yang paling dasar, dihitung dari selisih nilai terbesar dengan nilai terkecil. Kelemahan range adalah dipengaruhi nilai ekstrim. Keuntungan penghitungan dapat dilakukan dengan cepat. 2). Jarak Inter Quartil
Nilai observasi disusun berurutan dari nilai ke cil ke besar, kemudian ditentukan kuartil bawah dan atas. Kuartil merupakan pembagiandata menjadi 4 bagian yang dibatasi oleh tiga ukuran kuartil, yaitu kuartil I, kuartil II dan kuartil III.
Kuartil I mencakup 25% data berada di bawahnya dan 75% data berada di atasnya.
Kuartil II (median) mencakup 50% data berada di bawahnya dan 50% data berada di atasnya.
Kuartil III mencakup 75% data berada di bawahnya dan 25% data berada di atasnya.
Jarak inter kuartil adalah selisih anatar kuaril III dan kuaril I. Ukuran ini lebih baik dari range, terutama kalau frekuensi pengamatan banyak dan distribusi sangat menyebar.
3). Standard Deviasi
Variasi data yang diukur melalui penyimpangan/deviasi dari nilai-nilai pengamatan terhadap nilai mean-nya.
Semakin besar nilai varian akan semakin bervariasi, karena satuan varian (kuadrat) yang tidak sama dengan satuan nilai pengamatan, maka dikembangkan suatu ukuran variasi yang mempunyai satuan yang sama dengan satuan pengamatan, yaitu Standard Deviasi.
median, standard deviasi dan inter quartil range, miinimal dan maksimal. Bila data yang terkumpul tidak menunjukkan adanya nilai ekstrim (distribusi normal), maka perhituungan nilai mean dan standard deviasi merupakan cara analisis univariat yang tepat. Seddangkan bila dijumpai nilai ekstrim 9distribusi data tidak normal), maka nilai nedian dan inter quartil range (IQR) yang lebih tepat dibandingkan nilai mean.
2. Peringkasan Data Katagorik
Berbeda dengan data numerik, peringkasan, (baik ukuran tengah maupun ukuran variasi) tidak beragam jenisnya. Pada data katagorik peringkasan data hanya menggunakan distribusi frekuensi dengan ukuran persentase atau proporsi. Bila data berjenis katagorik, tentunya informasi/peringkasan yang penting disampaikan tidak mungkin/tidak lazim menggunakan ukuran mean atau median. melainkan informasi jumlah dan persentase yang disajikan. Untuk
ukuran variasi, pada data katagorik variasi maksimal apabila jumlah antar katagori sama.
PENYAJIAN DATA 1. DATA NUMERIK
Pada data numerik atau kontinyu, peringkasan data dapat dilakukan dengan melaporkan ukuran tengah dan sebarannya. Ukuran tengah yang dapat digunakan adalah rata-rata, median dan modus. Sedangkan ukuran sebaran yang dapat digunakan adalah nilai minimum, maksimum, range, standar deviasi dan persentil. Dari ukuran-ukuran tersebut, yang paling sering digunakan adalah rata-rata dan standar deviasi.
Langkah-langkah: Analyze
o Descriptive Statistic
Descriptive
Klik Options centang Mean, Sum, Std. Deviation, Variance, Range, Minimum, Maximum, S.E Mean
Klik Continue
Klik OK
Hasil Output
Descriptive Statistics
N Range Minimum Maximum Sum Mean Std. Deviation
Variance
Statistic Statistic Statistic Statistic Statistic Statisti c
Std. Error Statistic Statistic
USIA RESPONDEN 193 30 25 55 7225 37,44 ,630 8,758 76,695 BERAT BADAN
PENGUKURAN PERTAMA RESPONDEN DALAM KILOGRAM
193 53 37 90 11619 60,20 ,801 11,121 123,687
TINGGI BADAN
RESPONDEN DALAM CM 193 20 155 175 31599 163,73 ,404 5,618 31,565 Valid N (listwise) 193
Penyajian data numerik tidak boleh ditampilkan semua seperti hasil pada output.
Penyajian Data Numerik:
Tabel 1
Distribusi Usia Responden
Variabel Mean SD Min - Max 95% CI
Usia
Responden
37,44 8,758 25 - 55 36,19 –
38,68
Hasil analisis didapatkan rata-rata usia responden sebesar 37,44 tahun (95% CI : 36,19 – 38,68) dengan SD sebesar 8,758 gr. Usia responden paling rendah sebesar 25 tahun dan usia reponden paling berat sebesar 55 tahun. Hasil estimasi yang digambarkan menyatakan bahwa rata-rata berat badan bayi berkisar antara 36,19 tahun sampai dengan 38,68 tahun
Untuk memunculkan 95% CI dapat dilakukan dengan:
Analyze
o Descriptive Statistic
Pindahkan variabel yang mau di analisis ke kotak dependent list
Klik statistik centang DESCRIPTIVE dengan Confdence Interval 95%
Klik Continue Klik OK
Hasil outpunya...
Descriptives
Statistic Std. Error
USIA RESPONDEN
Mean 37,44 ,630
95% Confdence Interval for Mean
Lower Bound 36,19 Upper Bound 38,68 5% Trimmed Mean 37,16
Median 35,00
Variance 76,695
Std. Deviation 8,758
Minimum 25
Maximum 55
Range 30
Interquartile Range 14
Skewness ,522 ,175
2. DATA KATEGORIK
Penyajian data mempunyai prinsip efsiensi, artinya sajikan hanya informasi penting saja, jangan semua output komputer disajikan dalam laporan.
Cara menganalisis data Kategorik: Analyze
o Desriptive
Frequencies
Pada Jendela Frequencies pindahkan variabel yang akan dianalisis
Klik Chart lalu centang Diagram yang akan digunakan Klik Continue OK
Contoh penyajian data kategorik sbb: Tabel 2.
Distribusi Pendidikan Responden
Variabel Pendidikan Frekuensi Persen (%)
Tidak Sekolah 44 22,8
SD 39 20,2
SMP 49 25,4
SMA 36 18,7
PT 25 13
Interpretasi:
