Bab 9 PENGOLAHAN DATA
A. Pengolahan Data Penelitian Kuantitatif
Kumar (2019) membahas mengenai pengolahan data pada Langkah Ke-7 metodologi penelitian. Pada proses pengumpulan data, informasi yang didapatkan disebut sebagai data mentah.
Tahap pertama dalam mengolah data adalah memastikan bahwa data mentah tersebut “bersih”. Sebelum diolah, data mentah perlu dicek kekonsistenan dan kelengkapannya. Proses pembersihan data ini disebut dengan “editing”. Paling tidak ada dua cara yang dapat dilakukan dalam tahap editing, yaitu:
1. Berbasis pertanyaan/variabel: memeriksa seluruh jawaban responden untuk setiap pertanyaan/variabel
2. Berbasis responden: memeriksa seluruh jawaban dari setiap responden
Pada tahap editing, peneliti dapat mengetahui apakah ada pertanyaan yang belum terjawab oleh responden dan apakah ada ketidakkonsistenan isi kuesioner.
Tahap kedua adalah pengkodean yakni proses memberikan nilai numerik pada kategori-kategori jawaban responden untuk dapat dianalisis. Pemberian kode tergantung pada skala pengukuran variabel. Skala pengukuran terdiri atas nominal, ordinal, interval, dan rasio. Metode statistika yang dapat digunakan untuk menganalisis juga tergantung dari skala pengukuran variabel. Misalnya, variabel pendapatan yang diukur menggunakan kalimat tertutup sehingga respoden hanya dapat memilih kategori pendapatannya masuk ke suatu interval nilai, tidak dapat dihitung nilai rata-ratanya. Jika peneliti nantinya ingin menyajikan nilai
Pengolahan Data | 132
rata-rata pendapatan maka variabel ini harus diukur dengan kalimat terbuka (reponden mengisi sendiri angka pendapatannya berapa).
Dalam penelitian kuantitatif, pengkodean data kuantitatif dan kualitatif dapat dilakukan dengan langkah-langkah berikut:
1. Membuat code book 2. Pre-test code book 3. Pengkodean data 4. Verifikasi kode data
Code book adalah daftar aturan pengkodean jawaban responden ke dalam nilai numerik. Pengkodean jawaban atas pertanyaan terbuka lebih sulit daripada pengkodean jawaban atas pertanyaan tertutup. Untuk pertanyaan terbuka, pengkodean jawaban responden memerlukan proses analisis konten.
Pre-test code book dimaksudkan untuk memastikan bahwa buku yang dibuat sudah benar sebelum diaplikasikan. Pre-test code book dapat dilakukan dengan mengambil beberapa kuesioner untuk diberikan kode. Jika ada kesalahan, ketidaklengkapan, atau masalah lain, maka peneliti dapat mengubah isi code book sebelum code book digunakan terhadap seluruh kuesioner.
Jika code book sudah final, maka peneliti dapat melakukan pengkodean data. Tahap ini dapat dilakukan dengan beberapa cara:
1. Menuliskan kode di dalam lembar kuesioner. Jika peneliti ingin melakukan cara ini, maka sebaiknya peneliti mendesain kuesioner dengan memberi tempat khusus untuk memberi kode di tiap pertanyaan pada lembar kuesioner
2. Menuliskan kode dalam lembar tersendiri
3. Memberi kode dengan menginput data secara langsung ke dalam komputer menggunakan perangkat lunak pengolah data
Setelah proses pengkodean seluruh kuesioner selesai, maka dilakukan verifikasi kode data. Hal ini dapat dilakukan dengan memilih secara acak kuesioner yang terkumpul. Periksa apakah ada perbedaan antara kode yang telah direkap dengan jawaban yang tertera di kuesioner.
Tahap ketiga adalah analisis data. Peneliti perlu mempersiapkan kerangka analisis yaitu teknis tahapan analisis data. Pertama-tama, peneliti perlu membuat statistik dari profil responden. Profil responden dapat ditampilkan dalam tabel distribusi frekuensi. Distribusi frekuensi mengelompokkan responden menjadi subkategori variabel yang sudah diukur.
Misalnya, responden berdasarkan usia, pendidikan, dan pekerjaan.
Tabulasi silang (cross tabulation) menganalisis hubungan antara dua variabel dengan mentabulasikan silang kategori antara dua variabel. Misalnya, tabulasi silang antara kategori pendidikan dengan kategori pekerjaan.
Sebelum melakukan uji-uji statistika, peneliti perlu melakukan eksplorasi data. Melalui eksplorasi data, peneliti mendapatkan gambaran umum bagaimana karakter setiap variabel ataupun pola hubungan antar variabel. Pola hubungan dua variabel numerik dapat diketahui melalu diagram pencar (scatter plot) dan koefisien korelasi.
Setelah eksplorasi data, uji statistika dilakukan untuk menjawab inti dari tujuan penelitian. Contoh uji statistika dan penjelasan tujuannya ditampilkan dalam tabel berikut ini.
Tabel 1 Contoh Uji Statistika untuk Penelitian Kuantitatif
No Uji Statistika Tujuan Asumsi
1. Regresi linear (OLS)
bebas terhadap variabel terikat (variabel terikat bersifat numerik)
berdasarkan variabel bebas
Asumsi Klasik
2. Uji-t satu sampel
Menguji nilai rata-rata variabel dari suatu sampel
Distribusi normal 3. Uji-t dua
sampel berpasangan
Menguji perbedaan rata-rata suatu variabel dari dua sampel yang berpasangan
Selisih data dua sampel terdistribusi normal 4. Uji-t dua
sampel saling bebas
Menguji perbedaan rata-rata suatu variabel dari dua sampel yang saling bebas
Data kedua sampel terdistribusi normal 5. Regresi logit,
regresi probit
Tujuannya sama seperti regresi linear. Regresi logit, regresi probit digunakan jika variabel terikat bersifat kategorik (bisa biner, nominal, ordinal)
Independensi error, lineartias logit untuk variabel kontinyu, tidak ada multikolinearis
Penggunaan regresi logit/probit tidak hanya selalu untuk variabel terikat yang bersifat kategorik. Begitu pula untuk regresi linear. Ada kalanya kita menemui penelitian yang menggunakan regresi linear untuk variabel terikat yang tidak bersifat numerik.
Jika ingin mempelajari lebih jauh, maka kita dapat merujuk ke
Pengolahan Data | 134
penelitian-penelitian di bidang ekonometrika lanjut, statistika, atau komputasi statistika.
Uji-t untuk menganalisis rata-rata sampel merupakan uji parametrik memiliki asumsi normalitas. Jika asumsi tersebut tidak terpenuhi, maka dapat digunakan uji nonparametrik misalnya Uji Tanda, Uji Mann Whitney, Uji Wilcoxon, dan Kruskal Wallis. Selain uji statistika yang telah disebutkan, penelitian ekonomi Islam juga dapat menggunakan alat analisis yang dibahas dalam ranah Ekonometrika misalnya ARIMA, VAR, VECM, GMM, Regresi Data Panel, Regresi dengan Instrumental Variabel, Difference-in- Difference, dan lain-lain. Uji statistika atau alat analisis yang lebih sulit tidak selalu lebih baik atau lebih tepat. Dalam memilih uji statistika atau alat analisis mana yang digunakan tergantung pada tujuan penelitian.