Metode Analisis Data Materi PPT MetoPen

(1)

(2)

Metode analisis data adalah prosedur untuk

mengorganisasi, mengolah, dan menginterpretasi data yang telah dikumpulkan dalam penelitian guna

menjawab rumusan masalah dan menguji hipotesis.

Metode ini harus disesuaikan dengan jenis data dan pendekatan penelitian (kualitatif/kuantitatif/mixed method).

I.

Pengantar

Metode Analisis Data

I. Pengantar

II. Jenis Pendekatan dan Analisis Data

III.Proses Analisis Data Secara Umum

IV.Contoh Penerapan Analisis

V. Tips Pengajaran & Evaluasi

(3)

Analisis Data

A. Analisis Data Kuantitatif

Digunakan pada penelitian dengan data numerik/statistik (survey, eksperimen, kuesioner tertutup).

1. Statistik Deskriptif

a. Digunakan untuk menggambarkan karakteristik data

b. Contoh: rata-rata, median, modus, standar deviasi, persentase, diagram 2. Statistik Inferensial

c. Digunakan untuk menguji hipotesis dan membuat generalisasi populasi dari sampel

d. Metode:

 Uji t (t-test)

 ANOVA

 Regresi linear

 Korelasi Pearson

 Chi-Square

3. Software Pendukung

SPSS, R, STATA, Excel, Python, Jamovi

(4)

1. Statistik Deskriptif

Statistik deskriptif bertujuan untuk menggambarkan atau

merangkum data secara sederhana tanpa membuat kesimpulan lebih jauh. Cocok untuk tahap awal analisis data.

Lanjutan….Metode analisis

II. Jenis Pendekatan dan

data

Analisis Data

A. Analisis Data Kuantitatif

Ukuran Fungsi Contoh

Rata-rata (Mean) Menunjukkan nilai tengah

keseluruhan data Mean skor ujian 70 Median Nilai tengah data yang

sudah diurutkan Median dari 65, 70, 75 = 70

Modus Nilai yang paling sering

muncul Modus dari 65, 70, 70, 80

= 70 Standar Deviasi (SD) Ukuran sebaran data

terhadap mean SD besar: data tersebar Persentase (%) Proporsi data dalam suatu

kategori 60% responden pria

Diagram Visualisasi data Histogram, Pie chart, Boxplot

Contoh Kasus: Dari 100 kuesioner kepuasan mahasiswa, dihitung rata-rata nilai kepuasan,

sebaran nilai, dan persentase tiap kategori (sangat puas, puas, cukup, dll.).

(5)

2. Statistik Inferensial

Digunakan untuk menggeneralisasi hasil dari sampel ke populasi, serta mengambil keputusan atas hipotesis penelitian.

Cocok untuk penelitian kuantitatif eksperimental atau korelasional.

Metode umum statistic Inferensial:

a. Uji-t (t-Test)

Digunakan untuk menguji perbedaan rata-rata antara dua kelompok.

• Tipe:

• Independent sample t-test: dua kelompok berbeda (misal: pria vs wanita)

• Paired sample t-test: dua kondisi pada kelompok yang sama (sebelum vs sesudah)

Contoh:

Apakah rata-rata nilai mahasiswa sebelum dan sesudah pelatihan berbeda signifikan?

b. ANOVA (Analysis of Variance)

Digunakan untuk menguji perbedaan rata-rata lebih dari dua kelompok.

Contoh:

• Apakah rata-rata produktivitas buruh berbeda antara tiga shift kerja?

dan Analisis DataLanjutan A. Analisis Data Kuantitatif

(6)

c. Regresi linear

Digunakan untuk memprediksi hubungan antara satu atau lebih variabel bebas (X) terhadap variabel terikat (Y).

Contoh:

Apakah jumlah jam belajar memengaruhi nilai ujian?

Model dasar:

Y = a + b X + e YYY: variabel dependen

XXX: variabel independen aaa: konstanta

bbb: koefisien regresi eee: error

Lanjutan….Metode analisis data

Lanjutan II. Jenis Pendekatan data

(7)

d. Korelasi Pearson

Digunakan untuk mengukur kekuatan dan arah hubungan linier dua variabel numerik.

Nilai rrr antara -1 sampai +1 +1: korelasi sempurna positif -1: korelasi sempurna negatif 0 : tidak ada hubungan

Contoh:

• Apakah terdapat hubungan antara motivasi dan kinerja kerja?

e. Chi-Square (χ²)

Digunakan untuk menguji hubungan antar dua variabel kategori (nominal/ordinal).

Contoh:

• Apakah ada hubungan antara jenis kelamin dan preferensi metode belajar?

(8)

3. Software Pendukung

1. SPSS, R, STATA, Excel, Python, Jamovi

Nama Software Fungsi Utama Kelebihan

SPSS Analisis statistik

deskriptif & inferensial

Antarmuka mudah

digunakan, cocok untuk non-programmer

R Statistik lanjutan,

visualisasi Gratis, sangat fleksibel dan kuat

STATA Analisis ekonometrik dan

statistik Cepat dan efisien untuk dataset besar

Excel Statistik dasar,

visualisasi Familiar, ringan Python (pandas,

scipy, statsmodels) Statistik + pemrograman Integrasi dengan machine learning Jamovi Antarmuka GUI untuk

analisis statistik (berbasis R)

Gratis dan mudah

digunakan oleh pemula

(9)

Tips Pemilihan Metode Analisis

Jenis Data Contoh Alat Analisis

Nominal (jenis kelamin, warna, dsb.) Chi-square Ordinal (tingkat pendidikan,

kepuasan) Median, Chi-square

Interval/rasio (umur, gaji) Mean, t-test, ANOVA, Regresi

(10)

B. Analisis Data Kualitatif

dan Analisis Data

Digunakan pada penelitian dengan data non-numerik (wawancara, observasi, dokumentasi)

Teknik Analisis



Reduksi Data: menyaring data yang relevan



Display Data: menyajikan data dalam bentuk tabel, narasi, atau grafik



Penarikan Kesimpulan: membuat interpretasi dari pola- pola data

Model Analisis Populer



Miles & Huberman: reduksi data → penyajian data → penarikan kesimpulan



Grounded Theory: open coding → axial coding → selective coding



Thematic Analysis: mengidentifikasi tema-tema kunci Alat Bantu



NVivo, Atlas.ti, MAXQDA

(11)

C. Analisis Data Campuran (Mixed Method)

dan Analisis Data

Kombinasi kuantitatif dan kualitatif untuk memperkaya interpretasi

Prosedur:

 Eksplanatori: Kuantitatif → Kualitatif

 Eksploratori: Kualitatif → Kuantitatif

 Konvergen: Analisis paralel lalu digabungkan Tantangan:

 Memadukan temuan dari dua paradigma

 Keseimbangan analisis dan interpretasi

(12)

1. Pemeriksaan Data (Data Cleaning)

Menghapus data tidak lengkap atau salah input 2. Koding dan Kategorisasi

Mengubah data mentah menjadi variabel atau tema 3. Pengujian Asumsi

Normalitas, homogenitas (untuk kuantitatif) 4. Analisis Utama

Menggunakan metode statistik atau penalaran kualitatif 5. Interpretasi dan Pembahasan

Menghubungkan temuan dengan teori dan literatur 6. Visualisasi Data

Diagram batang, tabel frekuensi, word cloud, dll.

III. Proses Analisis Data Secara

data

Umum

(13)

1. Pemeriksaan Data (Data Cleaning) a. Definisi:

Proses untuk memeriksa, memperbaiki, atau menghapus data yang tidak valid, ganda, tidak lengkap, atau keliru sebelum dilakukan analisis.

b. Aktivitas Umum:

 Menghapus missing data atau menggantinya (imputasi)

 Menyaring duplikasi entri

 Memastikan format data konsisten (misal: angka, tanggal)

 Validasi rentang nilai (nilai 0–100 untuk skor, misalnya)

🔹c. Contoh Kasus:

Pada survei kuesioner online:

 Beberapa responden tidak menjawab semua pertanyaan → respon tersebut dikeluarkan

 Ada entri usia 250 tahun → dihapus sebagai outlier III. Proses Analisis Data Secara

Umum

(14)

a. Definisi:

Proses mengubah data mentah menjadi variabel (kuantitatif) atau tema dan pola (kualitatif), agar dapat dianalisis.

b. Untuk Penelitian Kuantitatif:



Koding numerik: jawaban dikodekan dalam angka

•

Misal: Ya = 1, Tidak = 0



Label kategori: Pria = 1, Wanita = 2 c. Untuk Penelitian Kualitatif:



Mengidentifikasi kode terbuka (istilah penting)



Mengelompokkan menjadi kategori



Menyusun tema utama d. Contoh:

Data wawancara:

“Saya takut ketinggian saat bekerja di proyek”

→ Kode: Ketakutan, Risiko Ketinggian

→ Tema: Persepsi Risiko Pekerja

Lanjutan III. Proses Analisis data

Data Secara Umum

2. Koding dan

Kategorisasi

(15)

3. Pengujian Asumsi Statistik

Khusus untuk analisis kuantitatif, terutama sebelum melakukan analisis inferensial (uji-t, regresi, ANOVA)

Asumsi Keterangan Uji Statistik

Normalitas Apakah data menyebar

normal? Kolmogorov-Smirnov,

Shapiro-Wilk Homogenitas Apakah varians antar

kelompok setara? Levene’s Test Linearitas Hubungan antara dua

variabel bersifat linear Scatter plot, Uji linearitas Multikolinearitas Tidak ada korelasi kuat

antar variabel bebas VIF (Variance Inflation Factor)

Tujuan:

Menentukan apakah data memenuhi syarat untuk dilakukan analisis statistik tertentu.

(16)

4. Analisis Utama (Main

Analysis)

d. Contoh:



Kuantitatif: “Apakah

pelatihan meningkatkan produktivitas kerja?” → uji-t



Kualitatif: “Apa persepsi pekerja terhadap

keselamatan kerja?” → analisis naratif dan

tematik

c. Untuk Penelitian Kualitatif:



Analisis tematik



Grounded theory



Content analysis

b. Untuk Penelitian Kuantitatif:

Menggunakan metode statistik:



Uji-t



ANOVA



Regresi



Korelasi a. Tujuan:

Menjawab rumusan

masalah dan hipotesis penelitian berdasarkan data yang telah bersih dan

dikodekan.

(17)

a. Tujuan:

Menerjemahkan hasil analisis ke dalam pemahaman yang

bermakna, serta menghubungkannya dengan kerangka teori, temuan terdahulu, dan konteks penelitian.

b. Komponen:



Penafsiran nilai statistik: apa artinya jika p-value < 0.05?



Hubungan dengan teori: apakah hasil mendukung teori X?



Perbandingan dengan penelitian sebelumnya



Implikasi hasil terhadap kebijakan atau praktik c. Tips:

Jangan hanya menyebut “bermakna” secara statistik, tapi juga jelaskan “makna praktis” atau “implikasinya”.

5. Interpretasi dan

Pembahasan

(18)

6. Visualisasi Data

Jenis Keterangan Cocok untuk

Diagram batang Menampilkan perbandingan

antar kategori Kuantitatif kategori Histogram Distribusi frekuensi nilai

numerik Kuantitatif interval/rasio

Diagram lingkaran (pie) Proporsi dari keseluruhan Persentase Word cloud Frekuensi kata dalam data

kualitatif Wawancara, open-ended

Matriks tema Relasi antar tema Kualitatif Tabel frekuensi Jumlah kemunculan suatu

nilai Semua jenis data

Lanjutan III. Proses Analisis Data Secara Umum

a. Tujuan:

Menyajikan hasil data secara visual dan informatif

agar mudah dipahami oleh pembaca atau audiens.

(19)

(20)

6. Visualisasi Data

b. Contoh:

Untuk data persepsi responden terhadap K3, dibuat pie chart:

 40%: sangat baik

 35%: baik

 20%: cukup

 5% : kurang

Persepsi Responden

Terhadap K3

(21)

Kesimpulan Alur Proses

1. Data Cleaning: Membersihkan input awal

2. Koding/Kategorisasi: Mengubah ke bentuk analisis 3. Uji Asumsi: Menyaring kelayakan metode

4. Analisis Utama: Menggunakan teknik statistik atau tematik

5. Interpretasi & Diskusi: Menafsirkan dan mengkontekstualisasi

6. Visualisasi: Mempermudah pemahaman dan penyajian hasil

(22)

IV. CONTOH PENERAPAN ANALISIS

data

DATA

Fokus: Mengukur, menguji, dan memverifikasi hubungan atau

pengaruh antar variabel dengan data numerik

Contoh Kasus: Survei Tingkat Kepuasan Mahasiswa terhadap Layanan Perpustakaan



Tujuan: Mengukur pengaruh kualitas layanan terhadap tingkat kepuasan mahasiswa



Instrumen: Kuesioner tertutup skala Likert (1–5) Variabel:

•

X = Kualitas Layanan (layanan staf, kenyamanan tempat, aksesibilitas)

•

Y = Kepuasan Pengguna Langkah Analisis:

a. Statistik Deskriptif:



Hitung mean, median, moda, standar deviasi



Visualisasi dengan histogram atau tabel frekuensi

1. Penelitian

Kuantitatif

(23)

DATA

b. Pengujian Asumsi:

 Normalitas data (uji Shapiro-Wilk)

 Homogenitas (uji Levene) c. Uji Regresi Linear:

 Apakah X memengaruhi Y?

 Y=a+bX

 Interpretasi nilai R² dan p-value

🔹 Tools:

 SPSS, Jamovi, R, Excel

Lanjutan 1. Penelitian Kuantitatif

(24)

Lanjutan….Metode analisis Lanjutan IV. CONTOH PENERAPAN ANALISIS data DATA

Fokus: Mengeksplorasi makna, pengalaman, persepsi, atau fenomena secara mendalam

a. Contoh Kasus: Studi Persepsi Pekerja Konstruksi terhadap Keselamatan Kerja

Tujuan: Memahami bagaimana pekerja memaknai dan menjalani prosedur K3

Instrumen: Wawancara mendalam dan observasi lapangan Data: Transkrip wawancara, catatan lapangan

b. Langkah Analisis (mengacu pada Miles & Huberman):

 Reduksi Data:

Menyeleksi kutipan penting dari wawancara

 Koding dan Kategorisasi:

 Misal: "takut jatuh" → kode: Risiko Tinggi

 "tidak pernah pakai helm" → Kepatuhan Rendah

2. Penelitian

Kualitatif

(25)

DATA

c. Display Data:

 Tabel atau peta tematik d. Penarikan Kesimpulan:

 Tema utama: kurangnya pelatihan, minimnya pengawasan

e. Tools:

 NVivo, Atlas.ti, MAXQDA

Lanjutan 2. Penelitian Kualitatif

(26)

Lanjutan….Metode analisis Lanjutan IV. CONTOH PENERAPAN ANALISIS data DATA

Fokus: Menggabungkan kelebihan kuantitatif (objektivitas) dan kualitatif (kedalaman) dalam satu studi

Contoh Kasus: Evaluasi Efektivitas Pelatihan K3

 Tujuan: Menilai efektivitas pelatihan K3 secara numerik dan perseptual

 Tahapan:

• Survei sebelum dan sesudah pelatihan (kuantitatif)

• Wawancara peserta setelah pelatihan (kualitatif) 3. Penelitian Campuran (Mixed

Methods)

(27)

DATA

Langkah Analisis:

a. Analisis Kuantitatif:

 Uji-t berpasangan (pre-test dan post-test)

 Apakah ada peningkatan skor pemahaman?

b. Analisis Kualitatif:

 Temuan naratif: "Pelatihan membantu saya lebih sadar bahaya"

 Dikelompokkan dalam tema: Kesadaran Risiko, Kepatuhan Prosedur

c. Integrasi Hasil:

 Menyimpulkan bahwa pelatihan berdampak secara statistik dan persepsi

🔹 Tools:

 Kuantitatif : SPSS/Jamovi

 Kualitatif : NVivo

 Penyajian gabungan: Excel, Word, PowerPoint

Lanjutan… 3. Penelitian Campuran (Mixed Methods)

(28)

Lanjutan….Metode analisis Lanjutan IV. CONTOH PENERAPAN ANALISIS data Lanjutan… 3. Penelitian Campuran DATA

(Mixed Methods)

Jenis

Penelitian Studi Kasus Tujuan Analisis Metode

Analisis Tools Kuantitatif Survei

kepuasan mahasiswa

Uji pengaruh layanan

terhadap kepuasan

Regresi linear SPSS, Excel

Kualitatif Wawancara pekerja

konstruksi

Eksplorasi persepsi risiko kerja

Analisis

tematik NVivo

Mixed

Methods Evaluasi

pelatihan K3

Gabungan pengukuran dan persepsi

t-Test &

analisis tema SPSS + NVivo

Tabel

Rangkuman