contoh analisis data

EKSPLORASI DATA

Ada dua hal yang sering dilakukan oleh seorang peneliti setelah melakukan pengumpulan data, yaitu mencari nilai pemusatan data dan penyebaran data. Nilai pemusatan data dapat dicari dengan menghitung nilai rata-rata, median dan modus. Nilai penyebaran data adalah nilai range atau jangkauan, jangkauan inter kuartil dan varian.Nilai varian lebih sering digunakan dibandingkan nilai yang lain. Analisis data merupakan proses terakhir dari kegiatan penelitian sebelum menulis laporan penelitian. Analisis data bertujuan untuk menjawab pertanyaan, membuktikan hipotesis, dan atau menjelaskan fenomena yang menjadi latar belakang penelitian. Analisis akan mengubah angka dan catatan hasil pengumpulan data menjadi informasi yang mudah dipahami. Pekerjaan ini memerlukan pengetahuan statistika yang memadai sesuai dengan tujuan yang ingin dicapai dalam penelitian yang bersangkutan. Secara substantif, analisis data diperlukan untuk membandingkan teori dengan informasi yang ditemukan atau menemukan adanya konsep baru dari data yang dikumpulkan.Proses analisis data pada dasarnya meliputi upaya penelusuran dan pengungkapan informasi yang relevan yang terkandung dalam data dan penyajian hasilnya dalam bentuk yang lebih ringkas dan sederhana, yang pada akhirnya mengarah kepada keperluan adanya penelusuran dan penafsiran, (Aunuddin, 1989). Proses awal dalam analisis data adalah pengungkapan informasi tanpa terlalu terikat pada asumsi-asumsi yang ketat agar pengungkapan informasi dapat dilakukan dengan fleksibel dan lebih merangsang daya imajinasi tanpa melupakan kaidah-kaidah ilmu maupun teori yang telah dikenal.Kebanyakan peneliti sering terjebak pada format baku yang harus ditaati dari aturan sebuah buku acuan (referensi). Kecenderungan yang agak keliru ini juga terjadi dalam penerapan metode statistika secara umum, karena adanya kesan bahwa pengujian hipotesis itu sederhana dan relatif mudah untuk dilakukan sesuai dengan aturan buku-buku statistika maka tidak jarang kita menemukan penelitian yang sebenarnya dapat dibahas dengan lebih menarik ternyata cukup diakhiri dengan kesimpulan yang menyatakan hasilnya nyata atau tidak nyata secara statistik (H0 diterima atau ditolak).Pendekatan metode pendugaan yang optimum dan pengujian hipotesis yang bersifat eksploratif ini dipelopori oleh J.W. Tukey sejak awal tahun 1970-an dalam bukunya tentang teknik eksplorasi data. Analisis data yang bersifat eksploratif diawali dengan upaya penelusuran dan pengungkapan struktur dan pola yang dimiliki oleh data tanpa mengaitkan secara kaku pada bentuk formal asumsi-asumsi yang ada. Penelusuran pola data bertujuan untuk memeriksa bentuk atau pola sebaran data, yaitu apakah data mengumpul pada nilai tertentu, atau apakah data ada yang memencil.Sedangakan tujuan eksplorasi data adalah untuk mengungkapkan

adanya penyimpangan-penyimpangan dari suatu model tertentu dan berusaha untuk mencari cara penyelesaiannya.Teknik eksplorasi data dengan menggunakan sarana grafik sangatlah efektif dalam analisis data. Berikut contoh peranan grafik untuk menemukan adanya kelainan-kelainan tahap awal dalam analisis regresi berdasarkan data Anscombe dalam Ryan, T.P. (1997) sebagai berikut. Eksplorasi data adalah kegiatan mencari mengumpulkan cara menyajikan atau mengolah data yang besar, dalam multivariable sehingga mudah dipahami atau dibaca oleh orang lain. Seblum menganalisa data kita harus melakukan penelusuran dan mengungkapkan struktur dan pola data tersebut. tanpa mengaitkan secara kaku pada asumsi-asumsi tertentu. Tujuan eksplorasi semacam ini tidak hanya untuk memberi keyakinan bahwa data tersebut dapat diwakili oleh suatu model, akan tetapi yang lebih penting adalah dalam mengungkapkan adanya penyimpangan-penyimpangan dari suatu model tertentu dan berusaha untuk mencari cara penyelesaiannya. (Aunuddin,1989) Eksplorasi data secara grafis menjadi alat peraga yang cukup efektif, sederhana dan mudah dipahami oleh siapapun. Untuk struktur data dengan banyak variabel (multivariate) dibutuhkan metode yang sangat representatif, karena pada umumnya struktur data dengan banyak variabel membutuhkan penanganan yang jauh lebih sulit dibanding dengan struktur data 2 atau 3 variabel. jika dalam analisis suatu data langsung dilakukan dengan pengujian hipotesis, maka akan diperoleh kesimpulan yang bias dari data sebenarnya. Contoh di atas adalah gambaran jika seorang peneliti ingin melihat pengaruh variabel bebas terhadap variabel terikat dan tanpa tahu struktur data sebenarnya langsung membuat analisis regresi, maka kesimpulan yang diperoleh akan berbias. (Sumber: Muji Gunarto, 2004. Panduan Penelitian Kuantitatif dengan Aplikasi Program SPSS, Mc Cendekia Research and Statsitics Consulting, Bandung).

Yaitu asumsi normalitas pada analisis univariat (satu variabel). Asumsi normalitas adalah suatu asumsi bahwa data yang akan dianalisis mengikuti suatu distribusi normal pada suatu variabel.Ada beberapa metode yang adapat digunakan untuk melihat kenormalan sebaran data baik secara visual maupun secara inferensial. Metode secara visual dapat dilakukan dengan membuat grafik (histogram) dari data tersebut. Sedangkan secara inferensial dapat dilakukan dengan analisis statistik nonparametrik seperti: 1) Uji Lilliefors, 2) Uji Kolmogorov Smirnov (K-S) atau 3) Uji Normalitas Chi-Kuadrat (X2). Uji Lilliefors dan Uji Kolmogorov Smirnov

dilakukan jika datanya minimal memiliki skala ordinal, sedangkan uji Chi-Kuadrat dapat dilakukan untuk data yang memiliki skala minimal nominal.

Manfaat eksplorasi data adalah akan mempermudah kita dalam membaca suatu data dan memahami data, sehingga data yang berukuran besar dapat disajikan dalam sbuah model yang lebih sederhana. Kita dapat melakukan pengecekan jenis2 data secara statistic dengan mudah dengan bantuan software pengolah data seperti spss, excel dll.kita juga dapat melihat grafik fungsi data yang telah diolah, sehingga akan mempermudah kita dalam memahami deskripsi data tersebut.data juga dapat diolah dalam bentuk table, gambar dan uji statistic langsung. Dengan eksplorasi data tentu akan mempermudah kita dalam melakukan proses uji statistic, karena data telah disajikan secara lebih sederhana. Eksplorasi data juga membantu perencana memahami lebih jauh makana spasial atau keruangan yang terkandung dalam informasi geographis. Dengan eksplorasi data juga dapat di analisis dengan lebih mudah.Selain itu eksplorasi data juga akan membantu kita dalam mengambil sebuah keputusan, karena informasi data dapat kita peroleh dengan cepat. Kemudian data dapat dipaparkan secara baik, jika terjadi perubahan data maka perubahan akan mudah di perbaiki, data akan lebih cepat dan mudah di analis.

Kekurangan eksplorasi data, yaitu dibutuhkannya pengetahuan dan biaya yang cukup besar karena berbasis computer.

• Potential problems with analyses involving missing data. Potensi masalah dengan analisis yang melibatkan data hilang. These can be insidious, in that the unwary user is unlikely to realize that anything is wrong. Ini bisa busuk hati, dalam hal tak awas pengguna tidak akan menyadari bahwa sesuatu adalah salah.
• Lack of flexibility in analyses that can be done due to its expectations regarding the arrangement of data. Kurangnya fleksibilitas dalam analisis yang dapat dilakukan karena harapan tentang pengaturan data. This results in the need to cut/paste/sort/ and otherwise rearrange the data sheet in various ways, increasing the likelyhood of errors. Ini hasil yang harus dipotong / sisipkan / sort / dan lain ulang data Sheet dalam berbagai cara, meningkatkan kemungkinan terjadinya kesalahan.
• Output scattered in many different worksheets, or all over one worksheet, which you must take responsibility for arranging in a sensible way. Output tersebar di berbagai worksheet, atau semua lebih dari satu worksheet, yang harus bertanggung jawab untuk mengatur di jalan masuk akal.
• Output may be incomplete or may not be properly labeled, increasing possibility of misidentifying output. Output mungkin tidak lengkap atau tidak dapat diberi label dengan benar, meningkatkan kemungkinan misidentifying output.
• Need to repeat requests for the some analyses multiple times in order to run it for multiple variables, or to request multiple options. Harus mengulangi permintaan untuk beberapa analisis beberapa kali untuk menjalankannya untuk beberapa variabel, atau meminta beberapa pilihan.
• Need to do some things by defining your own functions/formulae, with its attendant risk of errors. Perlu melakukan beberapa hal dengan mendefinisikan sendiri fungsi / formulae, hadir dengan risiko kesalahan.
• No record of what you did to generate your results, making it difficult to document your analysis, or to repeat it at a later time, should that be necessary. Tidak ada catatan apa yang Anda lakukan untuk hasil Anda, sehingga sulit untuk dokumen analisis Anda, atau untuk mengulang di lain waktu, sebaiknya yang perlu dilakukan.

CONTOH:

Sebuah pabrik sepatu sedang mengembangkan produk sepatu baru. Sebelum meluncurkan produk baru tersebut, divisi pemasaran melakukan riset untuk mengetahui seperti apakah desain dan warna produk yang diminati oleh konsumen, dimana target pasar yang dibidik adalah kelas menengah.

Awalnya bagian Promosi melakukan riset kecil berupa penyebaran kuisioner kepada pelanggan untuk mengetahui penting tidaknya suatu atribut beserta tarafnya. Kemudian diketahui ada 2 atibut yang dinilai berperan mempengaruhi responden (konsumen). Penelitian dilakukan terhadap 2 responden.

setelah dibuat stimuli, ke-2 responden tersebut melakukan ranking terhadap stimuli yang ada. Dimana angka 1 adalah model sepatu yang paling tidak disukai, dan angka terakhir adalah model sepatu yang paling disukai.buatlah dengan analisis konjoin untuk menyimpulkan seperti apa model sepatu yang disukai konsumen?

Atribut	Taraf	Keterangan
Desain	1 2	Bertali Tanpa tali
Warna	1 2 3	Hitam Putih Lainnya (selain hitam dan putih)