Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Company LOGO Analisa Data Smansa Research Team. Analisis Data Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah.

Presentasi serupa


Presentasi berjudul: "Company LOGO Analisa Data Smansa Research Team. Analisis Data Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah."— Transcript presentasi:

1 Company LOGO Analisa Data Smansa Research Team

2 Analisis Data Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah atau dianalisa. Pengolahan data merupakan bagian penting penelitian, karena dengan pengolahan data, data dapat diberi arti dan makna yang berguna dalam memecahkan masalah penelitian. Data yang dikumpulkan perlu dipecah-pecah dalam kelompok, dikategorisasi, dimanipulasi serta diperas sedemikian rupa sehingga data tersebut mempunyai makna untuk menjawab masalah dan bermanfaat untuk menguji hipotesa atau pertanyaan penelitian. Terdapat dua kelompok besar metode analisis, yakni kuantitatif dan kualitatif.

3 Perbedaan Kuantitatif & Kualitatif Analisa dilakukan sejak awal sampai akhir penelitian. Bersifat Induktif Diarahkan mencari pola, model atau teori Analisa dilakukan sejak awal sampai akhir penelitian. Bersifat Induktif Diarahkan mencari pola, model atau teori Analisa dilakukan setelah data terkumpul. Bersifat deduktif Menggunakan metode statistik Analisa dilakukan setelah data terkumpul. Bersifat deduktif Menggunakan metode statistik Kuantitatif Kualitatif

4 Analisis Data Kuantitatif 1. Statistik Deskriptif 2. Statistik Inferensial Secara umum, analisa data kuantitatif menggunakan dua jenis metode statistik, yakni Statistik Deskriptif dan Inferensial.

5 Statistik Deskriptif Statistik deskriptif adalah statistik yang berfungsi untuk menderkripsikan obyek penelitian melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Data disajikan dalam bentuk tabel biasa maupun distribusi frekuensi; grafik garis maupun batang; diagram; pictogram; penjelasan melalui mean, median, modus; dan variasi kelompok melalui rentang dan simpangan baku. Statistik deskriptif adalah statistik yang berfungsi untuk menderkripsikan obyek penelitian melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Data disajikan dalam bentuk tabel biasa maupun distribusi frekuensi; grafik garis maupun batang; diagram; pictogram; penjelasan melalui mean, median, modus; dan variasi kelompok melalui rentang dan simpangan baku.

6 Fungsi Statistik Deskriptif Mengklasifikasikan suatu data variabel berdasarkan kelompoknya masing-masing dari semula belum teratur dan mudah diinterpretasikan maksudnya oleh orang yang membutuhkan informasi tentang keadaan variabel tersebut. Menyajikan informasi sedemikian rupa, sehingga data yang dihasilkan dari penelitian dapat dimanfaatkan oleh orang lain yang membutuhkan. Mengklasifikasikan suatu data variabel berdasarkan kelompoknya masing-masing dari semula belum teratur dan mudah diinterpretasikan maksudnya oleh orang yang membutuhkan informasi tentang keadaan variabel tersebut. Menyajikan informasi sedemikian rupa, sehingga data yang dihasilkan dari penelitian dapat dimanfaatkan oleh orang lain yang membutuhkan.

7 Contoh aplikasi data Kuantitatif Deskriptif Ibu Siti Sriyatun, tertarik untuk meneliti pencapaian prestasi mata pelajaran matematika siswa kelas X semester 1 di SMA N 1 Rembang. Untuk keperluan tersebut peneliti melihat nilai Ujian Tengah Semester (UTS) dan Ujian Semester dalam mata pelajaran yang diberikannya kepada 14 siswa semester 1. Setelah melakukan studi dokumenter diperoleh data sebagai berikut :

8 Contoh aplikasi data Kuantitatif Deskriptif Nama SiswaNilai U T SNilai U A SNilai Rata-rata Maria Sharapova657067,5 Rafael Nadal707371,5 Ana Ivanovic758077,7 Martina Hingis Novak Djokovic607567,5 Victoria Azarenka657268,5 Nadia Petrova Kim Clitsjer Roger Federer677872,5 David Ferer657871,5 Andi Murray Gabriela Sabatini788179,5 Sara Errani Vera Zvonareva728076

9 Standar Konversi dan Kualifikasi Nilai SMA N 1 Rembang Kemudian dibandingkan dengan standar nilai yang dimiliki SMA N 1 Rembang. SkorNilaiNilai HurufKualifikasi 80 – 1004ABaik Sekali 70 – 793BBaik 60 – 692CCukup 50 – 591DKurang 0 – 490ESangat Kurang

10 Standar Konversi dan Kualifikasi Nilai SMA N 1 Rembang Dengan berpedoman pada standar di atas, maka skor hasil pengukuran kemampuan Matematika yang terdapat pada tabel 1 dapat dilakukan konversi. Melalui cara ini dapat diketahui distribusi nilai berikut kualifikasinya. Hal ini dapat dilihat pada tabel berikut:

11 Contoh aplikasi data Kuantitatif Deskriptif Nama Siswa Nilai U T SNilai U A SNilai Matematika SkorNilaiSkorNilaiSkor Nilai Maria Sharapova65C70B67,5C Rafael Nadal70B73B71,5B Ana Ivanovic75B80A77,7B Martina Hingis73B71B72B Novak Djokovic60C75B67,5C Victoria Azarenka65C72B68,5C Nadia Petrova74B80A77B Kim Clitsjer68C74B71B Roger Federer67C78B72,5B David Ferer65C78B71,5B Andi Murray80A82A81A Gabriela Sabatini78B81A79,5B Sara Errani76B78B77B Vera Zvonareva72B80A76B

12 Penentuan Kualifikasi Nilai Matematika Langkah selanjutnya agar hasil konversi nilai memiliki makna lebih jelas, maka dilakukan kualifikasi berdasarkan jenis-jenis variabel beserta kualifikasinya : Nilai Nilai U T SNilai U A SNilai Matematika F%F%F% A ,711 7 B , ,43 C642, ,43 D E

13 Kesimpulan Statistik Deskriptif Dari tabel tersebut peneliti bisa membuat kesimpulan sesuai dengan keadaan yang termuat di dalamnya. Misalnya pada tabel tersebut peneliti mendeskripsikan bahwa nilai Matematika siswa kelas X SMA N 1 Rembang Semeter I, tidak tampak (0%) untuk kategori Kurang (D) dan Sangat Kurang (E). Kualifikasi nilai mereka berkisar antara nilai Baik Sekali 7%, Baik sebesar 71,43%, dan selebihnya berkualifikasi Cukup 21,43%. Secara umum dapat dikatakan bahwa nilai Matematika yang diperoleh siswa kelas X termasuk Baik. Hal ini dapat dilihat pula dari nilai rata- ratanya, yaitu sebesar 73,57 dan lain-lain.

14 Statistik Inferensial Pemakaian analisis inferensial bertujuan untuk menghasilkan suatu temuan yang dapat digeneralisasikan secara lebih luas ke dalam wilayah populasi. Di sini seorang peneliti akan selalu berhadapan dengan hipotesis nihil (Ho) sebagai dasar penelitiannya untuk diuji secara empirik dengan statistik inferensial. Jenis statistik inferensial dibagi menjadi dua; korelasional dan komparasi dan/atau eksperimen.

15 Jenis Data dan Analisa Inferensial Jenis Data dan Teknik Korelasi yang tepat NoVariabel 1Variabel 2Teknik Analisa 1Interval Product Moment 2Ordinal (Rangking) Tata jenjang (lebih tepat untuk N kurang dari 30) 3Rangking Kendall Thau (lebih tepat untuk N kurang dari 10) 4Dikhotomi buatanIntervalBiserial 5Dikhotomi asliIntervalWide Spread biserial 6Dikhotomi buatan Point biserial 7Dikhotomi asli Korelasi Phi 8 Kategorik asli atau buatan Kategorik asli atau buatan Chi Kuadrat dilanjutkan Koefisien Kontingensi 9Interval Product Moment

16 Statistik Inferensial Teknik korelasi ini dipergunakan untuk melihat ada tidaknya hubungan antara dua variabel bebas (X) dan variabel terikat (Y). Data pada tabel nilai matematika di atas dapat dipergunakan sebagai contoh analisis kuantitatif inferensial. Nilai Ujian Tengah Semester dianggap variabel bebas (X) dan Nilai Ujian Semester sebagai variabel terikat (Y). Berhubung teknik statistik inferensial selalu berhubungan dengan hipotesis nihil (H0), maka terlebih dahulu harus dipersiapkan hipotesis ujinya berupa hipotesis nihil. Misalnya sebagai berikut: Tidak ada hubungan antara nilai Ujian Tengah Semester dengan nilai Ujian Semester pada siswa kelas X SMA N 1 Rembang semester 1 dalam mata pelajaran Matematika

17 Statistik Inferensial Ternyata setelah dilakukan pengolahan dengan teknik Pearson Product Moment, diperoleh temuan : Tidak ada hubungan antara nilai Ujian Tengah Semester dengan nilai Ujian Semester pada siswa kelas X SMA N 1 Rembang semester 1 dalam mata pelajaran Matematika Karena terdapat kesamaan antara Hipotesis dengan Temuan, maka ini berarti Hipotesis diterima.

18 Analisa Data Kualitatif Analisis kualitatif adalah proses mengatur urutan data, mengorganisasikanya ke dalam suatu pola, kategori, dan satuan uraian dasar. Analisis data kualitatif sebagai proses mengorganisasikan dan mengurutkan data ke dalam pola, kategori dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang didasarkan oleh data. Data yang terkumpul banyak sekali dan terdiri dari catatan lapangan dan komentar peneliti, gambar, foto, dokumen, berupa laporan, biografi, artikel, dan sebagainya.

19 Analisa Data Kualitatif  Pekerjaan analisis data dalam hal ini ialah mengatur, mengurutkan, mengelompokkan, memberikan kode, dan mengategorikannya. Pengorganisasian dan pengelolaan data tersebut bertujuan menemukan tema dan hipotesis kerja yang akhirnya diangkat menjadi teori substantif.  Secara lebih jelas keseluruhan proses analisa data kualitatif dapat digambarkan oleh diagram yang dibuat oleh Miles dan Huberman sebagai berikut :

20 Analisa Data Kualitatif Text Data Collecting Data Display Data Reduction Conclusion Quantitative Analysis

21 Analisa Data Kualitatif  Data yang telah dikumpulkan, di display atau disajikan apa adanya.  Data yang disajikan kemudian direduksi dengan cara dibandingkan satu dengan yang lain, dicari pola dan model korelasi antar beragam data dari beragam sumber dan metode pengumpulan.  Kalau masih belum memungkinkan menemukan pola, maka proses dapat diulang dari awal.  Siklus dilakukan secara tersu menerus sampai ditemukan pola yang konkret.

22 Terima Kasih TEXT


Download ppt "Company LOGO Analisa Data Smansa Research Team. Analisis Data Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah."

Presentasi serupa


Iklan oleh Google