ANALISIS DATA Menara Salemba Lt. 10 Jl. Salemba Raya No. 5, Jakarta 10440 Telp.: (021) 3984 2998 Fax.: (021) 3984 2878 E-mail: contact@dayamakaraui.com

Agenda 1 Langkah Analisis Data Statistik Deskriptif 2 Pengujian Hipotesis 3 4

Langkah Analisis Data Kuantitatif Data Coding Data Entering Data Cleaning Data Output Data Analyzing

Pengkodean Data ( Data Coding) Proses memberikan kode atas data yang diperoleh atau proses penyusunan secara sistematis data mentah (yang terdapat dalam kuesioner) ke dalam tabel excell atau pengolah data semisal SPSS agar siap untuk diolah. Contoh Variabel jenis kelamin  1: laki-laki 2: Perempuan Variabel pendikan  1: SLTA 2:D1 3:DIII 4:DIV/S1 5:S2 6:S3 Variabel lama kerja  1: <1tahun 2: 1-3 tahun 3: 3-5 tahun 4: >5tahun

Data Coding Data Coding digunakan sebagai dasar dalam pembuatan Buku Coding ( Coding Book) Kuesioner dalam pertanyaan tertutup lebih mudah untuk dilakukan coding, apabila dibandingkan dengan pertanyaan terbuka. Jika anda menggunakan pertanyaan terbuka dalam kuesioner anda harus menginventarisasi jawaban responden.

Pemindahan Data ( Data Entry ) Kegiatan memindahkan data yang telah diubah menjadi kode ( data coding ) ke dalam mesin pengolah data. Dipindahkan ke program pengolah data seperti SPSS, Minitab, SAS, dsb. Untuk mempermudah mengolah data, pastikan bahwa format dalam data coding sesuai dengan tipe data dalam pengolah data.

Pembersihan Data (data cleaning) Kegiatan untuk memastikan bahwa seluruh data yang telah dimasukkan kedalam mesin pengolah data sudah sesuai dengan keadaan sebenarnya. Data Cleaning harus dilakukan dengan teliti agar data dapat diolah dengan mesin pengolah data sehingga mendapatkan data valid. Pastikan tidak ada data yang berada diluar range, misal Jenis kelamin hanya berisikan nilai 1 dan 2. Jika pertanyaan kuesioner menggunakan skala likert 1-5 pastikan data yang ada hanya terdiri dari nilai 1-5.

Kesalahan dalam Data Cleaning Possible Code Cleaning : kesalahan yang diakibatkan oleh peneliti ketika memasukan data ke dalam mesin pengolah data. Contingency Cleaning: Kesalahan yang diakibatkan oleh adanya struktur kuesioner yang hanya khusus digunakan atau dijawab oleh sebagian orang saja, sedangkan yang lain tidak.

Contoh Kuesioner 1. Apakah anda menggunakan Aplikasi Portal DJP? A. ya B. tidak (lanjut ke no 6 ) 2. Apakah anda puas menggunakan aplikasi tersebut? A. Puas B. Tidak Puas 3. Apakah menurut Anda aplikasi tersebut handal? A. Handal B. Tidak handal

Data Coding No Nama variabel Kode Var001 Menggunakan Aplikasi Portal DJP 1= ya 2= tidak Var002 Tingkat Kepuasan Aplikasi Portal DJP 1=puas 2=tidak puas var003 Kehandalan Aplikasi Portal DJP 1=handal 2=tidak handal

Coding Book Var / responden Responden 1 Responden 2 Responden 3

Contoh data cleaning Possible Code Cleaning : dapat ditemukan pada responden nomor 2 variabel 003, yakni angka 3. nilai 3 tidak ada dalam buku koding. Yang tersedia dalam buku koding adalah kode 1 & 2. Contingency Cleaning : ditemukan pada responden no.4 variabel 001-003.ketika menjawab tidak (kode 2) seharusnya responden tidak dapat menjawab pertanyaan selanjutnya. Responden tersebut diperbolehkan menjawab pada kembali pada no.6. Ia Tidak menggunakan Aplikasi Portal DJP, sehingga tidak dapat menilai kehandalan dan tingkat kepuasannya.

Data Ouput Data Univariat : analisis 1 variabel Analisis dilakukan dalam bentuk Tabel dan grafik, Ukuran Pemusatan : Mean, Median, Modus, Ukuran Persebaran : Range, standar Deviasi dan Ragam Data Bivariat : analisis 2 variabel Tabulasi Silang, Uji Statistik chi square, Lambda dsb. Data Multivariat : analisis lebih dari 2 variabel

Tabel dan Grafik Terdapat 3 unsur utama dalam penyusunan tabel dan grafik Judul Isi / Substansi Sumber Data

Analisis Bivariat Tabulasi Silang ( Crosstab ) Variabel Independen Persentase Variabel Dependen Interpretasi Terbagi menjadi Persentase Baris, Kolom dan Total

Tabel frekuensi Kategori Frekuensi Persentase Laki-laki 125 62,5% Perempuan 75 37,5% Jumlah 200 100%

Hubungan Grafik dengan Skala Pengukuran Nominal : Piechart, Bargraph Ordinal : Pie chart, Bargraph Interval : Histogram, Poligon, Ogive Rasio : Histogram, Poligon, Ogive, Diagram batang daun dan scatter plot ( diagram titik ) .

Penyajian Data Diagram Batang

Diagram Lingkaran

Diagram Garis

Diagram Area

Diagram Titik

Deskriptif

Statistik Deskriptif

Statistik Deskriptif Mean Std. Dev Median Max. Min. Obs. P 2.451,59 7.708,90 390,00 66.912,00 43,00 781 NOA 1.642,55 3.460,04 462,33 19.890,66 3,69 NFA -462,99 2.184,26 -71,00 11.904,71 -15.827,07 AOE -28,20 795,36 -16,83 6.049,13 -6.257,48 DTA 26,49 86,54 2,91 1.087,84 0,00 DTL 20,89 59,33 359,94 netDT 5,60 100,20 1,21 -359,94 netDT1 -16,00 51,49 netDT2 -0,20 0,85 0,40 -7,71 netDT3 0,31 0,75 3,78 netDT4 1,81 3,99 20,74 netDT5 19,67 82,20 netDTA 21,80 81,78 netDTL 16,20 51,43 netDTo -9,02 84,33 2,00 393,13 -405,05 154 ADJ 1,93 18,78 113,40 -110,53   For variable definitions, see Table 2.

Tabulasi Silang

Pengujian Beda rata-rata 2 Populasi Pendugaan Interval Pengujian Hypotesis Nilai (1 - 2) diketahui, tetapi baru anggapan, belum tentu sebenarnya Nilai (1 - 2) tidak diketahui (1 - 2) (1 - 2) = Do Menduga Menguji (x1 - x2) (x1 - x2)

Uji Hypotesis Beda 2 rata-rata Design Hypotesis : Do ≠ 0 Do = 0 Dua arah H0 : 1 - 2 = Do 1= 2 H1 : 1 - 2 ≠ Do 1 ≠ 2 satu arah kanan H0 : 1 - 2 = Do 1= 2 Z H1 : 1 - 2 > Do 1 > 2 satu arah kiri H0 : 1 - 2 = Do 1= 2 H1 : 1 - 2 < Do 1 < 2 - Z

Statisik Uji Beda 2 Rata-rata 1. Menentukan Design Hypotesis 2. Menentukan Batas Kritis (menentukan Stat Uji Teoritis) Menghitung Statistik Uji Empiris (Z hitung) 4. Tentukan letak Z hitung pada batas kritis 5. Ambil keputusan

Contoh soal 2 Seorang pengusaha lampu neon cap “Cahaya” mengklaim bahwa produknya lebih awet dari pada lampu neon cap “Pilipus”dan awetnya lebih dari 100 jam. Suatu penelitian dilakukan untuk menguji pernyataan pengusaha tersebut. Dengan mengambil sampel random masing-masing sebanyak 50. Setelah dilakukan pengujian daya tahan, diperoleh angka sebagai berikut: rata-rata umur lampu cap “Cahaya” = 2305jam dengan deviasi standar 16jam dan rata-rata umur lampu cap “Pilipus” = 2200 jam dengan deviasi standar 14jam. Dengan taraf nyata 5% ujilah pernyataan seorang pengusaha tersebut!

Jawaban : Diketahui: Do = 100  = 5% Merk “Cahaya”:n1=50 = 2305 S1= 16 Merk “Pilipus”: n2=50 = 2200 S2= 14 1. Ho : 1 - 2 = 100 H1 :1 - 2 > 100 2.  = 5%  Z = 1,64 3. Zh = 1,66 4. Letak Zh = 1,66 berada di wilayah H1 :1 - 2 > 100 5. Keputusan : klaim seorang pengusaha dapat diterima. satu arah kanan 1,645

Uji Hypotesis Beda Proporsi 2 Populasi Design Hypotesis : Dua arah Do ≠ 0 Do = 0 H0 : P1 - P2 = Do P1= P2 H1 : P1 - P2 ≠ Do P1 ≠ P2 satu arah kanan H0 : P1 - P2 = Do P1= P2 H1 : P1 - P2 > Do P1 > P2 Z satu arah kiri H0 : P1 - P2 = Do P1= P2 H1 : P1 - P2 < Do P1 < P2 - Z

Statistik Uji Beda 2 Proporsi (Langkah 3) Bila Do=0 , maka dimana

Contoh soal 3 Sebuah stasiun TV swasta ingin mengetahui apakah TV-nya lebih disukai kalangan muda dibandingkan kalangan dewasa. Untuk itu ia melakukan survey dengan sampel random masing-masing 2000 orang. Diperoleh angka yang menyukai stasiun TV itu dari kalangan dewasa 400 orang dan kalangan muda 500 orang. Dengan taraf nyata 5%, ujilah apakah stasiun TV itu memang lebih disukai kalangan muda! Diketahui : Muda : n1 = 2000 , x1 = 500  Dewasa: n2 = 2000, x2 = 400   = 5%

Jawaban 1. Ho : P1 = P2 H1 : P1 > P2 Tolak Ho bila Zh>1.645:  = 5%  2. Zh = ? Do = 0 maka : 1,645 satu arah kanan ,775 = 0,225 3. Letak Zh = 3,786 > Z = 1,64, ada di wil. H1 : P1 > P2 4. Benar bahwa Stasiun TV tersebut lebih disukai kalangan muda

Statistik Parametrik The Comparison of Groups (Compare Mean) t-test Anova Manova Measure of Association between Two or more Variables (Correlate) Pearson’s Product Moment Regression Canonical Correlation Analysis

Compare mean t-test =alat untuk menguji hipotesis untuk dua mean. t-test untuk independent sample artinya t-test untuk mean dari dua kelompok yang berbeda yang memperoleh perlakuan t-test untuk dependent sample artinya t-test untuk mean dari kelompok yang sama dari dua perlakuan yang berbeda. Analysis of Variance (ANOVA) adalah alat menguji hipotesis untuk mean lebih dari dua. Multifactor Analysis of variance/ Factorial Analysis adalah alat untuk menganalisis efek interaksi lebih dari dua variabel.

Correlate Pearson’s Product Moment adalah untuk mencari koefisien korelasi dari variabel data interval atau rasio Regression adalah untuk mengetahui bagaimana variabel dependent dapat diprediksi melalui veriabel independent, secara individu atau bersama. Canonical Correlation Analysis digunakan untuk tujuan menganalisis beberapa variabel terikat (dependent variable) dan beberapa variabel bebas (independent variable). .

Correlate Correlational Apakah terdapat hubungan antara X dan Y? Apakah terdapat hubungan antara X1 dan Y? X2 dan Y, atau X1 dan X2 dengan Y secara bersama-sama? Apakah terdapat hubungan antara X1 dan Y1? X2 dan Y1, atau X1 dan Y2 atau X2 dan Y2, atau X2 dan Y1, X2 dan Y2? Pearson Product Moment Correlation Regression Canonical Correlation Analysis

Statistik Non-parametrik Dua sampel saling berhubungan (two dependent samples) Dua sampel tidak berhubungan (two independent samples) Beberapa sampel berhubungan (several dependent samples) Beberapa sampel tidak berhubungan (several independent samples) Sign test Wilcoxon Signed-Rank Mc Nemar Change test Mann-Whitney U test Moses Extreme reactions Chi-Square test Kolmogorov-Smirnov test Walt-Wolfowitz runs Friedman test Kendall W test Cochran’s Q Kruskal-Wallis test Median test

Ukuran Asosiasi dan Korelasi Chi square : menguji hipotesis antara variabel independen dan dependen terdapat hubungan yang signifikan atau tidak. Tau Kendall : ukuran korelasi non parametrik yang digunakan untuk variabel ordinal dengan arah hubungan simetrik atau simetrik. Sommers D : mengukur kekuatan hubungan pada tingkat pengkuran ordinal dengan asimetrik/ simetrik Korelasi Spearman : mengukur korelasi antar 2 variabel yang memiliki ukuran skala ordnal

Hasil Output SPSS uji chi Square

UJI KORELASI

Uji Regresi Sederhana

Uji Regresi

Uji Regresi Multivariat

Pengujian Hipotesis Korelasi Ho : Tidak Terdapat hubungan antara variabel X dengan variabel Y Ha : Terdapat hubungan antara variabel X dengan variabel Y Aturan Pengujian : jika nilai signifikansi yang dipilih < 0,05 maka Ho DITOLAK.

Kesalahan Hipotesis Hipotesis peneliti Keadaan yang sebenarnya Tidak Ada hubungan Ada Hubungan Tdk Ada Hubungan Keputusan Tepat Kesalahan Tipe 2 Kesalahan Tipe 1

Hal-Hal yang harus diperhatikan dalam penelitian Kuantitatif Berikan interpretasi dari hasil ouput. Analisa data tidak dapat dipisahkan dari kajian teoritis yang dipergunakan. Teori tetap digunakan sebagai alat analisis dari temuan data kuesioner. Pola penelitian kuantitatif bersifat linear dan baku.

Penelitian Kuantitatif Berpola Bebas nilai obyektif Deduktif nomotetik Ilmu adalah cara terbaik memperoleh pengetahuan Mencari penjelasan Menemukan hukum universal

Terima Kasih Dwi Martani Departemen Akuntansi FEUI martani@ui.ac.id atau dwimartani@yahoo.com http://staff.blog.ui.ac.id/martani/