BAB II PENGUMPULAN DAN PENGOLAHAN DATA (Pertemuan ke-2)

Presentasi berjudul: "BAB II PENGUMPULAN DAN PENGOLAHAN DATA (Pertemuan ke-2)"— Transcript presentasi:

1 BAB II PENGUMPULAN DAN PENGOLAHAN DATA (Pertemuan ke-2)
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I. Program Studi SI/ TI Sekolah Tinggi Manajemen Informatika dan Komputer Global Informatika Multi Data Palembang

2 PENGUMPULAN DAN PENGOLAHAN DATA

3 DATA DAN DATUM Datum adalah bentuk tunggal dari data berupa satu nilai hasil pengamatan atau hasil pengukuran. Data adalah bentuk jamak dari datum berupa sekumpulan nilai hasil pengamatan atau hasil pengukuran.

4 ARTI DAN JENIS DATA Data adalah bahan mentah yang perlu diolah sehingga menghasilkan informasi atau keterangan, baik kualitatif maupun kuantitatif yang menunjukkan fakta. Jenis data terdiri dari dua, yaitu Data kuantitatif adalah data yang berupa angka Contoh : jumlah pegawai, gaji pegawai, umur, dll. Data kualitatif adalah data yang tidak berupa angka Contoh : agama, jenis kelamin, pangkat, status, dll. Data kualitatif dapat dikuantitatifkan melalui kategorisasi

5 ARTI DAN JENIS DATA Jenis kelamin Warna bunga Habitat, dll
Data Kualitatif Data Kuantitatif Data Diskret Data Kontinu Jenis kelamin Warna bunga Habitat, dll Jumlah kloroplas Jumlah trombosit Jumlah sel, dll Berat badan Jarak kota Luas tanah, dll

6 BAGIAN-BAGIAN DATA Elemen Unit terkecil dari obyek penelitian.
Karakteristik Sifat-sifat, ciri-ciri atau hal-hal yang dimiliki oleh elemen, atau semua keterangan mengenai elemen. Variabel atau peubah Sesuatu yang nilainya dapat berubah. Nilai karakteristik suatu elemen merupakan nilai variabel.

7 VARIABEL (PEUBAH) Peubah merupakan ciri populasi yang dipelajari dari satuan amatan, biasanya dilambangkan dengan huruf besar atau kapital (misalnya: X, Y, atau Z), dapat mengambil satu dari beberapa nilai . Diskrit : nilainya terisolasi, biasanya karena didefinisikan atau didapatkan dengan cara menghitung. Jumlah anggota keluarga, jumlah ternak, dll. Kontinu : nilainya diperoleh karena suatu pengukuran (menggunakan alat ukur) Luas tanah, berat badan, tabungan, dll.

8 JENIS VARIABEL Bila penghasilan ditentukan oleh jenis pekerjaan, maka penghasilan merupakan variabel tak bebas (dependent) dan jenis pekerjaan merupakan variabel bebas (independent). Variabel bebas adalah variabel yang dapat berdiri sendiri dan sifatnya dapat mempengaruhi variabel lain. Variabel tak bebas adalah jenis variabel yang tidak dapat berdiri sendiri sehingga sifatnya dipengaruhi oleh variabel lain

9 PENGUKURAN Pengukuran adalah proses pemberian angka atau label kepada unit analisis untuk merepresentasikan atribut - atribut konsep. Proses ini seharusnya cukup dimengerti orang walaupun (misalnya) definisinya tidak dimengerti. Hal ini karena antara lain kita sering kali melakukan pengukuran. Contoh: Angka: “korelasi” Label: “restoran enak”, “restoran enak banget”

10 SKALA PENGUKURAN Skala Pengukuran adalah suatu skala yang digunakan untuk mengklasifikasikan variabel yang akan diukur supaya tidak terjadi kesalahan dalam menentukan analisis data dan langkah-langkah penelitian selanjutnya. Contoh : Data dari orang; elemen-elemen yang dikumpulkan antara lain jenis kelamin, umur, penghasilan, dll.

11 DATA NOMINAL : Data yang diperoleh dengan cara kategorisasi atau klasifikasi. CIRI : posisi data setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : jenis kelamin, jenis pekerjaan DATA ORDINAL : Data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi di antara data tersebut terdapat hubungan CIRI : posisi data tidak setara tidak bisa dilakukan operasi matematika (+, -, x, :) CONTOH : kepuasan kerja, motivasi DATA INTERVAL : Data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui. CIRI : tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : temperatur yang diukur berdasarkan 0C dan 0F, sistem kalender DATA RASIO : Data yang diperoleh dengan cara pengukuran, di mana jarak antara dua titik skala sudah diketahui dan mempunyai titik 0 absolut. CIRI : tidak ada kategorisasi bisa dilakukan operasi matematika CONTOH : gaji, skor ujian, jumlah buku

12 TINGKAT PENGUKURAN

13 SUMBER PENGUMPULAN DATA
Data yang langsung diambil dari responden yang bersangkutan disebut Data Primer. Contoh : Bila akan meneliti motivasi seseorang maka peneliti secara langsung bertanya/ menyebarkan angket kepada orang tersebut. Bila peneliti mencari/ mengambil data melalui tangan kedua disebut Data Sekunder. Peneliti ingin mengetahui perkembangan motorik anak TK maka peneliti dapat bertanya kepada orang tua anak tersebut/ bertanya kepada gurunya.

14 SUMBER PENGUMPULAN DATA
Data Primer Wawancara langsung Wawancara tidak langsung Pengisian kuisioner Data Sekunder Data dari pihak lain: BPS Bank Indonesia World Bank, IMF FAO dll

15 METODE PENGUMPULAN DATA
Metode pengumpulan data dapat melalui : Wawancara Observasi Angket Dokumentasi, dll

16 TEKNIK PENGUMPULAN DATA
Pengumpulan data statistik dapat dilakukan dengan dua cara, yaitu: Sensus (census) Pengambilan sampel (sampling)

17 POPULASI Populasi : adalah keseluruhan dari karakteristik (unit/ individu/ kasus/ barang/ peristiwa) hasil pengukuran yang menjadi obyek penelitian. Contoh : seluruh penduduk Kabupaten Bekasi, seluruh petani padi yang ada di Bekasi, dll Nilai sebenarnya dari sifat populasi disebut dengan parameter populasi, yang biasanya dilambangkan dengan huruf Yunani seperti  (mu),  (sigma),  (pi),  (rho), dan  (theta). Notasi  biasanya digunakan untuk menyatakan parameter nilai tengah (rata-rata) populasi,  digunakan untuk menyatakan simpangan baku (standar deviasi) populasi,  digunakan untuk menyatakan proporsi populasi dan  digunakan untuk menyatakan korelasi dua populasi.

18 SAMPEL Sampel : merupakan bagian dari populasi yang paling tidak mempunyai satu ciri yang sama dengan populasinya untuk mewakili populasi. Contoh : penelitian dilakukan pada karyawan PEMDA Tk. II Bekasi sebanyak 5000 (sebagai populasi) dengan ciri-ciri sebagai berikut : Pria dan wanita, Penghasilan di bawah ,- per bulan, Sudah berkeluarga, Lama bekerja lebih dari 5 tahun, dll. Nilai yang diperoleh dari contoh disebut dengan nilai statistik.

19 POPULASI DAN SAMPEL

20 ALASAN SAMPEL Diperlukan percobaan yang sifatnya merusak
Populasi tidak terbatas Ketelitian dalam penyelidikan Biaya dan ekonomi Menghemat waktu

21 BESARNYA SAMPEL Derajat keseragaman populasi
Derajat presisi yang diinginkan Tergantung besar & distribusi sampel Penting untuk dilaporkan Rencana analisa

22 CARA PENGAMBILAN SAMPEL
Sampling seadanya Sampling pertimbangan Sampling probabilitas Random sederhana Random berstrata Random sistematik Sampling klaster/ kelompok Sampling ganda Sampling bertahap

23 TEKNIK PENGAMBILAN SAMPEL
Cara Acak Suatu cara pemilihan sejumlah elemen dari populasi untuk menjadi sample, dimana setiap elemen mempunyai kesempatan yang sama. Cara ini dianggap obyektif. Samplingnya disebut probability sampling, yang mempunyai probabilitas sama. Cara Bukan Acak Suatu cara pemilihan sejumlah elemen dari populasi untuk menjadi anggota sample, dimana setiap elemen tidak mempunyai kesempatan yang sama untuk dipilih. Cara bukan acak lebih bersifat subyektif.

24 TEKNIK PENGAMBILAN SAMPEL
Pengambilan sampel random, dilakukan apabila pada populasi tersebut memiliki situasi, kondisi, atau berat satuan yang homogen (seragam). Misalnya minuman ringan dalam satuan kaleng, susu dalam satuan kaleng, makanan ringan dalam satuan kotak, dll. Pengambilan sampel tak random, dilakukan apabila populasi memiliki situasi atau kondisi yang tidak seragam (heterogen). Teknik ini dilakukan dengan cara membagi populasi menjadi beberapa bagian, selanjutnya dari setiap bagian diambil satu unit sampel.

25 PERTIMBANGAN PENGAMBILAN SAMPEL
Mempertegas permasalahan penelitian, keterangan atau data yang diperlukan, bilamana diperlukan, kapan data akan dikumpulkan, dll Menentukan bentuk atau jenis sampling yang sesuai dengan ciri-ciri populasinya, serta menentukan besarnya sampel Menentukan cara pengambilan sampel, apakah akan dilakukan secara random atau dengan cara yang lainnya.

26 KESALAHAN DALAM PENELITIAN
Sampling error Kegagalan dalam mengukur beberapa unsur dari individu yang terpilih sebagai sampel, karena orang tersebut tidak ada di rumah, atau meninggal saat dilakukan pencatatan data Proses pengukurannya kurang baik, karena misalnya operasionalisasi konsepnya kurang baik, pertanyaannya kurang jelas, dll Dalam menyusun data mungkin terjadi kesalahan, misal dalam memberikan kode, kesalahan input, dsb.

27 KESALAHAN DALAM PENELITIAN
Non sampling error Yaitu kesalahan penentuan populasi atau sasaran penelitian. Karenanya peneliti harus hati-hati dalam mendefinisikan poplasi, sebelum pendataan dilakukan, sehingga tidak sampai memasukkan populasi yang tidak semestinya. Misal: pengusaha yang ingin mengetahui selera makan penduduk kota solo dengan memilih sasaran orang solo yang terdaftar di buku telepon

28 LANGKAH PENGOLAHAN DATA
Penyusunan data : mengecek data yang dibutuhkan untuk menguji hipotesis penelitian Klasifikasi data : menggolongkan, mengelompokkan, dan memilah berdasarkan klasifikasi tertentu untuk memudahkan pengujian hipotesis Pengolahan data : untuk menguji hipotesis yang telah dirumuskan. Interpretasi hasil pengolahan data : setelah analisis data, langkah selanjutnya adalah menginterpretasikan hasil analisis dan akhirnya penarikan kesimpulan.

29 PROSEDUR PENGOLAHAN DATA
PARAMETER : berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameter- parameter populasi; jenis data interval atau rasio; distribusi data normal atau mendekati normal. Statistik NONPARAMETRIK : inferensi statistik tidak membahas parameter-parameter populasi; jenis data nominal atau ordinal; distribusi data tidak diketahui atau tidak normal

30 PROSEDUR PENGOLAHAN DATA
JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi Analisis UNIVARIAT : hanya ada satu pengukuran (variabel) untuk n sampel atau beberapa variabel tetapi masing-masing variabel dianalisis sendiri-sendiri. Contoh : korelasi motivasi dengan pencapaian akademik. Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n sampel di mana analisis antar variabel dilakukan bersamaan. Contoh : pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor sekolah.

31 PROSEDUR PENGOLAHAN DATA
MULAI Jumlah Variabel ? Analisis Univariat Multivariat Jenis Data ? Statistik Parametrik Non Parametrik SATU DUA / LEBIH INTERVAL RASIO NOMINAL ORDINAL

32 METODE PENGOLAHAN DATA
Pengolahan data dapat dilakukan dengan dua cara, yaitu: Manual Elektronik

33 BAB III PENYAJIAN DATA (Pertemuan 2)
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I. Program Studi Sistem Informasi Sekolah Tinggi Manajemen Informatika dan Komputer Global Informatika Multi Data Palembang

34 PENYAJIAN DATA

35 PENYAJIAN DATA ARTI Kumpulan angka-angka yang disusun menurut kategori-kategori, sehingga memudahkan untuk pembuatan analisis data TUJUAN Untuk menyajikan data mentah yang diperoleh dari populasi atau sampel menjadi data yang tertata dengan baik, sehingga bermakna informasi bagi pengambilan keputusan

36 TABEL ATAU DAFTAR SIFAT – Self explanation / menerangkan sendiri
BENTUK – Texular, Tabular, Grafical JENIS Tabel Baris Kolom Tabel Kontigensi Tabel Distrbusi

37 PRINSIP DASAR TABEL Sederhana 2 atau 3 tabel sederhana > disukai
“Self Explanatory” 1. Kode, singkatan, / simbol foot note 2. Tiap baris & kolom singkatan & jelas 3. Unit pengukuran : ada 4. Judul : jelas dan singkat what, when, where 5. Harus ada kolom total Jika bukan hasil sendiri, sebut sumbernya Judul dan body, harus ada jarak

38 TABEL BARIS KOLOM Judul Tabel Kepala Leher Badan Kaki Judul Kolom
Judul Kolom Catatan : Judul Tabel Judul Baris Leher Badan Kaki

39 TABEL KONTIGENSI Untuk data yang terdiri dari dua faktor, berukuran b × k, b = baris, k = kolom Judul Tabel Judul Kolom Jumlah Catatan : Judul Baris Kepala Leher Badan Kaki

40 TABEL DISTRIBUSI FREKUENSI
Berat anak sapi (kg) frekuensi (f) 2 3 5 14 24 20 12

41 BENTUK TABEL Tabel satu arah
Tabel yang hanya memuat satu karakteristk. Contoh: pendidikan, masa kerja, merk, harga Tabel dua arah Tabel yang hanya memuat dua karakteristk. Contoh: pendidikan dan masa kerja umur dan merk Tabel tiga arah Tabel yang hanya memuat tiga karakteristk. Contoh: masa kerja, umur, dan golongan umur, merk, dan jenis

42 Tabel Satu Arah Tabel 3.1 Produksi Kayu Hutan Indonesia 1998 ( 000 m³) Sumber : Departemen Kehutanan 2000 Jenis Banyaknya Kayu Bulat Kayu Gergajian Kayu Lapis 26.069 3.427 10.948 Jumlah 40.444

43 Jumlah Mahasiswa Universitas XYZ
Tabel Dua Arah Tabel 3.2 Jumlah Mahasiswa Universitas XYZ Sumber : Biro Data Universitas XYZ Jurusan Semester Jumlah I III V VII Ekonomi Teknik Hukum 100 75 90 110 80 120 60 70 390 345 360 275 280 330 210 1095

44 Tabel Tiga Arah Tabel 3.3 Umur Kendaraan di Kota A Keterangan : A = jenis sedan dan B = jenis niaga Umur Toyota Mitsubishi Daihatsu Jumlah A B < 1 thn < 3 thn < 5 thn > 5 thn 2 1 5 4 6 7 21 18 20 24 75

45 DIAGRAM ARTI Gambar-gambar yang menunjukan secara visual data berupa angka, biasanya berasal dari tabel yang telah dibuat JENIS Diagram batang Diagram garis Diagram lingkaran atau diagram pastel Diagram lambang Diagram peta atau kartogram Diagram pencar atau diagram titik

46 PRINSIP DASAR DIAGRAM Data kuantitatif Sistem koordinat
X axis : independent Y axis : dependent Sederhana Self explanatory Judul : atas/ bawah Bila > varibel : Bedakan dengan jelas Garis grafik > tebal dari kordinat Frekuensi : garis vertikal Skala : sesuaikan

47 DIAGRAM BATANG TUNGGAL

48 DIAGRAM BATANG BERGANDA

49 DIAGRAM BATANG KOMPONEN BERGANDA

50 DIAGRAM BATANG PERSENTASE KOMPONEN BERGANDA

51 DIAGRAM GARIS TUNGGAL

52 DIAGRAM GARIS BERGANDA

53 DIAGRAM GARIS KOMPONEN BERGANDA

54 DIAGRAM GARIS PERSENTASE KOMPONEN BERGANDA

55 DIAGRAM GARIS BERIMBANG NETTO

56 DIAGRAM GARIS BERIMBANG NETTO

57 DIAGRAM LINGKARAN TUNGGAL

58 DIAGRAM LAMBANG

59 DIAGRAM PETA

60 DIAGRAM PENCAR

61 DIAGRAM TANGKAI DAN DAUN
Diagram tangkai dan daun (Stem-and-Display), memisahkan data dalam digit-digit ekor dan daun. Satu digit terakhir akan diletakan sebagai digit ekor atau daun, dan satu atau dua atau tiga atau seterusnya akan diletakkan sebagai digit utama atau tangkai. Contoh :

62 Data Kasar dari Nilai 60 Mahasiswa STMIK MDP Pada Mata Kuliah Statistik Semester III 2010
85 60 9 88 45 72 12 87 50 69 81 83 54 82 89 15 90 76 66 75 97 63 80 95 93 51 65 73 67 70 31 79

63 Susunan Berurutan dari Nilai 60 Mahasiswa STMIK MDP Pada M. K
Susunan Berurutan dari Nilai 60 Mahasiswa STMIK MDP Pada M.K. Statistik Semester III 2010 9 12 15 31 45 50 51 54 60 63 65 66 67 69 70 72 73 75 76 79 80 81 82 83 85 87 88 89 90 93 95 97

64 Diagram Tangkai dan Daun Data Nilai Statistik Mahasiswa

65 Diagram Tangkai dan Daun Data Nilai Statistik Mahasiswa (Urutan)

66 Diagram Tangkai dan Daun Data Nilai Statistik Mahasiswa (Ringkasan)

67 Soal-soal Gambarkan diagram dari tabel berikut!