Skala dan Alat Analisis Data

MODUL PERKULIAHAN STATISTIK SOSIAL Skala dan Alat Analisis Data Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh Ilmu Komunikasi HUMAS 06 85003 Abstract Skala Pengukuran : merupakan kesepakatan yang digunakan sebagai acuan untuk menentukan panjang pendeknya interval yang ada dalam alat ukur, sehingga alat ukur tersebut bila digunakan dalam pengukuran akan menghasilkan data kuantitatif. Kompetensi Mahasiswa diharapkan mampu memahami jenis-jenis skala dan menerapkannya dalam analisis data

Skala dan Alat Analisis Data Skala Pengukuran : merupakan kesepakatan yang digunakan sebagai acuan untuk menentukan panjang pendeknya interval yang ada dalam alat ukur, sehingga alat ukur tersebut bila digunakan dalam pengukuran akan menghasilkan data kuantitatif. Data Data adalah sesuatu yang diketahui atau dianggap, meskipun belum tentu benar. Data dapat digunakan untuk menggambarkan suatu keadaan atau persoalan. Data yang baik adalah data yang bermanfaat Data yang telah diolah disebut dengan informasi Kegunaan Data Dasar suatu perencanaan Bertujuan agar perencanaan sesuai dengan kemampuan supaya dapat dihindari perencanaan yang sulit untuk dilaksanakan (ambisius). Alat pengendalian Bertujuan agar bisa diketahui dengan segera kesalahan atau penyimpangan yang terjadi, sehingga dapat segera diperbaiki atau dikoreksi. Dasar evaluasi Dari hasil kerja akhir. Apakah target dapat tercapai? kalau tidak tercapai, faktor apa saja yang mempengaruhi Syarat-syarat data yang baik Harus obyektif (sesuai dengan keadaan sebenarnya) Harus bisa mewakili (representatif) Harus memiliki tingkat keteitian yang tinggi (standar error harus kecil) Harus tepat waktu (up to date) Harus relevan 2

Data Nominal (Skala nominal) Adalah data yang hanya digunakan untuk kategorisasi atau memberi nama saja untuk membedakan. Misal: Jenis kelamin. Pria diberi skor 1 dan Wanita diberi skor 2 Departemen dalam perusahaan. Pemasaran diberi skor 1, Produksi diberi skor 2, Keuangan diberi skor 3, SDM diberi skor 4. Ciri data Nominal Tidak memiliki tingkatan. Misal, wanita (skor 2) bukan berarti memiliki tingkatan yang lebih tinggi dari pria (skor 1). Tidak dapat dilakukan operasi matematika (penjumlahan, pengurangan, perkalian, pembagian) Misal, pria (skor 1) ditambah dengan pria (skor 1) menjadi jenis kelamin wanita (skor 2) Data Ordinal (Skala Ordinal) Adalah data yang digunakan untuk membedakan, serta sudah dapat digunakan untuk menunjukkan tingkatan. Misal: Tanggapan tentang suatu rencana perubahan peraturan. Sangat setuju (skor 4), Setuju (skor 3), tidak setuju (skor 2), sangat tidak setuju (skor 1). Kinerja seorang karyawan. Sangat baik (skor 5), Baik (skor 4), Cukup baik (skor 3), Tidak baik (skor 2), sangat tidak baik (skor 1). Ciri Memiliki tingkatan. Misal, Karyawan dengan kinerja sangat baik memiliki kinerja yang lebih tinggi dari karyawan yang memiliki kinerja baik Jarak / interval antara tingkatan yang satu dengan yang lain belum jelas. Tidak dapat dilakukan operasi matematika Misal, Karyawan dengan kinerja baik (skor 4) bukan berarti memiliki kinerja 2 kali yang lebih baik dari karyawan yang memiliki kinerja tidak baik 9skor 2). Data Interval (Skala Interval) Adalah data yang dapat digunakan untuk membedakan, menunjukkan tingkatan, mempunyai jarak/interval yang sudah pasti, tetapi belum memiliki nilai nol yang mutlak. Misal, 3

Temperatur udara suhu 0 0 C, 25 0 F, 100 0 C Waktu dalam jam jam 00.00, jam 04.00 Bisa juga kita katakan merupakan skala pengukuran yang banyak digunakan untuk mengukur fenomena/gejala sosial, dimana pihak responden diminta melakukan rangking terhadap preferensi tertentu sekaligus memberikan nilai (rate) terhadap preferensi tersebut. Jenis skala yang dapat digunakan untuk penelitian sosial, yaitu : a) Skala Linkert. digunakan untuk mengukur sikap, pendapat dan persepsi seseorang atau sekelompok orang tentang fenomena sosial. Contoh :. Preferensi Preferensi Preferensi 1.Sangat Setuju 1.Setuju 1. Sangat Positif 2.Setuju 2.Sering 2. Positif 3.Ragu-ragu 3.Kadang-kadang 3. Netral 4.Tidak Setuju 4.Hampir tdk pernah 4. Negatif 5.Sangat Tdk Setuju 5.Tidak Pernah 5.Sangat Negatif Untuk keperluan analisis kuantitatif, maka jawaban tersebut diberi nilai skor, Misalnya : sangat setuju/setuju/sangat positif diberi skor 5, selanjutnya setuju/sering/positif diberi skor 4 dan seterusnya. b) Skala Guttman. suatu pengukuran untuk memperoleh jawaban responden yang tegas, yaitu : ya-tidak ; pernah-tidak pernah ; positif-negatif ; setuju-tidak setuju contoh: Bagaimana pendapat anda, bila Tn X menjabat pimoinan di perusahaan ini? a. Setuju b. Tidak Setuju c) Rating Scale. suatu skala pengukuran dimana responden menjawab salah satu jawaban kuantitatif yang disediakan. 4

d) Semantic Defferential. suatu skala pengukuran yang disusun dalam suatu garis dimana jawaban sangat positif terletak dibagian kanan garis, sedangkan jawaban sangat negatif terletak dibagian kiri garis atau sebaliknya. Data Rasio (Skala Rasio) adalah skala interval yang memiliki nilai dasar (based value) yang tidak dapat diubah. Contoh : umur responden memiliki nilai dasar nol. Data menurut cara memperolehnya Data primer Adalah data yang dikumpulkan dan dioalh sendiri oleh suatu organisasi atau perseorangan langsung dari obyeknya. Data sekunder Adalah data yang diperoleh dalam bentuk yang sudah jadi, sudah dikumpulkan dan diolah oleh pihak lain. Data menurut waktu pengambilannya Data Cross Section Adalah data yang dikumpulkan dalam satu waktu tertentu, pada beberapa obyek untuk menggambarkan keadaan Data Time Series Adalah data yang dikumpulkan pada beberapa waktu pada satu abyek untuk menggambarkan perkembangan Cara pengumpulan data Kuesioner Wawancara Percobaan di laboratorium Hasil pengolahan pihak lain 5

konversi data Dalam praktek pengolahan data, dimungkinkan melakukan konversi dari data yang mempunyai tingkat lebih tinggi ke tingkat data yang lebih rendah. Data rasio data interval data ordinal data nominal Konversi data diperlukan biasanya untuk menyesuaikan dengan teknik analisis statistik yang akan dipakai. Instrumen Penelitian Instrumen Penelitian : adalah suatu alat yang digunakan untuk mengukur fenomena alam maupun sosial yang diamati. Instrumen yang digunakan untuk mengukur fenomena alam misalnya : panas Ë Calorimeter; suhu Ë termometer; panjang Ëmistar (meteran) dan sebagainya. Instrumen-instrumen tersebut mudah didapat dan telah teruji validitas dan reliabilitasnya. Instrumen yang digunakan untuk mengukur fenomena sosial umumnya dan bidang ekonomi dan bisnis khususnya yang sudah baku sulit ditemukan. Untuk itu peneliti harus mampu membuat instrumen yang akan digunakan dalam penelitian. Misalnya bentuk instrumen : 1) Checklist 2) Pilihan Ganda 3) Rating Scale. Bentuk instrumen yang dipilih antara lain tergantung pada metode pengumpulan data yang akan digunakan seperti : angket (kuesioner), observasi dan wawancara (interview). Validitas dan Reliabilitas Instrumen (1) Instrumen yang valid berarti alat ukur yang digunakan untuk mendapatkan data (mengukur) itu valid. Valid berarti instrumen tersebut dapat digunakan untuk mengukur apa yang seharusnya diukur. Jenis Validitas : 1. Validitas Isi (Content Validity) : instrumen yang berbentuk test yang sering digunakan untuk mengukur prestasi belajar (achievement) dan mengukur efektivitas pelaksanaan program dan tujuan. 6

2. Validitas Konstruk (Construct Validity) :Jika instrumen dapat digunakan untuk mengukur gejala sesuai dengan yang didefinisikan sesuai dengan teori-teori yang relevan.validitas yang berkaitan dengan kriteria (Criterion-related Validity) : Terjadi ketika sebuah instrumen membedakan individual pada kriteria yang akan diperkirakan. Validitas dan Reliabilitas Instrumen (2) Reliabilitas : menunjukkan konsistensi dan stabilitas dari suatu skor (skala pengukuran). Realibilitas berbeda dengan Validitas, karena Reliabilitas memusatkan perhatian pada masalah konsistensi sedangkan Validitas lebih memperhatikan ketepatan. Stabilitas Ukuran : menunjukkan kemampuan sebuah ukuran (instrumen) untuk tetap stabil. Reliabilitas Instrumen dapat diuji dengan : 1) Test-retest Reliability; 2) Equivalent / Paralel-form Reliability 3) Internal Consistency Reliability). Test-retest Reliability : dengan cara mencobakan instrumen beberapa kali pada responden. Equivalent/Paralel-form Reliability :adalah pertanyaan dalam bentuk kalimat yang berbeda tapi maksudnya sama. Internal Consistency Reliability :diuji dengan menganalisis yang ada pada instrumen dengan teknik tertentu. Penyusunan Kuesioner Kuesioner (Questionnaire) : merupakan alat/teknik untuk pengumpulan data yang dilakukan dengan cara mengajukan seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawabnya. Manfaat/Kegunaan Kuesioner : 1) membantu petugas lapangan (interviewer) dalam pengumpulan data tentang hal-hal yang perlu ditanyakan kepada responden; 2) petugas lapangan bisa secara sistematis dan berurutan dalam mengajukan pertanyaan; 7

3) pertanyaan yang diajukan kepada responden oleh masing-masing petugas lapangan dapat diseragamkan,sehingga data yang diperoleh bisa diperbandingkan satu sama lainnya. Prinsip Penyusunan Kuesioner : 1) Prinsip Penulisan Kuesioner; 2) Prinsip Pengukuran ; 3) Prinsip Penampilan Fisik. Prinsip Penulisan Kuesioner. : a) Isi dan tujuan pertanyaan harus relevan; b) Bahasa yang digunakan mudah dipahami; c) Tipe / bentuk pertanyaan : terbuka/tertutup, positif/negatif ; d) Pertanyaan tidak boleh mendua (double barreled questions); e) Pertanyaan tidak menggiring responden; e) Tidak menanyakan hal-hal yang sudah lupa; g) Pertanyaan tidak panjang dan berbelit; f) Urutan pertanyaan dari hal yang umum menuju hal yang spesifik atau dari hal yang mudah menuju hal yang sulit; i) Gunakan teknik skala yang relevan, seperti : rating scale (graphic rating scales, itemized rating scale, comparative rating scale); attitude scale (linkert scale, semantic differential). Prinsip Pengukuran sebagai instrumen penelitian, maka sebelum kuesioner diberikan kepada responden harus diuji validitas dan reliabilitasnya terlebih dulu. Prinsip Penampilan Fisik kuesioner perlu dirancang dan didesain lebih menarik agar responden senang dan serius dalam menjawab/mengisinya. Analisis data Analisis non-statistik data kualitatif, yaitu data-data yang tidak bisa di-angka-kan, analisis non-statistik lebih tepat digunakan Data kualitatif biasanya diolah atau dianalisis berdasarkan isinya (subtansinya). 8

analisis non statistik ini sering juga disebut dengan analisis isi (content analysis), yang mencakup analisis deskriptif, kritis, komparatif, dan sintesis. Penelitian yang menggunakan data kualitatif disebut penelitian kualitatif. Analisis statistik untuk data kuantitatif, yaitu data yang berupa angka atau bisa diangkakan, analisis statistik lebih tepat digunakan statistik deskriptif dan statistik inferensial Statistik deskriptif digunakan untuk membantu memaparkan (menggambarkan) keadaan yang sebenarnya (fakta) dari satu sampel penelitian penelitian deskriptif Penelitian deskriptif tidak untuk menguji suatu hipotesis. Langkah-Langkah dalam Analisis Data Kuantitatif 1. Data Coding 2. Data Entering 3. Data Cleaning 4. Data Output 5. Data Analyzing Pengkodean Data ( Data Coding) Proses penyusunan secara sistematis data mentah ( yang terdapat dalam kuesioner ) kedalam mesin pengolah data semisal SPSS. Contoh ; Variabel jenis kelamin 1: laki-laki 2. Perempuan Variabel jenis pekerjaan ; 1. TNI 2. PNS 3.Karyawan 4. Dosen 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. 9

Jika anda menggunakan pertanyaan terbuka dalam kuesioner anda harus menginventarisasi jawaban responden. Pemindahan Data Ke Komputer ( 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. 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. 2 Tipe Kesalahan dalam Data Cleaning 1. Possible Code Cleaning : kesalahan yang diakibatkan oleh peneliti ketika memasukan data ke dalam mesin pengolah data. 2. Contingency Cleaning: Kesalahan yang diakibatkan oleh adanya struktur kuesioner yang hanya khusus digunakan dijawab oleh sebagian orang saja, sedangkan yang lain tidak. Contoh Kuesioner 1. Apakah anda menggunakan pepsodent? A. ya B. tidak (lanjut ke no 12 ) 2. Apakah anda puas dengan khasiat pepsodent? A. Puas B. Tidak Puas 3. Bagaimana rasa varian pepsodent? A. Segar B. Tidak Segar 10

Data Coding No Nama variabel Kode Var001 Menggunakan Pepsodent 1= ya 2= tidak Var002 Tingkat Kepuasan Khasiat Pepsodent 1=puas 2=tidak puas var003 Rasa Pepsodent 1=segar 2=tidak segar Coding Book Var / responden Responden 1 Responden 2 Responden 3 Responden 4 Var001 1 1 1 2 Var002 1 1 2 2 Var003 2 3 1 1 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. Dan responden tersebut diperbolehkan menjawab pada kembali pada no.12. Ia Tidak menggunakan pepsodent, tetapi tahu rasa varian. Itulah contingency cleaning. Data Ouput Data Univariat : analisis 1 variabel 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 11

Daftar Pustaka Anto Dajan, 1964, Jilid 1, Pengantar Metode Statistik, LP3ES J. Supranto, 2006, Statistika, Teori dan Aplikasi, Erlangga Robert D. Mason,1996, Teknik Statistika Bisnis dan Ekonomi Sudjana, 1992, Metoda Statistika, Tarsito, Bandung Sudjana, 2006, Statistik untuk Ekonomi dan Bisnis, Tarsinto Bandung Suharyadi dan Purwanto, Statistika untuk Ekonomi dan Keuangan Modern, 2006 Usman Husaini Dr.Prof, M.Pd, MT dengan Akbar Setiady Purnomi R, M.Pd. Pengantar Statistika Edisi kedua 2006 12