Visualisasi Data dan Informasi Karakteris4k Data
Menuru4 Schluter (Moh Nazir, 2006), langkah pen4ng sebelum sampai tahapan analisis data dan penentuan model adalah ke4ka kita melakukan pengumpulan dan manipulasi data. Mengadakan manipulasi data berar4 mengubah data mentah dari awal menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antar fenomena.
Karakteris4k Data Karakteris4k Karakteris4k adalah ciri yang membedakan satu objek dengan objek yang lain Data Data adalah fakta mengenai objek, peris4wa, dan ak4vitas yang dinyatakan oleh nilai (angka, karakteris4k, simbol)
Karakteris4k Data Jenis Data : Berdasarkan Sumbernya Berdasarkan Sifatnya
Karakteris4k Data Berdasarkan Sumbernya : Data Primer Data Sekunder
Karakteris4k Data Berdasarkan Sifatnya Data Kualita4f Data Kuan4ta4f
Karakteris4k Data Data Kuan4a4f Jika di4njau dari skala pengukuran yang digunakan, maka ada 3 type/jenis data, yaitu Data nominal, ordinal, dan interval.
Data Nominal Data Nominal biasa disebut data skala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi. Contoh: Jenis pekerjaan, diklasifikasi sebagai: Pegawai negeri, diberi tanda 1 Pegawai swasta, diberi tanda 2 Wiraswasta, diberi angka 3 Ciri Data Nominal: Posisi data setara. Dalam contoh tersebut, pegawai negeri 4dak lebih 4nggi/lebih rendah dari pegawai swasta. Tidak bisa dilakukan operasi matema4ka (X, +, - atau : ). Contoh, 4dak mungkin 3-2=1 (Wiraswasta dikurangi pegawai swasta=pegawai negeri)
Data Ordinal Data ordinal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi, tetapi diantara data tersebut terdapat hubungan. Contoh: Kepuasan pelanggan, diklasifikasikan sebagai: Sangat puas, diberi tanda 1, Puas, diberi tanda 2, Cukup puas, diberi tanda 3, Tidak puas diberi tanda 4, Sangat 4dak puas diberi tanda 5 Ciri Data Ordinal: posisi data 4dak setara. Tidak bisa dilakukan operasi matema4ka. Tidak mungkin 1+2=3 (yang berar4 sangat puas ditambah puas = cukup puas)
Data Ordinal Alat analisis (uji hipotesis asosia4f) sta4s4k nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correla4on dan Kendall Tau.
Data Interval Data interval adalah data yang diperoleh dengan cara pengukuran, dimana jarak antar dua 44k pada skala, sudah diketahui. Contoh: Temperatur ruangan. Bisa diukur dalam Celsius, atau Fahrenheit, dengan masing-masing punya skala sendiri. Untuk air membeku dan mendidih: Celcius pada 0 C sampai 100 C. Fahreinheit pada 32 F sampai 212 F. Ciri Data Interval: Tidak ada kategorisasi atau pemberian kode seper4 terjadi pada data nominal dan ordinal. Bisa dilakukan operasi matema4ka. (+,-)
Data Interval Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6 maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 3 = 3. Akan tetapi 4dak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B.
Data Interval Alat analisis (uji hipotesis asosia4f) sta4s4k parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Par4al Correla4on, Mul4ple Correla4on, Par4al Regression, dan Mul4ple Regression.
Data Rasio Data rasio adalah data yang diperoleh dengan cara pengukuran, dimana jarak dua 44k pada skala sudah diketahui, dan mempunyai 44k nol yang absolut. Contoh: Jumlah buku di kelas: Jika 5, berar4 ada 5 buku. Jika 0, berar4 taka da buku (absolut 0) Ciri Data Rasio: Tak ada kategorisasi atau pemberian kode. Bisa dilakukan operasi matema4ka. Missal: 100 cm + 35 cm = 135 cm; 5 mangga + 2 mangga = 7 mangga. Catatan: pengolahan data kuan4ta4f sebagian besar menggunakan data rasio.
Data Rasio Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka; pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara; pengemudi C dan A adalah 4 : 1, pengemudi D dan A adalah 5 : 1, pengemudi C dan B adalah 4 : 3.
Temporal dan Spasial Lingkup temporal adalah lingkup yang menenkankan kepada waktu Lingkup spasial adalah lingkup yang menekankan kepada tempat, dimana pembagiannya dibatasi berdasarkan aspek geografis
Data Spasial Data Spasial adalah data yang memiliki gambaran wilayah yang terdapat di permukaan bumi yang direprentasikan dalam bentuk grafik, peta, gambar dalam format digital.
Data Spasial Data spasial (data keruangan) adalah data dalam bentuk grafis yang menunjukkan ruang lokasi atau tempat-tempat di permukaan bumi. contoh data spasial antara lain letak suatu wilayah, posisi sumber minyak bumi,dsb. Bentukbentuk data spasial : 44k (dot), contoh: posisi terminal; garis (poly line), contoh: jaringan jalan raya; dan area (polygon), contoh: wilayah kecamatan.
Data spasial bisa didapatkan dari beberapa sumber seper4 : Peta analog, yaitu peta yang disajikan dalam bentuk cetak seper4 : peta topografi, peta lingkungan pantai Indonesia dan yang lainnya. Data pemantau / pengindraan jarak jauh yang dapat dilihat dalam bentuk citra satelit, foto udara dan lainnya. Data hasil pengukuran lapangan berupa data yang diperoleh dengan cara mengadakan pengukuran serta perhitungan tersendiri. Data Global Posi4oning Sistem (GPS) adalah data canggih dengan keakuratan 4nggi yang dipresentasikan dalam format vektor. Data bereferensi spasial seper4 batas administrasi sebuah wilayah dan informasi berbagai bidang seper4 kelautan dan perikanan di satu wilayah tertentu.
Data temporal Temporal data is data that varies over 4me. [Jensen and Snodgrass, 1999] A temporal data denotes the evolu4on of an object characteris4c over a period of 4me. [Daassi and Nigay, 2004]
Data temporal Data that specifically refers to 4mes or dates. Temporal data may refer to discrete events, such as lightning strikes; moving objects, such as trains; or repeated observa4ons, such as counts from traffic sensors.
Data temporal Time dependent data is characterized by data elements being a func4on of 4me. In general, data takes the form d = f(t) For data defined at discrete =me stamps t i, this rela=on can be represented as: D = {(t 1, d 1 ),( t 2, d 2 ),..., (t n, d n )} where d i = f(t i ) Time series data is characterized by data elements being a func4on of 4me. In general, this data takes the following form: D = {(t 1, y 1 ),( t 2, y 2 ),..., (t n, y n )} with y i = f(t i )
Konversi Data Dalam praktek pengolahan data, dimungkinkan melakukan konversi dari data yang mempunyai 4ngkat lebih 4nggi ke 4ngkat data yang lebih rendah. Data rasio àdata interval àdata ordinal àdata nominal Konversi data diperlukan biasanya untuk menyesuaikan dengan teknik analisis sta4s4k yang akan dipakai.
Analisis Data Analisis Non-Sta4s4k Analisis Sta4s4k
Analisis Non-Sta4s4k Data kualita7f, yaitu data-data yang 4dak bisa di-angka-kan, analisis non-sta4s4k lebih tepat digunakan Data kualita7f biasanya diolah atau dianalisis berdasarkan isinya (subtansinya). Analisis non sta4s4k ini sering juga disebut dengan analisis isi (content analysis), yang mencakup analisis deskrip7f, kri7s, kompara7f, dan sintesis.
Analisis Sta4s4k Untuk data kuan7ta7f, yaitu data yang berupa angka atau bisa diangkakan, analisis sta4s4k lebih tepat digunakan Sta7s7k deskrip7f dan sta7s7k inferensial Sta7s7k deskrip7f digunakan untuk membantu memaparkan (menggambarkan) keadaan yang sebenarnya (fakta) dari satu sampel peneli4an
Sta4s4ka Inferensial Digunakan untuk mengolah data kuan4ta4f dengan tujuan untuk menguji kebenaran suatu teori baru yang diajukan peneli4 yang dikenal dengan hipotesis. Dalam peneli4an inferensial, teknik analisis sta4s4k yang digunakan mengacu kepada suatu pengujian hipotesis
Rambu-rambu Pemilihan Teknik Analisis Sta4s4ka Tipe peneli7an (deskrip4f, inferensial) Jenis variabel (terikat, bebas) Tingkat pengukuran variabel (nominal, ordinal, interval) Banyaknya variabel (satu, lebih dari satu) Maksud sta7s7k (kecenderungan memusat, variabilitas, hubungan (korelasi, asosiasi), pembandingan (komparasi), interaksi, kecocokan, dan sebagainya).
Analisis Sta4s4k Berdasarkan Variabel 1 Variabel
Analisis Sta4s4k Berdasarkan Variabel 1 Variabel
Analisis Sta4s4k Berdasarkan Variabel 1 Variabel
Analisis Sta4s4k Berdasarkan Variabel 2 Variabel
Analisis Sta4s4k Berdasarkan Variabel 2 Variabel
Analisis Sta4s4k Berdasarkan Variabel 2 Variabel
Analisis Sta4s4k Berdasarkan Variabel 2 Variabel
Analisis Sta4s4k Berdasarkan Variabel 2 Variabel
Analisis Sta4s4k Berdasarkan Variabel 2 Variabel
Penutup Sta4s4k hanyalah alat yang membantu untuk memudahkan memahami dan memberikan makna dari data yang dimiliki/diperoleh. tugas selanjutnya adalah memberikan interpretasi terhadap data yang diperoleh secara visual untuk mendukung fakta yang terjadi / mengungkapkan sesuatu yang baru.