Jenis Data dan Pemilihan Analisis Statistik
Pendahuluan
Desain penelitian menentukan teknik statistik, bukan sebaliknya teknik statistik menentukan rancangan penelitian. Statistik dipakai untuk melayani dan sebagai alat dalam penelitian, bukan untuk menguasainya. Agar kita tepat dalam melakukan analisis data, maka kiranya wajib bagi untuk memahami Pemilihan Analisis Statistik berdasarkan jenis data dan bentuk hipotesis.
Data dan Penyajian Data
- Tugas peneliti adalah mendapatkan data untuk ‘mengisi’ variabel penelitian.
- Data akan sangat bergantung daripada definisi operasional variabel penelitian.
Ditinjau dari cara memperoleh data
- Data primer : data yang diperoleh langsung dari sumber data
- Data sekunder : data yang diperoleh dari sumber tidak langsung
Ditinjau dari tingkat keterukuran variabel penelitian
- Data kualitatif : data yang tidak boleh diukur dengan angka atau data yang tidak boleh diangkakan
- Data kuantitatif : data yang boleh diangkakan atau dikuantifikasikan
Berdasarkan tingkat pengukuran variabel penelitian yang dikuantifikasikan:
- Data nominal
- Data ordinal
- Data interval (scale)
- Data rasio
Data nominal
- Data yang ditetapkan berdasarkan proses penggolongan atau kategorisasi.
- Data nominal ini bersifat diskrit dan saling terpisah (mutually exlusive) antara golongan (kategori) yang satu dengan yang lain.
- Contoh : data tentang pendapat responden terhadap kenaikan iuran (setuju/tidak setuju).
Data ordinal
- Data yang mempunyai urutan atau boleh diurutkan berdasarkan peringkat atau atribut tertentu.
- Contoh : data tentang rangking pelajar, hasil lomba pidato bahasa Inggris bagi siswa SMK, dan sebagainya.
- Data ordinal juga bersifat diskrit.
Data interval (scale)
- Data yang dapat dikelompokkan berdasarkan ukuran (satuan/unit) yang sama; dapat diurutkan berdasarkan kelompok tersebut sebagaimana data ordinal.
- Data interval umumnya bersifat kontinyu.
- Contohnya : data tentang skor test pelajar, data tentang prestasi belajar, dan sebagainya.
Data rasio
- Data yang dalam kuantifikasinya mempunyai nilai nol (0) mutlak; artinya ‘kuantiti’ nol (0) dapat masuk sebagai anggota data.
- Dalam penelitian ilmu-ilmu sosial, jarang peneliti menggunakan data rasio.
- Data rasio bersifat kontinyu.
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.
Analisis data
- Analisis non-statistik
- Analisis statistik
Analisis non-statistik
- Data kualitatif, iaitu data-data yang tidak dapat di-angkakan, analisis non-statistik lebih tepat digunakan
- Data kualitatif biasanya diolah atau dianalisis berdasarkan isinya (subtansinya).
- 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, iaitu 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.
Statistika Inferensial
- Digunakan untuk mengolah data kuantitatif dengan tujuan untuk menguji kebenaran suatu teori baru yang diajukan peneliti yang dikenal dengan hipotesis -> penelitian inferensial
- Dalam penelitian inferensial, teknik analisis statistik yang digunakan merujuk kepada suatu pengujian hipotesis
Langkah-langkah utama dalam pengujian hipotesis:
- Membuat asumsi -> kondisi apa yang dapat “diterima “ oleh peneliti
- menentukan statistik ujian
- Memilih suatu tingkat Signifikansi
- Menghitung harga statistik ujian
- Membuat keputusan ujian (diterima / ditolak)
Rambu-rambu Pemilihan Analisis Statistik
- Jenis penelitian (deskriptif, inferensial)
- Jenis variabel (terikat, bebas)
- Tingkat pengukuran variabel (nominal, ordinal, interval)
- Banyaknya variabel (satu, lebih dari satu )
- Maksud statistik (kecenderungan memusat, variabilitas, hubungan (korelasi, asosiasi), pembandingan (komparasi), interaksi, kesesuaian, dan sebagainya).
Tabel Panduan Pemilihan Analisis Statistik
Berikut adalah Tabel panduan Pemilihan Analisis Statistik yang tepat:
Apabila Banyaknya Variabel adalah 1(Satu)
(Klik Gambar Untuk Melihat Dalam Ukuran Besar)
Apabila Banyaknya variabel 2 (dua) atau Lebih
(Klik Gambar Untuk Melihat Dalam Ukuran Besar)
Statistik hanyalah alat yang membantu peneliti untuk memudahkan memahami dan memberikan makna dari data penelitian yang diperoleh. Tugas peneliti melakukan interpretasi terhadap data yang diperoleh dan membahasnya lebih lanjut secara lebih mendalam dan komprehensif berdasarkan teori-teori yang menyokong serta fakta yang terjadi di lapangan. Pada ruang ‘interpretasi hasil analisis data’ inilah didapatkan karya monumental seorang peneliti.
Demikianlah penjelasan tentang Pemilihan Analisis Statistik berdasarkan jenis data atau skala data. Semoga bermanfaat.
By Anwar Hidayat
Kalau Dilihat dari rentang tiap kategori yang anda buat: semuanya sama, yaitu rentang 33. Ingat 1 hal penting yang menjadi ciri skala data interval, yaitu kesamaan jarak antar nilai dan dapat dilakukan operasi perhitungan matematika. Jadi kategori yang anda buat layak disebut skala data interval, sebab rentangnya sama dan dapat diperlakukan perhitungan matematika seperti penambahan, pengurangan dan lain-lain. Hanya saja anda perlu melakukan transformasi data. Kurang bisa dikatakan satu, cukup bisa dikatakan 2 dan kurang = 3. Hal ini sama dengan permasalahan penentuan skala data pada kuesioner dengan skala likert, apakah termasuk dalam interval atau ordinal. Beberapa ahli statistik ada perbedaan pendapat dalam hal ini.
Kalau Dilihat dari rentang tiap kategori yang anda buat: semuanya sama, yaitu rentang 33. Ingat 1 hal penting yang menjadi ciri skala data interval, yaitu kesamaan jarak antar nilai dan dapat dilakukan operasi perhitungan matematika. Jadi kategori yang anda buat layak disebut skala data interval, sebab rentangnya sama dan dapat diperlakukan perhitungan matematika seperti penambahan, pengurangan dan lain-lain. Hanya saja anda perlu melakukan transformasi data. Kurang bisa dikatakan satu, cukup bisa dikatakan 2 dan kurang = 3. Hal ini sama dengan permasalahan penentuan skala data pada kuesioner dengan skala likert, apakah termasuk dalam interval atau ordinal. Beberapa ahli statistik ada perbedaan pendapat dalam hal ini.
Misalnya: Skor maksimal dalam suatu instrumen adalah 99. Peneliti menetapkan jika skor 1-33 = kurang, 34-66 = cukup dan 67-99 = baik.
Bentuk datanya itu ordinal ato interval?
maaf, tidak punya
Apakah kuesioner untuk rumah sehat sudah ada standar nya?
Apakah anda punya contoh kuesioner tersebut?
Mohon bantuannya,Trimakasih.
Sehat berdasarkan indikator yang ditetapkan oleh siapa? oleh WHO atau badan lain? Jadi rumah dikatakan sehat sangat relatif tergantung indikator dan yang menetapkan indikator. Sebagai contoh anda bisa gunakan 10 indikator PHBS yang ditetapkan WHO.
yang ada cuma kuesioner rumah tangga
itu juga sdh bisa dijadikan patokan untuk menentukan rumah trsebut sehat atau tidak
🙂
Data apa adanya seperti data numerik (interval/rasio) lebih bagus dari pada data yang dikategorikan. Tetapi data yang memang apa adanya adalah data kategorik, maka biarkan saja apa adanya, yang penting ujinya sesuai dengan skala datanya. Namun perlu diketahui bahwa uji statistik dengan skala data yang derajatnya tinggi mempunyai nilai informasi yang lebih banyak dan berharga.
bagaimana cara kita menentukan skala data penelitian, apakah sesuai variabel atau dari keingininan peneliti sendiri?
Sesuaikan dengan tujuan dan hipotesa, serta cara pengambilan data
bagaimana cara memilih desain penelitian yang sesuai dengan penelitian yang akan dilakukan
Apabila hanya 1 kategori dalam satu variabel, maka tidak bisa dianalisis
saya mau menguji hubungan antara variabel bebas (rasio), variabel antara (rasio), dan variabel terikat (ordinal) dengan jumlah data masing 25. uji apa yg sebaiknya saya lakukan? krn data variabel bebasnya jika dikategorikan berdasar nilai ambang batas termasuk dalam kategori buruk semua (tdk dpt dikategorikan baik buruk). mohon penjelasannya, terimakasih.
Kalau sejenis maka bersifat konstan, oleh karena itu tidak bisa dianalisis.
saya mau menguji derajat keeratan hubungan antar variabel yang sama berskala ordinal. namun, salah satu variabel tidak dikategorikan/sejenis. uji statistik apakah yang cocok digunakan?
Data dengan skala nominal
maaf nee,, mau tanya data apa yang cocok untuk alat chi square?
Pemilihan jenis analisis statistik sangat tergantung pada bentuk hipotesis, jika bentuk hipotesis komparatif atau perbedaan, mungkin yang anda sebut perbandingan, maka gunakanlah uji komparatif, jadi bukan uji korelasi.
Thank you so much for the great article 🙂
Untuk judul perbandingan yg pake skala interval dan interval bisa pake korelasi tidak?hipotesisnya berubah apa tetap perbedaan
Mungkin kata efisien perlu dikesampingkan dulu, sebab lebih tepat menggunakan kata efektif. Karena dalam penelitian kuantitatif diperlukan sebuah jawaban terhadap satu pertanyaan. Jika ada banyak pertanyaan, maka akan ada banyak jawaban. Bagaimana cara kita akan menjawabnya? tentunya didasarkan pada metodologi penelitian. Satu pertanyaan harus dijawab dengan cara-cara tertentu, dan cara tersebut belum tentu bisa digunakan untuk menjawab pertanyaan lainnya. Misalkan kita akan menjawab dua pertanyaan hipotesis komparatif: apakah ada perbedaan Mean antara kedua kelompok? dan berapa perbedaan Mean keduanya? dengan pertanyaan ini tentunya anda akan menjawabnya dengan uji parametris, sebab kita dihadapkan pada data-data interval atau rasio. Jika ada pertanyaan: apakah ada perbedaan jenis kelamin anak yang dilahirkan berdasarkan letak geografis kota dan desa? Tentunya kita akan menggunakan uji non parametris, sebab kita disuguhkan dengan data nominal. Kesimpulannya: Uji parametris memiliki derajat lebih tinggi, sebab dapat memberikan informasi yang lebih banyak. Akan jadi pemborosan jika kita dapatkan lebih banyak informasi, namun kita hanya berupaya menggunakan informasi yang lebih sedikit. Namun sebaliknya, uji non parametris lebih praktis dibandingkan uji parametris.
mau tanya, lebih efisien yang mana menggunakan statistik parametrik atau nonparametrik ? alasannya apa ? tolong infonya ya.
trims..
Ya, memungkinkan
bukankah juga memungkinkan untuk deskriptif menggunakan metode tabulasi silang (Cross tabulation) supaya lebih menggambarkan kondisi sampel. Tabulasi silang dilakukan antara variabel dan faktor-faktor atau determinan atau data penunjang lain.
Asalkan skala data semua variabel adalah interval atu rasio, maka boleh menggunakan regresi linear. Oleh karena saya lihat dalam judul anda ada 2 variabel yang dipengaruhi, maka nantinya anda akan mempunyai 2 model regresi linear. Kalau mau akhirnya nanti disatukan, maka akan jadi model multivariate regresi linear.
kak mau tanya, saya masi menyusun proposal skripsi, nah bingung di analisis datanya, judul saya "pengaruh kepuasan kerja thd kinerja dan intensi keluar karyawan" nah itu kata dosen saya makenya analisis regresi sederhana, benarkah?
Perlu anda pahami pengertian dari analisis multivariate. Analisis Multivariate ada 2 klasifikasi: untuk keperluan analisis dependensi dan analisis interdependensi. Penelitian anda karena ada lebih dari 2 variabel dan merupakan analisis dependensi, maka bisa disebut sebagai analisis multivariate.
Namun konsep yang ada pada SPSS, sedikit berbeda, bahwa jika variabel bebas lebih dari 1 dan variabel terikat ada 1, maka disebut dengan analisis multiple Univariate Analysis. Sedangkan jika variabel bebas dan terikat masing-masing satu, maka disebut simple univariate analysis. Dan apabila variabel bebas dan terikat sama-sama jumlah variabelnya lebih dari satu, maka disebut dengan multiple multivariate analysis. Jadi kesimpulannya: pada SPSS, istilah multivariate adalah merujuk pada jumlah variabel terikat atau variabel dependen, jika lebih dari satu maka disebut multivariate analysis.
Kesimpulannya: analisis multiple berbeda dengan analisis multivariate, dimana analisis multivariate pastilah multiple, tetapi analisis multiple belum tentu multivariate. Dikatakan analisis multivariate apabila variabel yang lebih dari satu tersebut (multiple) saling berkorelasi satu sama lain dan perlu dianalisis.
Untuk lebih jelasnya, bisa anda baca artikel saya tentang Analisis Multivariat.
maaf mau bertanya, saya sedang menyusun penelitian saya. judulnya "pengaruh penggunaan bottom ash dan kapur terhadap kuat tekan paving block" . apakah benar saya harus menggunakan multivariate dalam mengolah data saya nanti?
Anda bisa gunakan uji regresi ordinal
Maaf mau bertanya, saya ingin menguji 2 variabel bebas (independen) saya mana yang lebih baik dengan patokan hasil dari variabel tetap (dependen) dari kedua vb tadi.vt nya memiliki skala secara kategorik dengan angka (0,1,2,3), lebih besar nilainya lebih baik. Nah saya ingin menguji kedua vb untuk menentukan mana antara kedua vb yang lebih baik itu pakai teknik analisis apa yah?
Selamat malam. saya mau bertanya, apabila variabel bebas saya nominal, dan variabel terikat saya numerik. Apa bisa memakai uji t tidak berpasangan? atau memungkinkan pakai analisis apa ya?
terimakasih
Silahkan baca artikel saya tentang independent t test.
Kalo saya uji analysis non parametric dengan varaibel independent ordinal Dan variable dependent nominal saya harus menggunakan uji analisa statistik apa? Terimaksh
kalau uji korelasi maka menggunakan aturan main pada derajat skala data terendah. Sedangkan jika uji prediksi atau regresi maka menggunakan aturan main variabel terikat, tentunya dengan pertimbangan lain sesuai tujuan penelitian atau bentuk hipotesis.
Mas Anwar aku mau tanya. Kalau Variabel Terikat dan Variabel Bebas masing masing lebih dari satu dan berskala interval/rasio apakah uji yang dapat digunakan?
Tergantung pada hipotesisnya, misalkan untuk uji prediksi anda bisa menggunakan multivariat multiple linear regression
Mas, saya lily. mau tanya mas, jumlah minimal data penelitian yang diolah dengan SPSS itu berapa banyak? khusus untuk penelitian ya mas. lalu apakah ada teori yang mendukung hal tersebut? terimakasih mas, mohon bantuannya
Pak Anwar, mohon informasi. Kalau variabel indenpenden menggunakan angket berskala likert (5 tingkat) dan variabel dependen menggunakan data pertumbuhan penjualan, apakah bisa langsung dilakukan analisis regresi? Atau data variabel dependen harus dikonversi menjadi 5 tingkat agar sesuai dengan variabel independen?
Skala likert itu per item soal. Sedangkan variabelnya adalah hasil penjumlahan dari beberapa item soal. Maka itu sudah disebut data interval. Sehingga anda bisa melakukan uji regresi linear.
Kalau skala likert (1-5) diambil rata-ratanya, apakah sudah dikatakan data interval pak ?
Ya benar, baik jumlah nya atau rata-ratanya beberapa item soal skala likert, itu sudah disebut sebagai data interval.
Mas penelitian saya skala datanya nominal by ordinal itu saya baca komen diatas menggunakan “aturan main derajat skala terendah” maksudnya bagaimana bisa di jelaskan?
Hal tersebut berlaku apabila bentuk hipotesis adalah asosiatif atau uji korelasi. Misalnya variabel yang satu berskala ordinal dan yang satunya lagi berskala interval. Oleh karena ordinal mempunyai derajat lebih rendah dari interval, maka uji yang digunakan adalah uji korelasi untuk data ordinal, yaitu uji spearman atau kendall tau.
Salam kenal mas, Saya mau tanya soal uji statistik yg dipakai dg judul penelitian “Dampak Pemberian Edukasi thd Minat” memakai apa?
Pak untuk judul Ini “aktivitas penyembuhan luka bakar ekstrak etanol daun salam india pada mencit” uji statistik apa yg digunakan ??
Saya tidak bisa menjawab secara pasti, sebab pertanyaan anda tidak lengkap. Untuk memilih analisis yang tepat, harus jelas bentuk hipotesis, skala data per variabel, dan kategori tiap variabel jika data berbentuk kategorik.
Maaf bang mau tanya, kalau mau mengetahui hubungan dua variabel dan alat ukurnya kuesioner, maka uji yang kita pakai apa bang? Dan skalanya apa?
Titik berat atau perhatiannya dalam memilih analisis yang tepat bukanlah pada alat ukurnya, tetapi pada bentuk hipotesis dan skala datanya.
maaf bang, mau tanya tentang cara analisis, kalau 2 variabel kan cara analisisnya hanya rumus rata2 dan terakhir uji t (kalau tidak salah). bagaimana dengan penelitian 3 variabel ya.
x1 thdp y, x2 thdp y, serta X1 & X2 trhdp Y? terima kasih bang.
Pelajari artikel saya tentang: Penjelasan berbagai jenis regresi berganda!
Mas maaf saya mau nanya.. Data saya ordinal baik independen maupun dependen yaitu tinggi, sedang dan rendah.. Secara teori ini harus menggunakan spearman rank karena skalanya ordinal, apakah ini saya perlu uji normalitas lagi ataukah langsung saja pada uji korelasinya, jika saya melakukan uji normalitas dan ternyata data saya normal apakah saya boleh pakai pearson atau gimana pak..soalnya ada sumber yang saya baca jika datanya tidak normal gunakan spearman dan jika datanya normal gunakan pearson. Nuhun pak..
Uji Normalitas itu syarat untuk uji parametris. Sedangkan uji parametris itu mewajibkan datanya adalah data interval atau rasio. Sedangkan data anda itu data kategorik yaitu ordinal atau nominal, maka tidak relevan jika harus diuji normalitas. Maka selanjutnya anda langsung saja gunakan uji korelasi untuk data ordinal, dimana salah satunya adalah uji spearman rho.
Maaf mau nanya pak,kalo variabel bebas berjumlah satu variabel terikatnya dua itu pakai uji apa ya ?
Anda gunakan uji multivariat. Uji multivariat apa yang harus anda gunakan itu tergantung pada bentuk hipotesis dan skala data anda. Misal uji causal comparative dengan variabel bebas berskala kategorik atau kualitataif dan variabel terikat berskala kuantitatif, maka anda bisa gunakan uji Multivariat Anova.
Maaf pak mau nanya , jika nominal di ubah ke rasio itu bisa apa tidak pak ?? Dan caranya apa bisa menggunakan dengan log ?? Terus misalkan bisa menggunakan log,, teori tentang log yang bisa mengubah nominal ke rasio di situs web apa pak buat pencerahan untuk proposal. Terima kasih
Nominal tidak bisa diubah ke interval atau rasio. Tapi sbealiknya, dari interval atau rasio bisa dikategorikan menjadi nominal atau ordinal.
judul tesis saya kontribusi/peran/pengaruh (tiga variabel bebas) terhadap satu variabel terikat..saya menggunakan analisis statistik apa jika semua data interval?yang saya pahami saya menggunakan uji korelasi untuk mengetahui seberapa kuat dan arah hubungan antar variabel dan uji regresi untuk mengetahui seberapa besar kontribusi/sumbangan masing-masing variabel bebas terhadap variabel terikat dan kontribusi secara bersama-sama ketiga variabel bebas terhadap variabel terikat..mohon penjelasannya mas Anwar..terima kasih
Ya sudah benar itu
jika penelitian saya hubungan tingkat pengetahuan dengan kadar asam urat maka uji apa yang dipakai ya ?
Jika yang anda maksud tingkat pengetahuan adalah kelompok bertingkat maka itu masuk skala data ordinal. Sedangkan kadar asam urat seharusnya merupakan data dengan skala interval. Uji hubungan atau korelasi antara data ordinal dengan data interval maka gunakan alat uji yang sesuai dengan skala terendah. Dalam hal tersebut, ordinal lebih rendah dibandingkan interval. Jadi silahkan menggunakan uji korelasi untuk data ordinal seperti misalnya uji spearman rho, Kendall tau, sommers dan gamma kruskall.
Pada bagian teknik pemilihan analisis statistik disana ada prosedur “ubah data interval menjadi ordinal” , itu pakai rumus apa yaa pak ?? . Saya pernah menemui konversi ordinal ke interval saja melalui MSI , tapi untuk interval ke ordinal apakah ada rumus tersendiri ?
Data interval derajatnya lebih tinggi dari pada data ordinal. Jadi jika data sudah berskala interval maka silahkan dilakukan analisis parametris yang sesuai untuk data interval dimana nantinya akan banyak memberikan informasi berharga dibandingkan analisis untuk data ordinal. Jadi jika data sudah data interval atau bahkan data rasio, sudah tidak relevan lagi untuk ditransmformasikan ke dalam bentuk data ordinal, sebab tidak ada tujuan yang relevan atau berharga.