Nama : GEA GHIBRELLA

Nim : 1700012222
Materi : Analisis data awal / kelas E
1. Menyiapkan data untuk analisis
a. pengkodean dan data entry pengkodean data termasuk memberikan nomor pada
respon dari partisipan sehingga respon tersebut dapat dimasukkan kedalam database.
Data entry adalah setelah respon dikodekan,respon tersebut dapat dimasukkan
kedalam database. Data mentah dapat dimasukkan dengan program
software,misalnya
SPSS
b. mengedit data setelah data diinput ,data tersebut perlu diedit. Mengedit data
berhubungan dengan menemukan dan memperbaiki bagian yang hilang dan data ang
tidak logis,tidak konsisten,atau tidak sah dalam informasi yang dikembalikan oleh
partisipan studi. c. Transformasi data
Transformasi data,variasi pengkodean data,adalah proses prubahan representasi
numeric awal dari nilai kuantitatif menjadi nilai yang lain. Data secara khusus diubah
untuk menghindari masalah dalam tahap selanjutnya dari proses analisis data.
2. Mempelajari data
a. Frekuensi
Hanya mengacu pada berapa kali berbagai subkategori dari suatu fenomena tertentu
terjadi,dimana presentase dan presentase kumulatif kejadiannya dapat dihitung
dengan mudah. Diagram batang dan diagram pie
Frekuensi juga dapat ditampilkan secara visual dengan diagram
batang,histogram,atau diagram pie.
b. Ukuran tedensi sentral dan disperse
Mean atau rerata hitung adalah ukuran tendensi sentral yang memberikan gmbaran
umum mengenai data tanpa terlalu membebani seseorang dengan setiap observasi
dalam sekelompok data. Median adalah nilai tengah. Modus adalah data yang sering
muncul. Mean,median dan modus dapat menjadi ukuran tedensi sentral. Ukuran
disperse berhubungan dengan data nominal dan internal.
c. Hubungan antar variable
Uji nonparametrik tersedia untuk menilai hubungan antara variabel yang diukur
dengan skala nominal atau ordinal.Matrik korelasi pearson akan menunjukkan
tujuan,kekuatan,dan signifikansi dari hubungan bivariat diantara semua variabel yang
diukur pada tingkat interval atau rasio. Korelasi tersebut diperoleh dengan menilai
variasi dalam satu variabel karena variabel yang lain juga berbeda-beda.
3. Menguji kesesuaian data
Reliabilitas Pengukuran dibuktikan dengan menguji konsistensi dan stabilitas Validitas
factorial dapat diperoleh dengan memasukkan data untuk analisis factor. Hasil analisis
factor memastikan apakah dimensi yang diteorikan memang muncul.
4. Kesalahan tipe 1,kesalahn tipe 2,dan kekuatan statistic Kesalahan 1 disebut dengan
alpha(α) adalah probalitas menolak hipotesis nol ketika hal tersebut sebenarnya benar.
Kesalahan 2 juga disebut dengan beta (β) adalah probabilitas kegagalan untuk menolak
 hipotesis nol tertentu bahwa hipotesis alternative tersebut benar. Kekuatan statistik
tergantung pada alpha (α),ukuran efek dan ukuran sampel.
5. Memilih teknik statistic yang tepat
Pilihan teknik statistic yang tepat secara luar bergantung pada jumlah variabel yang
sedang dipelajari dan skala pengukuran dari variabel.
6. Menguji mean hipotesis tunggal
Uji-t satu sampel digunakan untuk menguji hipotesis bahwa mean populasi darimana
sampel dimbil sama dengan standar perbaningan
7. Menguji hipotesis dua mean yang berhubungan
Dalam hal ini dapat di uji dengan uji peringkat Wilcoxon dan uji McNemar
8. Menguji hipotesis dua mean yang tidak berhubungan
Uji-t sampel bebas dilakukan untuk mengetahui jika terdapat perbedaan mean yang
signifikan antara dua kelompok dalam variabel keterkaitan
9. Menguji hipotesis beberapa mean
Dalam hal ini dilakukan dengan analisis ANOVA
10. Analisis regresi
Analisis regresi sederhana digunakan dalam situasi dimana satu variabel bebas
dihipotesiskan akan mempengaruhi satu variabel terikat. Biasanya dilakukan dengan
koefisien regresi standar,regresi dengan variabel dummy,dan multikolinieritas.
11. Uji dan analisis multivariate yang lain
Dalam hal ini biasanya dilakukan dengan analisis diskriminan,regresi logistic,analisis
conjoin,ANOVA dua arah,MAANOVA.
12. Data warehousing,data mining,dan penelitian oprasi
Data warehousing dapat dijelaskan sebagai proses menyaring,mentransfer,dan
mengintegrasi data yang tersebar di berbagai basis data dan bahkan system oprasi
eksternal dengan tujuan untuk mempermudah analisis dan pengamilan keputusan. Data
mining secara lebih efektif memanfaatkan data warehouse dengan mengidentifikasi
hubungan dan pola yang tersembunyi dalam data yang tersimpan di dalamnya.penelitian
oprasi adalah alat canggih lain yang digunakan untuk menyederhanakan dan memperjelas
jenis persoalan rumit tertentu yang harus dikuantifikasi.
13. Reduksi data
Pengkodean adalah proses analitis dimana data kualitatif yang dikumpulkan di reduksi
,disusun kembali,dan di integrasikan untuk membuat teori.tujuan pengkodean adalah
untuk membantu menarik kesimpulan tentang data.
14. Penyajian data
Penyajian data termasuk menggunakan data yang sudah direduksi dan menyajikannya
dengan cara yang terorganisasi dan singkat.
15. Menarik kesimpulan
Menarik kesimpulan adalah kegiatan analisis akhir dari analisis data kualitatif. Penarikan
kesimpulan adalah hal yang penting dari analisis data.
16. Reabilitas dan validitas dalam penelitian kualitatif
Realiabilitas kategori berkaitan dengan sejauh mana penilai dapat menggunakan definisi
kategori untuk mengklasifikasikan data kualitatif. Validitas didefinisikan sebagai sejauh
mana instrument mengukur apa yang ingin diukur. Namun demikian, daalam konteks ini
validitas memiliki arti yang berbeda. Hal ini mengacu pada sejauh mana hasil penelitian.