[7] analisis datasiti_masitoh.staff.gunadarma.ac.id/downloads/files/70676/(7)+analisis+data.pdf¨...

ANALISIS DATA DAN INTERPRETASI DATA

.

Perbedaan Analisis dan Interpretasi Data

¨  Pada tahap analisis data peneliti “membaca” data melalui proses pengkodingan data sehingga mempunyai makna.

¨  Proses pengkodingan ini mencakup proses mengatur data, mengorganisasikan data ke dalam suatu pola kategori.

¨  Maleong (2000: 103) mendefinisikan: ¤  Analisis data sebagai proses mengorganisasikan dan

mengurutkan data ke dalam pola, kategori, dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang disarankan oleh data.

¤  Interpretasi data adalah memberikan arti yang signifikan terhadap analisis, menjelaskan pola uraian, dan mencari hubungan di antara dimensi-dimensi uraian.

ANALISIS DATA KUANTITATIF

¨  Adalah analisis terhadap satu variabel. Jenis analisis ini dilakukan untuk riset deskriptif, dan menggunakan statistik deskriptif. Hasil penghitungan statistik deskriptif ini nantinya merupakan dasar bagi penghitungan analisis berikutnya, misalnya untuk menghitung hubungan antar-variabel.

Analisis Univariat


¨  Analisis yang dilakukan untuk melihat hubungan dua variabel. Kedua variabel tersebut merupakan variabel pokok, yaitu variabel pengaruh (bebas) dan variabel terpengaruh (tak bebas). Hubungn antarvariabel ini mempunyai beberapa kemungkinan: ¤  Simetris

Ada hubungan tetapi sifat hubungan adalah simetris, yaitu tidak saling memengaruhi. Perubahan pada variabel satu tidak disebabkan oleh variabel lainnya.

Misal pilihan acara televisi tidak disebabkan oleh kepemilikan pesawat televisi.

¤  Dua variabel mempunyai hubungan dan saling memengaruhi (timbal-balik).

¤  Asimetris Sebuah variabel memengaruhi variabel yang lain atau sebuah variabel berubah disebabkan variabel yang lain.

Analisis Bivariat


¨  Sama dengan analisis bivariat, hanya saja pada analisis muitivariat jumlah variabelnya lebih dari dua. Namun tetap mempunyai dua variabel pokok, hanya variabel bebasnya terdiri dari sub-sub variabel.

Analisis Multivariat


¨  Dalam analisis data kuantitatif dikenal dua macam statistik, yaitu: ¤ Statistik deskriptif digunakan pada riset deskriptif, yang

berupaya menggambarkan gejala atau fenomena dari satu variabel yang diteliti tanpa berupaya menjelaskan hubungan-hubungan yang ada.

¤ Statistik inferensial digunakan pada riset eksplanatif, yaitu riset yang bertujuan menjelaskan hubungan antara dua variabel atau lebih.

Penggunaan Statistik

ANALISIS DATA KUANTITATIF Penggunaan Statistik (Lanjutan)

Tujuan Penelitian

Eksploratif

Deskriptif

Eksplanatif

Uji Hipotesis

Uji Komparatif (Perbedaan)

Uji Hubungan (Asosiatif)

Statistik Deskriptif

Statistik Inferensial

ANALISIS DATA KUANTITATIF Statistik Deskriptif

¨  Kegunaan dari distribusi frekuensi adalah membantu: peneliti untuk mengetahui bagaimana distribusi frekuensi dari data penelitian. ¤  Misal: peneliti mengumpulkan data dari 10 responden tentang “acara

radio XY yang paling digemari”.

Distribusi Frekuensi

Respondenke- Acarayangdisukai

1 SalamdanLagu2 WarungKopi3 SalamdanLagu4 BursaMusikIndonesia5 SalamdanLagu6 SalamdanLagu7 SalamdanLagu8 WarungKopi9 DangdutRia10 DangdutRia

AcaraPalingFavorit Frekuensi Prosentase(%)

SalamdanLagu 5 50WarungKopi 2 20DangdutRia 2 20BursaMusikIndonesia 1 10

Dari data mentah kemudian diubah dalam tabel frekuensi :


¨  Mean (nilai rata-rata) adalah nilai tengah dari total bilangan. Mean diperoleh dari rumus:

Tendensi Sentral: mean, median, dan modus

Misal, seorang dosen memberikan penilaian kepada 5 orang mahasiswanya. Si A mendapat nilai 7, si B mendapat nilai 5, si C menndapat nilai 6, si D mendapat nilai 7, dan si E men-dapat nilai 6. Maka nilai rata-jata (mean) ke-5 mahasiswa adalah:


¨  Modus merupakan jenis tendensi sentral yang menunjukkan frekuensi terbesar pada suatu kelompok data nominal tertentu. Jadi modus merupakan frekuensi yang paling sering muncul.


Tema Berita yang dimuat Surat Kabar dalam satu bulan Frekuensi

Berita Politik 10Berita Ekonomi 8Berita Olah Raga 7Berita Kriminal 16Lainnya 9

Dari tabel di atas terlihat bahwa berita kriminal merupakan modus atau frekuensi yang paling sering muncul.


¨  Median adalah nilai tengah sebuah data. Untuk mencarinya, data Iebih dulu diurutkan. ¤ Misal, ada data yang terdiri dari 759321879, maka

untuk mencari median terlebih dulu harus mengurutkan data, menjadi 123577899, kemudian urutan tersebut dibelah dua, maka menjadi:

1235 7 7899 ¨  angka tujuh adalah nilai tengah (median) dari data

tersebut.


ANALISIS DATA KUANTITATIF Statistik Inferensial

¨  Statistik inferensial digunakan untuk riset eksplanatif yang bertujuan menjelaskan hubungan antara dua atau lebih variabel. Sebelum memilih jenis rumus yang dikehendaki, peneliti harus mempertimbangkan beberapa hal berikut: ¤  Tujuan dan Bentuk Hipotesis Penelitian

Teknik statistik inferensial ditentukan oleh tujuan penelitian, apakah untuk membandingkan (komparatif) atau untuk menghubungkan satu variabel dengan variabel lainnya (asosiatif).

¤  Variabel/Data/Skala Pengukuran Teknik statistik inferensial juga tergantung pada jenis data/skala pengukuran yang digunakan, apakah data/skala nominal, ordinal, interval atau rasio. Misalnya, jika jenis dua data yang ingin dicari hubungannya sama-sama interval, maka teknik statistik yang digunakan adalah Pearson’s Correlation Product Moment.

¨  Penggunaan teknik statistik inferensial ini dibedakan antara penelitian eksplanatif yang asosiatif dan yang bertujuan komparatif.

ANALISIS DATA KUANTITATIF Statistik Inferensial – Analisis Hubungan (Asosiatif)

¨  Analisis hubungan adalah analisis yang menggunakan uji statistik inferensial dengan tujuan untuk melihat derajat hubungan di antara dua atau lebih dari dua variabel. Kekuatan hubungan yang menunjukkan derajat hubungan ini disebut koefisien asosiasi (korelasi). Nilai koefisien korelasi ini adalah:

Analisis Hubungan (Asosiatif)

Kurangdari0,20 Hubunganrendahsekali;lemahsekali0,20–0,39 HubunganrendahtetapipasJ0,40–0,70 HubunganyangcukupberarJ0,71–0,90 HubunganyangJnggi;kuatLebihdari0,90 HubunganyangsangatJnggi;kuatsekali;dapatdiandalkan


¨  ketentuan lain yang berlaku mengenai sifat dan nilai hubungan (korelasi), yaitu:

n  Nilai hubungan (korelasi) antara variabel X dan Y berkisar antara –1 sampai dengan +1.

n  Hubungan bersifat positif terjadi bila “semakin besar nilai variabel X maka semakin besar pula nilai variabel Y” atau sebaliknya “semakin kecil nilai variabel X maka semakin kecil nilai variabel Y”.

n  Hubungan bersifat negatif terjadi bila “semakin kecil nilai variabel X maka semakin besar nilai variabel Y” atau sebaliknya “semakin besar nilai variabel X maka semakin kecil nilai variabel Y”

n  Bila nilai koefisien hubungan sama dengan 0, berarti tidak ada hubungan antar-variabel.

n  Bila nilai koefisien hubungan sama dengan 1 atau sama dengan –1 , berarti terjadi hubungan yang sempurna.


¨  Contoh Permasalahan: n  “Semakin tinggi tingkat pendidikan seseorang, maka semakin

tinggi kemampuan membacanya” n  “Semakin sering frekuensi seseorang menonton TV maka

semakin rendah tingkat kohesitas sosialnya”

¨  Misalnya dari penghitungan antara variabel terpaan iklan dengan perilaku membeli diperoleh hasil (– 0,765), berarti bahwa ada hubungan yang kuat antara terpaan iklan dengan perilaku membeli dimana sifat hubungannya adalah negatif: “semakin sering terpaan iklan semakin jarang orang membeli produknya”.


JenisSkala/Data Nominal Ordinal Interval/Rasio

Nominal

Lambda,Cramer’s,Tschuprow’stPhiTetrachoric,KoefisienKonJngensiC(Pearson’sC)

Wilcoxon’sTheta

Eta,TheCorrelaJonraJo

Ordinal

G a m m aSpearman’sKendall’sSomer’sdyx

Jaspen’sM(CoefficientofMulJSerialAssociaJon)

Interval/Rasio

Pearson’sCorrelaJon(ProductMoment),KorelasiParsiaI/ParsiaI,Regresi


¨  Digunakan untuk mengetahui koefisien korelasi atau derajat kekuatan hubungan dan membuktikan hipotesis hubungan antara variabel/data/skala interval dengan interval lainnya. Teknik ini digunakan tanpa melihat apakah suatu variabel tertentu tergantung kepada variabel lainnya. Simbol korelasi product moment ditulis dengan huruf “r”.

Pearson’s Correlation (Product Moment)

r = koefisien korelasi Pearson’s Product Moment N = jumlah individu dalam sampel X = angka mentah untuk variabel X Y = angka mentah untuk variabel Y


¨  Contoh: ¤  “Hubungan antara Iklim Komunikasi dengan Iklim Organisasi pada

Karyawan PT. X” ¤  Kedua variabel penelitian adalah interval.


RespondenNo.

IklimKomunikasi(X)

IklimOrganisasi(Y)

1 19 162 17 173 19 154 20 145 13 19


Responden X Y X2 Y2 XY

1 19 16 361 256 304

2 17 17 289 289 289

3 19 15 361 225 285

4 20 14 400 196 280

5 13 19 169 361 247

Total(Ʃ) 88 81 1580 1327 1405


Hasil perhitungan menunjukkan telah terjadi hubungan negatif dengan kekuatan hubungan yang rendah.


¨  Bila nilai r tersebut dalam taraf signifikansi tertentu lebih besar dari nilai r tabel, maka nilai r tersebut signifikan.

¨  Terdapat hubungan yang berarti atau bermakna (signifikan) bukan sekadar kebetulan. Artinya data dan koefsien korelasi yang diperoleh dalam sampel dapat digeneralisasikan pada populasi di mana sampel diambil atau data tersebut mencerminkan keadaan populasi.



¨  Pengujian signifikansi koefisien korelasi, selain dapat menggunankan tabel, juga dapat dihitung dengan uji-t yang rumusnya adalah:


Harga t yang diperoleh dari penghitungan rumus di atas di-bandingkan dengan harga t tabel dengan menentukan ting-kat signifikansi uji dua pihak dan derajat kebebasan (n-2). Jika harga t hitung > dari t tabel maka Ho ditolak (berarti ada hubungan yang signifikan).


¨  Digunakan untuk mencari koefisien korelasi antara data ordinal dan data ordinal lainnya. Dalam teknik ini setiap data dan variabel-variabel yang diteliti harus ditetapkan peringkat dari yang terkecil sampai terbesar (diranking). Peringkat terkecil bernilai 1. Rumusnya:

Spearman’s Rho Rank-Order Correlations

Rs (rho) = koefisien korelasi rank-order 1 = angka satu, yaitu bilangan konstan 6 = angka enam, yaitu bilangan konstan d = perbedaan antara pasangan jenjang Ʃ = sigma atau jumlah N = jumlah individu dalam sampel


¨  Langkah-langkah dalam menggunakan analisis korelasi Spearman: 1. Nilai pengamatan dari dua variabel yang akan diukur korelasinya diberi jenjang.

Bila ada nilai pengamatan yang sama diberikan jenjang rata-ratanya. 2. Setiap pasang jenjang dihitung perbedaannya (d). 3. Perbedaan setiap pasang jenjang tersebut dikuadratkan (d2) dihitung jumlahnya

(Ʃd2). 4. Menghitung harga koefisien korelasi dengan rumus Spearman’ Rho tersebut di

atas. 5. Uji signifikansi harga observasi rs (rho) tergantung pada besar sampel:

a. Untuk sampel kecil gunakan Tabel 0 b. Untuk sampel besar (n > atau = 10) gunakan Tabel B, di mana harga t observasi

dihitung dengan rumus:


atau dengan rumus z, yaitu :


IsuRankingIsudalamAgendaMedia

Cetak

RankingIsudalamAgendaPublik d d2

EfisiensiPerbankan 3 5 -2 4KasusFreeport 4 4 0 0KasusKPK 7 6 1 1Kriminalitas 9 9 0 0PerekonomianDaerah 10 7 3 9KemelutPSSI 6 3 3 9PemilihanUmum 2 2 0 0PelanggaranHAM 1 1 0 0SeaGames 5 8 -3 9Investasi 8 10 -2 4N=10 Ʃd2=36



¨  Digunakan untuk menghitung hubungan antar variabel yang datanya nominal dengan nominal atau nominal dengan ordinal.

¨  Rumus ini adalah suatu ukuran derajat hubungan, asosiasi atau dependensi dari klasifikasi-klasifikasi dalam tabel kontingensi r x k (di mana r menunjukkan banyaknya baris dan k menunjukkan banyaknya kolom).

¨  Teknik ini dikaitkan dengan rumus Chi-Kuadrat untuk mengetahui kuat tidaknya hubungan antar variabel tersebut.

Korelasi Contingency C (Pearson’s C)


¨  Rumus Korelasi Contingency adalah:


C = Koefisien korelasi contingency λ2 = Chi-kuadrat N = Individu sebagai sampel

Contoh Penelitian: “Hubungan antara jenis kelamin dengan pilihan media” Jenis kelamin: 1. Pria 2. Perempuan Pilihan media: 1. TV 2. Radio 3. Surat Kabar


Prosedur menghitung harga C dan uji signifikansinya adalah:

¨  Menyusun frekuensi-frekuensi hasil penelitian (frekuensi observasi) dalam suatu tabel kontingensi r x k.

¨  Menghitung frekuensi yang diharapkan peneliti (frekuensi teoretis) di bawah Ho untuk tiap-tiap sel dengan mengalikan kedua jumlah tepi yang sama-sama dimiliki sel itu (jumlah frekuensi baris x jumlah frekuensi kolom), dan kemudian hasilnya dibagi dengan N, yakni jumlah total sampel. Apabila lebih dari 20% di antara sel-sel itu mempunyai frekuensi teoretis kurang dari 5, atau bila ada sembarang sel yang mempunyai frekuensi teoretis kurang dari 1, gabungkanlah kategori-kategori guna meningkatkan jumlah frekuensi teoretisnya.

¨  Dari data tersebut hitunglah harga chi-kuadrat, untuk memperoleh λ2.

¨  Dengan harga λ2 tersebut, hitunglah harga C.

¨  Untuk menguji signifikansi harga C gunakan Tabel C (tabel harga-harga kritis dari chi-kuadrat).



Contoh: Seorang peneliti ingin mengetahui apakah ada hubungan antara tingkat pendidikan dengan pilihan media massa untuk mencari informasi tentang mobil. Dari responden berjumlah 100 pembeli mobil diperoleh data dalam tabel berikut:


TingkatPendidikan

PilihanMedia JumlahSuratkabar Televisi Internet MajalahTinggi 5 10 15 9 39Menengah 17 11 6 4 38Dasar 3 6 9 5 23Jumlah 25 27 30 18 100

Frekuensi yang diharapkan atau frekuensi teoretis (fh) dihitung:


c1= (39)(25)/100= 9,75 c7= (38)(30)/100= 11,40c2= (39)(27)/100= 10,53 c8= (38)(18)/100= 6,84c3= (39)(30)/100= 11,70 c9= (23)(25)/100= 5,75c4= (39)(18)/100= 7,02 c10= (23)(27)/100= 6,21c5= (38)(25)/100= 9,50 c11= (23)(30)/100= 6,90c6= (38)(27)/100= 10,26 c12= (23)(18)/100= 4,14


TingkatPendidikan

PilihanMedia JumlahSuratkabar Televisi Internet Majalah

Tinggi 5 10 15 9 39(9,75) (10,53) (11,70) (7,02)

Menengah 17 11 6 4 38(9,50) (10,26) (11,40) (6,84)

Dasar 3 6 9 5 23(5,75) (6,21) (6,90) (4,14)Jumlah 25 27 30 18 100


Nilai (λ2) dihitung dengan rumus:



Nilai Korelasi Contingency adalah:

Koefisien korelasi yang dinyatakan dengan korelasi contingency adalah C = 0,360. Berarti ada hubungan yang positip antara tingkat pendidikan dengan pilihan media. Untuk uji signifikansi, kita tentukan dulu derajat kebebasan, yaitu db = (r-1)(k-1) dan taraf signifikansinya. Dari tabel di atas db (3-1)(4-1) = 6. Kemudian kita bandingkan dengan tabel harga chi-kuadrat.



¨  Korelasi dan regresi keduanya mempunyai hubungan yang erat.

¨  Setiap regresi dipastikan terdapat korelasinya. Tetapi, belum tentu korelasi dilanjutkan dengan regresi.

¨  Analisis regresi dilakukan jika korelasi antara dua variabel mempunyai hubungan kausal (sebab akibat) atau hubungan fungsional.

Analisis Regresi


Analisis regresi digunakan bila: ¨  kita ingin mengetahui bagaimana variabel dependen dapat

diprediksi melalui variabel independen (prediktor), secara individual.

¨  kita ingin memutuskan apakah naik dan menurunnya variabel dependen dapat dilakukan melalui menaikkan dan menurunkan keadaan variabel independen.

¨  terdapat hubungan kausal atau fungsional antara dua variabel yang diteliti.

Contoh variabel yang mempunyai hubungan kausal atau

fungsional: ¨  hubungan antara panas dengan tingkat muai panjang

(hubungan kausal). ¨  hubungan antara kepemimpinan dengan kepuasan kerja

(hubungan fungsional).

Analisis Regresi


Regresi Linear Sederhana

Jika terdapat data dari dua variabel riset yang sudah diketahui yang mana variabel bebas X dan yang mana variabel terikat Y sedangkan nilai-nilai Y lainnya dapat dihitung atau diprediksi berdasarkan suatu nilai X tertentu. Rumusnya adalah sebagai berikut: Y = a + bX

Di mana: Y = variabel tidak bebas (subjek dalam variabel tak bebas/dependen yang diprediksi) X = variabel bebas (subjek pada variabel independen yang mempunya nilai tertentu) a = nilai intercept (konstan) atau harga Y bila X 0 b = koefisien regresi, yaitu angka peningkatan atau penurunan variabel

dependen yang didasarkan pada variabel independen. Bila b (+) maka naik, bila b (-) maka terjadi penurunan.

Analisis Regresi


¨  Nilai a dihitung dengan rumus:

¨  Nilai b dihitung dengan rumus:

Analisis Regresi


Regresi Linear Berganda Digunakan bila penyebab diperkirakan lebih dari satu variabel. Misalnya, bagi seorang humas dikenal beberapa faktor yang dapat memengaruhi kepuasan kerja karyawan, seperti pekerjaan itu sendiri, supervisi, promosi, gaji, maupun hubungan dengan rekan kerja. Karena itu terdapat beberapa variabel yang diperkirakan memengaruhi kepuasan karyawan. Rumusnya:

Y=a+bXl+cX2+....+kXk

Analisis Regresi

ANALISIS DATA KUANTITATIF Statistik Inferensial – Analisis Perbedaan (Komparatif)

¨  Analisis perbedaan digunakan untuk menganalisis perbedaan diantara dua kelompok data atau lebih. Perbedaannya dengan analisis hubungan, terlihat pada rumusan masalah berikut:

Analisis hubungan:

“Apakah ada hubungan antara frekuensi menonton TV dengan tingkat kognitif?”

Analisis perbedaan:

“Apakah ada perbedaan antara remaja dan orang tua dalam frekuensi menonton TV?”


¨  Uji perbedaan sering juga disebut uji signifikansi (test of significance) bukan taraf signifikansi. Dalam uji perbedaan dikenal dua kemungkinan hasil. ¤ Pertama, perbedaan yang memiliki arti (signifikan),

terjadi karena betul-betul terjadi karena ada perbedaan, dan tidak hanya terjadi pada sampel tapi juga populasi.

¤ Kedua, perbedaan terjadi tapi tidak mempunyai arti (nonsignifikan), artinya perbedaan terjadi hanya pada sampel bukan pada populasi atau secara kebetulan saja.


1. Sampel Independen dan Berpasangan Beberapa pertimbangan sebelum uji statistik perbedaan: a. Peneliti harus menentukan jenis data (nominal, ordinal,

interval, rasio). b. Kelompok sampel yang diuji, apakah sampel-sampel itu independen ataukah berpasangan berkaitan). 2. Sampel Independen

Sampel-sampel dikatakan independen, jika satu sama lain terpisah secara tegas (mutually exclusive). Artinya bahwa anggota sampel kelompok pertama bukan menjadi anggota sampel kelompok kedua. Contoh: “apakah ada perbedaan antara pria dan wanita dalam mengonsumsi media?”. Di sini artinya sampel pria dan wanita terpisah satu sama lain.


3. Sampel Berpasangan (Berkaitan/Related Samples)

Sampel-sampel dikatakan berpasangan/berkaitan bila: a. Sejumlah orang dalam sampel diukur pada periode

waktu tertentu, kemudian diukur lagi pada periode lain, misalnya peneliti menguji sampel dua kali (sebelum dan sesudah diteliti, misalnya pada penelitian eksperimen).

b. Dua sampel dipasangkan atas dasar ciri-ciri individu. Misalnya si A dipasangkan dengan si B karena mempunyai ciri yang sama (sama-sama orang Jawa, pelajar SMU, usia 17 tahun, nilai rapornya 7,5 dll).

c. Dua sampel dipasangkan atas dasar kelompok. Misalnya, kelompok A dipasangkan dengan kelompok B karena mempunyai ciri yang sama, seperti rata-rata usia 23 tahun, rata-rata IPK 3,2 dan lainnya.


Skala DataBentuk Hipotesis

Komparatif Dua Sampel Komparatif > Dua Sampel (K sampel)Berpasangan Independen Berpasangan Independen

Nominal Mc Nemar - Fisher Exact- Chi-Kuadrat

- Cochran Q- Chi-Kuadrat - Chi-Kuadrat

Ordinal - Sign Test- Wilcoxon

- Median Test- U-Test- Mann-Whitney-  Kolmogorov Smirnov- WaId-Wolfowitz

- Friedman- Anova

- Median Extention- Kruskal Wallis- Anova

Interval/Rasio t-Test t-Test Anova Anova


¨  Rumus t-test digunakan untuk menguji perbedaan dua sampel pada variabel interval/rasio.

¨  Misalnya: “apakah ada perbedaan tingkat keterbacaan surat kabar Kompas dan Surat Kabar Republika?”.

¨  Tujuannya untuk mengetahui apakah ada perbedaan yang benar-benar signifikan atau hanya kesalahan menggunakan teknik samplingnya.

t-Test

Di mana: MX1 & MX2 adalah mean masing-masing sampel. N1 adalah jumlah sampel X1 N2 adalah jumlah sampel X2


¨  Menguji perbedaan dua sampel independen untuk data Interval/Rasio Di mana: ¤  MX1 & MX2 adalah mean masing-

masing sampel.

¤  N1 adalah jumlah sampel X1

¤  N2 adalah jumlah sampel X2

¨  Menguji perbedaan dua sampel berpasangan untuk data Interval/Rasio Di mana: ¤  MX dan MY adalah rata-rata skor

kelompok X dan Y

¤  D adalah selisih skor kelompok X dan Y

¤  N adalah jumlah pasangan skor

t-Test


¨  Chi-kuadrat adalah teknik statistik yang memungkinkan periset menilai probabilitas dalam memperoleh perbedaan frekuensi yang nyata (yang diteliti) dengan frekuensi yang diharapkan dalam kategori-kategori tertentu sebagai akibat dari kesalahan sampling.

Misalnya, periset ingin mengetahui apakah jumlah penonton empat program di RCTI pada tahun ini sama dengan tahun sebelumnya. Periset dapat merumuskan hipotesisnya sebagai berikut: “jumlah penonton empat program RCTI berbeda secara signifikan pada tahun ini dengan tahun sebelumnya”.

Chi-Square (Chi-Kuadrat)


¨  Chi-kuadrat dapat digunakan untuk menguji lebih dari dua sampel. Chi-kuadrat bermanfaat untuk mengetahui apakah dua variabel yang diteliti saling berketergantungan? Atau apakah ada perbedaan antara variabel yang satu dengan lainnya terhadap aspek yang diteliti?

¨  Misalnya, “apakah ada perbedaan antara jenis pekerjaan terhadap pilihan sumber informasi tentang AIDS?”.



Keterangan: λ2 = chi-kuadrat fo = frekuensi yang diperoleh dan (diobservasi dalam)

sampel fh = frekuensi yang diharapkan dalam sampel sebaga pencerminan dari frekuensi yang diharapkan dalam

populasi (frekuensi yang diharapkan merupakan perkalian antara jumlah baris dengan lajur dibagi jumlah total).



¨  Tabel Silang Tingkat Pengetahuan dengan Frekuensi Penggunaan Narkoba, N= 100


FrekuensiPenggunaan

TingkatPengetahuan

JumlahRendah Sedang Tinggi

F % F % F %

Jarang 4 100% 22 81% 56 79,5% 82

Sedang 0 0% 2 9,5% 12 16,5% 14

SeWapHari 0 0% 2 9,5% 2 4% 4

Jumlah 4 100% 26 100% 70 100% 100


¨  Untuk melakukan pengujian hipotesis riset, untuk itu dilakukan perhitungan dengan lebih dahulu mengetahui derajat kebebasan (db) dari hasil tabulasi silang antara kedua variabel di atas. Perhitungan derajat kebebasan adalah sebagai benikut: db =(b-1)(k-1)

Keterangan: db = derajat kebebasan b = baris k = kolom

¨  Tabel tabulasi silang di atas disebut tabel 3 x 3, artinya tabel 3 baris dan 3 kolom. Dengan demikian derajat kebebasannya adalah: db = (3 – 1) (3 – 1) = 4, Jadi derajat kebebasannya = 4.



¨  SeteIah itu dilakukan Pengujian hipotesis nol dengan chi-kuadrat, yaitu sebagai berikut:


Sel1= 4x82 = 3,28 Sel6= 70x14 = 9,80100 100

Sel2= 26x82 = 21,31 Sel7= 4x4 = 0,16100 100

Sel3= 70x82 = 57,40 Sel8= 26x4 = 1,04100 100

Sel4= 4x14 = 0,56 Sel9= 70x4 = 2,80100 100

Sel5= 26x14 = 3,64100


Sel Y fo (fo-Y)2 (fo-Y)2Y

123456789

422560212022

3.2821,3257,400,563,649.800,161,042,80

0,520,460,0190,3130,0270,0480,0260,920,64

1,60,0220,0340.560,740,490,160,890.23

λ2=4,72

Dari perhitungan diperoleh λ2 = 4,72 dengan derajat kebebasan 4. Sedangkan nilai chi-kuadrat tabel pada taraf signifikansi 5% dan derajat kebebasan 4 sebesar 9,488. Sehingga nilai λ2 perhitungan lebih kecil dari λ2 tabel nilai chi-kuadrat dengan taraf signifikansi 5%, maka menunjukkan bahwa hubungan yang terjadi antar variabel tidak signifikan, artinya tidak terdapat hubungan antara variabel-variabel penelitian. Dengan kata lain hipotesis ditolak, artinya tidak ada hubungan antara tingkat pengetahuan dengan frekuensi penggunaan narkoba.

ANALISIS DATA KUALITATIF

¨  Analisis data kualitatif digunakan bila data-data yang terkumpul dalam riset adalah data kualitatif. Data kualitatif dapat berupa kata-kata, kalimat-kalimat atau narasi-narasi, baik yang diperoleh dari wawancara mendalam maupun observasi.

¨  Tahap analisis data memegang peran penting dalam riset kualitatif, yaitu sebagai faktor utama penilaian kualitas atau tidaknya suatu riset. Artinya, kemampuan periset memberi makna kepada data merupakan kunci apakah data yang diperolehnya memenuhi unsur reliabilitas dan validitas atau tidak. Ingat, reliabilitas dan validitas data kualitatif terletak pada diri periset sebagai instrumen riset.


¨  Riset kualitatif adalah riset yang rnenggunakan cara berpikir induktif, yaitu cara berpikir yang berangkat dari hal-hal yang khusus (fakta empiris) menuju hal-hal yang umum (tataran konsep).

Berbagai data di lapangan

Analisis/klasifikasi Data/kategorisasi

Ciri-ciri umum

Pemaknaan/Interpretasi Ciri-ciri umum

Kelebihan data: -Kompetensi subjek -Authenticity & Triangulasi -Intersubjectivity Agreement

BERTEORI & KONTEKSTUAL


Tahapan-tahapan analisis, dapat dijelaskan sebagai berikut: ¤ Menempatkan kejadian-kejadian (data) ke dalam kategori-

kategori. Kategori-kategori tersebut harus dapat diperbandingkan satu dengan lainnya.

¤ Memperluas kategori sehingga didapat kategori data yang murni dan tidak tumpang tindih satu dengan lainnya.

¤ Mencari hubungan antar kategori. ¤ Menyederhanakan dan mengintegrasikan data ke dalam

struktur teoretis yang koheren (masuk akal, saling berhubungan atau bertalian secara logis).

Teknik Komparatif Konstan


¨  Data hasil observasi akan dianalisis dengan membuat kategori-kategori tertentu atau domain-domain tertentu.

¨  Karena periset memasukkan data ke dalam kategori-kategori tadi, cara ini menurut Wimmer & Dominick (2000) disebut “Filling System”.

¨  Setelah itu data diinterpretasi dengan memadukan konsep-konsep atau teori-teori tertentu.

¨  Konsep atau teori ini membantu kita dalam memahami perilaku yang diobservasi.

Filling System


¨  Menurut Bungin (2001), teknik analisis domain digunakan untuk menganalisis gambaran-gambaran objek riset secara umum atau menganalisis di tingkat permukaan, namun relatif utuh tentang objek riset tersebut.

¨  Teknik ini bertujuan mendapatkan gambaran seutuhnya dari objek yang diriset, tanpa harus membuat rincian secara detail unsur-unsur yang ada dalam keutuhan objek riset tersebut.

Analisis Domain

[7] analisis datasiti_masitoh.staff.gunadarma.ac.id/downloads/files/70676/(7)+analisis+data.pdf¨...

Documents