Andriani Kusumawati

MANAJEMEN DATA

Pada saat merancang usulan penelitian, maka sudah direncanakan pula :

1. Teknik pengolahan data meliputi: editing, coding, entry, dan cleaning serta analisis.

2. Tabel, grafik atau ringkasan angka2 yg akan dihasilkan.

TAHAPAN MANAJEMEN DATA

Menyunting data (data editing)

Mengkode data (data coding)

- Membuat kode

- Membuat buku kode

Membuat struktur data (data structure)dan file data (data file)

Memasukkan data (data entry)

Membersihkan data (data cleaning)

1. DATA EDITING

Penyuntingan data dilakukan sebelum proses

pemasukan data.

Penyuntingan data sebaiknya dilakukan di

lapangan, agar data yang salah/ meragukan masih

dapat ditelusuri kembali kepada

responden/informan yang bersangkutan.

EDITING

Dilakukan pemeriksaan seluruh kuesioner atau

seluruh formulir isian setelah data terkumpul, apakah

:

1. Dapat dibaca.

2. Semua pertanyaan terisi (lengkap).

3. Terdapat ketidakserasian antara jawaban yg

satu dgn yg lain (konsistensi).

4. Terdapat kesalahan lain yg akan mengganggu

proses pengolahan data selanjutnya (akurasi).

EDITING

Kegiatan editing dapat dilakukan dengan cara :

1. Editing lapangan

Supervisor melakukan pengecekan ulang thd

beberapa pertanyaan penting biasanya kpd

10% responden segera setelah data terkumpul

semuanya.

2. Editing menyeluruh

Dilakukan secara menyeluruh thd jawaban

responden sehingga dpt diketahui konsistensi

jawaban.

EDITING

Yg sering terjadi misalnya :

1. Jawaban tdk tepat di kolom yg tersedia.

2. Salah menulis jawaban, misal jenis kelamin

dijawab 20 …

3. Pendidikan diisi tamat PT, tetapi umur diisi 18

tahun.

4. Salah menggunakan unit ukuran (satuan)

2. DATA CODING

Data coding adalah kegiatan mengklasifikasi data

dan memberi kode untuk masing-masing jawaban

di kuesioner, sehingga memudahkan utk

memasukkan data ke komputer.

• Misalnya utk variabel pendidikan :

1. Tidak sekolah

2. SD

3. SLTP

4. SLTA

5. PT

2. DATA CODING

• Data coding sudah harus mulai dipikirkan dan

dikembangkan pada saat mengembangkan

instrumen penelitian (kuesioner).

DATA CODING

Data yang dikumpulkan dengan pertanyaan tertutup sudah dapat ditetapkan pengkodeannya pada saat instrumen dibuat. Perlu dipertimbangkan untuk menyediakan satu kode untuk menampung informasi diluar kelas-kelas yang telah disediakan.

Pengkodean untuk data yang dikumpulkan dengan pertanyaan terbuka dilakukan setelah data terkumpul. Sebagian data dapat diberi kode sebelum pengumpulan data. Pengkodean lebih lanjut dilakukan setelah semua data dikumpulkan.

DATA CODING

Jawaban kosong perlu diidentifikasi dan diberi kode lebih lanjut: “tidak tahu”, “tidak ada jawaban”, atau “jawaban tidak relevan”.

Pemberian kode dapat dilakukan pada

- Sisi halaman instrumen

- Lembar transit

- Lembar optic-scan

DATA CODING

Cara pengkodean yang telah dibuat harus dicatat. Bila cara pengkodean tidak rumit, tidak perlu dibuat Buku Kode khusus.

Manfaat Buku Kode

- Pedoman dalam proses coding, entry dan

cleaning

- Pedoman dalam melakukan analisis data

- Pedoman bagi peneliti lain yang akan

menggunakan data

BUKU KODE

No Variabel Pertan

yaan

Nomor

Kode Keterangan

1

2

3

4

ID

Umur

Jenis Kelamin

Pekerjaan

-

2

3

4

-

-

1

1

2

3

4

No.identifikasi

Dalam tahun

Laki-laki

Perempuan

PNS/ABRI

Swasta

Buruh

Tak bekerja

3. DATA ENTRY

Memindahkan data dari kuesioner ke Master Tabel

Masukkan data jawaban kuesioner sesuai kode yg

telah ditentukan utk masing2 variabel shg menjadi

Master Tabel

Simpan file tsb di tempat yg aman, utk melakukan

analisis data gunakan file khusus.

4. DATA CLEANING

Walaupun rambu-rambu sudah kita pasang pada saat data entry, kesalahan masih mungkin terjadi.

Pembersihan data tetap perlu dilakukan. Salah satu cara yang sering dilakukan adalah dengan melihat distribusi frekuensi dari variabel-variabel dan menilai ke-logis-annya.

Untuk data kontinyu (interval, rasio) dapat dilihat sebarannya untuk melihat ada tidaknya pencilan (outliers).

4. DATA CLEANING

Jenis Ke lamin Responden

47 47.0 48.5 48.5

47 47.0 48.5 96.9

2 2.0 2.1 99.0

1 1.0 1.0 100.0

97 97.0 100.0

3 3.0

100 100.0

Laki-laki

Perempuan

3

4

Total

Valid

-1Missing

Total

Frequency Percent Valid Percent

Cumulative

Percent

Dari contoh distribusi frekuensi di atas, terlihat ada jenis kelamin

yang bernilai 3 dan 4 , sehingga masih ada kesalahan yang perlu

untuk diperbaiki dengan melihat kembali data yang tercatat

sebelum dimasukkan ke komputer