manajemen data hasil penelitian · tertutup sudah dapat ditetapkan pengkodeannya ... untuk...
TRANSCRIPT
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