Analisis Data: Pengertian Hingga Contoh Lengkap

Analisis data merupakan salah satu tahapan penelitian yang sangat krusial. Dalam proses ini, seorang peneliti dituntut untuk memiliki kemampuan berpikir yang mampu menjawab tujuan penelitian.

Dalam praktiknya, kemampuan menganalisi dan mengolah data merupakan sebuah kemampuan wajib yang harus dimiliki tidak hanya oleh peneliti tetapi semua pihak yang sering bersinggungan dengan data.

Kemampuan ini akan sangat membantu seseorang untuk bisa menyelesaikan masalah secara kuantitatif dan terukur.

Apabila anda seorang birokrat, mahasiswa, peneliti, ataupun orang-orang yang kerap berurusan data, kemampuan ini sangat wajib untuk anda miliki dan pahami.

Apa itu Analisis Data?

Menurut KBBI, analisis memiliki beberapa pengertian, diantaranya:

1. Analisis adalah penyelidikan terhadap suatu peristiwa (karangan, perbuatan, dsb) untuk mengetahui keadaan yang sebenarnya (sebab musabab, duduk perkaranya, dan sebagainya).
2. Pemecahan persoalan yang dimulai dengan dugaan akan kebenarannya

Masih menurut KBBI, data memiliki beberapa definisi, diantaranya:

1. Keterangan yang benar dan nyata
2. Keterangan atau bahan nyata yang dapat dijadikan dasar kajian
3. Informasi dalam bentuk yang dapat diproses oleh computer seperti representasi digital dari teks, angka, gambar grafis, atau suara

Bila merujuk kepada kedua definisi di atas, bisa disimpulkan bahwa analisis data merupakan sebuah proses untuk mencari tahu bagaimana kebenaran dari sebuah informasi melalui metodologi penelian yang ilmiah.

Dengan melakukan analisis data, seorang peneliti bisa mengetahui dengan valid apakah data yang diperoleh mampu menjawab tujuan penelitian.

Jenis Analisis Data

Terdapat beberapa jenis data yang biasa digunakan dalam penelitian.

Berdasarkan Tujuan

1. Analisis Deskriptif

Analisis Deskriptif merupakan analisis yang fokus untuk menggambarkan kondisi data secara umum.

Karena kita akan menggambarkan kondisi data, kita tidak bisa melakukan pengambilan kesimpulan dari hasil analisis yang kita dapatkan.

Analisis deskriptif bertujuan untuk mendapatkan berbagai informasi menarik yang mungkin tersembunyi dari data yang kita dapatkan.

Secara umum analisis deskriptif terbagi atas 2 hal:

• Penyajian numerik

Penyajian numerik merupakan analisis deskriptif untuk membuat ringkasan data dalam ukuran numerik. Penyajian ini biasa ditampilkan dalam bentuk ukuran pemusatan seperti mean, median, modus dan ukuran penyebaran seperti varians, standar deviasi, standar error, range, quartil, dll.

• Visualisasi Data

Visualisasi data merupakan analisis deskriptif yang bertujuan untuk menyampaikan informasi dalam tampilan yang lebih menarik dan mudah dipahami.

Visualisasi data bisa dikemas dalam bentuk tabel, grafik, video, infografis, dll. Kemajuan zaman membuat visualisasi data menjadi elemen penting dalam analisis data.

2. Analisis Inferensial

Analisis inferensial merupakan analisis yang fokus kepada pengolahan data sampel sehingga bisa menghasilkan keputusan atau kesimpulan untuk seluruh populasi.

Karena kita akan menduga populasi melalui sampel, kita harus menggunakan metode pengambilan sampel yang tepat sehingga mampu menghasilkan estimasi yang tepat.

Berdasarkan Jenis Data

1. Analisis Data Kualitatif

Analisis data kualitatif merupakan analisis data yang dilakukan untuk data dengan jenis kategori (bukan numerik)

Data kualitatif ini bisa berbentuk seperti kata atau kalimat yang sejatinya sulit untuk dikuantitatifkan.

Bila data kualitatif memiliki pola tersendiri yang bisa dikuantifikasikan dalam bentuk kode, kita bisa menggunakan analisis data kualitatif dalam bentuk kuantitatif seperti analisis data kategorik.

Namun, bila data kualitatif sulit untuk dikuantifikasikan, hasil analisis bila dilakukan dalam bentuk narasi penjelasan yang memuat informasi rinci dan detail.

2. Analisis Data Kuantitatif

Analisis data kuantitatif merupakan analisis data yang digunakan untuk data dengan jenis numerik. Analisis data ini merupakan analisis yang paling favorit dan paling sering digunakan dalam penelitian karena memiliki berbagai metode yang bisa menghasilkan berbagai ukuran yang cukup valid.

Berdasarkan Jumlah Variabel

1. Analisis Univariat

Analisis univariat merupakan analisis yang digunakan untuk pengujian satu variabel. Biasanya, analisis univariat dilakukan untuk mengetahui karakteristik data melalui analisis deskriptif. Namun, analisis univariat juga bisa digunakan untuk analisis inferensial terutama untuk kasus sampel kecil.

2. Analisis Bivariat

Analisis bivariat merupakan analisis yang digunakan untuk pengujian dua variabel. Pengujian dua variabel ini bisa jadi untuk menguji variabel dependen dan independen atau ingin mengetahui sekadar mengetahui pola hubungan.

Dalam analisis bivariat, peneliti biasanya cenderung menggunakan analisis inferensial untuk menguji variabel untuk menarik kesimpulan pada populasi.

3. Analisis Multivariat

Analisis multivariat merupakan analisis yang dilakukan untuk mengetatahui hubungan lebih dari 2 variabel. Biasanya, analisis yang dilakukan untuk multivariat lebih cenderung menggunakan analisis inferensial.

Berdasarkan Kondisi Data

1. Analisis Parametrik

Analisis Parametrik merupakan analisis yang dilakukan terhadap data yang diketahui ukuran-ukuran parameternya.

Karena parameter dari data yang akan kita analisis bisa diketahui, pengujian pada analisis parametrik pada umumnya bisa memenuhi beragam asumsi seperti kenormalan, autokorelasi, multikolinieritas, dll.

Biasanya, uji parametrik dilakukan pada jenis data rasio. Hal ini dikarenakan data rasio hampir mampu memenhi banyak asumsi terutama asumsi normalitas.

2. Analisis Non Parametrik

Analisis non parametrik merupakan analisis yang dilakukan terhadap data yang tidak diketahui ukuran-ukuran parameternya. Biasanya, analisis non parametrik dilakukan pada data yang memiliki jumlah sampel kecil (di bawah 30) atau data yang tidak memenuhi asumsi distribusi normal.

Dengan keterbatasan analisis non parametrik, jenis data yang digunakan pada analisis ini biasanya adalah data nominal, ordinal, dan interval dengan jumlah sampel kecil.

Tips Memilih Analisis Data Yang Tepat

1. Tentukan jenis data

Sebelum jauh berpikir analisis apa yang tepat untuk digunakan, pastikan anda mengetahui jenis data yang digunakan dalam penelitian. Apakah itu data kualitatif atau kuantitatif? Apakah memiliki skala nominal, ordinal, interval atau rasio?

Penentuan jenis data ini akan sangat menentukan pemilihan analisis yang digunakan. Pastikan anda mengetahui jenis-jenis data dengan baik.

2. Menentukan tujuan analisis

Tujuan analisis umumnya hanya ada 2, yaitu deskriptif dan inferensial. Anda bisa menggunakan kedua jenis analisis ini sekaligus untuk menghasilkan kesimpulan yang powerfull dan mendalam.

3. Mengindetifikasi jumlah sampel

Jumlah sampel penting untuk menentukan distribusi sampling dan analisis yang digunakan. Bila jumlah sampel anda kurang dari 30, anda bisa menggunakan statistik non parametrik dimana tentunya sangat sulit untuk memiliki data dengan distribusi normal.

Bila jumlah sampel anda lebih dari 30, anda bisa menggunakan analisis parametrik dimana kemungkinan distribusi sampel yang anda gunakan sudah memenuhi asumsi normalitas.

Bila jumlah sampel anda kurang dari 30, kemungkinan besar anda harus menggunakan analisis non parametrik di mana sampel anda akan mengikuti distribusi selain distribusi normal.

Contoh Penggunaan Analisis Data Dalam Penelitian

Mari kita coba berlatih dalam menganalisis sekelompok data.

Berikut data nilai 24 murid di sebuah kelas dari 4 mata pelajaran, yaitu; matematika, fisika, Bahasa Indonesia, dan kimia.

Berikut data yang kita peroleh dari nilai 24 siswa tersebut.

Berdasarkan data di atas, buktikan apakah terdapat perbedaan rata-rata yang signifikan antara nilai mata pelajaran!

Jawaban

Mari kita lakukan identifikasi untuk mempermudah

1. Data yang digunakan adalah data kuantitatif dengan skala rasio.
2. Tujuan analisis adalah membuktikan perbedaan rata-rata antara variabel, kita bisa menyimpulkan bahwa tujuan analisis ini tergolong dalam analisis inferensial.
3. Jumlah sampel yang digunakan adalah 24 (kurang dari 30 unit). Oleh karena itu, kita bisa menggunakan analisis non-parametrik.

Berdasarkan hasil identifikasi, bisa disimpulkan bahwa uji yang tepat untuk digunakan dalam analisis ini adalah uji-t sampel berpasangan (paired samples t-test).

Sebelum melakukan pengujian, ada baiknya kita melakukan analisis deskriptif terlebih dahulu untuk mengetahui gambaran umum dari kondisi data yang kita miliki.

Untuk mempermudah pengujian, kita bisa menggunakan software SPSS.

1. Input data yang kita gunakan pada data view
2. Cek penamaan variabel pada variable view
3. Setelah persiapan lengkap, pilih menu Analyze, Compare Means, Paired Samples T-Test

4. Pilih variabel apa saja yang akan dianalisis dan tentukan nilai selang kepercayaan. Dalam kasus ini, saya menggunakan 95 persen!

Mari kita interpreatasikan output yang tampil satu per satu!

Berdasarkan tabel output di atas, terlihat beberapa analisis deskriptif seperti rata-rata, jumlah populasi, standar deviasi, dan standar error.

Hal menarik yang bisa kita dapatkan diantaranya:

• Bahasa Indonesia merupakan mata pelajaran dengan rata-rata tertinggi yaitu 85.10.
• Kimia merupakan mata pelajaran dengan rata-rata terendah yaitu 63.48.

Berdasarkan tabel output analisis korelasi di atas, terlihat bahwa:

• Nilai fisika dan nilai kimia terlihat memiliki korelasi positif yang cukup kuat. Semakin tinggi nilai kimia, semakin tinggi nilai fisika seorang siswa.
• Nilai matematika dan nilai Bahasa Indonesia memiliki negatif dan sangat lemah. Semakin rendah nilai matematika, semakin tinggi nilai Bahasa Indonesia seorang siswa.

Berdasarkan hasil uji-t berpasangan, bisa disimpulkan bahwa:

1. Terdapat perbedaan rata-rata yang signifikan antara nilai matematika dan nilai fisika siswa (p-value < 0.025)
2. Terdapat perbedaan rata-rata yang signifikan antara nilai matematika dan nilai Bahasa Indonesia (p-value <0.025)
3. Terdapat perbedaan rata-rata yang signifikan antara nilai matematika dan nilai kimia (p-value < 0.025)
4. Terdapat perbedaan rata-rata yang signifikan antara nilai fisika dan nilai Bahasa Indonesia (p-value < 0.025)
5. Tidak terdapat perbedaan rata-rata yang signifikan antara nilai fisika dan nilai kimia (p-value >0.025)
6. Terdapat perbedaan rata-rata yang signfikan antara nilai Bahasa Indonesia dan nilai kimia (p-value < 0.025)

Penutup

Analisis data merupakan proses yang sangat vital dalam sebuah penelitian. Ketelitian seorang peneliti akan diuji dalam melakukan analisis sehingga mampu menghasilkan informasi yang bermanfaat.

Terdapat beberapa jenis analisis yang bisa anda gunakan untuk menjawab permasalahan dalam penelitian.

Berdasarkan tujuan, terdapat analisis deskriptif dan analisis inferensial.

Berdasarkan jumlah variabel, terdapat analisis univariat, analisis bivariat, dan analisis multivariat.

Berdasarkan kondisi observasi, terdapat analisis parametrik dan non-parametrik.

Untuk menghasilkan analisis yang baik, 3 tips berikut bisa anda terapkan:

1. Tentukan jenis data
2. Menentukan tujuan analisis
3. Mengindetifikasi jumlah sampel

Menganalisis sebuah data adalah sebuah seni. Untuk mampu menghasilkan analisis yang tepat, dibutuhkan latihan terus menerus sehingga insting anda akan terlatih menentukan analisis yang tepat.