METODE ANALISIS DATA STATISTIK

Kualitas data yang digunakan sangat menentukan hasil atau kesimpulan yang diperoleh. Bila datanya berkualitas baik  maka informasi yang akan diperoleh juga baik dan sebaliknya. Kualitas data ditentukan oleh akurasinya. Data yang tidak akurat  ditunjukkan oleh adanya  data pencilan (outliers). Data ini harus dibuang agar tidak merusak hasil. Selain itu juga diperlukan  pemeriksaan normalitas data.

(1). Analisis Deskriptif

Analisis deskriptif  berhubungan  dengan pengumpulan dan peringkasan data, serta penyajian hasil peringkasan tersebut. Analisis data diskriptif sangat bermanfaat untuk menganalisis data populasi  atau untuk  menganalisis kajian  atau penelitian yang obyeknya berupa populasi. Kajian atau penelitian  demikian bisa jadi dalam bentuk studi kasus. Kaidah pemilihan metode analisis diskriptif dikaitkan dengan jenis data berdasarkan skala ukurnya disajikan pada tabel berikut :

JENIS DATA	PENATAAN	PERINGKASAN		PENGGAMBARAN
		PEMUSATAN	PENYEBARAN
Nominal	Tabel  (distribusi frekuensi)	Modus	Banyaknya jenis data	Histogram Diagram pastel
Ordinal	Tabel  (distribusi frekuensi)	Modus Median	Rentang	Histogram Diagram pastel
Interval dan Ratio	Tabel  (distribusi frekuensi)	Modus Median Mean	Rentang Varians	Histogram Diagram pastel Kurva

(2). Analisis Parametrik  Dan Nonparametrik

            Pada dasarnya data statistik terbagi menjadi dua macam, Yaitu :

(i)       Statisitik parametrik

Statistik parametrik dapat dilakukan  jika sampel yang akan dipakai berasal dari populasi yang berdistribusi normal. Jumlah data yang digunakan dalam analisis ini minimal 30 sampel dan menggunakan yang berupa data interval dan ratio

(ii)      Statisitik Non parametrik 

Statistik non parametrik digunakan untuk menganalisis data jumlahnya dibawah 30 (sangat sedikit) serta datanya berupa data ordinal dan nominal. Disamping itu  metode non parametrik tidak mengharuskan data berdistribusi normal, karena itu metode ini sering dinamakan uji distribusi bebas (distribution free test). Dengan demikian metode ini dapat dipakai untuk segala  distribusi data dan lebih luas penggunaanya.

Gambar : Pengukuran dan Statistik untuk data parametrik dan non parametrik

(3). Analisis Hubungan

       Analisis hubungan  secara garis besar  dibedakan menjadi  analisis keeratan hubungan (korelasi), bentuk hubungan (regresi atau model aritmatika) dan analisis sebab akibat  (analisis jalur atau path analisis, LISREL). Pada tulisan ini akan diuraikan kesesuaian  setiap metode  dengan jenis data berdasarkan skala pengukurannya. Disamping itu juga akan kelihatan kesetaraan  berbagai metode analisis, misalnya parametrik dengan non parametrik. Selengkapnya lihat tabel berikut ini :

             

ANALISIS UNIVARIATE
DATA		KORELASI	REGRESI
X	Y
Nominal	Nominal	Kontigensi C Odd Ratio Realtive Risk	Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik dummy variabel
Nominal	Ordinal	Kontigensi C Odd Ratio Realtive Risk	Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik,  Dummy variabel Regresi Theil Regresi garis resisten
Nominal	Interval dan Ratio	Biserial	Regresi, dummy variabel
Ordinal	Nominal	Kontigensi C Odd Ratio Realtive Risk	Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik, dummy variabel
Ordinal	Ordinal	Rank Spearman Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall	Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik,  Dummy variabel Regresi Theil Regresi garis resisten
Ordinal	Interval dan Ratio	Rank Spearman Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall	Regresi, dummy variabel
Interval dan Ratio	Nominal	Biserial	Logit/logistik, Probit, LPM Diskriminan
Interval dan Ratio	Ordinal	Rank Spearman Rank Kendall Rank Partial Kendall Rank Konkordansi Kendall	Logit, Probit, LPM Diskriminan, Dummy variabel, Logistik,  Dummy variabel Regresi Theil Regresi garis resisten
Interval dan Ratio	Interval dan Ratio	Product Moment Pearson Kanonik	Regresi

 

ANALISIS KETERGANTUNGAN MULTIVARIATE
Nominal dan Ordinal	Analisis Korespondensi
Interval dan ratio	Path Analisis Principle Component Analysis Faktor Analisis Byplot analisis LISREL

ANALISIS  MULTIVARIATE
Nominal, Ordinal, Interval dan ratio	Cluster Analysis Conjoint Analysis Multidimentional Scalling (MDS)

(4). Analisis Perbandingan (Komparatif)

Analisis perbandingan dapat dibedakan  menjadi pembandingan satu  populasi (terhadap nilai tertentu / standart yang dihipotesiskan), pembandingan dua populasi  dan pembandingan lebih dari dua populasi. Disamping itu juga dibedakan menjadi  parametrik dengan non parametrik, dan univariate dengan multivariate. Kaidah pemilihan perbandingan komparasi selengkapnya dapat dilihat pada tabel berikut :

(5). Analisis Peubah Tunggal (Univariate) dan peubah Ganda (multivariate)

Untuk mengukur keeratan hubungan dan pengaruh diantara hasil-hasil pengamatan dari populasi yang mempunyai dua atau lebih varian maka dilakukan dengan analisis peubah tunggal (univariate) akan tetapi apabila dalam suatu penelitian melibatkan banyak variabel  dan antar variabel tersebut  saling berkorelasi, maka analisis yang tepat adalah analisis peubah ganda (multivariate).