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).
