analisis data 11 12
DESCRIPTION
cara analisis dataTRANSCRIPT
![Page 1: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/1.jpg)
ANALISIS DATA
• Pengantar• Tahapan Analisis data• Teknik Analisis data• Parametrik dan Non Parametrik• Interpretasi Data
![Page 2: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/2.jpg)
PENGANTAR
• Analisis data merupakan salah satu tahapan terpenting dalam proses penelitian.
• Analisis data merupakan proses penyederhanaan data ke dalam bentuk yang lebih mudah dibaca dan dinterpretasikan (Efendi & Manning, 2006
• Analisis data bertujuan untuk menjawab tujuan/pertanyaan/hipotesis penelitian.
• Analisis data dapat dilakukan secara munual atau dengan bantuan aplikasi Komputer (SPSS)
![Page 3: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/3.jpg)
TAHAPAN ANALISIS DATA
• Persiapan• Coding data• Enter data• Data cleaning• Analisis Data• Data Output• Interpretasi Data
![Page 4: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/4.jpg)
PERSIAPAN
Persiapan dapat dilakukan dengan cara:- Mengumpulkan dan mengorganisasi kuesioner
yang digunakan dalam penelitian- Mengecek kelengkapan identitas- Mengecek kelengkapan data- Mengecek isian data
![Page 5: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/5.jpg)
CODING DATA
Coding Data- Merupakan suatu proses penyusunan secara
sistematis data mentah (data dikuesioner) ke dalam bentuk yg mudah dibaca oleh program komputer (Prasetyo & Jannah, 2005)\
- coding data berguna untuk mempermudah dalam memasukkan dan membaca data.
- Untuk mengkoding data harus tahu dan faham cara dalam mengkoding data, jenis data dan skoring data
![Page 6: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/6.jpg)
TINGKATAN DATA
Kriteria Nominal Ordinal Interval Rasio
Ciri Kategori, penggolongan
Tingkatan, urutan, tidak diketahui jaraknya
Tingkatan, jaraknya sama
Tingkatan, jaraknya sama
Nilai Tidak ada nilai Tidak ada nol mutlak
Tidak ada nol mutlak
ada nol mutlak
contoh SSE, sukuKaya: 1Miskin: 0
Jabatan, juara1,2,3
Suhu, IQ34C
Berat, tinggi10 kg 1, 67 m
Pengukuran mode median Mean, SD Mean, SD
![Page 7: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/7.jpg)
CODING DATA
• Nama = [1]• Jenis kelamin = [2]• Umur = [3[• Pendidikan= (4)
Saya tepat waktu ketika datang ke kantora. Selalu [4]b. Sering [3]c. Jarang [2] Semangat Kerjad. Tidak pernah [1]
![Page 8: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/8.jpg)
ENTER DATA
• Enter data adalah memasukkan data yang telah dicoding ke dalam mesin pengolahan data.
• Memastikan bahwa data yang dimasukkan ke mesin pengolah data telah sesuai dengan sebenarnya
• Mengecek kembali data apakah sudah sesuai dengan kode yang telah diberikan
![Page 9: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/9.jpg)
DATA CLEANING
• Perlu memeriksa ketelitian dan akuratan data. Caranya:
• Posible code cleaning melakukan perbaikan akibat dari kesalahan memberikan kode.
• Contoh: jenis kelamin pria 1 ; wanita 2: diisi 3• Contigency cleaning kesalahan akibat ketidak
akuratan dalam menjwaab pertanyaan dalam kuesioner.
• Modifikasi: melakukan pengkodean ulang terhadap data.
![Page 10: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/10.jpg)
ANALISIS DATA
• Analisis Deskriptif: analisis yang bertujuan untuk menggambarkan karakteristik data (mean, frekuensi, dll) berdasarkan kategori tertentu (statistik deskriptif).
• Analisis Inferensial: analisis yang betujuan untuk membuat/menarik keputusan, kesimpulan pada sampel, yang digunakan untuk digeneralisir ke populasi (statistik inferensial).
![Page 11: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/11.jpg)
ANALISIS DESKRIPTIF
Distribusi ferkuensi adalah susunan data berdasarkan kategori tertentu.
1. Ukuran Pemusatan (central tendensi). Suatu ukuran untuk melihat seberapa kecenderungan data memusat pada nilai tertentu. Ukuran ini terdiri dari:
• Modus (Mode) Data yang memiliki frekuensi terbanyak dalam
suatu kumpulan data. Modus cocok untuk data nominal
![Page 12: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/12.jpg)
ANALISIS DESKRIPTIF
• Rata-rata (Mean)Data yang diperoleh melalui penjumlah nilai seluruh data kemudian dibagi dengan banyaknya data. Mean cocok untuk data interval dan rasio
• Median Nilai yang terletak di tengah kumpulan data yang diurut dari nilai terkecil sampai ke terbesar/sebaliknya. Median cocok untuk data minimal ordinal.
![Page 13: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/13.jpg)
CONTOH
No Nilai Frekuensi Tot Nilai
1 60 1 602 70 1 703 80 1 804 75 1 755 74 1 746 78 3 2347 90 2 180
10 773
Tentukan:a. mean b. modusc. median
NILAI UTS PSIKOLOGI SOSIAL
![Page 14: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/14.jpg)
ANALISIS DESKRIPTIF
2. Ukuran Penyebaran (dispersion)untuk melihat sejauh mana sebaran/penyimpangan data dari nilai pusatnya. Dispersion terdiri dari:
• Range (Jangkauan)Range adalah selisish nilai maximun dengan nilai minimum dalam kumpulan data.4 6 8 10 24
![Page 15: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/15.jpg)
ANALISIS DESKRIPTIF
• Variance (Varians)varians adalah merupakan jumlah kuadrat dari selisih nilai data pengamatan dengan dibagi banyak data, V= SD²
• Standar Deviasi (simpangan baku)Standar deviasi adalah akar kuadrat dari varians. (SD= ѴΣX²- M²)
n
![Page 16: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/16.jpg)
CONTOH
No Nilai Umur1 60 202 70 193 80 194 75 185 74 206 78 207 90 198 90 219 78 20
10 78 19
Tentukan:a. rangeb. Standar
deviasic. varians
NILAI UTS PSIKOLOGI SOSIAL
![Page 17: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/17.jpg)
Statistics
NILAI10
10
77,30
78,00
78
8,820
77,789
30
60
90
Valid
Missing
N
Mean
Median
Mode
Std. Deviation
Variance
Range
Minimum
Maximum
CONTOH
Analisis DeskriptifMenggunakan Aplikasi SPSS
![Page 18: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/18.jpg)
GRAFIK
NILAI
NILA I
9 08 07 87 57 47 06 0
Un
de
fin
ed
err
or
#6
07
06
- C
an
no
t o
pe
n t
ex
t fi
le "
C:\
Pro
gra
m F
ile
s\S
PS
S\e
n
3 ,5
3 ,0
2 ,5
2 ,0
1 ,5
1 ,0
,5
0 ,0
NILAI
Un d e fi n e d e rro r # 6 0 7
9 0
8 0
7 8
7 5
7 4
7 0
6 0
NILA I
9 0 ,08 5 ,08 0 ,07 5 ,07 0 ,06 5 ,06 0 ,0
NILAI
Un
de
fin
ed
err
or
#6
07
06
- C
an
no
t o
pe
n t
ex
t fi
le "
C:\
Pro
gra
m F
ile
s\S
PS
S\e
n
5
4
3
2
1
0
Std . De v = 8 ,8 2
Me a n = 7 7 ,3
N = 1 0 ,0 0
Bar Charts Pie Charts
Histogram
![Page 19: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/19.jpg)
Inferensial
ANALISIS INFERENSIAL
Parametrik
Non Parametrik
-Korelasi Pearson
-U ji tdll
-Spearman- Wilcoxon
- dll
Asumsi
![Page 20: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/20.jpg)
ANALISIS DATA
• Paramatrik: prosedur ini dapat digunakan bila asumsi-asumsi parametrik terpenuhi.
Asumsi:1. Data harus berdistribusi normal2. Data minimal interval3. Homogen4. Linear5. Random (dipilih secara acak)• Non Parametrik: prosedur ini digunakan bila asumsi
tersebut tidak terpenuhi/ tanpa menggunakan asumsi statistik
![Page 21: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/21.jpg)
ANALISIS INFERENSIAL
• Parametrik: - kelebihan: kesimpulan yang dihasilkan lebih kuat dan
akurat. -Kelemahannya: data harus memenuhui asumsi-asumsi
parametrik dan jumlah sampel > 30• Non Parametrik: -kelemahan: kesimpulan yang dihasilkan lebih lemah
dari parametrik-Kelebihan: semua data dapat dianalisis dan dapat
digunakan pada sampel sedikit
![Page 22: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/22.jpg)
ALUR ANALISIS DATAmulai
Tipe data
Nominal/ordinal
Non Parametrik
Distribusi data
Tidak normal
Jumlah data
> 30
(Santoso, 2001:7)
Bisa pakai uji tJika distribusi populasi pasti normal
parametrik
Normal
Interval/rasio
<30
![Page 23: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/23.jpg)
ANALISIS INFERENSIAL
Model Keterangan Parametri k Non Parametrik
Korelasi Dua variabel Korelasi Pearson Spearman
Uji Beda Dua kelompok independen
Uji t independen U Mann Whitney
Satu kelompok dgn dua pengukuran
Uji T (paired sample T) McNemar
![Page 24: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/24.jpg)
ANALISIS INFERENSIAL
No Koefesien Korelasi Varaibel yang diukur1 Produk Momen Pearson Kedua variabel berskala interval2 Order Rank Spearmen Kedua variabel berskala ordinal3 Poin Serial Satu dikotomi sebenarnya dan satu
interval4 Biserial Satu dikotomi buatan dan satu interval5 Koefesien Kontigensi Kedua variabel berskala nominal
(Usman & Akbar, 2008: 199)
Korelasi
![Page 25: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/25.jpg)
ANALISIS INFERENSIAL(Parametrik)
Korelasi
Perbedaan
Normalitas
Linearitas
Normalitas
Homogenitas
Uji Asumsi
![Page 26: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/26.jpg)
KORELASI PEARSON (r)
2. Uji Asumsi- Normalitas : apakah variabel terdistribusi
normal (one-sample Kolmogorov-Smirnov Tes )
- Normal : P> 0,05- Linearitas : apakah hubungan variabel
linear/searah (Regression)- linear: P < 0,05
![Page 27: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/27.jpg)
APLIKASI SPSS
• Uji NormalitasAnalyze----non parametrik test---1 sampel KSMasukkan variabel ke kotak : test variabel listKlik : NormalOkSig > 0.05 normalSig < 0.05 Tidak Normal
![Page 28: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/28.jpg)
UJI NORMALITAS
![Page 29: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/29.jpg)
UJI NORMALITASOn e -Sa m p le Ko lm o g o ro v -Sm irn o v T e s t
8 0 8 0
1 0 .0 7 5 0 8 3 .6 2 5 0
4 .4 4 5 9 5 1 0 .0 5 4 7 6
.1 3 0 .0 4 6
.1 0 5 .0 4 4
-.1 3 0 -.0 4 6
1 .1 6 3 .4 0 9
.1 3 4 .9 9 6
N
Me a n
Std . De v i a t i o n
No rma l Pa ra me te rsa, b
Ab s o l u te
Po s i t i v e
Ne g a t i v e
Mo s t Ex tre meDi f fe re n c e s
Ko l mo g o ro v -Smi rn o v Z
As y mp . Si g . (2 -ta i l e d )
PERSEPSI KCEMASAN
T e s t d i s t ri b u t i o n i s No rma l .a .
Ca l c u l a te d f ro m d a ta .b .
Persepsi :skor Kolmogorov-Smirnov sebesar z = 1, 163 dengan skor signifikansi sebesar 0,134 (p> 0,05). : NormalKecemasan: z: 0,409 dengan skor signifikansi sebesar 0, 996 (p> 0,05):Normal
![Page 30: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/30.jpg)
NORMALITAS
Sebaran data Normal:jika bentuk kurva seperi lonceng
![Page 31: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/31.jpg)
UJI LINIERITAS
• Uji linearitas adalah untuk mengetahui apakah data berbentuk garis lurus.
• Linear berarti: kenaikan angka pada variabel X diikuti kenaikan angka pada variabel Y
• Cara I aplikasi SPSS:• Analyze----Regression- Linear• Masukkan:• Variiabel X ke kotak Independen• Variabel Y ke kotak dependen• Ok
![Page 32: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/32.jpg)
UJI LINEARITASANOVAb
683, 476 1 683, 476 7, 954 , 008a
3265, 299 38 85, 929
3948, 775 39
Regression
Residual
Tot al
Model1
Sum ofSquares df Mean Square F Sig.
Predict ors: (Const ant ) , kepercayaan t erhadap dosena.
Dependent Var iable: Mot ivasi Belajarb.
Lihat: Sig 0,008 (P < 0,05) berarti linear
![Page 33: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/33.jpg)
LINEARITAS
Cara II• Analyze• Compare mean– means• Masukkan • Var independent ke : independent list• Var dependen: ke dependent list• Chek list: Tes linearity• Ok..
![Page 34: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/34.jpg)
OUT PUT TES LINEARITAS
ANO VA Tabl e
2136, 742 24 89, 031 , 737 , 755
683, 476 1 683, 476 5, 658 , 031
1453, 266 23 63, 185 , 523 , 921
1812, 033 15 120, 802
3948, 775 39
( Com bined)
Linear it y
Dev iat ion f r om Linear it y
Bet weenG r oups
W it hin G r oups
Tot al
M ot ivas i Belajar* keper c ay aant er hadap dos en
Sum ofSquar es df M ean Squar e F Sig.
Lihat: Sig 0,031(P < 0,05) berarti linear
![Page 35: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/35.jpg)
PERBEDAAN
Uji Asumsi- Normalitas : apakah variabel terdistribusi normal
(one-sample Kolmogorov-Smirnov Tes )- Normal : P> 0,05- Homogenitas (Levene’s test): apakah data bersifat
homogen:artinya : apakah varins skor pada kedua kelompok/sampel memiliki varians yang sama/ tidak
- P > 0,05: homogen- P < 0,05 tidak homogen
![Page 36: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/36.jpg)
APLIKASI SPSS
• Analyze• Compare means----Independent sampel T test• Masukkan: Var Y ke Kotak Dependent• Variabel X ke Group (ketik : 1 dan 2)• Interpretasi• P > 0,05 : homogen• P < 0,05 : tidak homogen
![Page 37: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/37.jpg)
UJI HOMOGENITASInd e p e n de nt Sa mple s Te s t
3 ,6 9 1 ,0 6 8 -,3 8 6 2 2 ,7 0 3 -1 ,2 5 3 ,2 3 6 -7 ,9 6 1 5 ,4 6 1
-,3 8 6 1 5 ,8 4 2 ,7 0 4 -1 ,2 5 3 ,2 3 6 -8 ,11 6 5 ,6 1 6
Eq u a l v a ria n c e sa s s u me d
Eq u a l v a ria n c e sn o t a s s u me d
k u a lita s h id u pF Sig .
L e v e n e 's T e s t fo rEq u a lity o f Va ria n c e s
t d f Sig . (2 -ta ile d )Me a n
Diffe re n c eStd . Erro r
Diffe re n c e L o we r Up p e r
9 5 % Co n fid e n c eIn te rv a l o f th eDiffe re n c e
t-te s t fo r Eq u a lity o f Me a n s
Kedua sampel datanya homogenP= 0,068 (> 0,05)
![Page 38: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/38.jpg)
UJI HIPOTESIS
KorelasiLangkah:• Analyze• Correlate--- bivariate• Masukkan• kedua variabelOk.
![Page 39: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/39.jpg)
HASILCorre la tions
1 ,4 1 6 **
. ,0 0 8
4 0 4 0
,4 1 6 ** 1
,0 0 8 .
4 0 4 0
Pe a rs o n Co rre l a ti o n
Sig . (2 -ta i l e d )
N
Pe a rs o n Co rre l a ti o n
Sig . (2 -ta i l e d )
N
k e p e rc a y a a nte rh a d a p d o s e n
Mo ti v a s i Be l a ja r
k e p e rc a y a a nte rh a d a p
d o s e nMo ti v a s iBe la j a r
Co rre la ti o n i s s ig n i fi c a n t a t th e 0 .0 1 le v e l (2 -ta i l e d ).**.
![Page 40: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/40.jpg)
UJI HIPOTESIS• PerbedaanLangkah:• Analyze• Compare mean• Independent sample T test• Masukkan variabel Y ke: kotak Tes variabel• Klik dan pindah variabel X (dikotomi) ke lotak :Grouping
Variabel• Klik Define Variabel• Masukkan angka (sesuai dengan nilai label )• Ok
![Page 41: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/41.jpg)
HASILInd e p e n de nt Sa mple s Te s t
1 ,1 4 4 ,2 9 1 -1 ,0 5 4 3 8 ,2 9 8 -3 ,3 5 3 ,1 7 7 -9 ,7 8 2 3 ,0 8 2
-1 ,0 5 4 3 4 ,9 5 4 ,2 9 9 -3 ,3 5 3 ,1 7 7 -9 ,8 0 1 3 ,1 0 1
Eq u a l v a ria n c e sa s s u me d
Eq u a l v a ria n c e sn o t a s s u me d
Mo tiv a s i Be la ja rF Sig .
L e v e n e 's T e s t fo rEq u a lity o f Va ria n c e s
t d f Sig . (2 -ta ile d )Me a n
Diffe re n c eStd . Erro r
Diffe re n c e L o we r Up p e r
9 5 % Co n fid e n c eIn te rv a l o f th eDiffe re n c e
t-te s t fo r Eq u a lity o f Me a n s
![Page 42: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/42.jpg)
INTERPRETASI DATANo Besarnya “r” Product
Momentinterpretasi
1 0,00 -0.199 Korelasi sangat rendah
2 0,200-0,399 Korelasi rendah
3 0,400-0,599 Korelasi sedang
4 0,600-0,799 Korelasi kuat
5 0,800-1,00 Korelasi Sangat Kuat
![Page 43: Analisis Data 11 12](https://reader036.vdocuments.mx/reader036/viewer/2022062320/55cf99dd550346d0339f92d1/html5/thumbnails/43.jpg)
INTERPRETASI DATA
Lihat Pada tabel:• Sig > 0,05 tidak signifikan-------Ho diterima• Sig < 0.05 signifikan................Ha diterima