Manajemen Data
Manaje Manajeme men n data data meru merupa paka kan n upay upayaa peng pengel elol olaa aan n data ata mulai ulai dari dari data data ters terseb ebu ut dikumpulkan hingga siap dianalisis. Tujuan mencegah ’ garbage garbage in – garbage garbage out’:
Data
Pengolaha ahan
&
Informas
Analisa Data
i
Pengolahan Data
Untuk membuat proses yang sistematis dan koheren dalam pengumpulan data sehingga diperoleh: a. Data yang berkualitas tinggi dan dapat diakses. b. Dokumentasi dari analisis yang telah dilakukan. c. Penyimpanan dan analisis yang berkaitan setelah penelitian selesai.
Langkah-langkah 1. Codi Coding ng (Me (Meng ngko kode de Data Data))
Data coding: kegi kegiat atan an pemb pember eria ian n kode kode atau atau simbo simboll agar agar memp memperm ermud udah ah dalam dalam pengolahan data. Misalnya : 1 = Laki-laki 2 = Perempuan 1 = < SD 2 = SLTP 3= SMA 4 = D3/PT a.
Kode untuk masing-masing kelas harus mutually exclusive
b. Data coding sudah sudah harus harus dikemb dikembang angkan kan pada pada saat mengembang mengembangkan kan instrumen instrumen
penelitian (kuesioner). c.
Data Data yang yang diku dikump mpul ulka kan n deng dengan an pert pertan anya yaan an tertu tertutu tup p suda sudah h haru haruss dite ditetap tapka kan n pengkodeannya saat instrumen dibuat.
d. Perlu dipertimbangkan untuk menyediakan satu kode untuk menampung informasi di
luar kelas-kelas yang telah disediakan. e.
Peng Pengko kode dean an untu untuk k data data yang yang diku dikump mpul ulka kan n deng dengan an pertanyaan terbuka dapat dilakukan setelah data terkumpul.
f.
Tetapi sebagian data dapat diberi kode sebelum pengumpulan data didapat dari uji coba kuesioner
g. Pengkodean lebih lanjut dilakukan setelah semua data dikumpulkan. h. Jawaban kosong perlu diidentifikasi dan diberi kode lebih lanjut: “tidak tahu” atau
“tidak jawab”.
i.
Pemberian kode dapat dilakukan pada Sisi halaman instrumen
j.
Cara pengkodean yang telah dibuat harus dicatat dalam buku kode.
k. Bila cara pengkodean tidak rumit, tidak perlu dibuat Buku Kode khusus.
l.
Manfaat Buku Kode (1) Pedoman dalam proses coding, entry dan cleaning
(2) Pedoman dalam melakukan analisis data (3) Pedoman bagi peneliti lain yang akan menggunakan data
m. Buku kode sebaiknya memuat hal berikut: (1) nama variabel yang dikumpulkan, (2) nomor pertanyaan pada kuesioner yang berkaitan dengan variabel tersebut,
(3) bentuk data, (4) kode kategori variabel dan penjelasannya, (5) skala variabel.
2. Data Editing Editing: kegiatan memeriksa kelengkapan pengisian dan ketepatan data sebelum proses
pemasukan data: a. Memeriksa kelengkapan jawaban pertanyaan pada kuesioner secara keseluruhan
b. Memeriksa kejelasan tulisan jawaban c. Memeriksa kelogisan jawaban (logical check). d. Memeriksa lompatan ( skip check) dan kisaran jawaban (range check )
Penyuntingan sebaiknya dilakukan di lapangan, agar data yang meragukan masih dapat ditelusuri kembali kepada responden/informan. Penyuntingan dilakukan oleh peneliti atau anggota tim peneliti sendiri, atau oleh penyelia lapangan. Maka perlu pelatihan penyelia lapangan lebih dahulu. Sebaiknya saat menyunting data sekaligus dilakukan pula pemberian kode. Pada saat penyuntingan dan pengkodean ini dapat diidentifikasi jawaban responden yang ternyata belum diberi kode.
3. Data Structure dan Data File
Struktur data dikembangkan sesuai dengan analisis dan jenis perangkat lunak yang dipergunakan. Pada saat mengembangkan struktur data, masing-masing variabel perlu ditetapkan: -
Nama
-
Skala : numeric (angka), string (huruf, campuran)
-
Jumlah digit, termasuk jumlah desimal (khusus data numeric)
4. Data Entry
Untuk menghindari kesalahan dalam pemasukan data, dapat dilakukan: a. Possible-entry programming b. Double-entry Lankah- langkah pembuatan struktur hingga entry data: Pembuatan Struktur Kuesioner (QES file, dengan EPED)
Pembuatan File Data (REC file, dengan ENTER)
Pembuatan File Validasi (CHK file, dengan CHECK)
Pemasukkan Data
5. Data Cleaning
Walaupun rambu-rambu sudah kita pasang pada saat data entry, kesalahan masih mungkin terjadi. Pembersihan data tetap perlu dilakukan. Salah satu cara 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). Setiap ditemukan keanehan pada data (tidak logis, outlier ) perlu dilakukan pengecekan ulang ke kuesionernya.
Metode cleaning: a. Mendeteksi missing data (list distribusi frekuensi)
b. Mendeteksi variasi data (list distribusi frekuensi tiap variabel)
c. Mendeteksi konsistensi data (menghubungkan 2 var) d. Mendeteksi konsistensi data (membuat tabel silang)
ANALISIS DATA Prinsip Analisa Data : Proses penyederhanaan data ke dalam bentuk yang lebih mudah
dibaca/diinterpretasikan; seringkali digunakan STATISTIK Mengandung tiga aktivitas yang berjalan atau berlangsung hampir bersamaan: 1. Data Reduction Proses menyeleksi, memfokuskan, menyederhanakan, mengabstraksikan, dan mengubah data yang diperoleh dari lapangan/transkrip. Data reduction sudah mulai dilakukan sebelum data collection yaitu dalam bentuk: a. Menentukan kerangka konseptual b. Memilih kasus c. Membuat pertanyaan penelitian d. Menentukan cara pengumpulan data Data reduction sesudah data collection: a. Menulis kesimpulan sementara b. Membuat coding c. Memilih tema-tema tertentu d. Membuat pengelompokan e. Menulis catatan-catatan Data reduction berlansung terus sampai dengan laporan terakhir selesai.
2. Data display Informasi yang diorganisasikan, diringkas, dan disusun sehingga memungkinkan dibuat kesimpulan dan tindakan tindakan tertentu. Macam-macam display: matriks, grafik, charts, networks. Pentingnya display dalam analisis adalah untuk melihat data secara keseluruhan dalam
suatu lokasi dan tersusun secara sistematis untuk menjawab pertanyaan penelitian. Jadi: a. Memungkinkan analisis dilakukan terhadap data secara langsung b. Memungkinkan peneliti untuk melihat analisis apa yang selanjutnya harus dilakukan jadi peneliti mampu mengerti apa yang terjadi dan\ kemudian melakukan sesuatu berdasarkan pengertiannya
c. Memudahkan perbandingan antar data d. Memperkuat kredibilitas dalam laporan penelitian
3. Penarikan kesimpulan dan verifikasi Sejak data collection kita sudah mulai menentukan apa “arti” dari sesuatu. Jadi melihat keteraturan pola-pola, penjelasan, kemungkinan dari konfigurasi, hubungan sebab akibat dan sebagainya. Kesimpulan tidak dianggap pasti atau absolut tetapi dibiarkan terbuka untuk perubahan. sehingga kesimpulan akhir baru bisa dicapai ketika data collection berakhir. Kesimpulan diverifikasi terus menerus selama proses analisis dengan cara: a. Mencek kembali berdasarkan data yang ada b. Mendiskusikan dengan teman sejawat c. Mencek dengan data dari informan lain d. Dikonfirmasikan dengan kenyataan
