DQLab Super Giveaway! Belajar Data Science 6 Bulan hanya Rp.99.000! DAFTAR

Pakai Kode: KUPON99K. Berakhir 2 Days 16 Jam : 33 Menit : 8 Detik

Ketahui Tahapan Metode Pengolahan Data untuk Risetmu!

Belajar Data Science di Rumah 10-Februari-2021
https://dqlab.id/files/dqlab/cache/c2f496bf62b5692fad373593576255e3_x_Thumbnail800.png

Sebagai seorang researcher atau peneliti yang masih pemula, hal yang tidak boleh dilewatkan satupun adalah pengolahan data. Metode pengolahan data merupakan bagian penting dari serangkaian proses penelitian. Metode pengolahan data menjelaskan prosedur yang harus dijalankan oleh peneliti dan analisis data yang digunakan sesuai pendekatan yang dilakukan. Seorang peneliti dituntut untuk dapat menguraikan data dalam bentuk runtut, logis, sistematis, tidak berbelit-belit dan efektif sehingga dapat memudahkan peneliti untuk melakukan interpretasi data. Metode pengolahan data juga dapat mempermudah peneliti dan pembaca untuk menemukan insight yang didapatkan dari hasil penelitian. Oleh karena itu, ketika peneliti ingin mendapatkan suatu data dalam penelitian perlu untuk diketahui metode pengolahan data yang tepat dan sesuai dengan penelitian apa yang dilakukan. Ketika data telah dikumpulkan, peneliti melakukan pengolahan data agar data tersebut menggambarkan permasalahan serta pertanyaan penelitian yang telah diajukan. Melalui hasil olahan data dapat menyimpulkan berbagai fenomena-fenomena yang terjadi di lapang. 


Tahapan dalam proses penelitian tentunya berkaitan satu sama lain. Setelah mendapatkan gambaran dari data yang sudah diolah, berlanjut adanya analisis sebagai muara akhir untuk mendapatkan hasil penelitian. Penggunaan metode pengolahan data juga disesuaikan dengan pendekatan penelitian yang dilakukan. Metode pengolahan data yang digunakan bisa jadi berupa metode pengolahan data kuantitatif atau pengolahan data kualitatif. Proses pengumpulan data perlu melewati beberapa prosedur agar data dapat diolah sesuai yang diharapkan oleh peneliti. Dengan demikian, data yang telah diolah dapat terbukti secara empiris. Pengumpulan dan analisis data tidak terbentuk begitu saja, tetapi melalui beberapa rangkaian kegiatan yang saling berkaitan seperti melakukan editing (penyuntingan data), coding (klasifikasi data atau pengelompokkan data) dan entry data. Pada artikel DQLab kali ini, kita akan membahas tentang tahapan metode pengolahan data yang biasanya digunakan dalam penelitian. Untuk itu, pastikan kalian simak baik-baik dan baca selengkapnya artikel berikut ini.

1.Editing Data

Editing data merupakan proses melengkapi dan merapikan data yang telah dikumpulkan dalam kuesioner. Editing kuesioner digunakan untuk melengkapi data-data yang sudah diperoleh tetapi belum dituliskan pada tempat yang telah disediakan dalam kuesioner. Kegiatan editing diperlukan karena pada waktu pencatatan hasil wawancara belum dituliskan pada tempatnya atau adanya catatan informasi lain yang diperlukan. Sebagai contoh, pada waktu wawancara diperoleh data tentang kuantitas produksi dalam satuan “karung/keranjang”, sementara dalam definisi dan pengukuran variabel telah ditetapkan dengan satuan berat “kuintal”. Sehingga peneliti atau pewawancara (enumerator) harus mencari informasi tambahan tentang konversi dari satuan karung menjadi kuantitas satuan berat kuintal. Pencatatan konversi tersebut selanjutnya dipergunakan sebagai dasar untuk mengedit data kuantitas produksi, yakni dari satuan lokal menjadi satuan nasional. 


Pemeriksaan data atau editing dilakukan terhadap jawaban yang telah ada dalam kuesioner dengan memperhatikan hal-hal meliputi: kelengkapan pengisian jawaban, kejelasan tulisan, kejelasan makna jawaban, serta kesesuaian antar jawaban. Proses editing merupakan proses dimana peneliti melakukan klarifikasi, keterbacaan, konsistensi dan kelengkapan data yang sudah terkumpul. Proses klarifikasi menyangkut memberikan penjelasan mengenai apakah data yang sudah terkumpul akan menciptakan masalah konseptual atau teknis pada saat peneliti melakukan analisa data. Dengan adanya klarifikasi ini diharapkan masalah teknis atau konseptual tersebut tidak mengganggu proses analisis sehingga dapat menimbulkan bias penafsiran hasil analisis. Hal ini berkaitan dengan apakah data yang sudah terkumpul secara logis dapat digunakan sebagai justifikasi penafsiran terhadap hasil analisa. Konsistensi mencakup keajegan jenis data berkaitan dengan skala pengukuran yang akan digunakan. Kelengkapan mengacu pada terkumpulnya data secara lengkap sehingga dapat digunakan untuk menjawab masalah yang sudah dirumuskan dalam penelitian tersebut.


Baca juga : Ini yang Akan Kamu Pelajari di Kelas Data Science DQLab!

2.Coding Data

Coding adalah suatu proses pemberian angka pada setiap pertanyaan yang terdapat pada kuesioner, yakni sebagai pengganti substansi pertanyaan. Pembuatan kode dimaksudkan untuk menyederhanakan judul kolom dalam proses entry data (memasukkan atau tabulasi data). Oleh karena itu, agar penelitian tidak kehilangan informasi lengkap substansi pertanyaan diperlukan buku kode (code book). Buku kode merupakan suatu dokumen yang menggambarkan lokasi variabel dan deskripsi lengkap dari setiap kode. Secara esensial, buku kode mempunyai dua fungsi yaitu secara primer, sebagai pemandu proses pembuatan kode dan memandu peneliti untuk mencari lokasi variabel dan interpretasi kode dalam file data selama proses analisis. Dalam pemberian angka kode bisa diurutkan sesuai dengan urutan awal sesi, yakni dengan memberikan kode digit pertama sesuai dengan urutan sesi Angka (numeric) kode juga bisa diurutkan sesuai dengan urutan awal nomor pertanyaan, yaitu tanpa memberikan angka kode digit pertama. Kode yang didasarkan pada urutan nomor pertanyaan mempunyai kelemahan yaitu bila terjadi kesalahan dalam proses pemberian kode pengecekan harus dirunut dari pertanyaan awal. Hal tersebut tidak terjadi bila didasarkan pada urutan pertanyaan dari setiap sesi. 


Kegunaan dari coding adalah untuk mempermudah pada saat analisis data dan juga mempercepat pada saat entry data. Entry data adalah transfer coding data dari kuesioner ke software. Pengkodean data dilakukan untuk memberikan kode yang spesifik pada respon jawaban responden untuk memudahkan proses pencatatan data. Pemberian kode pada data adalah menterjemahkan data  kedalam kode-kode yang biasanya dalam bentuk angka. Tujuannya adalah untuk dapat dipindahkan ke dalam folder. Dengan data sudah diubah dalam bentuk angka-angka, maka peneliti akan lebih mudah mentransfer ke dalam komputer dan mencari program perangkat lunak yang sesuai dengan data untuk digunakan sebagai sarana analisa


Baca juga : Mengenal Profesi Data Scientist

3. Entry Data dan Cleaning Data

Entry data adalah suatu proses pengisian data pada tabel data dasar (based data); baik dari hasil pencatatan pada waktu wawancara maupun data sekunder. Istilah entry data juga dikenal dengan tabulasi data; yakni pemindahan data dari kuesioner ke tabel. Kunci utama pada kegiatan ini adalah rancangan (design) tabel dasar khususnya dalam penetapan kolom. Pada penelitian yang mencakup banyak variabel dan pertanyaan maupun pernyataan, diperlukan jumlah kolom yang memadai dengan mempertimbangkan kemudahan dalam proses entry maupun dalam membaca hasil entry. 


Sementara itu, data cleaning adalah proses untuk membersihkan dari kesalahan pengisian data karena kesalahan pada waktu proses entry atau tabulasi data. Sebagai contoh untuk data skala nominal, kode angka “1” untuk jenis kelamin responden laki-laki dan kode angka “2” untuk perempuan; namun dalam sel tabel terdapat angka “7”. Kesalahan tersebut akan mempengaruhi hasil analisis. Kesalahan pengisian data dari skala interval atau rasio yang sering terjadi adalah terlalu banyak angka “0” bila dibandingkan dengan angka yang berada pada kuesioner.

4. Yuk, TEMUKAN SUMBER DATA UNTUK BANGUN PORTFOLIO GRATIS DI DQLAB SELAMA 1 BULAN!


Gunakan Kode Voucher “DQTRIAL”, dan simak informasi dibawah ini mendapatkan 30 Hari FREE TRIAL:

  1. Buat Akun Gratis dengan Signup di DQLab.id/signup

  2. Buka academy.dqlab.id dan pilih menu redeem voucher 

  3. Redeem voucher “DQTRIAL” dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi. 

  4. Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.


    Penulis: Reyvan Maulid Pradistya

    Editor : Annissawd


    Share

    Postingan Terkait

    Mulai Bangun Karirmu Bersama DQLab!