✨ PROMO SPESIAL 10.10
Belajar Data 6 BULAN Bersertifikat hanya 100K!
0 Hari 3 Jam 30 Menit 31 Detik

Mengenal Macam Analisis dengan Metode Analisis Data Sekunder

Belajar Data Science 17-Januari-2021
https://dqlab.id/files/dqlab/cache/228e61438b1a197b9b2d5b0447d822be_x_Thumbnail800.jpg

Sebelum mengenal macam analisis data khususnya pada metode analisis data sekunder, terlebih dahulu pahami mengenai apa itu data sekunder. Sesuai dengan namanya menurut Dinukil Johnson metode analisis data sekunder adalah analisis lebih lanjut dari himpunan data yang sudah ada yang memunculkan tafsiran, simpulan atau pengetahuan sebagai tambahan yang berbeda dari, apa yang telah disajikan dalam keseluruhan dan temuan utama penelitian terdahulu atau semula. Jadi, sederhananya data sekunder yang dimaksud adalah data yang sudah ada yang tidak perlu dikumpulkan atau digali lagi. Jika pada metode penelitian kita perlu melakukan wawancara, survey, maka data sekunder tidak perlu mengumpulkan sendiri oleh si peneliti melainkan data sudah di dokumentasikan dan dipublikasikan oleh orang lain. Data sekunder ada dua jenis yaitu data yang berasal dari penelitian orang lain dan data yang berasal dari data administratif kelembagaan seperti data dari sekolah atau dinas kependudukan.


Adapun sumber data sekunder antara lain dokumen pemerintahan, laporan teknis, jurnal ilmiah, buku referensi, database, perpustakaan. Analisis data sekunder digunakan untuk memanfaatkan data lama agar memunculkan pengetahuan, ide serta gagasan baru. Jadi, tetap simak artikel ini sampai selesai ya karena DQLab akan membahas lebih lanjut mengenai macam analisis dengan metode analisis data sekunder.


1. Apa itu Metode Analisis Data Sekunder ?

Analisis data sekunder adalah analisis data yang dilakukan terhadap data yang sudah ada tanpa perlu melakukan wawancara, survey, observasi dan teknik pengumpulan data tertentu lainnya. Sumber data sekunder berasal dari data BPS, lembaga, bappenas, laporan bulanan perusahaan. Dengan menggunakan data sekunder kamu dapat menghasilkan data mengenai perkembangan dan laju pertumbuhan suatu variabel tertentu, menganalisis hubungan antar variabel, menganalisis dampak suatu kebijakan, serta melakukan estimasi terhadap kondisi tertentu. Tetapi, data sekunder sendiri memiliki kelemahan antara lain, data diragukan kevalidan nya, terdapat istilah-istilah bawaan dari lembaga atau sumber data yang tidak kita ketahui, metode penyajian data dapat berubah antar periode, data mungkin sudah dimodifikasi oleh peneliti, dokumentasi data juga bisa kurang baik, penyajian datanya juga tidak kompatibel, akses terhadap sumber data relatif sulit, dan terkadang harus beli dengan harga yang relatif mahal. 


Baca juga : Macam-macam Metode yang Ada Pada Pengolahan Data Statistik


2. Apa Tujuan dan Manfaat Metode Analisis Data Sekunder ?

Lalu adapun tujuan metode analisis data sekunder antara lain untuk, menerapkan data dari penelitian terlebih dahulu dengan tujuan yang berbeda, untuk memunculkan ide atau gagasan baru berdasarkan data lama tersebut, melakukan pengujian atas ketidakbenaran dengan bukti yang benar, melakukan pengujian kebenaran dengan bukti ketidakbenaran, dan mengekspor data dari perspektif yang berbeda. Pemanfaatan data sekunder biasanya dipergunakan untuk pemahaman masalah guna sarana pendukung agar dapat memahami masalah yang diteliti, selain itu data sekunder dapat digunakan untuk memperjelas masalah menjadi lebih operasional dalam penelitian karena didasarkan pada data sekunder yang tersedia, kita dapat mengetahui komponen-komponen situasi lingkungan yang mengelilinginya, data sekunder bisa menjadi sarana alternatif untuk meneliti suatu hal, dan bisa menjadi solusi dari permasalahan yang ditemukan pada data primer. Oleh karena itu, data primer dan data sekunder akan membuat penelitian kamu saling melengkapi.


3. Proses Analisis Data Sekunder.

Menurut Wallace Foundation pada Workbook B; Secondary Data Analysis memaparkan langkah-langkah dari proses analisis data sekunder antara lain, menetapkan/menentukan sumber data yang digunakan seperti rekam medis, data dari BPS dan semacamnya. Selanjutnya melakukan pengumpulan data-data tersebut kedalam bentuk dokumen atau format tertentu. Kemudian melakukan normalisasi data guna menyetarakan data menjadi satu bentuk yang sama agar data yang berbeda sumber tersebut bisa saling kompatibel satu sama lain. Yang terakhir adalah melakukan analisis data dengan melakukan perhitungan, mentabulasi sumber data, memetakan data serta membandingkan data dan menelaahnya. 


Baca juga : Metode Pengolahan Data dengan Machine Learning untuk Perbaikan Forecasting Bisnismu


4. Yuk, Bangun Portfolio Kamu Menggunakan Data Source yang Tersedia di DQLab Sekarang !!!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industri data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!

Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":

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

  • Akses module Introduction to Data Science

  • Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab

  • Subscribe DQLab.id untuk Akses Semua Module Premium!

 

Penulis: Rian Tineges

Editor: Annissa Widya Davita


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login