MAU PUNYA SKILL DATA SCIENCE YANG AMAYZING?
Belajar Data Science 6 Bulan hanya 150K  | Pakai Kode: AMAYZING
BURUAN SERBU!
Pendaftaran ditutup dalam 0 Hari 0 Jam 0 Menit 7 Detik 

Pahami Pengertian Data Sekunder dan Metode Pengolahan Datanya

Belajar Data Science di Rumah 02-September-2021
https://dqlab.id/files/dqlab/cache/f8e883923136ac508f7449ebf23c5b2b_x_Thumbnail800.jpg

Suatu penelitian harus dilakukan berdasarkan data. Sumber data yang kredibel dan bisa dipertanggungjawabkan merupakan salah satu faktor yang menunjukkan kualitas sebuah penelitian. Semakin banyak data yang dikumpulkan dan relevan dengan penelitian akan memperluas pandangan peneliti terhadap penelitian yang sedang dikerjakan. Peneliti juga harus teliti dan kritis dalam memilih data yang akan digunakan untuk penelitian karena tidak semua data yang ditemukan walaupun relevan dengan penelitian dapat menjadi sumber data penelitian. 


Data dapat diperoleh dari berbagai sumber seperti survei dan observasi pada objek penelitian, melakukan wawancara, mencari karya ilmiah terdahulu, dan lain sebagainya. Dengan kemajuan teknologi saat ini, mengumpulkan data jadi lebih mudah. Misalnya melakukan wawancara bisa secara virtual menggunakan Google Meet, melakukan kuesioner melalui Google Form, dan sebagainya. Apalagi kondisi pandemi Covid-19 yang membatasi aktivitas kita diluar rumah. Cara-cara tersebut dapat menjadi solusi. Salah satu data yang sering digunakan dalam penelitian adalah data sekunder. Apa sih data sekunder? Bagaimana metode pengolahannya? Nah, di artikel kali ini akan membahas tentang data sekunder. Simak pembahasannya dibawah ini, yuk!


1. Pengertian Data Sekunder

Data sekunder merupakan jenis data berdasarkan cara memperolehnya. Data sekunder adalah data yang diperoleh dari pihak ketiga. Untuk mendapatkan data sekunder peneliti tidak perlu terjun langsung ke lapangan atau objek penelitian, melainkan dari data yang sudah tersedia. Bisa dari buku-buku, jurnal, karya ilmiah dari peneliti terdahulu, media cetak atau elektronik, dan lain-lain. Data sekunder berperan sebagai data pendukung dalam penelitian. Data utamanya adalah data primer. Data sekunder akan memberikan wawasan bagi peneliti terhadap kasus yang menjadi tema penelitian. Kelebihan data sekunder antara lain yaitu hemat biaya dan waktu karena data sudah tersedia dan mudah diakses. Sedangkan kekurangan data sekunder salah satunya yaitu terkadang data yang diperoleh sudah lama dan kurang sesuai dengan kondisi saat ini sehingga tidak terlalu mendukung penelitian.

 

Baca juga : Teknik Pengumpulan Data Sekunder, Apa Saja Sumber Data yang Bisa Digunakan?


2. Teknik Pengumpulan Data Sekunder

Langkah pertama sebelum melakukan penelitian adalah mengumpulkan data yang dibutuhkan. Pengumpulan data memerlukan metode atau teknik sesuai dengan jenis data yang diperlukan. Beberapa teknik pengumpulan data sekunder yaitu antara lain studi dokumen dan penelitian kepustakaan. Studi dokumen dilakukan dengan meneliti berbagai macam dokumen yang berguna sebagai bahan penelitian. Penelitian kepustakaan bertujuan untuk memperluas pengetahuan dari karya-karya yang dibuat oleh peneliti terdahulu. Dengan penelitian kepustakaan ini, peneliti jadi belajar bagaimana menyeleksi dan mengekspresikan berbagai pengetahuan yang memiliki sudut pandang berbeda atau bahkan yang bertentangan. Adapun prosedur dalam melakukan penelitian kepustakaan yaitu tentukan topik yang diinginkan kemudian mencari referensi yang relevan dengan topik tersebut. 


3. Analisis Kuantitatif: Deskriptif dan Inferensial

Analisis kuantitatif adalah metode analisis yang dilakukan dengan menggunakan perhitungan matematika atau statistik. Hasil dari analisis kuantitatif disajikan dalam bentuk angka-angka yang dijelaskan dengan menguraikan angka-angka tersebut. Terdapat dua macam teknik statistik dalam melakukan analisis kuantitatif yaitu teknik analisis deskriptif dan teknik analisis inferensial. Teknik analisis deskriptif adalah teknik analisis dengan menggambarkan data yang digunakan tanpa maksud menggeneralisasi atau membuat kesimpulan. Biasanya dibuat dalam bentuk grafik, tabel, mean, modus, dan sebagainya. Teknik analisis deskriptif umumnya digunakan ketika menghadapi data yang sangat besar contohnya data sensus penduduk. Sedangkan teknik analisis inferensial adalah teknik analisis yang menggunakan rumus tertentu dimana hasil perhitungan tersebut menjadi dasar dalam menggeneralisasi dan mengambil keputusan. Teknik ini cocok untuk analisis data sampel secara acak dari populasi yang sudah jelas. Teknik analisis inferensial dibagi menjadi dua yaitu untuk penelitian korelasional dan penelitian komparasi atau eksperimen. 


Baca juga : Metode Pengumpulan Data Sekunder, Bisa Menggunakan Apa Saja Sih?


4. Analisis Kualitatif

Analisis kuantitatif adalah metode analisis yang dilakukan dengan mengklasifikasikan atau mengelompokkan data untuk menemukan hubungan atau pola-pola tersembunyi yang terdapat dalam data. Dalam melakukan metode analisis kualitatif diperlukan ketelitian karena dilakukan dengan membaca dan mengamati data yang ada kemudian menguraikan dan menafsirkan data tersebut. Metode analisis kualitatif ini bertujuan untuk menemukan makna dari suatu aktivitas, pertanyaan, dan lainnya yang menjelaskan kondisi yang melingkupi suatu peristiwa atau menggambarkan proses terjadinya suatu peristiwa beserta alasan-alasan yang mendasarinya. Teknik analisis kualitatif yaitu antara lain teknik analisis data model Miles dan Huberman dan teknik analisis data model Spradley. Teknik analisis data model Miles dan Huberman dilakukan dalam tiga tahapan yaitu reduksi data, penyajian data, dan penarikan kesimpulan. Sedangkan teknik analisis data model Spradley dilakukan dalam empat tahapan yaitu analisis domain, analisis taksonomi, analisis komponensial, dan analisis tema kultural. 


5. Mulai Belajar Data untuk Menjadi Data Scientist Bersama DQLab

Kebutuhan akan ahli data terus meningkat setiap harinya. Pentingnya data membuat perusahaan membuka kesempatan bagi para talent data yang bertanggungjawab mengolah data perusahaan untuk menemukan insight di dalamnya. Data scientist adalah profesi di bidang data yang bertugas mengolah data serta membangun machine learning yang mendukung proses pengolahan data lebih akurat. Dikatakan juga data scientist merupakan profesi yang menjanjikan dalam lima tahun ke depan. Tertarik ingin menjadi data scientist? Yuk, bergabung dengan DQLab.id untuk belajar data dan mulai bangun portofolio datamu bersama para ahli di bidang data!



Penulis: Dita Kurniasari

Editor: Annissa Widya


Sign Up & Mulai Belajar Gratis di DQLab!