PROMO SPESIAL 12.12
Belajar Data Science Bersertifikat, 6 Bulan hanya 120K!
0 Hari 3 Jam 21 Menit 17 Detik

Pengertian Teknik Pengolahan Data Beserta Tahapan-Tahapannya

Belajar Data Science di Rumah 09-Desember-2021
https://dqlab.id/files/dqlab/cache/d22575229a5eab71bf332c78ab19a6e6_x_Thumbnail800.png
Follow Instagram dan LinkedIn kami untuk info karir dan topik menarik

Teknik Pengolahan Data merupakan instrumen terpenting dalam proses pengolahan data suatu riset atau penelitian. Menurut Jogiyanto dalam bukunya yang berjudul Analisis dan Desain Sistem Informasi mendefinisikan data adalah cerminan kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan kenyataan. Sedangkan pengertian teknik pengolahan data sendiri dikutip dari George R. Rerry adalah serangkaian informasi yang direncanakan guna mencapai tujuan atau hasil yang diinginkan.


Dari definisi tersebut dapat disimpulkan jika informasi adalah hasil akhir dari adanya pengolahan data yang telah dilakukan. Informasi yang dihasilkan juga bisa berbagai bentuk mulai dari nilai-nilai, angka kemudian hasil wawancara peneliti dengan informan dan lain-lain. Data menjadi penting peranannya apabila ketika kita mengumpulkannya dengan bijak dan tepat. Semakin valid data yang didapatkan maka semakin berkualitas penelitian yang dihasilkan. Tiap data tentunya memiliki karakteristik yang bervariasi soal bagaimana cara pengolahan datanya. Data yang memiliki skala pengukuran rasio tentunya berbeda perlakuannya dengan data yang memiliki skala pengukuran interval. Metode pengolahan datanya pun juga berbeda jadi tidak bisa disamaratakan keduanya.


Pengolahan data harus dilakukan dengan hati-hati dan penuh ketelitian. Mengapa bisa begitu? Karena dari data yang telah kita kumpulkan nantinya akan diolah lebih lanjut tidak boleh asal mengolah. Data mentah yang telah dikumpulkan perlu dipecah-pecahkan dalam kelompok-kelompok, diadakan kategorisasi, dilakukan manipulasi serta diperas sedemikian rupa sehingga data tersebut mempunyai makna untuk menjawab masalah dan bermanfaat untuk menguji hipotesis atau pertanyaan penelitian. Mengadakan manipulasi terhadap data mentah berarti mengubah data mentah tersebut dari bentuk awalnya menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antara fenomena.


Beberapa tingkatan kegiatan perlu dilakukan, antara lain memeriksa data mentah, sekali lagi, membuatnya dalam bentuk tabel yang berguna, baik secara manual maupun dengan menggunakan komputer. Setelah data disusun dalam kelompok-kelompok serta hubungan-hubungan yang terjadi dianalisa, perlu pula dibuat penafsiran-penafsiran terhadap hubungan antara fenomena yang terjadi dan membandingkannya dengan fenomena-fenomena lain di luar penelitian tersebut. Oleh karena itu penting untuk melakukan pengolahan data secara akurat dan tepat. Bagi kalian yang menggunakan metode penelitian kualitatif, cara ini setidaknya bisa kalian pakai untuk melakukan pengolahan data lebih lanjut. Apa aja sih tahapannya? 


Pada artikel DQLab kali ini, kita akan membahas mengenai teknik pengolahan data beserta dengan tahapan-tahapannya untuk penelitian kualitatif. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, pemula data maupun data enthusiast. Jangan lewatkan artikel berikut ini, pastikan simak baik-baik, stay tune and keep scrolling on this article guys! 


1. Pengumpulan Data

Pengumpulan data di lapangan tentu berkaitan dengan teknik penggalian data, dan ia berkaitan pula dengan sumber dan jenis data, setidaknya sumber data dalam penelitian kualitatif berupa: (1) katakata dan (2) tindakan, selebihnya adalah data tambahan seperti dokumen atau sumber data tertulis, foto, dan statistik. Kata-kata dan tindakan orang-orang yang diamati atau diwawancarai merupakan sumber data utama. Sumber data utama dicatat melalui catatan tertulis atau melalui rekaman video/audio tapes, pengambilan foto, atau film. Sedangkan sumber data tambahan yang berasal dari sumber tertulis dapat dibagi atas sumber buku dan majalah ilmiah, sumber dari arsip, dokumen pribadi, dan dokumen resmi. Oleh karena itu, catatan lapangan tampaknya sangat perlu untuk digunakan dalam pengumpulan data selama di lapangan, ia merupakan instrumen utama yang melekat pada beragam teknik pengumpulan data.


Baca juga : Teknik Pengolahan Data Kualitatif: Ketahui Macam-Macam Metode Pengumpulan Data


2. Reduksi Data

Reduksi data adalah proses pemilihan, pemusatan perhatian pada penyederhanaan, pengabstrakan dan transformasi data kasar yang muncul dari catatan-catatan tertulis di lapangan. Proses ini berlangsung terus menerus selama penelitian berlangsung, bahkan sebelum data benar-benar terkumpul sebagaimana terlihat dari kerangka konseptual penelitian, permasalahan studi, dan pendekatan pengumpulan data yang dipilih peneliti. Reduksi data meliputi: (1) meringkas data, (2) mengkode, (3) menelusur tema, (4) membuat gugus-gugus. Caranya: seleksi ketat atas data, ringkasan atau uraian singkat, dan menggolongkannya ke dalam pola yang lebih luas.


3. Penyajian Data

Penyajian data adalah kegiatan ketika sekumpulan informasi disusun, sehingga memberi kemungkinan akan adanya penarikan kesimpulan dan pengambilan tindakan. Bentuk penyajian data kualitatif dapat berupa teks naratif berbentuk catatan lapangan, matriks, grafik, jaringan, dan bagan. Bentuk-bentuk ini menggabungkan informasi yang tersusun dalam suatu bentuk yang padu dan mudah diraih, sehingga memudahkan untuk melihat apa yang sedang terjadi, apakah kesimpulan sudah tepat atau sebaliknya melakukan analisis kembali.


4. Penarikan Kesimpulan

Upaya penarikan kesimpulan dilakukan peneliti secara terus menerus selama berada di lapangan. Dari permulaan pengumpulan data, peneliti kualitatif mulai mencari arti benda-benda, mencatat keteraturan pola-pola (dalam catatan teori), penjelasan-penjelasan, konfigurasi-konfigurasi yang mungkin, alur sebab akibat, dan proposisi. Kesimpulan-kesimpulan ini ditangani secara longgar, tetap terbuka, dan skeptis, tetapi kesimpulan sudah disediakan. Mula-mula belum jelas, namun kemudian meningkat menjadi lebih rinci dan mengakar dengan kokoh. Kesimpulan-kesimpulan itu juga diverifikasi selama penelitian berlangsung, dengan cara: (1) memikir ulang selama penulisan, (2) tinjauan ulang catatan lapangan, (3) tinjauan kembali dan tukar pikiran antar teman sejawat untuk mengembangkan kesepakatan intersubjektif, (4) upaya-upaya yang luas untuk menempatkan salinan suatu temuan dalam seperangkat data yang lain.


Baca juga : Kenali 3 Jenis Metode Pengolahan Data Kuantitatif


5. Belajar Pengolahan Data Biar Makin Handal di DQLab Yuukk!

Kini Sahabat Data DQLab sudah tidak perlu khawatir lagi. Karena dengan belajar data science di DQLab sekarang tidak perlu install software lagi. Kamu bisa langsung belajar dari sekarang karena dataset yang telah disediakan sudah sudah terintegrasi dengan live code editor. Jika kamu penasaran dengan data science dan ingin belajar data science secara langsung, caranya mudah banget. Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id dan lakukan signup untuk dapatkan info-info terbaru serta belajar data science. Nikmati pengalaman belajar data science yang menarik dan cobain berlangganan bersama DQLab yang seru dan menyenangkan dengan live code editor. Cobain juga free module Introduction to Data Science with R dan Introduction to Data Science with Python untuk menguji kemampuan data science kamu gratis!


Dapatkan keuntungan-keuntungan yang didapatkan salah satunya tidak perlu install software tambahan. Karena kalian belajar secara langsung terhubung dengan live code editor dari device yang kalian gunakan. Tersedia berbagai macam modul-modul yang terupdate mulai dari free hingga platinum semua dapat diakses jika kamu ingin berlangganan buat akses seluruh modul lengkapnya. Kalian juga bisa mencoba studi kasus penerapan real case industry dan kamu juga diberikan kesempatan mendapatkan job connector dari perusahaan ternama di ranah industri data. Uniknya kamu bisa langsung apply dari akun kamu loh. So, tunggu apalagi, buruan SIGNUP Sekarang ya!


Penulis: Reyvan Maulid



Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login