Teknik Analisis Data : Tujuan, Cara dan Prosedur Analisis
![https://dqlab.id/files/dqlab/cache/7f24be53dff8e901553eafcd98c0d8cb_x_Thumbnail800.jpg](https://dqlab.id/files/dqlab/cache/7f24be53dff8e901553eafcd98c0d8cb_x_Thumbnail800.jpg)
Seorang peneliti tentu tidak asing dalam melakukan analisis data. Sebelum peneliti melakukan analisis data, mereka dapat mengumpulkan data-data terkait kebutuhan penelitian. Bahan teknik analisis data bisa didapatkan dari berbagai sumber mulai dari wawancara dengan responden penelitian, jurnal-jurnal terkait observasi, dokumen arsip dari berbagai instansi, penyebaran angket maupun kuesioner.
Setelah mengumpulkan data-data yang dibutuhkan untuk penelitian tersebut, peneliti kemudian akan memilah-milah atau menyeleksi data untuk dilakukan analisis data. Teknik yang digunakan pada proses analisis data penelitian disebut dengan teknik analisis data.
Teknik analisis data merupakan aspek terpenting dalam suatu penelitian. Tahap analisis data merupakan tahap yang tidak bisa dilupakan dalam proses penelitian. Tahap ini mengharuskan data yang dikumpulkan dengan menggunakan berbagai teknik pengumpulan data, kemudian diolah dan disajikan untuk membantu menjawab permasalahan penelitian yang diteliti.
Dapat dikatakan bahwa teknik analisis data hanya dapat dilakukan ketika poin-poin penelitian sudah terpenuhi, misalnya pengumpulan data yang tepat yang disesuaikan dengan permasalahan pada penelitian tertentu. Proses dalam menganalisis data kemudian menggunakan teknik khusus agar bisa lebih mudah untuk menarik kesimpulan dari kumpulan data yang didapatkan.
Penggunaan teknik analisis data ini memiliki berbagai jenis tergantung dari jenis data yang telah dikumpulkan. Secara umum, teknik analisis data pada penelitian dibagi menjadi dua yakni teknik analisis data kuantitatif dan teknik analisis data kualitatif. analisis data kuantitatif yang ditujukan untuk memproses atau mengolah data dalam bentuk angka. Kedua, analisis data kualitatif yang ideal digunakan para peneliti untuk memproses data bukan angka.
Setiap peneliti bisa menggunakan satu jenis teknik dan bisa juga sebaliknya, yakni menggabungkan dua atau lebih teknik analisis data kualitatif ataupun campuran antara teknik analisis data kuantitatif maupun kualitatif. Apapun teknik analisis datanya baik teknik analisis data kuantitatif maupun kualitatif tujuannya tetap sama yakni menentukan atau mendapatkan simpulan secara keseluruhan yang berasal dari data-data penelitian yang telah dikumpulkan oleh peneliti.
Selain itu, teknik analisis data bertujuan untuk mendeskripsikan dan menjelaskan mengenai data-data penelitian, sehingga dapat dipahami oleh orang lain. Biasanya dalam penelitian, teknik analisis data cukup populer dan menjadi incaran peneliti dalam melakukan analisis data penelitian baik tugas akhir, skripsi maupun tesis. Kira-kira jenis analisis data apa saja ya yang cukup populer dalam penelitian. Yuk, mari kita cari tahu lebih dalam sahabat data.
Pada artikel DQLab kali ini, kita akan membahas mengenai pengertian, teknik, contoh dan prosedur dalam melakukan teknik analisis data. Bisa jadi sahabat data juga menggunakan analisis ini dalam penelitian kalian. Dengan harapan bisa menjadi tambahan insight dan rekomendasi bagi kalian calon praktisi data, peneliti maupun data enthusiast. Pasti kalian penasaran kan, pastikan jangan lewatkan artikel berikut ini, dan simak baik-baik, stay tune and keep scrolling on this article guys!
1. Pengertian Teknik Analisis Data
Teknik analisis data merupakan salah satu cara untuk mengolah sebuah data menjadi variasi informasi sehingga karakteristik data tersebut menjadi mudah untuk dipahami dan juga bermanfaat untuk menemukan solusi permasalahan.
Permasalahan yang ditinjau dalam teknik analisis data adalah masalah yang memang menjadi concern dalam penelitian yang dilakukan. Masalah yang diangkat juga harus mendalam dan memang benar-benar menggambarkan kalau ini adalah masalah yang harus diselesaikan. Melakukan analisis data butuh kerja keras dan kreativitas untuk menemukan sebuah jalan keluar dalam penyelesaian masalah penelitian.
Setiap penelitian memiliki karakteristik dan pandangan yang berbeda-beda. Tidak bisa disamaratakan antara penelitian satu dengan peneliti yang lainnya. Teknik yang digunakan juga berbeda sehingga fokus pengamatan pun pasti berbeda.
Baca juga : Cara Implementasi Teknik Analisis Data dalam Analisis Korelasi
2. Tujuan Analisis Data
Secara umum, tujuan analisis data adalah untuk menjelaskan suatu data agar lebih mudah dipahami, selanjutnya dibuat sebuah kesimpulan. Suatu kesimpulan dari analisis data didapatkan dari sampel yang umumnya dibuat berdasarkan pengujian hipotesis atau dugaan.
Adapun sebelum melakukan analisis data, ada berbagai tahapan yang harus dilalui yaitu pengolahan data terlebih dahulu. Tahapan tersebut antara lain: penyuntingan atau editing, kodifikasi atau coding pada daftar pertanyaan, tabulasi data. Setelah melakukan pengolahan data, maka dilakukan tahapan analisis data.
Tahap ini bertujuan untuk memeriksa data apa yang masih perlu dicari, hipotesis penelitian apa yang perlu diuji, pertanyaan apa yang perlu dijawab, metode apa yang harus digunakan untuk mendapatkan informasi baru, hingga kesalahan apa yang harus segera diperbaiki.
3. Contoh Teknik Analisis Data
Contoh teknik analisis data, salah satunya adalah analisis korelasi. Analisis korelasi adalah suatu cara atau metode untuk mengetahui ada atau tidaknya hubungan linear antara variabel. Apabila terdapat hubungan maka perubahan-perubahan yang terjadi pada salah satu variabel X akan mengakibatkan terjadinya perubahan pada variabel lainnya (Y).
Korelasi terbagi menjadi beberapa tiga yakni, korelasi sederhana, parsial dan juga ganda. Dalam koefisien korelasi terdapat istilah koefisien reliabilitas. Koefisien reliabilitas merupakan kuadrat koefisien korelasi antara skor-tampak dan skor-murni. Koefisien korelasi antara skor-tampak dan skor-murni selalu akan lebih besar daripada koefisien reliabilitasnya, selama koefisien reliabilitas itu tidak sama dengan 0 atau 1.0.
4. Prosedur Analisis Data
Langkah-langkah dalam menuliskan teknik analisis data, antara lain:
Pengolahan Data
Data yang telah selesai dikumpulkan melalui proses pengumpulan data, selanjutnya data tersebut harus diolah. Pengolahan data bertujuan agar data menjadi lebih sederhana, sehingga seluruh data yang telah terkumpul dapat disusun dengan baik dan rapi, kemudian barulah data tersebut dianalisis.
Dalam melakukan pengolahan data, ada tahapan yang harus diikuti, yaitu:
Penyuntingan (editing)
Editing yang juga dikenal dengan penyuntingan yaitu kegiatan memeriksa seluruh daftar pertanyaan yang dikembalikan responden penelitian.
Pengkodean (coding)
Pengkodean atau dikenal dengan coding yaitu kegiatan yang dilakukan dengan menggunakan cara memberikan simbol atau tanda yang berupa angka terhadap jawaban responden yang diterima. Pengkodean dapat dijelaskan sebagai kategorisasi data.
Setidaknya ada tiga jenis pengkodean:
- Pengkodean terbuka (open coding) yaitu bagian analisis yang secara khusus berkaitan dengan pemberian nama dan kategorisasi pada suatu fenomena melalui pengujian data.
- Pengkodean berporos (axial coding) yaitu seperangkat prosedur penempatan data kembali dengan cara-cara baru dengan membuat kaitan antar kategori yang diawali dari penentuan jenis kategori kemudian dilanjutkan dengan penemuan hubungan antar kategori atau antar subkategori.
- Pengodean selektif (selective coding) yaitu pada tahapan ini kemungkinan peneliti menemukan sejumlah besar data dengan kategori dan hubungan antar kategori/sub kategori yang banyak serta bervariasi sangat besar. Bahkan di sisi lainnya, pada tahapan pengkodean dapat dilakukan secara manual atau menggunakan perangkat lunak analisis data kualitatif seperti NVivo, Atlas ti 6.0, HyperRESEARCH 2.8, Max QDA dan lainnya.
Tabulasi (tabulating)
Tabulasi bisa dikatakan kegiatan menyusun dan juga menghitung data dari hasil pengkodean, kemudian akan ditampilkan dalam wujud daftar tabel.
Penganalisisan Data
Jika proses pengolahan data telah selesai, maka langkah berikutnya adalah menganalisis data. Analisis data bertujuan untuk mengungkapkan data apa yang masih perlu dicari, hipotesis penelitian apa yang perlu diuji, pertanyaan apa yang perlu dijawab, metode apa yang harus digunakan untuk mendapatkan informasi baru dan kesalahan apa yang harus segera diperbaiki.
Setelah datanya sudah terkumpul, maka dikelompokkan menjadi dua kelompok, yakni data kuantitatif dengan bentuk angka-angka dan data kualitatif yang lebih dinyatakan dalam bentuk kata-kata atau simbol.
Penafsiran Hasil Analisis
Jika data telah selesai dianalisis, yang harus dilakukan selanjutnya adalah menafsirkan hasil analisis data tersebut. Penafsiran hasil analisis data bertujuan untuk memberikan kesimpulan dari penelitian kualitatif yang sudah dikerjakan. Sehingga akhirnya untuk pengambilan kesimpulan tersebut dilakukan dengan cara membandingkan anggapan yang telah dirumuskan dengan hasil analisis data yang telah diperoleh, sehingga akhirnya peneliti dapat mengambil kesimpulan apakah menerima atau menolak anggapan yang sudah dirumuskan
Baca juga : Teknik Analisis Data Kualitatif dengan Metode Delphi
5. Upskill Baru di Tahun Baru 2022 Bersama DQLab!
Tahun baru pastinya skill baru dong! Belajar analisis data merupakan salah satu langkah untuk mempelajari hal apapun di ranah data. Melakukan analisis data tentunya bukan hal yang mudah. Dibutuhkan ketekunan dan ketelitian dalam melakukan setiap tahapannya. Agar skill analisis data kamu semakin terasah, tidak salah lagi jika kamu bisa upgrade skillmu bersama DQLab!
Kamu bisa loh untuk coba bikin akun gratisnya kesini di DQLab.id dan lakukan signup untuk dapatkan info-info terbaru serta belajar data science. Banyak benefit yang bisa kamu dapatkan jika kamu bergabung untuk belajar bersama DQLab! 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! Jika ingin berlangganan kalian bisa mendapatkan benefit yang beragam salah satunya mencoba modul platinum dan career track.
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. Kalian juga bisa mencoba studi kasus penerapan real case industry.
Jika kamu kesulitan dalam proses pembelajaran di DQLab, kamu bisa loh gabung ke discord kita untuk menanyakan hal-hal yang kurang jelas dan bingung bagaimana cara penyelesaiannya. 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