Sabtu, 31 Januari 2015

Analisis Data Kuantitatif dan Pengujian Hipotesis

Oleh: Moh. Faisol
e-mail: faishal_114@yahoo.com
*Materi Kuliah S1

A.    MENYIAPKAN DATA UNTUK ANALISIS
Langkah berikutnya yang dilakukan oleh peneliti setelah mengumpulkan data baik melalui kuisioner, wawancara, observasi, atau data yang sifatnya sekunder yang sudah siap gunakan untuk analisis. Adapun tahapan yang biasa dilakukan dalam persiapan data untuk dianalisis adalah sebagai berikut;

1.      Mengodekan dan Memasukkan Data
Pengkodekan data merupakan salah satu tahapan sebelum melakukan analisis data untuk mentraskripsi data dari koisioner dan kemudian memasukkan data tersebut sebagai bahan analisis. Metode ini biasanya dilakukan dengan cara menelusuri setiap kuisioner untuk setiap item supaya terhindar dari kebingungan jika data yang digunakan berupa kuisioner (Sekaran: 2006).
Langkah yang tidak kala penting dalam persiapan analisis data adalah memasukkan data pada perangkat lunak (yang digunakan) dalam pengujian seperti SPSS dan lainnya. Setelah data dimasukkan dimungkinkan peneliti untuk melakukan editing.
2.      Mengedit Data
Mengedit data dilakukan untuk memastikan tidak adanya kesalahan dari data yang diperoleh melalui kuisioner, wawancara, observasi, dan lain-lain. Sebagaimana disebutkan bahwa pengeditan dilakukan pada hari yang sama saat pengumpulan data sehingga responden bisa dikontak untuk informasi lebih lanjut jika diperlukan. Dalam proses editing sebaiknya menggunakan tinta warna yang berbeda, manakalah ada kesalahan dikemudian hari mudah ditemukan. Data yang yang harus diperiksa adalah ketidaklengkapan dan konsistensinya (Sekaran: 2006).
Hal-hal yang perlu diperhatikan dalam pengeditan data antara lain sebagai berikut.
a.       Kelengkapan dan kesempurnaan data. Semua pertanyaan yang diajukan dalam kuesioner harus terjawab semua dan jangan ada yang kosong.
b.      Kejelasan tulisan. Tulisan pengumpul data yang tertera dalam kuesioner harus dapat dibaca.
c.       Kejelasan makna jawaban. Pengumpul data harus menuliskan jawaban ke dalam kalimat-kalimat yang sempurna dan jelas.
d.      Konsistensi data. Data harus memerhatikan konsistensi jawaban yang diberikan responden.
e.       Keseragaman satuan yang digunakan dalam data (uniformitas data). Ini dimaksudkan untuk menghindari kesalahan-kesalahan dalam pengolahan dan analisis data. Misalnya penggunaan satuan kilogram dalam pengukuran berat. Apabila dalam kuesioner tertulis satuan berat lainnya, maka harus diseragamkan terlebih dahulu sebelum masuk dalam proses analisis.
f.       Kesesuaian jawaban. Jawaban yang diberikan responden harus bersangkut paut dengan pertanyaan dan persoalan yang diteliti.
3.      Transformasi Data
Tujuan utama dari transformasi data ini adalah untuk mengubah skala pengukuran data asli menjadi bentuk lain sehingga data dapat memenuhi asumsi-asumsi yang mendasari analisis ragam. Adapun jenis-jenis transformasi adalah sebagai berikut, diantaranya:
a.       Transformasi Square Root (Akar), 
b.      Tansformasi Logaritma,
c.       Transformasi Arcsin,
d.      Transformasi Square (Kuadrat),
e.       Transformasi Cubic (Pangkat Tiga),
f.       Transformasi Inverse (Kebalikan),
g.      Transformasi Inverse Square Root (Kebalikan Akar),
h.      Transformasi Inverse Square (Kebalikan Kuadrat),
i.        Transformasi Inverse Cubic (Kebalikan Pangkat Tiga), dan
j.        Transformasi Reverse Score (Balik Skor).

B.     PERASAAN TERHADAP DATA
1.   Frekuwensi
Frekuensi mengacu pada berapa kali berbagai subkategori dari sustu fenomena tertentu terjadi, dari mana prosentase dan prosentase kumulatif jumlah kejadiannya dapat dengan mudah dihitung. Informasi berkaitan dengan hasil frekuensi dapat ditampilkan dalam bentuk histogram dan grafik batang (Sekaran: 2006).
2.      Ukuran Tendensi Sentral dan Dispersi
Peneliti dapat memperoleh perasaan terhadap data dengan memeriksa tendensi sentral dan dispersi. Pengukuran dispersi adalah pengukuran seberapa jauh penyimpangan nilai-nilai data dari nilai pusatnya (rata-ratanya) atau bagaimana penyebaran suatu kelompok data. Ada tiga ukuran tendensi sentral yaitu mean, median, dan modus. Sedangkan untuk ukran disperse meliputi range, standart deviasi, varians, dan kisaran antarkuartil.
3.   Hubungan antar Variabel
Selain distribusi frekwensi, mean, dan strandar deviasi adalah baik untuk mengetahui bagaimana variabel terikat dan bebas dalam penelitian berkaitan satu sama lain. Maka, suatu matriks interkorelasi variabel juga dapat disusun.

C.    STATISTIK DESKRIPTIF; Penelitian yang di Lakukan dalam Excelsior Enterprises
Excelsior Enterprises adalah sebuah perusahaan yang berukuran menengah, diamana perusahaan tersebut memproduksi dan menjual peralatan dan persediaan yang diperlukan oleh industry perawatan kesehatan, termasuk peralatan tekanan darah, pembedahan, perawatan gigi, dan sebagainya. Alhasil dari penelitian perusahaan tersebut beberapa langkah yang harus dilakukan untuk melakukan analisis datanya, yaitu:
1.      Penentuan alfa cronbach untuk pengukuran
2.      Distribusi frekwensi variabel
3.      Statistik deskriptif; (rata-rata dan standar deviasi)
4.      Matriks korelasi personal
5.      Hasil pengujian hipotesis

D.    MENGUJI KETEPATAN DATA
  1. Reliabilitias
Reliabilitas bentuk pengukuran yang dibuktikan dengan menguji konsistensi dan stabilitas. Konsistensi menunjukkan seberapa baik item-item yang mengukur sebuah konsep bersatu menjadi sebuah kumpulan. Menurut Yogiyanto (2010) suatu pengukuran dikatakan reliebel jika pengukuran tersebut dapat dipercaya, supaya dapat dipercaya makahasil dari pengukuran harus konsisten. Dan dikatakan konsisten manakalah beberapa pengukuran terhadap subyek yang sama diperoleh hasil yang tidak berbeda.
Adapun bentuk pengukuran reliabilitas yang sering digunakan adalah alfa cronbach, split-half reliability coefficient, parallel form reliability, dan test-retest reliability.
  1. Validitas
Validitas merupakan seberapa jauh suatu tes atau satu set dari operasi-operasi mengukur apa yang seharusnya diukur (Yogiyanto: 2010). Atau definisi lainnya mengartikan validitas sebagai sejauhmana ketepatan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Ada tiga kategori validitas yang sering dijumpai, yaitu validitas berdasarkan kreteria, validitas konvergen, validitas diskriminan.


E.     PENGUJIAN HIPOTESIS
Uji hipotesis adalah metode pengambilan keputusan yang didasarkan dari analisis data, baik dari percobaan yang terkontrol, maupun dari observasi (tidak terkontrol). Dalam statistik sebuah hasil bisa dikatakan signifikan secara statistik jika kejadian tersebut hampir tidak mungkin disebabkan oleh faktor yang kebetulan, sesuai dengan batas probabilitas yang sudah ditentukan sebelumnya.
Menurut Furchan (2007) untuk menguji hipotesis peneliti harus:
a.       Menarik kesimpulan tentang konsekuensi-konsekuensi yang akan dapat diamati apabila hipotesis tersebut benar.
b.      Memilih metode-metode penelitian yang akan memungkinkan pengamatan, eksperimentasi, atau prosedur lain yang diperlukan untuk menunjukkan apakah akibat-akibat tersebut terjadi atau tidak, dan
c.       Menerapkan metode ini serta mengumpulkan data yang dapat dianalisis untuk menunjukkan apakah hipotesis tersebut didukung oleh data atau tidak.

  1. Type Kesalahan 1, Kesalahan 2 dan Kekuatan Statistik
Sugiyono (2010) menyatakan bahwa dalam menaksir populasi berdasarkan data sampel kemungkinan akan terdapat dua kesalahan, yaitu:
a.       Kesalahan Tipe I adalah suatu kesalahan bila menolak hipotesis nol (Ho) yang benar (seharusnya diterima). Dalam hal ini tingkat kesalahan dinyatakan dengan a.
b.      Kesalahan tipe II, adalah kesalahan bila menerima hipotesis yang salah (seharusnya ditolak). Tingkat kesalahan untuk ini dinyatakan dengan b.





Berdasarkan hal tersebut, maka hubungan antara keputusan menolak atau menerima hipotesis dapat digambarkan sebagai berikut:
Hubungan Antara Keputusan Menolak atau Menerima Hipotesis
Keputusan
Keadaan Sebenarnya
Hipotesis Benar
Hipotesis Salah
Terima hipotesis
Tidak membuat kesalahan
Kesalahan tipe II (b)
Tolak hipotesis
Kesalahan tipe I (a)
Tidak membuat kesalahan

  1. Memilih Pengujian Statistik yang Tepat
Statistical navigator adalah suatu sistem pakar yang merekomendasikan satu atau lebih prosedur statistic setelah mengumpulkan informasi mengenai sasaran (yaitu, tujuan analisis misalnya untuk memahami buhungan antara dua variabel), dan data (yaitu, kategori, skala). Statistical navigator merupakan panduan bagi mereka yang tidak menguasai statistic tetapi ingin memastikan bahwa mereka memaki teknik statistik yang tepat.
Adapun dalam penggunaannya statistical navigator dijumpai dalam membuat keputusan yang berkaitan dengan berbagai aspek desain penelitian antara lain; sifat studi, horizon waktu, jenis studi, situasi studi, unit analisis, desain pengambilan sampel, metode pengumpulan data, dan  lain-lain.
  1. Pengujian Rata-Rata Sampel Tunggal
Pengujian rata-rata sampel tunggal digunakan ketika kita ingin mengetahui apakah sampel kita berasal dari populasi tertentu tetapi kita tidak memiliki informasi populasi yang tersedia bagi kita. Sebagai contoh, kita mungkin ingin tahu apakah nilai ujian sampel mahasiswa tertentu mirip atau berbeda dari nilai ujian mahasiswa pada umumnya. Berikut bentuk hipotesisnya:
rata-rata sampel tunggal pengujian rata-rata sampel tunggal populasi
means one sample
 




Pengujian rata-rata sampel tunggal terbagi menjadi dua bagian, yaitu One sample means Z test atau Uji z rata-rata sampel tunggal dan One sample means t test atau Uji t rata-rata sampel tunggal.
  1. Pengujian Dua Sampel Rata-Rata Berpasangan
Dua sampel berpasangan artinya sampel dengan subjek yang sama namun mengalami dua perlakuan atau pengukuran yang berbeda. Pengujian ini dilakukan pada waktu:
1)      Uji komparasi antar dua nilai pengamatan berpasangan, misalnya: sebelum dan sesudah
2)      Digunakan pada uji parametrik dimana syaratnya sebagai berikut:
a)      Satu sampel (setiap elemen mempunyai 2 nilai pengamatan)
b)      Merupakan data kuantitatif (rasio-interval)
c)      Berasal dari populasi dgn distribusi normal (di populasi terdapat distribusi difference = d yang berdistribusi normal dengan mean μd=0 dan variance =1)
  1. Pengujian Dua Sampel Rata-Rata tidak Berpasangan
Pengujian ini digunakan untuk membandingkan rata-rata dari dua group yang tidak berhubungan satu dengan yang lain, apakah kedua group tersebut mempuyai rata-rata yang sama ataukah tidak secara signifikan. Data kuantitatif dengan asumsi data berdistribusi normal dan jumlah data sedikit yakni di dibawah 30.

F.     ANALISIS REGRESI
Analisis regresi merupakan salah satu analisis yang bertujuan untuk mengetahui pengaruh suatu variabel terhadap variabel lain.
Ada beberapa tujuan penggunaan analisis regresi, antara lain:
a.       Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasari pada nilai variabel bebas.
b.      Menguji hipotesis karakteristik dependensi.
c.       Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkauan sample.
1.                                     Regresi dengan Variabel Dummy
Variabel dummy adalah variabel yang digunakan untuk mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis kelamin, ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan lain-lain). Variabel dummy merupakan variabel yang bersifat kategorikal yang diduga mempunyai pengaruh terhadap variabel yang bersifat kontinue.
Variabel dummy hanya mempunyai 2 (dua) nilai yaitu 1 dan nilai 0, serta diberi simbol D.
D   = 1 untuk suatu kategori (wanita, Batak, Islam, damai dan sebagainya).
D = 0 untuk kategori yang lain (pria, Jawa, Kristen, perang dan sebagainya).
  1. Multikolinearitas
Multikolinearitas adalah kondisi terdapatnya hubungan linier atau korelasi yang tinggi antara masing-masing variabel independen dalam model regresi. Multikolinearitas biasanya terjadi ketika sebagian besar variabel yang digunakan saling terkait dalam suatu model regresi. Adapun indikasi terdapat masalah multikolinearitas dapat kita lihat dari kasus-kasus sebagai berikut:
a.       Nilai R2 yang tinggi (signifikan), namun nilai standar error dan tingkat signifikansi masing-masing variabel sangat rendah.
b.      Perubahan kecil sekalipun pada data akan menyebabkan perubahan signifikan pada variabel yang diamati.
c.       Nilai koefisien variabel tidak sesuai dengan hipotesis, misalnya variabel yang seharusnya memiliki pengaruh positif (nilai koefisien positif), ditunjukkan dengan nilai negatif.
Untuk melihat indikasi adanya multikolinearitas dengan tolerance value (TOL), eigenvalue, dan yang paling umum digunakan adalah varians inflation factor (VIF), dengan nilai toleransi kurang dari 1 atau VIF lebih besar dari 10 menunjukkan multikolinearitas signifikan. Klein (1962) menunjukkan bahwa, jika VIF lebih besar dari 1/(1 – R2) atau nilai toleransi kurang dari (1 – R2), maka multikolinearitas dapat dianggap signifikan secara statistik.
G.    PENGUJIAN DAN ANALISIS MULTIVARIAT LAINNYA
1.                                 Analisis diskriminan
Analisis diskriminan adalah analisis statistik peubah ganda (multivariate statistical analysis) yang bertujuan untuk memisahkan beberapa kelompok data yang sudah terkelompokkan dengan cara membentuk fungsi diskriminan. Menurut Johnson and Wichern (1982), tujuan dari analisis disriminan adalah untuk menggambarkan ciri-ciri suatu pengamatan dari bermacam-macam populasi yang diketahui, baik secara grafis maupun aljabar dengan membentuk fungsi diskriminan. Adapun tujuan analisis diskriminan secara umum:
a.       Mengetahui apakah ada perbedaan yang jelas antara kelompok pada variabel dependen.
b.      Jika ada perbedaan, untuk mengetahui variabel bebas mana yang membuat perbedaan tersebut.
c.       Membuat fungsi atau model diskriminan yang pada dasarnya mirip dengan persamaan regresi.
d.      Melakukan klasifikasi terhadap objek (dalam terminology spss disebut baris)
Sedangkan untuk asumsi dan sampel dalam analisis diskriminan adalah:
a.       Sejumlah p variabel independen harus berdistribusi normal.
b.      Matriks ragam-peragam variabel independen berukuran pxp pada kedua kelompok harus sama.
c.       Tidak ada korelasi antar variabel independen.
d.      Tidak terdapat data yang outlier pada variabel independen.
2.                                     Regresi Logistik
Analisis regresi logistik adalah salah satu bentuk analisis data dengan menggunakan teknik regresi yang dapat diaplikasikan ketika kita ingin mengetahui hubungan antara variabel dependen dengan satu atau lebih variabel independen dimana variabel dependen yang kita punyai berbentuk katagorikal baik itu secara dikotomus maupun polikotomus. Regresi logistik adalah bagian dari analisis regresi yang digunakan ketika variabel dependen (respon) merupakan variabel dikotomi. Model yang digunakan pada regresi logistik adalah:
Log (P / 1 – p) = β0 + β1X1 + β2X2 + …. + βkXk

4.      Contjoint Analysis

Contjoint analysis atau analisis konjoin adalah sebuah teknik analisis yang dapat digunakan untuk menentukan tingkat kepentingan relatif berdasarkan persepsi pelanggan yang dibawa oleh suatu produk tertentu dan nilai kegunaan yang muncul dari atribut-atribut produk terkait. Dalam model multivariat lainnya analisis konjoin dapat digunakan untuk mengembangkan skor dari beberapa individu dan mengembangkan model untuk tiap individu.
Menurut Green dan Krieger (1991) analisis ini dapat juga dimanfaatkan untuk:
a.       Merancang harga
b.      Memprediksi tingkat penjualan atau penggunaan produk (market share), uji coba konsep produk baru.
c.       Segmentasi preferensi
d.      Merancang strategi promosi
Asumsi yang harus dipenuhi dalam Contjoint Analysis antara lain:
a.       Subyek berpikiran rasional dalam mempertimbangkan atribut
b.      Atribut bisa diidentifikasi
c.       Preferensi bersifat additive
  1. Two-way ANOVA 358
Two way ANOVA digunakan untuk menguji hipotesis komparatif rata-rata k sampel bila peneliti melakukan kategorisasi terhadap sampel kedalam beberapa blok. Berikut adalah langkah-langkah dalam perhitungan ANOVA dua jalur (Two-way ANOVA):
a.       Identifikasi nilai: t (jumlah perlakuan), r (jumlah blog)
b.      hitung jumlah pengamatan total (n), yaitu: n = r x t
c.       Hitung jumlah kuadrat total dengan rumus:


d.      Hitung jumlah kuadrat perlakuan dengan rumus:
e.       Hitung jumlah kuadrat antar blok dengan rumus:



f.       Cari harga F-Hitung dengan menggunakan rumus yang tertera pada tabel.







g.      Cari harga F tabel dengan mempertimbangkan (1) tingkat signifikansi (α), (2) df1 yaitu df dari MS terbesar, dan (3) df2 yaitu df dari MS terkecil.
h.      Bandingkan harga F Hitung dengan F tabel.
1)      Bila F Hitung < F tabel, maka Ho diterima, yang berarti rata-rata kedua perlakuan tidak berbeda secara signifikan,
2)      Bila F Hitung > F tabel, maka Ho ditolak dan H1 diterima, yang berarti rata-rata kedua perlakuan berbeda secara signifikan.

  1. MANOVA
MANOVA adalah teknik statistik yang digunakan untuk memeriksa hubungan antara beberapa variabel bebas (biasa disebut perlakuan) dengan dua atau lebih variabel tak bebas secara simultan. Menurut Johnson (1992) asumsi yang harus dipenuhi sebelum melakukan pengujian MANOVA adalah
1.      Data berasal dari populasi yang berdistribusi normal
2.      Homogenitas Matriks Varian Kovarians
Adapun prosedur pengujian hipotesisnya dapat dinyatakan dalam pernyataan berikut:
H0          = Tidak terdapat perbedaan pengaruh perlakuan
H1          = Ada perbedaan pengaruh perlakuan
  1. Korelasi  kanonik
Analisis korelasi kanonik (canonical analysis) pertama kali diperkenalkan oleh Hotelling (1936), sebagai suatu teknik statistika peubah ganda (Multivariat) yang menyelidiki keeratan hubungan antara dua kelompok variabel. Satu variabel diidentifikasikan sebagai gugus variabel penduga (independent variables), sedangkan satu variabel lainnya diperlakukan sebagai gugus variabel respon (dependent variabel). Analisis ini dapat mengukur tingkat keeratan hubungan antara satu kumpulan peubah dependen dengan satu kumpulan peubah independen. Disamping itu, analisis korelasi kanonik juga mampu menguraikan struktur hubungan di dalam kumpulan peubah independen.
Hair, et al, memberikan langkah-langkah dalam membentuk analisis korelasi kanonik, yaitu:
a.       Menentukan tujuan dan menspesifikasikan masing-masing kumpulan peubah. 
b.      Menentukan jumlah observasi per peubah dan total ukuran sampel. 
c.       Pengujian asumsi. 
d.      Memilih fungsi kanonik
e.       Menginterpretasikan peubah kanonik.
H.    INTERPRETASI DAN REKOMENDASI
Interpretasi
Setelah data diolah sedemikian rupa langkah selanjutnya adalah melakukan analisis dan interpretasi data. Dalam melakukan kegiatan analisis, data yang ada disederhanakan sedemikian rupa sehingga mudah untuk dibaca dan diinterpretasikan. Proses analisis seringkali menggunakan statistik. Hal ini dilaksanakan dengan tujuan untuk menyederhanakan data penelitian yang jumlahnya relatif banyak sehingga menjadi lebih sederhana dan mudah dimengerti.
Kegiatan analisis dalam penelitian sosial dapat dibagi dalam dua kelompok, yaitu kegiatan analisis untuk data kategorial yang biasanya menggunakan tabulasi silang dan kegiatan analisis untuk data bersambungan yang biasanya menggunakan bermacam-macam teknik statistik seperti distribusi frekuensi. Adapun data sambungan yang sudah diformat menjadi data kategorial juga dapat menggunakan teknik tabulasi silang.
Melalui kegiatan analisis itulah peneliti dapat menginterpretasikan berbagai data sehingga memiliki makna dan mudah dimengerti. Interpretasi data dapat dilakukan dengan dua cara. Pertama, interpretasi yang dilakukan secara terbatas, yakni peneliti hanya melakukan interpretasi terhadap data dan hubungan-hubungan yang terdapat dalam penelitian. Kedua, interpretasi yang dilakukan dengan cara mencari pengertian yang lebih luas tentang hasil-hasil penelitian yang diperoleh dari analisis.
Kesimpulan
Kegiatan analisis dan kegiatan interpretasi merupakan landasan bagi peneliti dalam menarik suatu kesimpulan. Sebelum melakukan penarikan kesimpulan, terlebih dahulu peneliti melakukan proses generalisasi. pada dasarnya generalisasi merupakan suatu kegiatan yang berhubungan dengan pembentukan gagasan atau simpulan umum dari suatu hal. Proses generalisasi yang dilakukan harus mengacu pada teori yang mendasari penelitian tersebut. Berdasarkan generalisasi itulah suatu kesimpulan diambil. Dengan demikian, generalisasi dan penarikan kesimpulan merupakan dua kegiatan yang saling berkaitan.

I.       PERGUDANGAN DATA, DATA MINING, DAN RISET OPERASI
Data
Data setiap fakta, angka, atau teks yang dapat diproses oleh komputer. Hari ini, organisasi yang mengumpulkan sejumlah besar dan berkembang dari data dalam format yang berbeda dan database yang berbeda. Ini termasuk:
a.       Data operasional atau transaksional yaitu seperti, penjualan, biaya, persediaan, penggajian, dan akuntansi.
b.      Data nonoperational, seperti penjualan industri, data perkiraan, dan data ekonomi makro.
c.       Meta data, data tentang data itu sendiri, seperti desain database logis atau definisi kamus data.
Pergudangan Data
pergudangan didefinisikan sebagai proses manajemen data terpusat dan pengambilan. Data pergudangan, seperti data mining, adalah istilah yang relatif baru meskipun konsep itu sendiri telah ada selama bertahun-tahun. Data pergudangan merupakan visi ideal mempertahankan repositori pusat dari semua data organisasi. Sentralisasi data yang diperlukan untuk memaksimalkan akses pengguna dan analisis.
Data Mining
Data mining didefinisikan sebagai satu set teknik yang digunakan secara otomatis untuk mengeksplorasi secara menyeluruh dan membawa ke permukaan relasi-relasi yang kompleks pada set data yang sangat besar. Data mining menggunakan pendekatan discovery-based dimana pencocokan pola (pattern-matching) dan algoritmaalgoritma yang lain digunakan untuk menentukan relasi-relasi kunci di dalam data yang diekplorasi.  Data Mining memiliki banyak fungsionalitas, antara lain pembuatan ringkasan data, analisis asosiasi antar data, klasifikasi data, prediksi, dan pengelompokan data. Setiap fungsionalitas akan menghasilkan pengetahuan atau pola yang berbeda satu sama lain.
J.      BEBERAPA JENIS PERANGKAT LUNAK YANG BERGUNA UNTUK ANALISIS DATA
No.
Nama Perangkat
Tujuan/Kemampuan Utama
1
SPSS
Desain kuisioner, mengumpulkan data, entry Enterprises Server, Statistik, Grafik, dll.
2
Askia
Desain Kuisioner, arsip pertanyaan, manajemen laba, analisis data, bagan, dan grafik.
3
ATLAS.ti
Desain kuisioner, pengambilan sampel, survey surat elektronik (e-mail),  pemodelan, grafik interaktif.
4
Bellview CATI
Desain kuisioner, desain bentuk entri data, pengeditan data.
5
Brand2hand
Desain kuisioner, pengambilan sampel, kuisioner berbasis web, wawancara melalui web, pengeditan data, transformasi dan pengkodean data, analisis statistik, bagan dan grafik presentasi.


Daftar Pustaka:
Furchan. Arief. 2007. Pengantar Penelitian Dalam Pendidikan. Yogyakarta: Pustaka Media.
Green, Paul E. and Krieger, Abba M. 1991. Segmenting Market With Conjoint Analysis. Journal or Marketing, Vol. 55.
Hotelling, H., & Pabst, M. R. 1936. Rank correlation and tests of significance involving no assumption of normality. Annals of Mathematical Statistics; 7, 29-43.
Johnson, Richard A. & Wichern, Dean W. 2002. Applied Multivariate Statistical Analysis, Fifth Edition. New York: Prentice Hall.
Sekaran. 2006. Research Method for Business; Metodologi Penelitian untuk Bisnis Jilid 2. Jakarta: Salemba Empat
Sugiyono. 2010. Metodologi Penelitian Bisnis. Bandung: Alfabeta

Yogiyanto. 2010. Metodologi Penelitian Bisnis: Salah Kaprah dan Pengalaman-Pengalaman. Yogyakarta: BPFE.

0 komentar:

Posting Komentar