Buat Akun DQLab & Akses Kelas Data Science Python, R, SQL, Excel GRATIS!

Contoh Teknik Analisis Data Kuantitatif, Pemula Wajib Tahu

Belajar Data Science di Rumah 07-Juli-2022
https://dqlab.id/files/dqlab/cache/8550fbd8e6614920926ef4e1999596a5_x_Thumbnail800.jpg

Tahap teknik analisis data adalah tahap yang tidak boleh dihindari dan wajib untuk diselesaikan dengan baik. Pada tahap ini kalian akan menentukan teknik analisis apa yang akan kalian gunakan untuk mengolah data yang sudah kalian dapatkan dari lapangan. Biasanya pada tahap ini peneliti mulai mencari beberapa sumber referensi agar mereka tidak salah pilih. Hal tersebut sangatlah wajar karena hasil dari pengolahan data mereka akan menentukan kesimpulan yang akan mereka ambil atau menentukan kebenaran dari teori yang sedang mereka buktikan. 


Teknik analisis data pada penelitian kuantitatif adalah proses mengolah data yang sudah terkumpul dari responden di lapangan atau referensi lain yang terpercaya. Contoh proses pengolahan data seperti mengelompokkan data berdasarkan jenis responden, membuat tabulasi dan melakukan perhitungan uji hipotesis. 


Pada penelitian kuantitatif biasanya kalian akan menggunakan uji statistik. Terdapat dua macam uji statistik yang dapat kalian digunakan untuk menganalisa data, yakni statistik deskriptif dan statistik inferensial. Kemudian pada statistik inferensial terdapat statistik parametris dan statistik nonparametris. 


Bagi kalian yang masih bingung apa sih perbedaannya? Yuk, simak penjelasannya dibawah ini! 


1. Statistik Deskriptif

teknik analisis data

Statistik deskriptif adalah salah satu teknik analisis data yang sering sekali digunakan oleh peneliti atau praktisi data. Teknik ini biasanya digunakan untuk menganalisa data dengan cara menggambarkan atau mendeskripsikan data-data yang sudah terkumpul sebelumnya tanpa merubah sumber datanya.


Biasanya penelitian yang sumber datanya menggunakan populasi akan menggunakan statistik deskriptif pada analisisnya. Kalau sumber datanya menggunakan sampel bisa tidak? Pastinya bisa, karena statistik deskriptif digunakan apabila seorang peneliti atau praktisi data hanya ingin menggambarkan atau mendeskripsikan keadaan datanya tanpa membuat kesimpulan terhadap data tersebut. 


Yang termasuk dalam statistik deskriptif itu seperti apa sih? Statistik deskriptif ini biasanya data-data yang sudah diperoleh akan disajikan dalam bentuk tabel, diagram, grafik, mean, median, modus, dan masih banyak lagi. 


Selain itu, teknik ini juga dapat digunakan untuk mencari korelasi antar variabel,  melakukan prediksi dengan model analisis regresi, dan membuat perbandingan antara rata-rata data sampel. Yang perlu diingat adalah pada teknik ini kalian tidak perlu melakukan uji signifikansi karena kalian tidak akan membuat sebuah kesimpulan pada teknik ini.


Baca juga: Teknik Analisis Data Deskriptif Kualitatif yang Perlu Pemula Tahu


2. Statistik Inferensial

teknik analisis data

Tidak jauh berbeda dengan statistik deskriptif, statistik inferensial juga kerap digunakan oleh peneliti atau praktisi data. Statistik inferensial sering juga disebut dengan statistik induktif atau nama lainnya lagi adalah statistik probabilitas.


Statistik inferensial adalah salah satu teknik statistik yang dapat digunakan untuk melakukan analisa terhadap data-data sampel dan hasil dari analisa tersebut dapat diberlakukan untuk populasi. Teknik ini sangat cocok digunakan ketika data sampel yang diambil dari populasi sudah jelas, dan teknik pengambilan datanya dilakukan secara random atau acak. 


Mengapa statistik inferensial disebut sebagai statistik probabilitas? Alasannya karena kesimpulan yang didapatkan dari analisis tersebut diperoleh dari data sampel yang memiliki peluang kesalahan dan kebenaran. Biasanya peluang tersebut akan dinyatakan dalam bentuk persen (%).  Peluang kesalahan dan kebenaran ini biasanya disebut dengan istilah taraf signifikansi. 


3. Statistik Parametris

teknik analisis data

Statistik parametris biasanya digunakan untuk menguji ukuran populasi terhadap data sampel atau menguji parameter sebuah populasi melalui statistik. Parameter dari populasi itu biasanya meliputi rata-rata notasi (μ), simpangan baku (σ) , dan varians (σ2). Sedangkan statistik biasanya meliputi rata-rata (X), simpangan baku (s), dan varians (s2). Pengujian ini biasanya disebut dengan uji hipotesis statistik. Pada hipotesis statistik yang diuji adalah hipotesis nol atau H0


Penggunaan statistik parametris memerlukan asumsi-asumsi yang perlu dipenuhi. Asumsi tersebut adalah data yang akan digunakan berdistribusi normal, data bersifat homogen, dan harus memenuhi asumsi linieritas. Teknik ini memiliki kekuatan yang lebih kuat jika semua asumsinya dapat terpenuhi. Statistik parametris biasanya digunakan untuk menganalisa data-data rasio dan data-data interval.


Baca juga : Langkah-Langkah Menggunakan Teknik Analisis Data Kualitatif


4. Statistik Nonparametris

Sedikit berbeda dengan statistik parametris. Pada statistik nonparametris, parameter populasi tidak akan diuji karena pada teknik ini yang akan diuji adalah distribusinya. Untuk penggunaan statistik nonparametris, kalian tidak memerlukan terpenuhinya asumsi-asumsi seperti statistik parametris. 


Misalnya pada statistik parametris data harus memiliki distribusi normal, pada statistik nonparametris data yang akan kalian gunakan tidak perlu berdistribusi normal. Oleh karenanya statistik ini biasa disebut dengan distribution free. Selain itu data-data yang biasanya digunakan pada statistik nonparametris adalah data-data ordinal dan data-data nominal. 


Penggunaan dan pemilihan teknik statistik pada sebuah penelitian tergantung pada jenis data apa yang akan kalian gunakan. Kalian dapat memilih teknik analisis yang sesuai dengan kebutuhan data yang akan kalian olah. Bagi kalian yang mau memperdalam lagi materi  mengenai teknik-teknik analisis data, kalian bisa mempelajarinya di DQLab. Dengan mendaftarkan dirimu di DQLab.id kalian akan mendapatkan banyak manfaat kompetensi data science. 


Penulis : Winda Sarah Audina

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login