Andriani Kusumawati
MANAJEMEN DATA Pada saat merancang usulan penelitian, maka sudah direncanakan pula : 1. Teknik pengolahan data meliputi: editing, coding, entry, dan cleaning serta analisis. 2. Tabel, grafik atau ringkasan angka2 yg akan dihasilkan.
TAHAPAN MANAJEMEN DATA
Menyunting data (data editing) Mengkode data (data coding) - Membuat kode - Membuat buku kode Membuat struktur data (data structure)dan file data (data file) Memasukkan data (data entry) Membersihkan data (data cleaning)
1. DATA EDITING
Penyuntingan data dilakukan sebelum proses pemasukan data.
Penyuntingan data sebaiknya dilakukan di lapangan, agar data yang salah/ meragukan masih dapat ditelusuri kembali kepada responden/informan yang bersangkutan.
EDITING Dilakukan pemeriksaan seluruh kuesioner atau seluruh formulir isian setelah data terkumpul, apakah :
1. Dapat dibaca. 2. Semua pertanyaan terisi (lengkap). 3. Terdapat ketidakserasian antara jawaban yg satu dgn yg lain (konsistensi). 4. Terdapat kesalahan lain yg akan mengganggu proses pengolahan data selanjutnya (akurasi).
EDITING Kegiatan editing dapat dilakukan dengan cara :
1. Editing lapangan Supervisor melakukan pengecekan ulang thd beberapa pertanyaan penting biasanya kpd 10% responden segera setelah data terkumpul semuanya. 2. Editing menyeluruh Dilakukan secara menyeluruh thd jawaban responden sehingga dpt diketahui konsistensi jawaban.
EDITING Yg sering terjadi misalnya : 1. Jawaban tdk tepat di kolom yg tersedia. 2. Salah menulis jawaban, misal jenis kelamin dijawab 20 … 3. Pendidikan diisi tamat PT, tetapi umur diisi 18 tahun. 4. Salah menggunakan unit ukuran (satuan)
2. DATA CODING
Data coding adalah kegiatan mengklasifikasi data dan memberi kode untuk masing-masing jawaban di kuesioner, sehingga memudahkan utk memasukkan data ke komputer.
• Misalnya utk variabel pendidikan : 1. Tidak sekolah 2. SD 3. SLTP 4. SLTA 5. PT
2. DATA CODING
• Data coding sudah harus mulai dipikirkan dan dikembangkan pada saat mengembangkan instrumen penelitian (kuesioner).
DATA CODING
Data yang dikumpulkan dengan pertanyaan tertutup sudah dapat ditetapkan pengkodeannya pada saat instrumen dibuat. Perlu dipertimbangkan untuk menyediakan satu kode untuk menampung informasi diluar kelas-kelas yang telah disediakan.
Pengkodean untuk data yang dikumpulkan dengan pertanyaan terbuka dilakukan setelah data terkumpul. Sebagian data dapat diberi kode sebelum pengumpulan data. Pengkodean lebih lanjut dilakukan setelah semua data dikumpulkan.
DATA CODING
Jawaban kosong perlu diidentifikasi dan diberi kode lebih lanjut: “tidak tahu”, “tidak ada jawaban”, atau “jawaban tidak relevan”.
Pemberian kode dapat dilakukan pada - Sisi halaman instrumen - Lembar transit - Lembar optic-scan
DATA CODING
Cara pengkodean yang telah dibuat harus dicatat. Bila cara pengkodean tidak rumit, tidak perlu dibuat Buku Kode khusus.
Manfaat Buku Kode - Pedoman dalam proses coding, entry dan cleaning - Pedoman dalam melakukan analisis data - Pedoman bagi peneliti lain yang akan menggunakan data
BUKU KODE No
Variabel
1 2 3
ID Umur Jenis Kelamin
4
Pekerjaan
Pertan yaan Nomor 2 3 4
Kode
1 1 2 3 4
Keterangan
No.identifikasi Dalam tahun Laki-laki Perempuan PNS/ABRI Swasta Buruh Tak bekerja
3. DATA ENTRY
Memindahkan data dari kuesioner ke Master Tabel Masukkan data jawaban kuesioner sesuai kode yg telah ditentukan utk masing2 variabel shg menjadi Master Tabel Simpan file tsb di tempat yg aman, utk melakukan analisis data gunakan file khusus.
4. DATA CLEANING
Walaupun rambu-rambu sudah kita pasang pada saat data entry, kesalahan masih mungkin terjadi.
Pembersihan data tetap perlu dilakukan. Salah satu cara yang sering dilakukan adalah dengan melihat distribusi frekuensi dari variabel-variabel dan menilai ke-logis-annya.
Untuk data kontinyu (interval, rasio) dapat dilihat sebarannya untuk melihat ada tidaknya pencilan (outliers).
4. DATA CLEANING Je nis Ke lam in Res ponde n
V alid
Mis sing Total
Laki-laki Perempuan 3 4 Total -1
Frequenc y 47 47 2 1 97 3 100
Percent 47.0 47.0 2.0 1.0 97.0 3.0 100.0
V alid Percent 48.5 48.5 2.1 1.0 100.0
Cumulativ e Percent 48.5 96.9 99.0 100.0
Dari contoh distribusi frekuensi di atas, terlihat ada jenis kelamin yang bernilai 3 dan 4 , sehingga masih ada kesalahan yang perlu untuk diperbaiki dengan melihat kembali data yang tercatat sebelum dimasukkan ke komputer
