Sebagai seorang researcher atau peneliti yang masih pemula, hal yang tidak boleh dilewatkan satupun adalah pengolahan data. Metode pengolahan data merupakan bagian penting dari serangkaian proses penelitian. Metode pengolahan data menjelaskan prosedur yang harus dijalankan oleh peneliti dan analisis data yang digunakan sesuai pendekatan yang dilakukan. Seorang peneliti dituntut untuk dapat menguraikan data dalam bentuk runtut, logis, sistematis, tidak berbelit-belit dan efektif sehingga dapat memudahkan peneliti untuk melakukan interpretasi data. Metode pengolahan data juga dapat mempermudah peneliti dan pembaca untuk menemukan insight yang didapatkan dari hasil penelitian. Oleh karena itu, ketika peneliti ingin mendapatkan suatu data dalam penelitian perlu untuk diketahui metode pengolahan data yang tepat dan sesuai dengan penelitian apa yang dilakukan. Ketika data telah dikumpulkan, peneliti melakukan pengolahan data agar data tersebut menggambarkan permasalahan serta pertanyaan penelitian yang telah diajukan. Melalui hasil olahan data dapat menyimpulkan berbagai fenomena-fenomena yang terjadi di lapang. Show Tahapan dalam proses penelitian tentunya berkaitan satu sama lain. Setelah mendapatkan gambaran dari data yang sudah diolah, berlanjut adanya analisis sebagai muara akhir untuk mendapatkan hasil penelitian. Penggunaan metode pengolahan data juga disesuaikan dengan pendekatan penelitian yang dilakukan. Metode pengolahan data yang digunakan bisa jadi berupa metode pengolahan data kuantitatif atau pengolahan data kualitatif. Proses pengumpulan data perlu melewati beberapa prosedur agar data dapat diolah sesuai yang diharapkan oleh peneliti. Dengan demikian, data yang telah diolah dapat terbukti secara empiris. Pengumpulan dan analisis data tidak terbentuk begitu saja, tetapi melalui beberapa rangkaian kegiatan yang saling berkaitan seperti melakukan editing (penyuntingan data), coding (klasifikasi data atau pengelompokkan data) dan entry data. Pada artikel DQLab kali ini, kita akan membahas tentang tahapan metode pengolahan data yang biasanya digunakan dalam penelitian. Untuk itu, pastikan kalian simak baik-baik dan baca selengkapnya artikel berikut ini. 1.Editing DataEditing data merupakan proses melengkapi dan merapikan data yang telah dikumpulkan dalam kuesioner. Editing kuesioner digunakan untuk melengkapi data-data yang sudah diperoleh tetapi belum dituliskan pada tempat yang telah disediakan dalam kuesioner. Kegiatan editing diperlukan karena pada waktu pencatatan hasil wawancara belum dituliskan pada tempatnya atau adanya catatan informasi lain yang diperlukan. Sebagai contoh, pada waktu wawancara diperoleh data tentang kuantitas produksi dalam satuan "karung/keranjang", sementara dalam definisi dan pengukuran variabel telah ditetapkan dengan satuan berat "kuintal". Sehingga peneliti atau pewawancara (enumerator) harus mencari informasi tambahan tentang konversi dari satuan karung menjadi kuantitas satuan berat kuintal. Pencatatan konversi tersebut selanjutnya dipergunakan sebagai dasar untuk mengedit data kuantitas produksi, yakni dari satuan lokal menjadi satuan nasional. Pemeriksaan data atau editing dilakukan terhadap jawaban yang telah ada dalam kuesioner dengan memperhatikan hal-hal meliputi: kelengkapan pengisian jawaban, kejelasan tulisan, kejelasan makna jawaban, serta kesesuaian antar jawaban. Proses editing merupakan proses dimana peneliti melakukan klarifikasi, keterbacaan, konsistensi dan kelengkapan data yang sudah terkumpul. Proses klarifikasi menyangkut memberikan penjelasan mengenai apakah data yang sudah terkumpul akan menciptakan masalah konseptual atau teknis pada saat peneliti melakukan analisa data. Dengan adanya klarifikasi ini diharapkan masalah teknis atau konseptual tersebut tidak mengganggu proses analisis sehingga dapat menimbulkan bias penafsiran hasil analisis. Hal ini berkaitan dengan apakah data yang sudah terkumpul secara logis dapat digunakan sebagai justifikasi penafsiran terhadap hasil analisa. Konsistensi mencakup keajegan jenis data berkaitan dengan skala pengukuran yang akan digunakan. Kelengkapan mengacu pada terkumpulnya data secara lengkap sehingga dapat digunakan untuk menjawab masalah yang sudah dirumuskan dalam penelitian tersebut. Baca juga : Ini yang Akan Kamu Pelajari di Kelas Data Science DQLab! 2.Coding DataCoding adalah suatu proses pemberian angka pada setiap pertanyaan yang terdapat pada kuesioner, yakni sebagai pengganti substansi pertanyaan. Pembuatan kode dimaksudkan untuk menyederhanakan judul kolom dalam proses entry data (memasukkan atau tabulasi data). Oleh karena itu, agar penelitian tidak kehilangan informasi lengkap substansi pertanyaan diperlukan buku kode (code book). Buku kode merupakan suatu dokumen yang menggambarkan lokasi variabel dan deskripsi lengkap dari setiap kode. Secara esensial, buku kode mempunyai dua fungsi yaitu secara primer, sebagai pemandu proses pembuatan kode dan memandu peneliti untuk mencari lokasi variabel dan interpretasi kode dalam file data selama proses analisis. Dalam pemberian angka kode bisa diurutkan sesuai dengan urutan awal sesi, yakni dengan memberikan kode digit pertama sesuai dengan urutan sesi Angka (numeric) kode juga bisa diurutkan sesuai dengan urutan awal nomor pertanyaan, yaitu tanpa memberikan angka kode digit pertama. Kode yang didasarkan pada urutan nomor pertanyaan mempunyai kelemahan yaitu bila terjadi kesalahan dalam proses pemberian kode pengecekan harus dirunut dari pertanyaan awal. Hal tersebut tidak terjadi bila didasarkan pada urutan pertanyaan dari setiap sesi. Kegunaan dari coding adalah untuk mempermudah pada saat analisis data dan juga mempercepat pada saat entry data. Entry data adalah transfer coding data dari kuesioner ke software. Pengkodean data dilakukan untuk memberikan kode yang spesifik pada respon jawaban responden untuk memudahkan proses pencatatan data. Pemberian kode pada data adalah menterjemahkan data kedalam kode-kode yang biasanya dalam bentuk angka. Tujuannya adalah untuk dapat dipindahkan ke dalam folder. Dengan data sudah diubah dalam bentuk angka-angka, maka peneliti akan lebih mudah mentransfer ke dalam komputer dan mencari program perangkat lunak yang sesuai dengan data untuk digunakan sebagai sarana analisa Baca juga : Mengenal Profesi Data Scientist 3. Entry Data dan Cleaning DataEntry data adalah suatu proses pengisian data pada tabel data dasar (based data); baik dari hasil pencatatan pada waktu wawancara maupun data sekunder. Istilah entry data juga dikenal dengan tabulasi data; yakni pemindahan data dari kuesioner ke tabel. Kunci utama pada kegiatan ini adalah rancangan (design) tabel dasar khususnya dalam penetapan kolom. Pada penelitian yang mencakup banyak variabel dan pertanyaan maupun pernyataan, diperlukan jumlah kolom yang memadai dengan mempertimbangkan kemudahan dalam proses entry maupun dalam membaca hasil entry. Sementara itu, data cleaning adalah proses untuk membersihkan dari kesalahan pengisian data karena kesalahan pada waktu proses entry atau tabulasi data. Sebagai contoh untuk data skala nominal, kode angka "1" untuk jenis kelamin responden laki-laki dan kode angka "2" untuk perempuan; namun dalam sel tabel terdapat angka "7". Kesalahan tersebut akan mempengaruhi hasil analisis. Kesalahan pengisian data dari skala interval atau rasio yang sering terjadi adalah terlalu banyak angka "0" bila dibandingkan dengan angka yang berada pada kuesioner. Gunakan Kode Voucher "DQTRIAL", dan simak informasi dibawah ini mendapatkan 30 Hari FREE TRIAL:
Penulis: Reyvan Maulid Pradistya Data yang masih belum diolah atau biasa disebut dengan raw data tidak akan berharga bagi siapapun. Oleh karena itu perlu adanya pengolahan data yang didefinisikan sebagai metode pengumpulan data mentah dan menginterpretasikan menjadi informasi yang berguna. Proses pengolahan data dilakukan dalam beberapa tahap dan dilakukan oleh data scientist ataupun data engineer. Secara umum, langkah-langkah pengolahan data adalah pengumpulan raw data, filtering, pengolahan, analisis, penyimpanan, dan terakhir penyajian dalam format yang mudah dibaca. Pengolahan data sangat penting bagi industri untuk membuat strategi bisnis yang lebih baik sehingga dapat meningkatkan daya saing. Dengan mengubah data menjadi format yang mudah dibaca seperti grafik, chart, dan lainnya, pekerja akan lebih mudah memahami dan menggunakan data tersebut. Pengolahan data berkaitan dengan pengeditan, pengkodean, pengklasifikasian, tabulasi, dan pembuatan diagram data penelitian. Inti dari pengolahan data dalam penelitian adalah reduksi data yang melibatkan proses pemisahan data yang tidak relevan dan relevan. Seperti yang telah dijelaskan di awal, pengolahan data terdiri dari beberapa langkah. Pada artikel kali ini, DQLab akan menjelaskan beberapa langkah pengolahan data dalam penelitian. Penasaran? Yuk simak artikel ini sampai akhir! 1. Pengeditan Data dan CodingPengeditan adalah langkah pertama dalam pengolahan data. Pengeditan didefinisikan sebagai proses pemeriksaan data yang dikumpulkan untuk mendeteksi kesalahan atau error yang ada dalam data. Menurut Mildred B. Parten, seorang peneliti dalam proses pengeditan data bertugas untuk memastikan bahwa data harus seakurat mungkin, konsisten dengan fakta lapangan, seragam, selengkap mungkin, dan dapat diterima untuk tabulasi dan diatur untuk memfasilitasi tabulasi pengkodean. Coding adalah proses, operasi, dan tanggapan yang diatur dalam kelas atau kategori dan angka atau simbol lain yang diberikan ke setiap item sesuai dengan kelasnya. Coding melibatkan dua operasi penting, yaitu memutuskan kategori yang akan digunakan dan mengalokasikan tanggapan dari data yang diberi simbol. Coding biasanya menghilangkan banyak informasi dalam data mentah, sehingga peneliti harus merancang kumpulan kategori secara hati-hati. Baca juga : Ini yang Akan Kamu Pelajari di Kelas Data Science DQLab! 2. Pengklasifikasian DataKlasifikasi atau kategorisasi adalah proses pengelompokan data statistik dalam berbagai kelompok dimana setiap anggota kelompok memiliki karakteristik yang homogen. Klasifikasi diperlukan jika ada keragaman dalam data yang telah dikumpulkan. Namun, jika data yang dikumpulkan sudah homogen, maka langkah ini bisa dilewati. Klasifikasi yang baik harus memiliki karakteristik kejelasan, homogenitas, kesamaan skala, tujuan dan ketepatan.Tujuan klasifikasi adalah untuk mengatur data kompleks yang tersebar menjadi lebih ringkas, logis, dan dapat dipahami, memetakan ciri-ciri kesamaan dan perbedaan yang ada dalam data, menghemat tenaga untuk proses analisis lebih lanjut. 3. Tabel Tabulasi Data dan Pembuatan DiagramTabulasi adalah proses meringkas raw data dan menampilkan data tersebut dalam bentuk yang lebih ringkas sehingga dapat dianalisis lebih lanjut. Tabulasi dapat dilakukan secara manual, mekanis, maupun elektronik. Tabel tabulasi dibedakan menjadi tabel frekuensi, tabel respon, tabel kontingensi, tabel univariate, tabel vi variate, tabel statistik, dan tabel time series. Secara umum, tabel penelitian terdiri dari nomor tabel, judul tabel, keterangan, judul baris, isi, catatan kaki, dan head note. Terakhir, setelah data diolah, hasil analisis disajikan dalam bentuk diagram agar mudah dibaca oleh orang awam. Diagram dibagi menjadi dua, yaitu chart dan grafik. Chart dibagi menjadi beberapa tipe seperti bar chart, pie chart, donut chart, dan lain sebagainya. Grafik merupakan metode penyajian data numerik dalam bentuk visual yang menggambarkan hubungan antara dua variabel melalui kurva atau garis lurus. Grafik dibagi menjadi dua kategori, yaitu grafik deret waktu dan grafik distribusi frekuensi. Baca juga : Mengenal Profesi Data Scientist 4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!  Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:
Penulis : Galuh Nurvinda Editor : Annissa Widya Davita |
Proses pengolahan data yang dilakukan dengan cara memasukkan data kedalam tabel disebut
Pos Terkait
Copyright © 2024 berikutyang Inc.
