Teknik PENGOLAHAN DATA KUANTITATIF

DATA KUANTITATIF adalah data dalam bentuk ANGKA yang dapat diUkur, diHitung, dan diUrutkan. Data dalam bentuk ANGKA adalah menarik dan umumnya disukai oleh Peneliti dengan aliran Filosofi POSITIVISM yang umumnya merupakan Peneliti-Peneliti Bidang Ilmu NATURAL SCIENCE karena Data ANGKA dipandang mampu merepresentasikan nilai secara terukur dan spesifik/mutlak sehingga memiliki persepsi yang relatif sama bagi semua Pembaca data.

Oleh karena keakuratan persepsi dari Data Kuantitatif ini maka umumnya Data KUANTITATIF (Angka) dipilih dan diolah untuk tujuan-tujuan mencakup:
1. MenDESKRIPSIkan suatu kondisi/fenomena secara lebih terukur dan spesifik. Umumnya dilakukan dengan teknik Descriptive Statistics seperti menghitung Mean, Median, Modus, Standard Deviation, dan Skewness.

2. Mengukur PERBEDAAN antara 2 grup data, diantaranya dengan teknik T-Test dan Anova.

3. Menganalisis HUBUNGAN antar variabel, diantaranya dengan teknik Analisis Korelasi

4. Membangun atau Menguji MODEL hubungan banyak variabel, diantaranya dengan teknik SEM.

5. Membangun MODEL Sebab-Akibat yang Kompleks, diantaranya dengan teknik Sistem Dinamis.

6. Menganalisis PRIORITISASI dari beberapa kriteria, diantaranya dengan teknik
– MOSCOW (mengkategorisasi setiap kriteria apakah Must have, Should have, Could have, atau Would have?),
– RANKING (memberi nomor urut sesuai prioritas),
– KANO (memberi kriteria apakah Basic factor/harus ada jika tidak ada akan membuat pelangggan kecewa, Performance factor/sesuatu yang menarik pelanggan menggunakan, atau Excitement Factor/tambahan & sebagai pembeda dengan kompetitor),
– USER STORY MAP
– RICE (memberi nilai untuk 4 kriteria Reach/berapa orang yang akan mendapat manfaat? Impact? Confidence? Effort? nilai tertinggi yang lebih prioritas)
– ICE (memberi nilai aspek Impact x Confidence x Ease)

7. Menganalisis PENGAMBILAN KEPUTUSAN beberapa Pilihan Keputusan/Alternative berdasarkan beberapa Kriteria, diantaranya dengan teknik MCDM seperti AHP, SAW, Project Prioritization Matrix, dan lain-lain.

---

Analisis STATISTIKA untuk mengolah Data Kuantitatif umumnya terdapat 2 jenis:
1. DESCRIPTIVE Statistics
2. INFERENTIAL Statistics

DESCRIPTIVE Statistics adalah analisis statistika untuk menggambarkan detail tentang DATA SAMPLE yang kita ambil.
Descriptive Statistics mencakup:
– Mean: nilai rata-rata
– Median: nilai tengah
– Modus: nilai yang paling sering/umum muncul
– Standard Deviation: seberapa nilai-nilai data berbeda dengan nilai rata-rata
– Skewness: seberapa normal (seimbang) grafik Bell dari distribusi data yang ada (Skew NEGATIF berarti lebih banyak data yang nilainya kurang dari nilai rata-rata, Skew POSITIF berarti lebih banyak data yang nilainya Lebih dari nilai rata-rata atau puncak grafik Bell)

Mengapa DESCRIPTIVE Statistics yang meski hanya menggambarkan Data Sample dibutuhkan?
Analisis Deskriptif terfadap Data Sample dibutuhkan karena berguna untuk:
* Memberi gambaran besar (Macro view) dan detail data (Micro View) dari data
* Membantu mengidentifikasi Error/kesalahan atau Anomali data
* Membantu menentukan metode INFERENTIAL Statistics mana yang cocok digunakan untuk data sample tersebut

Oleh karena itu DESCRIPTIVE Statistics wajib dilakukan sebelum kita melakukan INFERENTIAL Statistics!

---

INFERENTIAL Statistics adalah analisis statistika untuk melakukan Prediksi-Prediksi terkait POPULASI berdasarkan DATA SAMPLE
Inferential Statistics mencakup:
1. prediksi PERBEDAAN antara 2/lebih kelompok populasi, contoh: berdasarkan data IPK 50 mahasiswa dan mahasiswi (Sample) apakah IPK seluruh mahasiswa berbeda secara signifikan dibanding IPK seluruh mahasiswi (populasi)?
2. prediksi HUBUNGAN antara 2/lebih Variabel, contoh: berdasarkan data 50 sample mahasiswa apakah secara Populasi seluruh mahasiswa terdapat Hubungan antara jumlah presensi masuk kuliah dengan nilai IP mahasiswa?

Agar analisis SAMPLE mampu Memprediksi POPULASI maka JUMLAH Sample harus “Cukup” dan PROPORSI Sample harus benar-benar merepresentasikan Populasi! (Contoh: jika populasi seluruh mahasiswa terdiri dari 60% laki-laki : 40% perempuan maka Sample yang diambil juga harus 60% Laki-Laki dan 40% Perempuan)

Teknik INFERENTIAL Statistics diantaranya:
1. T-Test: yakni menganalisis perbedaan 2 kelompok data dengan menilai Mean, Standard Deviation, dan Skewness antar kelompok data (tidak cukup hanya sekedar membandingkan Nila Rata-Ratanya / Mean saja!)
2. ANOVA (Analysis of Variance): menganalisis perbedaan lebih dari 2 kelompok data (~ seperti T test tetapi untuk lebih dari 2 kelompok data).
3. CORELATION Analysis: menganalisis Hubungan antara 2/lebih dari Variabel termasuk Covariance Analysis, Regression Analysis, SEM, dll

---