Analisis Data Kuantitatif

            Pengkodean data (Data Coding) merupakan suatu proses penyusunan secara sistematis data mentah (yang ada dalam kuesioner) ke dalam bentuk yang mudah dibaca oleh mesin pengolah data seperti komputer.

Untuk Pertanyaan Yang Bentuknya Tertutup

Pertanyaan di dalam koesioner:

Bagaimana pendapat anda tentang pelaksanaan Jaringan Pengguna Sosial 

A. Sangat Baik 

B. Baik 

C. Cukup Baik 

D. Tidak Baik 

E. Sangat Tidak Baik

Pemberian kode:

Bagaimana pendapat anda tentang pelaksanaan Jaringan Pengguna Sosial 

5. Sangat Baik 

4. Baik 

3. Cukup Baik 

2. Tidak Baik 

1. Sangat Tidak Baik

            Huruf-huruf yang ada pada pertanyaan diubah menjadi kode angka. Pemberian kode ini didasarkan pada asumsi bahwa seharusnya pelaksanaan Jaring Pengaman sosial ini baik sehingga yang memberikan jawaban sangat Baik akan mendapat nilai yang lebih tinggi dibandingkan dengan yang menjawab Baik, Cukup Baik, Tidak Baik. dan Sangat tidak baik. 

Untuk Pertanyaan Yang Bentuknya Terbuka

Apa alasan Bapak/Ibu tidak setuju terhadap program Jaringan Pengaman Sosial ?  

            Maka, jawaban yang diperoleh dari responden harus diinventarisir terlebih dulu, untuk kemudian diberikan kode sesuai dengan kepentingan peneliti.

            Yang harus diperhatikan oleh peneliti ketika membuat kode jawaban adalah kode jawaban harus baku dan konsisten (tidak berubah-ubah). Hal ini dimaksudkan agar hasil penelitian ketika dilakukan indeks atau skala memiliki validitas yang tinggi. Oleh karena itu, bagi peneliti pemula diperlukan semacam buku yang memuat kode-kode, atau sering disebut sebagai buku kode. 

            Pemindahan Data ke Komputer (Data Entering) adalah memindahkan data yang telah diubah menjadi kode ke dalam mesin pengolah data.

              Caranya dengan membuat coding sheet (lembar kode), direct entry, optical scan sheet (seperti lembar isian komputer menggunakan pensil 2B), dan CATI (Computer-Assisted Telephone Interviewing) yang biasa dipergunakan pada saat polling melalui telepon.

               Program komputer yang dapat dipakai untuk mengolah data, antara lain SPSS (Statistical Package for Social Science), Microstat, Survey Mate. STATS Plus, SAS, Microquest, dan lain-lain.

              Pembersihan Data (Data Cleaning) adalah memastikan bahwa seluruh data yang telah dimasukkan ke dalam mesin pengolah data sudah sesuai dengan yang sebenarnya.

                Di sini peneliti memerlukan adanya ketelitian dan akurasi data. 

                Caranya dengan possible code cleaning, contingency cleaning, dan modifikasi (melakukan pengkodean kembali data yang asli).

                Possible code cleaning adalah melakukan perbaikan kesalahan pada kode yang jelas tidak mungkin ada akibat salah memasukkan kode. 

Contoh: jenis kelamin hanya terdiri dari 2 kode, yaitu kode I untuk laki-laki dan kode 2 untuk perempuan atau kode 0 untuk laki-laki dan kode I untuk perempuan, atau sebaliknya karena variabel ini berskala nominal. Namun, dalam kode yang dimasukkan ke dalam komputer, tertera kode 7. Maka kode ini jelas salah dan harus dilihat kembali pada kuesioner asli. 

                Contingency Cleaning (lebih rumit dibandingkan dengan possible code cleaning) yaitu Kesalahan yang terjadi akibat adanya struktur kuesioner yang hanya khusus dijawab oleh sebagian orang saja, sedangkan yang lain tidak. 

Misalnya pertanyaan tentang jumlah anak yang dimiliki oleh seorang perempuan. Pertanyaan ini khusus ditanyakan pada perempuan. Namun, adakalanya terdapat pula keteledoran sehingga responden yang laki-laki pun juga ditanyakan. Untuk kasus yang seperti ini dapat dikatakan bahwa seharusnya pada jenis kelamin laki-laki diberi kode tidak relevan (misalnya angka 9, 99, 999, dan seterusnya). Oleh karena itu, harus diperiksa kembali konsistensi antara kode jawaban yang satu dengan kode jawaban yang lain. 

                Modifikasi adalah melakukan pengodean kembali (recode) data yang asli. Misalnya ternyata jenis kelamin, yaitu I untuk laki-laki dan 2 untuk perempuan diubah menjadi kode 0 untuk laki-laki dan kode 1 untuk perempuan. 

Contoh Pembersihan Data:

Pertanyaan dalam kuesioner

1. Apakah Bapak/lbu memiliki kartu sehat? 

a) Ya 

b) Tidak 

2. Apakah Bapak/Ibu pernah memanfaakan kartu sehat untuk mendapatkan pelayanan di Puskesmas A? 

a) Ya 

b) Tidak 

3. Apakah Bapak/Ibu tahu tentang program Kompensasi Pengurangan Subsidi BBM bidang Kesehatan (PKPS BBM Bidkes)? 

a) Ya 

b) Tidak 

4. Siapa sajakah pihak yang seharusnya memperoleh pKpS BBM Bidkes? 

a) Semua orang 

b) Orang miskin 

5. Apakah layanan yang diberikan puskesmas bagi yang memiliki kartu sehat? 

a) Terbatas pada pemeriksaan kesehatan 

b) Semua layanan puskesmas 

6. Berapakah biaya yang dikeluarkan untuk memperoleh layanan dengan kartu.sehat? 

a) Gratis 

b) Membayar sebesar Rp ..........

          Kategori pada pertanyaan dalam kuesioner tersebut kemudian harus diberi kode seperti terlihat di slide selanjutnya. Nilai yang lebih tinggi menunjukkan nilai yang lebih besar karena skala yang dipergunakan adalah ordinal. kecuali pertanyaan nomor satu yang merupakan pertanyaan saringan.

Pertanyaan di dalam koesioner setelah diberi kode angka 

 1. Apakah Bapak/lbu memiliki kartu sehat? 

1) Ya 

2) Tidak 

2. Apakah Bapak/Ibu pernah memanfaakan kartu sehat untuk mendapatkan pelayanan di Puskesmas A? 

1) Ya 

2) Tidak 

3. Apakah Bapak/Ibu tahu tentang program Kompensasi Pengurangan Subsidi BBM bidang Kesehatan (PKPS BBM Bidkes)? 

1) Ya 

2) Tidak 

4. Siapa sajakah pihak yang seharusnya memperoleh pKpS BBM Bidkes? 

1) Semua orang 

2) Orang miskin 

5. Apakah layanan yang diberikan puskesmas bagi yang memiliki kartu sehat? 

1) Terbatas pada pemeriksaan kesehatan 

2) Semua layanan puskesmas 

6. Berapakah biaya yang dikeluarkan untuk memperoleh layanan dengan kartu.sehat? 

1) Gratis 

2) Membayar sebesar Rp ..........

Jawaban Responden Kode

 

Apakah Anda menemukan sesuatu yang aneh pada jawaban responden tersebut? Tentu saja. Perhatikan responden J. Responden J tidak memiliki kartu sehat, tetapi yang bersangkutan memanfaatkan kartu sehat untuk mendapatkan layanan di Puskesmas A. Inilah yang disebut dengan contingency code cleaning sehingga peneliti harus melakukan pembersihan data dengan melihat kembali kuesioner yang terisi untuk memastikan jawaban yang sebenarnya. Anggaplah bahwa ini merupakan kesalahan pewawancara dan kebohongan responden. Dengan demikian, data yang diberikan responden J dianggap tidak valid sehingga dikeluarkan dari pengolahan data

               Penyajian Data (Data Output) adalah hasil pengolahan data.

1. Numerik atau dalam bentuk angka : Hasil pengolahan data yang berupa numerik dapat disajikan dalam bentuk tabel frekuensi dan tabel silang. 
2. Grafik atau dalam bentuk gambar: Penyajian data dengan menggunakan grafik atau gambar lebih menarik jika dibandingkan penyajian data menggunakan tabel frekuensi maupun tabel silang. Namun, penyajian data menggunakan gambar atau grafik juga memiliki kelemahan yaitu adanya informasi yang hilang. Pembuatan grafik harus memerhatikan tingkat pengukuran yang dipergunakan (lihat kembali materi sebelumnya tentang Kerangka Teori dan Pengukuran).