Analisis Data

Analisis data sering dilaksanakan sesudah aktivitas pengumpulan data telah rampung. Namun dalam masalah lain, seperti pada penelitian kualitatif, aktivitas pengumpulan data dapat dilaksanakan kembali bila dalam analisis data terdapat keterangan adanya kekurangan data.

Misi utama dalam melakukan analisis data adalah dalam rangka untuk mengetahui indikasi dan pola yang ada pada penelitian.

Dalam menganalisis data tenti terdapat beberapa teknik yang bisa diadopsi peneliti agar penelitian berjalan sesuai dengan tujuan penelitian.

Pengertian

Analisis data adalah langkah pada aktivitas penelitian yang mempunyai tujuan untuk mengubah, menemukan dan menginvestigasi setiap indikasi dan pola yang ada dalam data penelitian yang telah dikumpulkan sehingga data penelitian bisa menjadi laporan penelitian yang bisa menjadi informasi, kesimpulan dan menyajikan sebuah solusi dari masalah dalam penelitian.

Analisis data merupakan implementasi yang sistematis dari teknik statistik yang logis untuk mendeskripsikan sebuah modularisasi struktur data, ruang lingkup data, mengkategorikan representasi data, menggambarkan melalui grafik, tabel dan grafik, mengevaluasi kecenderungan statistik, data probabilitas yang nantinya digunakan untuk mendapatkan kesimpulan.

Penemuan dan penciptaan data merupakan proses yang berkesinambungan; inilah mengapa analisis data menjadi proses yang berulang yang mana dalam pengumpulan dan implementasi analisis data dilaksanakan secara bersamaan. Ini dilakukan agar data yang ada bisa terpercaya.

Terdapat banyak contoh yang bisa dipakai untuk analisis data, diantaranya adalah iklan digital, pencarian di internet, interaksi pelanggan, deteksi resiko, penataan tata kota, moda transportasi dsb.

Sebelum masuk ke dalam pembahasan yang lebih dalam, ini adalah prasyarat analisis data yang baik dan tepat.

• Pastikan bahwa peneliti memiliki keahlian analitis yang diperlukan.
• Pilihlah implementasi metode pengumpulan dan analisis data yang tepat.
• Pastikan pemahaman statistik dibarengi dengan tujuan yang jelas.
• Lihat kembali analisis yang kurang tepat.
• Pastikan terdapat kesimpulan yang valid dan tidak mengandung bias.
• Pastikan bahwa sumber data, metode analisis data dan kesimpulan yang didapat merupakan hasil yang terpercaya dan valid.
• Lakukan pengukuran sejauh dan sedalam apa analisis bisa dilaksanakan.

Berdasar pengertian di atas, menunjukan bahwa analisis data itu sendiri adalah proses. Dalam proses analisis data terdapat teknik yang akan menjadi variasinya analisis data.

Tentunya dalam aktivitasnya teknik analisis data akan bermacam-macam, dimana teknik analisis data kualitatif akan sangat berbeda dengan teknik analisis data kuantitatif. Meskipun demikian beberapa dari keduanya terdapat kesamaannya.

Pengertian menurut para ahli

Analisis data adalah proses penelitian yang dalam implementasinya sangat rumit karena didalamnya butuh upaya lebih seperti berpikir kritis, kreatif, memiliki wawasan yang luas. Berdasarkan pemaparannya perbandingan teknik analisis data satu dengan yang lain tidak dapat diseragamkan, ini dikarenakan metode yang dipakai pada penelitian tersebut. Ini adalah pendapat dari Prof. Dr. Sugiyono.

Berdasarkan pemaparan John Tukey, Teknik Analisis data merupakan sebuah prosedur untuk melaksanakan analisis data, dimana hal tersebut digunakan sebagai teknik menerjemahkan hasil dari prosedur. Juga sebagai metode desain teknik penghimpunan data untuk menciptakan analisis lebih gampang dan tepat. Sehingga segala instrumen hasil matematika statistik yang ada bisa tersedia untuk dianalisis.

Teknik analisis data adalah aktivitas analisis pada penelitian yang dilaksanakan untuk meneliti setiap data dari penghimpunan data oleh instrumen penelitian. Ini merupakan pendapat dari Prof. DR. Lexy J Moleong.

Berdasarkan pemaparan para ahli tersebut, bisa dilakukan kesimpulan mengenai teknik analisis data, yakni

Teknik Analisis data adalah sebuah cara atau metode untuk mengerjakan data menjadi informasi. Ini bertujuan agar data bisa dikuasai dan digunakan untuk memperoleh solusi, memecahkan masalah dan menarik kesimpulan dari penelitian.

Metode Analisis Data

Secara garis besar, jenis teknik analisis data diklasifikasikan menjadi dua yakni teknik analisis data kuantitatif dan kualitatif, berikut pemaparan lebih dalam:

Metode Analisis Data Kualitatif

Teknik analisis ini berpusat pada data yang bukan angka, dimana dasar filsafatnya berasal dari positivistik. Implementasi dari teknik analisis kualitatif ini melihat sebuah masalah dari sisi data konsepnya bukan dari sisi data angka numerik.

Pada pendekatan ini berfungsi untuk menjawab pertanyaan ‘apa’, ‘mengapa’, atau ‘bagaimana’. Setiap pertanyaan yang dibahas ini menggunakan teknik kuantitatif seperti skala sikap, kuesioner, hasil standar dsb. Analisis ini seringkali berupa teks dan narasi yang memungkinkan bisa berupa video dan audio. Di bawah ini merupakan jenis teknik analisis data kualitatif:

• • Analisis wacana
  • Analisis konten
  • Analisis kerangka kerja
  • Analisis naratif
  • Teori beralas

Metode Analisis Data Kuantitatif

Adalah aktivitas analisis data dimana data yang digarap merupakan angka, seperti pemakaian data statistik, data survei dsb. Jenis data yang terdapat pada teknik analisis data kuantitatif ini adalah analisis data kuantitatif inferensial dan deskriptif.

Teknik lainnya meliputi:

Analisis Statistik

Pada analisis statistik setiap pengumpulan, interpretasi dan validasi data akan dilibatkan dalam pelaksanaannya. Analisis statistik adalah teknik yang melaksanakan operasi statistik dengan tujuan untuk mengukur data dan mengimplementasikan analisis statistik. Alat atau aplikasi yang bisa digunakan untuk analisis statistik adalah SAS (Statistical Analysis System), SPSS, Stat soft dsb.

Analisis Diagnostik

Analisis diagnostik merupakan analisis yang lebih mutakhir dari analisis statistik. Analisis diagnostik ini bertujuan agar pertanyaan bisa terjawab dengan lebih dalam dan tepat.

Nama lain dari analisis ini adalah analisis akar masalah, ini dikarenakan dalam prosesnya terdapat penemuan, pengembangan, penelusuran data yang telah kita temukan.

Analisis Prediktif

Pemanfaat pada analisis prediktif adalah dengan memakai data historis sebagai dasarnya. Caranya adalah memasukan pola dan tren yang ada ke dalam mesin atau aplikasi kemudian dilihat hasil prediksi yang akan terjadi berikutnya.

Perusahaan dan organisasi tertentu lebih suka dengan analisis ini karena terdapat keuntungan yang bisa diraih, diantaranya adalah volume, jenis data perangkat lunak yang mudah dipakai dan biaya yang lebih murah.

Analisis prediktif seringkali digunakan untuk mendeteksi penipuan, memaksimalkan kampanye/pengiklanan pasar, meningkatkan biaya dan pengurangan risiko.

Analisis Preskriptif

Analisis perspektif merupakan kelanjutan dari analisis prediktif, dimana analisis perspektif akan berfungsi melaksanakan penjabaran apa saja yang bisa dicapai setelah melakukan analisis prediktif.

Analisis prediktif akan melakukan keputusan dan merekomendasikan sesuatu secara otomatis. Dasar dari berjalannya analisis ini adalah adanya algoritma khusus dan unik yang menghasilkan arahan yang jelas.

Baca juga: Teknik Pengumpulan Data

Langkah Pengolahan Data

Sesudah mengetahui jenis dan pengertian dari teknik analisis data, berikut merupakan langkah atau tahap dalam pengolahan data. Dengan mengenal langkah pengolahan data, peneliti bisa lebih paham mengenai fondasi dari cara mengolah data, berikut pemaparannya.

• Pengeditan (editing) adalah aktivitas peneliti  dalam mengamati, mengawasi dan mengontrol setiap list pertanyaan yang berasal dari jawaban responden.
• Pengkodean (coding) merupakan aktivitas peneliti yang dilaksanakan sesudah pengeditan data, dimana data akan diberi tanda/simbol angka pada pertanyaan yang telah dikembalikan responden.
• Tabulasi (tabulating) adalah aktivitas peneliti dalam menciptakan dan memperkirakan data dari hasil pengkodean yang selanjutnya dipresentasikan dalam bentuk tabel.

Tiga langkah di atas adalah langkah pertama dalam melaksanakan analisis data. Sesudah melaksanakan pengolahan data selanjutnya adalah analisis data.

Proses Analisis Data

Sesudah melewati proses pengumpulan data untuk analisis, Anda akan kewalahan dengan banyaknya informasi yang telah ditemukan. Apalagi informasi tersebut nantinya akan diringkas dan diperjelas. Maka pekerjaan yang akan ditangani akan semakin banyak.

Hal yang harus dilakukan adalah identifikasi data yang sesuai untuk analisis yang nantinya digunakan untuk mendapatkan kesimpulan yang akurat dan keputusan yang tepat.

Langkah simpel yang ada di bawah ini nantinya akan membuat proses identifikasi akan lebih mudah, berikut diantaranya:

1. Tegaskan Kebutuhan Data yang Diperlukan – tentukan cakupan Anda:

• Buat pertanyaan yang lugas dan ringkas, ini digunakan agar kita bisa memperoleh jawaban yang diperlukan ketika mengambil keputusan.
• Buat parameter pengukuran.
• Pastikan parameter apa saja yang patut dipertimbangkan dan bisa dinegosiasi.
• Tentukan setiap unit pengukuran, misalnya waktu, biaya, tempat dsb.

2. Pengumpulan Data

• Himpun data berdasarkan parameter pengukuran yang telah ditentukan.
• Himpun data dari buku, database, blog dan sumber lainnya. Data jenis ini mungkin tidak teratur, namun bisa membuat kita menuju ke tahap berikutnya.

3. Pengolahan Data

• Atur dan susun data yang ada dan pastikan bahwa terdapat catatan yang mendetail jika diperlukan.
• Teliti ulang data menggunakan sumber yang bisa dipercaya.
• Transformasikan data ke dalam  skala pengukuran yang telah ditentukan sebelumnya.
• Pinggirkan dan kecualikan data yang tidak sesuai.

4. Analisis Data

• Sesudah pengumpulan data, maka lakukan seleksi dan identifikasi korelasi.
• Saat kita mengatur dan memanipulasi data ada baiknya jika, proses ini diulangi dari awal. Mungkin kita perlu untuk memodifikasi pertanyaan, mendefinisikan ulang parameter hingga mengatur ulang data.
• Gunakan semua alat dan fasilitas yang ada untuk analisis data.

5. Menyimpulkan dan Menafsirkan Hasil

• Tinjau ulang apakah hasil yang didapat telah menjawab pertanyaan yang telah diajukan.
• Tinjau ulang apabila sudah mempertimbangkan setiap parameter untuk membuat keputusan.
• Tinjau apakah terdapat aspek yang memperlambat dan menghambat untuk mengimplementasikan keputusan.
• Gunakan teknik visualisasi data dengan baik untuk mengkomunikasikan pesan. Teknik ini bisa berupa grafik, diagram, bagan, kode warna dsb.

Sesudah kita mempunyai kesimpulan, tanamkan baik-baik bahwa hal tersebut hanyalah hipotesis. Pada proses analisis data terdapat istilah yang terkait dengan tahapan proses.

Diantaranya adalah: Pertama, Data Mining, yakni proses yang melibatkan metode untuk menemukan pola dalam sampel data. Kedua, Pemodelan data, yakni bagaimana suatu organisasi dalam mengatur dan mengelola data.

Teknik Analisis Data

Terdapat beberapa teknik yang bisa dipakai dalam analisis data. Ketika menggunakan suatu teknik, kita perlu mengetahui jenis data, pertanyaan yang diajukan dan jumlah data.

Setiap teknik akan memiliki fokus tersendiri dalam mengatur strategi ketika mendapatkan data baru, menambah pengetahuan dan mencari informasi untuk mentransformasi suatu fakta atau angka menjadi standar yang tepat ketika mengambil keputusan.

Berikut merupakan teknik analisis data yang bisa dikelompokan:

Teknik Analisis Data Berdasarkan Matematika dan Statistik

• • Analisis Deskriptif, merupakan analisis yang dalam pelaksanaanya berdasarkan dan mempertimbangkan data historis, indikator kinerja utama (Key Performance Indicators) dan memvisualisasikan kinerja berlandaskan tolak ukur yang yang ditetapkan. Intinya adalah pada analisis deskriptif topik, isu atau tren pada masa lalu akan diperhitungkan untuk memperhitungkan kinerja topik, isu atau tren yang akan datang (masa depan).
  • Analisis Dispersi (Dispersion) , merupakan analisis yang mendispersi suatu tempat yang memiliki kumpulan data tersebar. Teknik ini bisa membuat analisis data memiliki variabilitas faktor yang diteliti. Artinya data yang diteliti akan banyak dan beragam.
  • Analisis Regresi, merupakan analisis yang ketika pelaksanaannya akan memodelkan keterkaitan antara variabel dependen dengan satu atau lebih variabel independen. Model regresi bisa berupa multiple, ridge, linear, non-linear, logistic, life dat dsb.
  • Analisis Faktor, merupakan teknik yang bisa digunakan untuk memastikan apakah satu set variabel memiliki keterkaitan atau hubungan. Pada prosesnya, analisis ini akan mengungkapkan faktor atau variabel yang memiliki pola hubungan dengan variabel asli. Analisis faktor ini berguna untuk mengkategorikan sesuatu berdasarkan prosedur klasifikasi.
  • Analisis Diskriminan, merupakan teknik klasifikasi untuk mengembangkan sebuah data. Teknik ini akan mengidentifikasi nilai yang berbeda dari suatu data berdasar pengukuran variabel. Singkatnya teknik ini berfungsi agar dua kategori berbeda bisa diketahui satu sama lain sehingga bisa bermanfaat untuk mengidentifikasi item/data baru.
  • Analisis Deret Waktu (Time Series Analysis), merupakan jenis analisis yang digunakan untuk mengukur rentang panjang waktu. Analisis ini sangat berperan agar deret waktu bisa terkumpul dan terorganisir.

Teknik Analisis Data berdasarkan Artificial Intelligence dan Machine Learning

• • Artificial Neural Networks, merupakan paradigma pemrograman yang berasal dari bidang biologis yang menampilkan perumpamaan otak untuk memproses suatu data atau informasi. Artificial Neural Network adalah sistem yang mentransformasi strukturnya berlandaskan informasi yang mengalir di jaringan. ANN bisa memperoleh noisy data dengan sangat akurat. Selain itu ANN juga bisa sangat mahir ketika mengklasifikasikan bisnis dan forecasting applications.
  • Decision Trees, merupakan teknik analisis yang memiliki bentuk pohon yang mempresentasikan setiap model kategori atau regresi. Decision trees akan mengklasifikasikan kumpulan data ke dalam himpunan bagian yang lebih kecil.
  • Pemrograman Evolusioner (Evolutionary Programming), merupakan teknik analisis untuk menggabungkan berbagai jenis analisis data memakai algoritma. Ini merupakan teknik domain-independen, yang bisa dijelajahi dengan menggunakan banyak pencarian pada banyak ruang dan bisa mengelola interaksi atribut dengan efisien.
  • Fuzzy Logic, merupakan teknik analisis data yang berdasar pada probabilitas. Teknik ini akan bisa sangat membantu ketika peneliti sedang menangani ketidakpastian pada teknik data mining.

Teknik Analisis Data berdasarkan Visualisasi dan Grafik

• • Column Chart, Bar Chart, bagan atau chart ini keduanya dipakai untuk menampilkan perbedaan angka atau numerik antar kategori. Column chart akan menyesuaikan ketinggian kolom untuk mengetahui perbedaanya. Sebaliknya pada Bar chart  digunakan untuk menampilkan data kategori dengan batang persegi panjang dengan panjang atau tinggi sesuai dengan nilai yang merepresetasikannya.
  • Bagan Garis (Line Chart), Bagan ini dipakai untuk mempresentasikan perubahan data selama jeda waktu yang berkesinambungan dan berlanjut.
  • Diagram Area (Area Chart), ini berdasar pada diagram garis. Ini merupakan area yang diisi di antara polyline dan sumbu wara, sehingga mempresentasikan informasi atau tren yang lebih baik.
  • Diagram Lingkaran (Pie Chart),  ini dipakai untuk merepresentasikan proporsi kategori yang berbeda. Pada diagram ini hanya bisa digunakan untuk satu rangkai dat sja. Namun, ini bisa dipakai secara berlapis untuk merepresentasikan proporsi data dalam kategori yang berbeda.
  • Bagan Corong (Funnel Chart), merupakan bagan yang merepresentasikan proporsi pada ukuran modul. Bagan ini bisa digunakan untuk membandingkan sebuah nilai atau peringkat.
  • Word Cloud Chart, merupakan teknik analisis data atau bagan untuk perwakilan visual dari data teks. Pada bagan ini diperlukan data yang memiliki jumlah besar dan tingkat diskriminan tinggi, ini agar pengguna bisa melihat data yang menonjol. Meskipun begitu teknik analisis data kurang akurat.
  • Gantt Chart, merupakan teknik atau bagan yang menampilkan waktu aktual dari sebuah aktivitas.
  • Bagan Radar, merupakan bagan atau teknik yang dipakai untuk membandingkan beberapa bagan yang terkuantisasi, untuk mengetahui variabel mana yang nilainya lebih tingga dan lebih rendah.
  • Scatterplot, digunakan untuk menampilkan distribusi variabel dalam bentuk titik pada sebuah sistem koordinat persegi panjang.
  • Bagan Gelembung (Bubble Chart), merupakan kelanjutan dari Scatterplot, yang nantinya selain koordinat x dan y, area gelembung akan mewakili nilai ke -3.
  • Gauge, merupakan jenis bagan yang mirip dengan spidometer pada motor.
  • Diagram Bingkai (Frame Diagram), adalah perwakilan visual dari hierarki dalam bentuk struktur pohon terbaik.
  • Diagram Pohon Persegi Panjang (Rectangular Tree Diagram), teknik yang dipakai untuk mewakili hubungan hierarki namun pada tingkatan yang sama.
  • Peta (Map)
    • Peta Regional (Regional Map), memakai warna untuk merepresentasikan distribusi nilai.
    • Peta Titik (Point Map), berbentuk titik pada latar belakang geografis untuk mewakili distribusi geografis data.
    • Flow Map, merepresentasikan keterkaitan antara area aliran masuk dan area aliran keluar.
    • Peta Panas (Heat Map), merepresentasikan bobot pada sebuah area geografis. Warna pada peta ini merepresentasikan kepadatan.

Kesimpulan

Pembahasan di atas merupakan panduan apa itu analisis data. Analisis data merupakan kunci dari sebuah penelitian ataupun untuk menjalankan sebuah bisnis. Selain itu fungsinya pun bermacam-macam untuk  keputusan pemasaran, memulai usaha baru bahkan untuk mengambil keputusan yang penting.

Hasil atau kesimpulan yang telah dihitung dari analisis data bisa membantu manusia  untuk mengambil keputusan yang paling kritis dan mengesampingkan bias.