Metode Analisis

Metodologi Penelitian Komunikasi I Departemen Ilmu Komunikasi FISIP UI

Sifat / Tujuan Analisis

Eksploratif -> apa? Deskriptif -> bgmn? Eksplanatif -> mengapa? Evaluatif

Skala pengukuran dasar

Nominal

Ordinal

Interval

Ratio

7 11 3Numbers assigned

to runners

Rank orderof winners

PerformanceRating on a 0 to 10

scale

Time to finish, in seconds

3rd 2nd 1st

8.2 9.1 9.6

15.2 14.1 13.4

Populasi

Populasi adalah seperangkat pengamatan atau penilaian, di mana peneliti ingin menarik kesimpulan

Karakteristik populasi disebut parameter Contoh: µ, σ, σ2 , ρ

Sampel adalah satu bagian dari populasi Karakteristik sampel disebut statistik

Contoh: S, S2 , r

X

Variabel Penelitian

Variabel adalah sebuah karakteristik yang diukur – memiliki variasi pada tiap orang, tempat atau objek yang diteliti

Contoh: Gender, SES, kecerdasan, usia, tinggi, berat, dll

Variabel Independen dan DependenVariabel Independen adalah penyebab, yang mempengaruhi Variabel Dependen

Contoh:

Apakah terpaan acara Smack Down meningkatkan agresivitas anak? Variabel Dependen: agresivitas anak

Variabel Independen: terpaan acara Smack Down

Jenis-jenis Metode Analisis Kualitatif

Comparative Sociometric/Network Functional Role Narative Ideal Type Successive Approximation Ilustrative Method Path Dependency Contigency dll

Kuantitatif Uni Variat

Frequency Distribution: Mean, Mode, Median Range, standar deviasi,

coeficient

Bivariat Cross Tabulations: Asosiasi,

Diferensiasi, Korelasi, Regresi– Chi square, Phi-Coefficient, Cramer’s V, Lambda Coefficient

Multivariat Elaboration Regression: simple & multiple Path Discriminant Factor Cluster

Analisis berdasarkan jumlah variabel

Univariate Statistics melibatkan satu variabel pada satu waktu

Bivariate Statistics melibatkan dua variabel secara simultan

Multivariate Statistics melibatkan tiga atau lebih variabel dalam satu analisis

Analisis Univariat Contoh bbrp pertanyaan penelitian yg menggunakan

analisis uni variat: Berapa persentase masing2 pasar yg terdiri dr heavy

users, medium users, light users, dan non-users? Berapa banyak pelanggan yang mengenal produk yang

ditawarkan? Berapa banyak yang sangat mengenal, cukup mengenal, dan tidak mengenal produk tsb? Bagaimana rata2 tingkat pengenalan atas produk tsb? Apakah ada varian2 khusus yg keluar dr jawaban ttg kenal tidaknya pelanggan pd produk tsb?

Untuk menjawab pertanyaan2 tsb digunakan Tabel Distribusi Frekuensi krn dpt memperlihatkan nilai2 yg berbeda dr beberapa variabel

Output SPSS

Frekuensi Ekspresi Kekerasan Sinetron Remaja 2006-2007

Verbal56%

Non Verbal22%

Gabungan22%

Sumber: YPMA, 2008

Penghitungan statistik yg digunakan utk Frequency Distribution1. Measure of Location: penghitungan

statistik yang menjelaskan lokasi dlm rangkaian data, Menghitung kecenderungan sentral yg menjelaskan pusat dari distribusi:

Mean Mode Median

Penghitungan statistik yg digunakan utk Frequency Distribution

2. Measure of Variability: • penghitungan statistik yang menunjukkan penyebaran

distribusi terdiri dari

• Range• Interquatile Range• Variance & Standar Deviation• Coefficient of Variation

(Biasa digunakan pada data dgn skala interval dan rasio)

3. Measures of Shapes • Skewnes• Kurtosis

Riset YPMA 2006

Jumlah jam menonton pada hari biasa bervariasi mulai dari o hingga 20 jam.

7% responden mengaku tidak menonton televisi setiap harinya. Sebanyak 17% responden menonton TV kurang dari 2 jam per hari. Sebanyak 36% menonton selama 2-3 jam per hari. Sebanyak 13% menonton lebih dari 3 jam namun kurang dari 4 jam. 10% responden mengaku menonton nyaris 5 jam setiap harinya.

Temuan menarik adalah 15.5% responden mengaku menonton lebih dari 5 jam hingga hampir 10 jam setiap harinya, pada hari biasa.

Rata-rata jumlah jam menonton setiap hari biasa adalah 3,4 jam per hari.

Analisis Bivariat

Can be conducted for any pair of variables BUT statistics and what you can say about

the relationship (strength or direction) depend on the level of measurement (skala pengukuran)

Accordingly, the statistical tests we use will depend on the composition of the pair of variables 2 nominal/ordinal, 2 interval/ratio, or 1 of each?

Analisis BivariatTujuan:

1. Untuk melihat hubungan antara 2 variabel.

2. Untuk melihat kekuatan hubungan yg ada.

3. Untuk melihat arah (+/-) hubungan yg ada

Perubahan pada sebuah variabel diikuti oleh

perubahan variabel lain.

Pairs of VariablesThree possible combinations: 2 nominal/ordinal variables

Use a cross-tabulation Chi-square statistic (χ²)

2 interval/ratio variables Use a correlation matrix Pearson’s Correlation Coefficient (r)

1 nominal/ordinal & 1 interval/ratio variable Use a comparison of means T-test

Analisis Bivariat

Exploring thedifferences relationships

between two variables

Hypothesis Tests Related to Differences

Hypothesis Tests

Nonparametric TestsParametric Tests

One sample

Two sample

Independent sample

*T test

*Z test

Paired sample

*Two group t test

*z test

*Paired sample t test

One Sample Two Sample

*Chi Square*K-S*Runs*Binomial Independent

sample Paired sample

*Chi square*Mann-Whitney*Median*K-S

*Sign*Wilcoxon*McNemar*Chi square

Contoh: two independent sample t test

Sebuah survey dilakukan terhadap 789 responden berusia 65 tahun ke atas. Responden terbagi dalam dua kelompok: Self-reliant (mandiri) dan dependent (tergantung). Peneliti ingin melihat apakah kedua kelompok tersebut memiliki kebutuhan berbeda dalam berbelanja atau memilih toko.

Contoh: two independent sample t test

Hasilnya:

Physical Requirement Items

Mean*

Self-Reliant Dependent T test probability

Delivery to home 1.787 2.000 0.023

Phone-in order 2.030 2.335 0.003

Transportation to store 2.188 3.089 0.000

Convenient Parking 4.001 4.095 0.305

Location close to home 3.177 3.325 0.137

Variety of stores close together

3.456 3.681 0.023

*measured on a 5-point scale from not important (1) to very important (5)

Contoh: two independent sample t testAnalisis: Kelompok respondent dependent cenderung

mencari toko yang menyediakan jasa antar ke rumah, pesan lewat telpon, dan transportasi ke toko, serta mencari beberapa toko yang saling berdekatan.

Data ini dapat dimanfaatkan oleh jaringan toko seperti Wallmart dalam menarik pelanggan dari kalangan usia 65 tahun ke atas yang dependent. Kelompok pembeli ini telah mapan, sanggup menghabiskan banyak uang, dan loyal.

Mann-Whitney U Test Untuk menguji ada tidaknya perbedaan skor antara dua kelompok

yang independen.

Penelitian dilakukan untuk menguji perbedaan skor partisipasi murid sekolah agama dan sekolah umum. Hasilnya:

Sekolah Agama Sekolah Umum

5 11 19 23 5 13 19 26

6 13 19 24 7 13 20 26

8 13 20 28 8 14 20 27

8 14 21 28 8 14 21 27

10 16 22 8 18 22

10 17 22 9 19 24

11 17 22 12 19 24

Ranks

25 24.86 621.50

25 26.14 653.50

50

sekolahSekolah Agama

Sekolah Umum

Total

partisipaN Mean Rank Sum of Ranks

Test Statisticsa

296.500

621.500

-.311

.756

Mann-Whitney U

Wilcoxon W

Z

Asymp. Sig. (2-tailed)

partisipa

Grouping Variable: sekolaha.

Analisis Bivariat (cont’d)

Exploring the relationship between two variables

Crosstabulation

To demonstrate the presence or absence of a

relationship (nominal and ordinal variables)

Tabulasi Silang Karakter Mistikdengan Jenis Kelamin dalam Sinetron Remaja 2006-2007

Sumber: YPMA, 2008

No. Motif Kekerasan Pelaku

Laki-laki Perempuan

Utama Pembantu Utama

Pembantu

1 Disengaja 22,8 26,6 24,2 25

2 Tidak Disengaja 22,4 26,6 32,4 18,8

Penghitungan Statistik yg digunakan pada Tabel Silang (Relationship) Chi Square: digunakan utk melihat level signifikansi dari

hubungan antara variabel2 yang diteliti Jika level signifikansinya tinggi maka hubungan antara

variabel tsb bisa dihitung, baik utk kuat lemahnya hubungan atau derajat hubungan antar variabel tsb.

Kuat lemahnya hubungan antara variabel bisa dihitung dgn Phi Correlation Coefficient, contingency coefficient, Cramer’s V, Lambda Coefficient, dll

Beberapa Pengukuran Bivariat (Relationship)

Formulasi Hubungan Bivariat dan beberapa Konsekuensi Pengukurannya

Pearson’s Correlation Coefficient (r) Menjelaskan tentang:

- Kekuatan hubungan (Strength)

- Arah hubungan (Direction) Juga untuk melihat p-value:

Signifikansi

Kekuatan hubungan (Strength) Seberapa kuat hubungan Lihat value r How big is the number?

1.0 (-1.0) = Perfect Correlation .60 to .99 (-.60 to -.99) = Strong .30 to .59 (-.30 to -.59) = Moderate .01 to .29 (-.01 to -.29) = Weak 0 = No Correlation

Arah hubungan (Direction)

Apa arah hubungannya? Lihat tanda r Positif (+)

Kedua variabel bergerak ke arah yang sama Jika salah satu variabel naik, maka variabel lainnya juga

akan naik; atau sebaliknya Negatif (-)

Kedua variabel bergerak ke arah yang berlawanan Jika salah satu variabel naik, variabel lainnya turun;

atau sebaliknya

Signifikansi

Apakah hubungannya signifikan?Lihat p-value

p < .05, then it is significant p > .05, then it is NOT significant

lihat sig (output spss) jika

< .05 -> Ho ditolak

> .05 -> Ho diterima

skor total

sikap

total skor dari website internal

skor total sikapTerhadap perusahaan

Pearson Correlation1

.350(**)

Sig. (2-tailed).

.000

N 1067 713

total skor sikap thd website internal

Pearson Correlation.350(**)

1

Sig. (2-tailed).000

.

N 713 794

CONTOH HASIL UJI PEARSON’S CORRELATION

ANALISIS MULTIVARIAT

DEPENDENCE TECHNIQUE Jika salah 1/ lebih variabel berstatus dependen Regresi berganda Analisis Diskriminan

INTERDEPENDENCE TECHNIQUE Jika semua variabel saling terkait tidak dipisahkan

dependen maupun independen Analisis Cluster Analisis Faktor

Dasar2 Multivariate Analysis

ELABORASI Merinci penjelasan hub antar variabel Mis: antara iv dan dv dgn memasukkan

(mengontrol/ membuat konstan) var k3 dlm analisis

Kemungkinan Hasil : Var ke3 tdk mempengaruhi, dll

TEKNIK-TEKNIK ELABORASI

Contingency Tables IV dan DV nominal/ ordinal Var kontrol nominal/ ordinal Kategori nilai var kontrol tdk terlalu byk Smkn byk var kontrol smkn besar sampel yg diperlukan

Split/ Differential Analysis IV dan DV interval Var kontrol nominal/ ordinal Kategori nilai var kontrol tdk terlalu byk Smkn byk var kontrol smkn bsr sampel yg dibutuhkan

High Order Partial Analysis IV dan DV interval Var kontro interval Jml var kontrol tdk tergantung besar sampel

KORELASI PARTIAL Mengukur asosiasi antara 2 variabel setelah

menguji atau membuat penyesuaian u/ 1/ lebih variabel tambahan.

Mis: Adakah hubungan antara pangsa pasar dgn byknya tenaga penjual setelah menyesuaikan penaruh promosi penjualan?

Tuj: mendeteksi hubungan yg spurious (bkn sbnrnya)

Reference

Naresh K. Malhotra. 2007. Marketing Research: An Applied Orientation. New Jersey: Pearson Education Inc.

Neuman, 2004