QUANTITATIVE DATA ANALYSIS

1. Getting The Data Ready For Analysis

A. Coding and data entry
Langkah pertama dalam persiapan data adalah pengkodean
[Link] data melibatkan pemberian nomor untuk tanggapan
peserta sehingga mereka dapat dimasukkan ke dalam database. Di
Bab 9, kami membahas kemudahan survei elektronik untuk
mengumpulkan data kuesioner; survei semacam itu memfasilitasi entri
tanggapan langsung ke komputer tanpa memasukkan data secara
manual
 Coding the responses
Dalam kuesioner Excelsior Enterprises, kami memiliki 22 item
yang mengukur ekuitas yang dirasakan, pengayaan pekerjaan,
kelelahan, kepuasan kerja, dan niat untuk keluar, dan enam
variabel demografis, Pada tahap ini Anda juga harus
memikirkan bagaimana Anda ingin membuat kode
nonrespons. Beberapa peneliti membiarkan nonrespons
kosong, yang lain memberikan "9", "99", atau "". Semua
pendekatan baik-baik saja, selama Anda mengkodekan semua
nonrespons dengan cara yang sama
 Data entry
Setelah tanggapan dikodekan, mereka dapat dimasukkan ke
dalam database. Data mentah dapat dimasukkan melalui
program perangkat lunak apa pun. Misalnya, Editor Data
SPSS, yang terlihat seperti spreadsheet dan ditunjukkan pada
Gambar 14.2, dapat memasukkan, mengedit, dan melihat isi
file data. Setiap baris editor mewakili sebuah kasus atau
observasi (dalam hal ini peserta penelitian kami – 174 dalam
studi Excelsior Enterprises), dan setiap kolom
mewakilivariabel(di sini variabel didefinisikan sebagai berbagai
item informasi yang Anda kumpulkan untuk kasus Anda;
dengan demikian ada 28 variabel dalam kuesioner Excelsior
Enterprises)
B. Editing data
Editing data berurusan dengan mendeteksi dan mengoreksi data yang
tidak logis, tidak konsisten, atau ilegal dan penghilangan informasi
yang dikembalikan oleh peserta penelitian.
C. Data transformation
Transformasi data, variasi pengkodean data, adalah proses
mengubah representasi numerik asli dari nilai kuantitatif ke nilai lain.
Data biasanya diubah untuk menghindari masalah pada tahap
selanjutnya dari proses analisis data. Misalnya, para ekonom sering
menggunakan transformasi logaritmik agar data terdistribusi lebih
merata. Jika, misalnya, data pendapatan, yang seringkali tidak
terdistribusi secara merata, direduksi menjadi nilai logaritmiknya,

A062221015
 pendapatan yang tinggi dibawa lebih dekat ke ujung bawah skala dan
memberikan distribusi yang mendekati kurva norma
2. Getting A Feel For The Data
A. Frequencies
 Frequencies, cukup merujuk pada berapa kali berbagai
subkategori dari fenomena tertentu terjadi, dari mana
persentase dan persentase kumulatif kemunculannya dapat
dengan mudah dihitung.
 Bar charts and pie charts, Frekuensi juga dapat ditampilkan
secara visual sebagai diagram batang, histogram, atau
diagram lingkaran. Bagan batang, histogram, dan bagan pai
membantu kami memahami data kami.
B. Measures of central tendency and dispersion
Ada tigaukuran tendensi sentral:mean, median, dan
[Link] dispersi termasuk rentang, deviasi standar, varians (di
mana ukuran tendensi sentral adalah rata-rata), dan rentang
interkuartil (di mana ukuran tendensi sentral adalah median).
 Measures of central tendency, adalah ukuran tendensi sentral
yang menawarkan gambaran umum dari data tanpa perlu
membanjiri satu dengan masing-masing observasi dalam
kumpulan data. Misalnya, departemen produksi mungkin
menyimpan catatan terperinci tentang berapa banyak unit
produk yang diproduksi setiap hari.
1) The mean, adalahbarang sentraldalam kelompok
pengamatan ketika mereka disusun dalam urutan menaik
atau menurun. Mari kita ambil contoh untuk memeriksa
bagaimana median ditentukan sebagai ukuran tendensi
sentral.
2) The median, Dalam beberapa kasus, satu set pengamatan
tidak memberikan representasi yang berarti baik melalui
rata-rata atau median, tetapi dapat ditandai
denganfenomena yang paling sering terjadi.
3) The mode, adalah orang kulit putih. Baik rata-rata maupun
median tidak dapat dihitung atau diterapkan dalam kasus
ini. Juga tidak ada cara untuk menunjukkan ukuran
dispersi apa pun
 Measures of dispersion, Tiga pengukuran dispersi yang
berhubungan dengan rata-rata adalah jangkauan, varians, dan
standar deviasi, yang dijelaskan di bawah ini.
1) Range, mengacu pada nilai ekstrim dalam satu set
pengamatan. Kisarannya adalah antara 30 dan 50 untuk
Perusahaan A (penyebaran 20 unit), sedangkan
kisarannya adalah antara 10 dan 70 unit (penyebaran 60
unit) untuk Perusahaan B. Ukuran dispersi lain yang lebih
bermanfaat adalah varians.
2) Variance, dihitung dengan mengurangkan rata-rata dari
masing-masing pengamatan dalam kumpulan data,
mengambil kuadrat dari perbedaan ini, dan membagi
totalnya dengan jumlah pengamatan

A062221015
 3) Standard deviation, yang merupakan ukuran dispersi lain
untuk data skala interval dan rasio, menawarkan indeks
penyebaran distribusi atau variabilitas dalam data. Ini
adalah ukuran dispersi yang sangat umum digunakan, dan
hanyalah akar kuadrat dari varians.
4) Other measures of dispersion, adalah ukuran tendensi
sentral, persentil, desil, dan kuartil menjadi bermakna.
Sama seperti median membagi total bidang pengamatan
menjadi dua bagian yang sama, thekuartil membaginya
menjadi empat bagian yang sama, yaitudesilmenjadi
sepuluh, danpersentil menjadi 100 bagian yang sama.
C. Relationships between variables
hubungan antara dua variabel antara variabel yang disadap dalam
penelitian). Tes nonparametriktersedia untuk menilai hubungan antara
variabel yang diukur pada skala nominal atau ordinal. Korelasi
peringkat Spearman dan korelasi peringkat Kendall digunakan untuk
menguji hubungan antara dua variabel ordinal. Amatriks
korelasidigunakan untuk menguji hubungan antara variabel interval
dan/atau rasio.
 Relationship between two nominal variables: χ2 test
 Correlations

3. Excelsior Enterprises: Descriptive Statistics Part 1

Hasil yang disajikan dalam tabel di Keluaran 14.2 menunjukkan
bahwa: - terdapat observasi yang hilang untuk setiap item kecuali item
pe1, pe2, pe3, burnout10, itl1, dan itl2; - ada kode ilegal untuk item
jobchar1 (6 telah dimasukkan dalam setidaknya satu sel), burnout3
(sekali lagi, 6 telah dimasukkan dalam setidaknya satu sel), dan itl2 (5
telah dimasukkan dalam setidaknya satu sel) ; - tanggapan untuk setiap
item individu memiliki penyebaran yang baik. Tindakan yang tepat diambil
untuk memperbaiki entri ilegal. Pemeriksaan lebih lanjut dari data yang
hilang mengungkapkan bahwa setiap peserta menjawab semua atau
sebagian besar pertanyaan. Oleh karena itu, tidak ada kuesioner yang
dibuang. Data yang hilang akan diabaikan selama analisis berikutnya.
Dari sini, kami dapat melanjutkan dengan analisis terperinci lebih lanjut
untuk menguji kebaikan data kami.

4. Testing The Goodness Of Measures

A. Reliability
reliabilitas suatu ukuran ditetapkan dengan menguji konsistensi
dan stabilitas. Konsistensi menunjukkan seberapa baik butir-butir
yang mengukur suatu konsep saling berkaitan sebagai satu set. Alpha
Cronbach adalah koefisien reliabilitas yang menunjukkan seberapa
baik item dalam satu set berkorelasi positif satu sama lain. Alfa
Cronbach dihitung dari segi interkorelasi rata-rata di antara item yang
mengukur konsep. Semakin dekat alpha Cronbach ke 1, semakin
tinggi reliabilitas konsistensi internal. Ukuran lain dari reliabilitas
konsistensi yang digunakan dalam situasi tertentu adalah koefisien
reliabilitas split-half. Karena ini mencerminkan korelasi antara dua

A062221015
 bagian dari satu set item, koefisien yang diperoleh akan bervariasi
tergantung pada bagaimana skala dibagi. Terkadang reliabilitas split-
half diperoleh untuk menguji konsistensi ketika lebih dari satu skala,
dimensi, atau faktor, dinilai. Item di setiap dimensi atau faktor
dipisahkan, berdasarkan beberapa logika yang telah ditentukan
sebelumnya (Campbell, 1976).
 Excelsior Enterprises: checking the reliability of the multi-item
measures
Secara umum, reliabilitas kurang dari 0,60 dianggap buruk,
reliabilitas dalam kisaran 0,70 dapat diterima, dan reliabilitas di
atas 0,80 dianggap baik. Dengan demikian, reliabilitas
konsistensi internal dari ukuran yang digunakan dalam
penelitian ini dapat dianggap dapat diterima untuk niat
meninggalkan ukuran dan baik untuk ukuran lainnya. Penting
untuk dicatat bahwa semua item dengan kata-kata negatif
dalam kuesioner pertama-tama harus dibalik sebelum item
diajukan untuk uji reliabilitas. Kecuali jika semua item yang
mengukur suatu variabel berada dalam arah yang sama,
reliabilitas yang diperoleh akan salah
B. Validity
Validitas faktorialdapat ditetapkan dengan mengirimkan data untuk
analisis faktor. Hasil analisis faktor (teknik multivariat) akan
mengkonfirmasi muncul atau tidaknya dimensi yang diteorikan. Ingat
dari Bab 11 bahwa langkahlangkah dikembangkan dengan terlebih
dahulu menggambarkan dimensi untuk mengoperasionalkan konsep
tersebut. Analisis faktor mengungkapkan apakah dimensi memang
disadap oleh item dalam ukuran, seperti yang [Link]
terkait kriteriadapat ditetapkan dengan menguji kekuatan ukuran
untuk membedakan individu yang diketahui berbeda (lihat diskusi
mengenai validitas konkuren dan prediktif di Bab 12). Validitas
konvergendapat ditetapkan bila ada tingkat korelasi yang tinggi antara
dua sumber yang berbeda menanggapi ukuran yang sama (misalnya,
baik supervisor dan bawahan menanggapi sama dengan ukuran
sistem penghargaan dirasakan diberikan kepada mereka).Validitas
diskriminandapat dibangun ketika dua konsep yang jelas berbeda
tidak berkorelasi satu sama lain (misalnya, keberanian dan kejujuran;
kepemimpinan dan motivasi; sikap dan perilaku). Validitas konvergen
dan diskriminan dapat ditetapkan melalui matriks multisifat
multimetode, yang pembahasan lengkapnya berada di luar cakupan
buku ini

5. Excelsior Enterprises: Descriptive Statistics Part 2

Setelah skor baru untuk ekuitas yang dirasakan, pengayaan
pekerjaan, kelelahan, dan niat untuk keluar telah dihitung, kami siap untuk
menganalisis data lebih lanjut. Statistik deskriptif seperti maksimum,
minimum, rata-rata, standar deviasi, dan varian sekarang dapat diperoleh
untuk multi-item, variabel independen dan dependen berskala interval.
Terlebih lagi, matriks korelasi juga dapat diperoleh untuk memeriksa

A062221015
bagaimana variabel dalam model kita terkait satu sama lain. Ini akan
membantu kita menjawab pertanyaan-pertanyaan penting seperti:
1) Seberapa besar masalahnya? Dengan kata lain, sejauh mana
karyawan Excelsior Enterprises cenderung keluar? Berapa
kecenderungan rata-rata untuk pergi?
2) Apa sifat masalahnya?Bandingkan, misalnya, histogram yang
disajikan pada Gambar 14.8. ITL rata-rata sama dalam kedua kasus.
Namun, grafik menunjukkan kepada kita bahwa dalam histogram hipotetis
pertama ITL terdistribusi "cukup normal".1Pada histogram hipotetis
kedua, distribusinya jelas tidak normal. Nyatanya, tampilannya bimodal
(dengan dua puncak menunjukkan dua mode). Distribusi pertama
menunjukkan bahwa sebagian besar responden tidak bertekad untuk
pergi atau tinggal. Distribusi bimodal, di sisi lain, menunjukkan bahwa
satu kelompok karyawan tidak cenderung keluar sama sekali, sedangkan
kelompok lain bertekad untuk meninggalkan organisasi.
Statistik deskriptif juga akan membantu kami menjawab
pertanyaan-pertanyaan berikut: - Apakah karyawan puas dengan
pekerjaan mereka? - Apa persepsi karyawan tentang pengayaan
pekerjaan? - Berapa banyak karyawan yang memiliki tingkat kejenuhan
yang mana? - Apakah ada banyak perbedaan sejauh mana karyawan
memandang hubungan dengan perusahaan sebagai adil? - Apa
hubungan antara ekuitas yang dirasakan, kelelahan, pengayaan
pekerjaan, kepuasan kerja, dan niat untuk keluar? Jawaban atas
pertanyaan-pertanyaan ini akan membantu kita (bersama dengan hasil uji
hipotesis kita) untuk membuat keputusan yang tepat tentang cara terbaik
untuk memecahkan masalah

A062221015