Apa yang dimaksud dengan analisis hasil dan bagaimana implementasi hasil PENELITIAN

BAB 4 IMPLEMENTASI DAN HASIL PENELITIAN 4.1. Spesifikasi Hardware dan Software Perancangan dan pengetesan program aplikasi ini dilaksanakan pada konfigurasi hardware sebagai berikut : Processor : Intel Celeron 1,8 GHz Memory : 256 Megabytes SDRAM Hard Disk : 732 KBytes (Application dan Executables) Monitor : 15 (resolution 1024 x 768) Konfigurasi hardware yang lebih baik dari konfigurasi di atas akan menghasilkan peningkatan kinerja. Perancangan program aplikasi ini menggunakan software : Bahasa pemrograman yang digunakan : Borland Delphi 6 Sistem Operasi : Microsoft Windows 2000 Professional Edition 4.2. Persiapan Data Pada proses kompresi, data awal yang dipersiapkan berupa file image bertipe bitmap (berekstension *.bmp) yang akan dikompresi, region size, dan konstanta matriks transformasi yang akan digunakan. Setelah adanya data tersebut maka proses kompresi dapat dijalankan. 51

52 Untuk proses dekompresi, diperlukan data awal berupa sebuah file yang berisi kode-kode fractal untuk melakukan proses dekompresi, region size, dan konstanta matriks transformasi. Dengan adanya data tersebut maka proses dekompresi dapat dilakukan. 4.3. Hasil Penelitian Setelah melalui proses implementasi, maka berikut ini akan dijelaskan hasil dari perancangan program aplikasi ini, beserta penjelasan proses secara singkat, dan contoh masukan dan keluaran. 4.3.1. Proses Kompresi Pada proses kompresi, diperlukan sebuah file image yang akan dikompresi. Berikut adalah contoh file image yang akan melalui proses kompresi. Gambar 4.1 Mia.bmp dengan resolusi 174 x 171 dan ukuran file 88 Kbyte

53 Gambar 4.2 Michelle.bmp dengan resolusi 154 x 184 dan ukuran file 30 Kbyte Setelah menentukan file image yang akan dikompresi, maka dipilihlah region size untuk menentukan besarnya ukuran region pada proses kompresi. Region size dapat dipilih antara nilai 2 hingga 8. Pada contoh berikut ini dipilihlah ukuran region size 5 pada kedua gambar di atas. Contoh : Mia.bmp : ImageSize = 174 * 171 = 29754 RegionSize = 5 TotalXRegion = 174 / 5 = 34 TotalYRegion = 171 / 5 = 34 TotalRegion = 34 * 34 = 1156 Michelle.bmp : ImageSize = 174 * 171 = 29754 RegionSize = 5 TotalXRegion = 174 / 5 = 34 TotalYRegion = 171 / 5 = 34 TotalRegion = 34 * 34 = 1156

54 Untuk image dengan jumlah resolusi yang tidak merupakan kelipatan dari region size, maka dilakukan penyesuaian terhadap resolusi image tersebut. Dengan menggunakan algoritma pada bab ke 3, maka juga didapat matriks transformasi terbaik dari pilihan 8 matriks yang ada. Kemudian juga dicari nilai beta, yang merupakan selisih rata-rata nilai pixel pada region awal dengan region hasil transformasi. Jadi kode-kode fractal yang akan ditulis pada file hasil kompresi adalah : 1. Jumlah region pada sumbu x 2. Jumlah region pada sumbu y 3. Ukuran image 4. Ukuran region 5. Posisi region pada sumbu x dan y 6. Nilai beta dan nomor matriks transformasi yang dipilih (s) Berikut ini diberikan contoh kode-kode fractal hasil kompresi file Mia.bmp dan Michelle.bmp dengan region size 5. Mia.bmp : 34 34 1156 5 196688 2621442 2162735... 5177344

55 Michelle.bmp : 30 36 1080 5 720896 8060928 720896... 0 Pada 2 image di atas kita akan melakukan 8 kali proses kompresi pada masingmasing image dengan nilai region size 2 hingga 8. File awal Mia.bmp memiliki ukuran 88 Kbyte, sedangkan file Michelle.bmp berukuran 30 Kbyte. Berikut diberikan tabel dan mengenai ukuran file hasil kompresi dan lama proses kompresi. Tabel 4.1 Ukuran File Hasil Kompresi Dan Lama Proses Kompresi (Mia.bmp) Region Size Ukuran File (KB) Lama Proses (detik) 2 129 30 3 56 89 4 31 81 5 20 70 6 14 62 7 10 55 8 8 50

56 Tabel 4.2 Ukuran File Hasil Kompresi Dan Lama Proses Kompresi (Mihelle.bmp) Region Size Ukuran File (KB) Lama Proses (detik) 2 106 27 3 47 38 4 27 43 5 17 41 6 12 38 7 9 37 8 8 35 proses kompresi. Diberikan pula grafik perbandingan ukuran file hasil kompresi dan lama 140 120 100 80 60 Ukuran File (KB) Lama Proses (Detik) 40 20 0 2 3 4 5 6 7 8 Region Size Gambar 4.3 Grafik Perbandingan Ukuran File Dan Lama Proses Berdasarkan Region Size Pada (Mia.bmp)

57 120 100 80 60 Ukuran File (KB) Lama Proses (Detik) 40 20 0 2 3 4 5 6 7 8 Region Size Gambar 4.4 Grafik Perbandingan Ukuran File Dan Lama Proses Berdasarkan Region Size Pada (Michelle.bmp) 4.3.2 Proses Dekompresi Seperti halnya proses kompresi, pada proses dekompresi juga diperlukan sebuah file yang berisi kode-kode fractal. File tersebut akan dikompresi. Untuk melakukan hal tersebut, maka ref region pada kode fractal di atas akan kembali ditransformasi untuk membentuk dest region, yang dapat menghasilkan pixel-pixel untuk menggambarkan suatu image. Proses penggambaran ini dilakukan dalam 16 iterasi. Hasil proses dekompresi dapat dilihat pada contoh berikut ini. Proses dekompresi ini dilakukan pada sampel berupa 6 buah file hasil kompresi di atas.

58 Gambar 4.5 Hasil dekompresi file Mia.fc4 dengan region size 4 Gambar 4.6 Hasil dekompresi file Mia.fc5 dengan region size 5 Gambar 4.7 Hasil dekompresi file Mia.fc6 dengan region size 6

59 Gambar 4.8 Hasil dekompresi file Michelle.fc4 dengan region size 4 Gambar 4.9 Hasil dekompresi file Michelle.fc5 dengan region size 5 Gambar 4.10 Hasil dekompresi file Michelle.fc8 dengan region size 8 Lama proses dekompresi pada seluruh file diatas berkisar kurang dari 1 detik.

60 4.4. Analisis Hasil Penelitian Berdasarkan hasil penelitian di atas dapat dikatakan bahwa : 1. Penerapan metode kompresi dan dekompresi pada image bitmap dengan menggunakan algoritma pembentukan fractal dengan metode IFS (Iterated Function System) berhasil diimplementasikan. 2. Dalam proses kompresi dapat dilihat bahwa semakin besarnya ukuran image yang akan dikompresi mengakibatkan semakin rendahnya ukuran file kompresi dan semakin tingginya waktu yang dibutuhkan untuk melakukan kompresi. Mia.bmp : Ukuran file awal = 88 KB Rata-Rata ukuran file hasil kompresi = 23.1 KB Rasio kompresi = 88 : 23.1 = 3.8 Rata-Rata waktu kompresi = 67.8 detik Michelle.bmp : Ukuran file awal = 30 KB Rata-Rata ukuran file hasil kompresi = 14.6 KB Rasio kompresi = 30 : 14.6 = 2.05 Rata-Rata waktu kompresi = 38.6 detik Jadi dapat dilihat bahwa pada file dengan ukuran lebih besar, ukuran file hasil kompresi lebih rendah, sedangkan waktu kompresi lebih tinggi. 3. Dalam menerapkan algoritma pembentukan fractal pada proses kompresi tampak bahwa semakin besar ukuran region size, maka semakin singkat waktu yang

61 dibutuhkan untuk menyelesaikan kompresi dan semakin tingginya rasio kompresi (ukuran file hasil kompresi semakin rendah). Hal ini dapat dilihat pada gambar 4.3 dan 4.4 di atas yang memperlihatkan perbandingan ukuran file hasil kompresi dan lama proses kompresi berdasarkan region size. 4. Pada proses dekompresi semakin besarnya ukuran region size, yang berarti semakin rendahnya ukuran file hasil kompresi, akan menyebabkan semakin rendahnya kualitas detail suatu image. Hal ini dapat dilihat pada kualitas image sampel di bagian hasil penelitian proses dekompresi. 5. Dari waktu proses kompresi dan dekompresi, dapat dilihat bahwa waktu kompresi cenderung lebih lama dari proses dekompresi dan berbanding sejajar dengan ukuran file image. Sedangkan waktu dekompresi sangat rendah (dibawah 1 detik) dan bersifat konstan. Jadi dengan menggunakan algoritma pembentukan fractal dengan metode IFS, proses dekompresi jauh lebih cepat dibandingkan dengan proses kompresi. 4.5. Pembahasan Hasil Penelitian Berdasarkan hasil penelitian di atas dapat dikatakan bahwa kelebihan program aplikasi di atas adalah : 1. Program aplikasi ini mampu melakukan proses kompresi dengan kemampuan reduksi hingga maksimal 100 kali lebih kecil dari ukuran awalnya.

62 2. Program aplikasi ini memberi fasilitas kepada pengguna untuk menentukan tingkat efektifitas proses kompresi melalui pemilihan region size. Berdasarkan hasil penelitian di atas dapat dikatakan bahwa kelemahan program aplikasi di atas adalah : 1. Proses kompresi untuk file image yang berukuran besar memerlukan waktu kompresi yang lama. 2. Program aplikasi ini tidak mampu menentukan region size yang optimal untuk menghasilkan proses kompresi yang paling optimal. 3. Program aplikasi ini tidak memiliki algoritma untuk menentukan jumlah iterasi yang paling optimal pada proses dekompresi.

Teknik analisis data. Seorang peneliti mengumpulkan data dengan cara survei, observasi, wawancara mendalam, dan sebagainya. Setelah mengumpulkan data-data yang dibutuhkan untuk penelitian tersebut, peneliti memilah-milah atau menyeleksi data untuk dianalisis. Teknik yang digunakan pada proses analisis data penelitian disebut dengan teknik analisis data. 

Pembahasan kali ini kita akan menguraikan tentang teknik analisis data. Teknik analisis data pembahasan ini yaitu dari pengertian, tujuan, macam-macam, langkah-langkah, sampai dengan penafsirannya. Untuk dapat memahaminya, baca sampai dengan selesai ya!

Pengertian Teknik Analisis Data menurut Para Ahli

Sebelum kita mempelajari pengertian dari teknik analisis data, kita pelajari terlebih dahulu mengenai pendapat-pendapat ahli mengenai teknik analisis data seperti di bawah ini.

1. Qomari

Salah satu tahapan paling penting dalam proses penelitian ialah tahap analisis data. Tahap analisis data merupakan tahap yang tidak bisa dilupakan dalam proses penelitian. Tahap ini mengharuskan data yang dikumpulkan dengan menggunakan berbagai teknik pengumpulan data, kemudian diolah dan disajikan untuk membantu menjawab permasalahan penelitian yang diteliti (2009:1).

2. Stainback

Analisis data adalah hal yang kritis dalam proses penelitian kualitatif. Hal ini berarti mengkaji dan memahami hubungan-hubungan dan konsep dalam daya, sehingga hipotesis dapat dikembangkan dan dievaluasi.

3. Spradley

Analisis data pada penelitian merupakan cara berpikir. Hal itu berkaitan erat dengan pengujian secara sistematis terhadap sesuatu untuk menentukan bagian, hubungan antar bagian, dan hubungannya dengan keseluruhan. Analisis ialah untuk mencari pola.

4. Bogdan

Teknik analisis data adalah proses mencari data, menyusun secara sistematis data yang diperoleh dari hasil wawancara, catatan lapangan, dan dokumentasi dengan cara mengorganisasikan data ke dalam kategori, menjabarkan ke dalam unit-unit, melakukan sintesis, menyusun dalam pola, memilih mana yang penting untuk dipelajari, dan membuat simpulan yang bisa diceritakan pada orang lain (Zakariah, dkk, 2020:52).

Berdasarkan pendapat-pendapat ahli di atas, dapat diambil simpulan bahwa analisis data ialah proses dalam suatu penelitian yang dilakukan setelah pengumpulan data, dengan cara menganalisis, mengolah, mengorganisasi, dan menyusunnya, kemudian diambil simpulan dari hasil keseluruhan penelitian tersebut.

Teknik analisis data ini tidak hanya pada penelitian kualitatif saja, akan tetapi juga pada penelitian kuantitatif, sehingga pada analisis datanya akan ditemui berbagai perbedaan yang harus kita ketahui. Untuk mempermudah pemahaman mengenai teknik analisis data, pelajari tujuan teknik analisis data di bawah ini ya!

Baca Juga : Data Penelitian: Pengertian, Klasifikasi, dan Contoh Lengkapnya

Tujuan Teknik Analisis Data

Teknik analisis data tentu memiliki tujuan yang akan dicapai dalam penggunaannya pada suatu penelitian. Analisis data merupakan tahapan yang penting dalam penelitian. Teknik analisis data ini sangat erat kaitannya atau tergantung dengan desain penelitian dan masalah yang telah ditentukan sebelumnya. Dapat dikatakan bahwa teknik analisis data hanya dapat dilakukan ketika poin-poin penelitian sudah terpenuhi, misalnya pengumpulan data yang tepat yang disesuaikan dengan permasalahan pada penelitian tertentu.

Tujuan teknik analisis data ialah untuk menentukan atau mendapatkan simpulan secara keseluruhan yang berasal dari data-data penelitian yang telah dikumpulkan oleh peneliti. Selain itu, teknik analisis data bertujuan untuk mendeskripsikan dan menjelaskan mengenai data-data penelitian, sehingga dapat dipahami oleh orang lain.

Teknik analisis data ini bermacam-macam jenisnya. Untuk memahami lebih lanjut, baca sampai selesai ya!

Macam-macam Teknik Analisis Data

Secara umum, teknik analisis data pada penelitian dibagi menjadi 2 (dua) jenis yang luas, yaitu teknik analisis data penelitian kualitatif dan kuantitatif. Penjelasannya seperti di bawah ini.

1. Teknik Analisis Data Kualitatif

Analisis data kualitatif yaitu analisis data yang berasal dari data-data yang terjaring dari proses pengumpulan data, yaitu rekam & catat, tinjauan pustaka, wawancara, serta partisipasi (Rohmadi & Nasucha, 2015:34).

Teknik analisis data kualitatif ialah teknik analisis yang berfokus pada data-data yang bersifat kualitatif. Pada teknik analisis data kualitatif menganalisis atau membahas mengenai konsep-konsep suatu permasalahan dan tidak disertai data-data berupa angka-angka. Teknik analisis data pada penelitian kualitatif ada 3, yaitu analisis konten, analisis wacana, dan analisis naratif. Penjelasannya ialah sebagai berikut.

a. Analisis Konten/Isi (Content Analysis)

Analisis konten berasal dari komunikasi penelitian dan berpotensi menjadi salah satu yang paling penting menjadi teknik penelitian dalam ilmu sosial. Analisis konten konten berusaha untuk menganalisis data-data dalam konteks tertentu, berkaitan dengan individu-kelompok atau atribut-budaya mereka (Krippendorf, 1989:403).

Pada analisis konten, data biasanya dihasilkan atau didapatkan oleh pengamat yang merekam atau mentranskripsikan menjadi materi tekstual, bisa berupa gambar atau suara yang sesuai untuk analisis (Hayes & Krippendorff, 2007).

b. Analisis Wacana (Discourse Analysis)

Teknik analisis wacana pada penelitian kualitatif bertujuan untuk menganalisis wacana-wacana atau komunikasi antarorang dalam suatu konteks sosial tertentu. Bidang yang dikaji pada analisis wacana yaitu berupa pidato, tulisan, bahasa, percakapan (baik verbal dan nonverbal), dan sebagainya.

Teknik analisis data naratif pada penelitian kualitatif bertujuan untuk menganalisis atau meneliti mengenai kumpulan deskripsi suatu peristiwa atau fenomena yang terjadi, kemudian menyajikannya dengan bentuk narasi atau cerita. Contoh analisis naratif ini ialah mengenai kajian biografi.

2. Teknik Analisis Data Kuantitatif

Teknik analisis data kuantitatif ialah teknik yang mengolah atau mengelola data-data bersifat angka-angka atau statistik. Pada teknik analisis data kuantitatif, data-data yang digunakan ialah data-data angka atau data numerik yang dapat dihitung secara tepat dengan perhitungan rumus statistik. Data-data kuantitatif tersebut berupa survei, arsip data, peringkat, dan sebagainya.

Teknik analisis pada penelitian kuantitatif ada 2, yaitu analisis deskriptif dan analisis inferensial. Penjelasannya ialah sebagai berikut.

a. Statistik Deskriptif

Analisis data deskriptif pada penelitian kuantitatif ialah analisis data dengan cara menggambarkan atau mendeskripsikan data-data yang ditemukan secara apa adanya. Deskripsi pada penelitian kuantitatif ialah menggambarkan data-data yang berupa angka-angka dengan deskripsi berdasarkan data tersebut secara jelas. Contoh penelitian mengenai analisis deskriptif kuantitatif ialah perhitungan data atau jumlah profesi, dll.

b. Statistik Inferensial

Salah satu tugas statistik inferensial ialah menarik simpulan mengenai suatu variabel yang diteliti berdasarkan data yang diperoleh untuk digeneralisasikan pada populasi. Generalisasi pada penelitian kuantitatif ialah suatu cara pengambilan simpulan terhadap kelompok individu yang lebih luas jumlahnya berdasarkan data yang diperoleh dari sekelompok individu yang sedikit jumlahnya (Winarsunu, 2006:11).

Pada statistik inferesial, bertujuan untuk menentukan sejauh mana data-data penelitian tersebut mewakili atau merepresentasikan populasi. Statistik inferensial tidak dapat dilakukan dengan cara menggunakan metode dan teknik yang sama pada data yang berbeda. Penjelasannya ialah sebagai berikut.

  • Data nominal, menggunakan analisis kategori
  • Data ordinal, menggunakan non-parametrik
  • Data interval & rasio, menggunakan parametrik.

Baca Juga : Penelitian Deskriptif: Pengertian, Kriteria, Metode, dan Contoh

Model Teknik Analisis Data

Ada dua model dalam analisis data pada suatu penelitian, yaitu teknik analisis data model induktif dan deduktif. Penjelasannya adalah sebagai berikut.

1. Model Induktif

Analisis data secara induktif ialah analisis data yang prosesnya berlangsung dari fakta-fakta (data) ke teori. Penggunaan analisis dengan cara induktif ini karena untuk menghindari manipulasi data-data penelitian, sehingga berdasarkan data baru disesuaikan dengan teori (Rohmadi & Nasucha, 2015:34). 

Selain itu, Bryman & Burgess (2002:4) menjelaskan bahwa analisis data model induktif sangat erat kaitannya dengan studi mengenai permasalahan sosial. Pada model analisis induktif ini mengharuskan seorang peneliti untuk menyesuaikan kasus yang tidak sesuai dengan hipotesis, sehingga memerlukan revisi lebih lanjut dari hipotesis tersebut, atau bahkan peneliti kembali ke lapangan untuk mendapatkan data-data yang valid.

2. Model Deduktif

Analisis data secara deduktif ialah analisis data yang berkebalikan dari model induktif. Pada analisis data model deduktif ialah prosesnya berlangsung dari teori-teori baru ke fakta-fakta (data penelitian).

Langkah-langkah dalam Teknik Analisis Data

Teknik analisis data dalam penerapannya harus memperhatikan langkah-langkah. Langkah-langkah yang harus diperhatikan dalam teknik analisis data ialah, pengolahan data, penganalisisan data, dan penafsiran data. Penjelasannya ialah sebagai berikut. 

1. Pengolahan Data

Langkah pertama dalam teknik analisis data ialah pengolahan data. Tahap pengolahan data ialah ketika data-data sudah terkumpul. Pegolahan data bertujuan untuk menyeleksi atau memfokuskan data dengan permasalahan penelitian, sehingga data-data tersebut tidak menyebar. Tahap pengolahan data ada 3, yaitu penyuntingan, pengkodean, dan tabulasi.

a. Penyuntingan (Editing)

Tahap pertama dari pengolahan data ialah penyuntingan. Tahap penyuntingan atau editing ini ialah tahap paling awal yaitu memeriksa atau mengecek data-data yang sesuai dengan rumusan permasalahan penelitian.

b. Pengkodean (Coding)

Tahap kedua pengolahan data ialah coding atau pengkodean, yaitu tahap kedua setelah memeriksa atau mengecek data. Pada tahap ini data-data ditandai dengan simbol atau tanda tertentu untuk digunakan sebagai bahan analisis.

c. Tabulasi (Tabulating)

Tahap ketiga pengolahan data ialah tabulasi atau tabulating. Tahap tabulasi ini merupakan tahap yang mengharuskan peneliti untuk menyusun atau menyajikan data-data tersebut disesuaikan dengan permasalahan penelitian.

2. Penganalisisan Data

Langkah kedua pada analisis data ialah penganalisisan data. Tahap penganalisisan data ialah tahap kedua setelah data-data penelitian sudah diolah, disajikan, dan disusun secara sistematis. Tujuan penganalisisan data dilakukan untuk menyederhanakan, mengklasifikasikan, untuk memudahkan data tersebut ditafsirkan. 

Pada penelitian kuantitatif, data-data disusun dengan bentuk angka-angka statistik, sedangkan penelitian kualitatif, data-data tersebut dinyatakan dengan simbol-simbol atau kata-kata.

3. Penafsiran Hasil Analisis

Langkah terakhir pada analisis data ialah penafsiran. Penafsiran hasil penelitian ini dilakukan untuk menafsirkan data-data yang telah disusun, diolah, dan disajikan menjadi simpulan yang bisa dipahami oleh pembaca. Penarikan simpulan pada penelitian ini ialah dengan cara menyesuaikan antara hipotesis dengan hasil penelitian yang telah ditemukan, apakah sesuai atau tidak, dan sebagainya.

Hal yang terpenting untuk dipahami oleh peneliti ialah penarikan simpulan pada hasil penelitian bersifat objektif dan berdasarkan data-data yang valid. Selain itu, bahasa dan pembahasan yang digunakan tidak bertele-tele, sehingga pembaca tidak susah untuk memahaminya.

Baca Juga : Penelitian Studi Kasus: Pengertian, Jenis-Jenis, dan Contoh Lengkap

Teknik Analisis Data Interaktif

Teknik analisis data interaktif oleh Miles & Huberman. Miles & Huberman (dalam Rohmadi & Nasucha, 2015:87-88) memaparkan bahwa teknik analisis data interaktif ialah teknik analisis data yang terdiri atas empat komponen proses analisis, yaitu, pengumpulan data, reduksi data, penyajian data, dan penarikan simpulan.

1. Pengumpulan data

Pengumpulan data digunakan untuk mengumpulkan data-data atau fakta-fakta yang digunakan untuk bahan penelitian. Contoh teknik pengumpulan data yaitu, observasi, wawancara mendalam, dan analisis dokumen.

2. Reduksi data

Reduksi data dilakukan setelah data-data penelitian tersebut telah terkumpul. Pada tahap reduksi data, tidak semua data digunakan untuk bahan penelitian, akan tetapi dipilih atau diseleksi terlebih dahulu sebelum dianalisis. Tidak semua data dapat digunakan, karena data-data yang digunakan untuk penelitian adalah data-data yang sesuai atau difokuskan pada suatu permasalahan penelitian.

Reduksi data merupakan bentuk analisis yang menajamkan, menggolongkan, mengarahkan, membuang yang tidak perlu, dan mengorganisasi data dengan cara sedemikian rupa, sehingga dapat ditarik simpulan akhir. Reduksi data sendiri meliputi empat (4) hal, yaitu;

  • Meringkas data
  • Mengkode
  • Menelusuri tema
  • Dan membuat gugus-gugus (Agusta, 2003:10).

3. Penyajian data (Display data)

Penyajian data ialah kegiatan ketika sekumpulan informasi disusun, hingga memberi kemungkinan adanya penarikan simpulan dan pengambilan tindakan. Penyajian data kualitatif adalah sebagai berikut.

  • Teks naratif
  • Matriks, grafik, jaringan, dan bagan (Agusta, 2003:10).

Tahap penyajian data ini mengharuskan data-data untuk diseleksi atau dispesifikasi pada fokus permasalahan penelitian. Data-data disesuaikan dengan permasalahan pada penelitian. 

4. Penarikan simpulan

Penarikan simpulan dilakukan ketika ketiga proses awal pada penelitian tersebut telah terlaksana. Ketika data sudah disajikan dengan fokus pada permasalahan, maka akhirnya adalah untuk menarik simpulan mengenai hasil analisis data tersebut. Simpulan tidak serta merta dijelaskan secara umum, namun harus berdasarkan penelitian tersebut.

Baca Juga : Penelitian Kuantitatif : Pengertian, Tujuan, Jenis-Jenis, dan Langkah Melakukannya

Pertimbangan dalam Pemilihan Teknik Analisis Data

Setidaknya ada empat (4) faktor yang perlu diperhatikan atau dipertimbangkan dalam pemilihan teknik analisis data penelitian. 4 faktor tersebut menurut Qomari (2009:2) ialah sebagai berikut.

1. Karakteristik permasalahan penelitian

Permasalahan penelitian secara umum bisa dikategorikan menjadi 3, yaitu penelitian deskriptif, korelatif, dan komparatif. Berdasarkan permasalahan-permasalahan tersebut, maka sebelum melakukan analisis data haruslah memperhatikan teknik analisis data yang akan dipakai dengan menyesuaikan pada permasalahan penelitian tersebut.

2. Karakteristik data penelitian yang dikumpulkan

Data penelitian juga harus diperhatikan sebelum melakukan atau memilih teknik analisis data. Secara garis besar, data dikelompokkan menjadi 2, yaitu data diskrit dan kontinu. Sedangkan untuk tingkat pengukurannya, skala data dibagi menjadi 4, yaitu skala nominal, ordinal, interval, dan rasio.

3. Karakteristik sampel atau cuplikan, dan

Data penelitian dapat diperoleh dari sampel maupun populasi yang telah ditentukan. Apabila data diambil dari sampel, maka pemilihan teknik sampel perlu dilakukan secara cermat agar sampel yang dipilih benar-benar mewakili populasi.

4. Karakteristik hubungan dan banyaknya variabel

Apabila penelitian yang dilakukan adalah penelitian bersifat korelasional berusaha mencari sifat dan besarnya hubungan antar variabel penelitian yang nantinya diharapkan dapat memberikan penjelasan terhadap gejala yang diamati. Teknik yang digunakan untuk mencari besarnya hubungan antardua variabel berbeda dengan teknik untuk variabel yang lebih dari dua.