Upload
others
View
197
Download
76
Embed Size (px)
Citation preview
Page 1
Universitas Gunadarma
MODUL 10
PELATIHAN SERTIFIKASI
KOMPETENSI
D3 – Manajemen Pemasaran
S1 - Manajemen
Skema Sertifikasi :
SB-001/1/LSP-UG/II/2017
TENAGA PEMASAR OPERASIONAL
Unit Kompetensi :
M.702090.010.01
Mengolah Data Riset
2019
Page 2
UNIVERSITAS GUNADARMA
Skema Sertifikasi :
SB-001/1/LSP-UG/II/2017
Tenaga Pemasar Operasional
Unit Kompetensi :
M.702090.010.01 Mengolah Data Riset
Penyusun :
MODUL 10 PELATIHAN SERTIFIKASI KOMPETENSI
D3 – MANAJEMEN PEMASARAN
S1 – MANAJEMEN
Page 3
Dr. Aris Budi Setyawan
Vely Randyantini, MM
Editor :
Sri Kurniasih Agustin, MM
Ika Puji Saputri, MM
Depok, 2019
KATA PENGANTAR
Puji syukur kehadhirat Allah SWT, atas berkat dan karunia-Nya, Modul 10 yang
terdiri dari UK (Unit Kompetensi) 10, Pelatihan Sertifikasi Kompetensi skema
Pemasaran Operasional dapat kami selesaikan. Modul ini merupakan bagian dari
seri modul pendukung untuk pelatihan sertifikasi kompetensi untuk skema
Pemasaran Operasional yang bertujuan memberikan bekal keterampilan bagi
mahasiswa khususnya di program studi D3 Manajemen Pemasaran dan S1
Manajemen.
Modul ini terbagi menjadi 2 (dua) Elemen Kompetensi. Elemen Kompetensi 1
(pertama) berisi tentang bagaimana menginput data riset dan Elemen Kompetensi
2 (kedua) berisi tentang bagaimana menganalisa data riset.
Ucapan terimakasih kami sampaikan kepada: Kaprodi D3 Manajemen Pemasaran,
Bapak Dr. Bagus Nurcahyo atas arahannya terkait agar modul ini sejalan dengan
kurikulum yang diberikan di perkuliahan, Bapak/Ibu Prof. Dr. Budi Hermana,
Kepala Lembaga Pengembangan Manajemen dan Akuntansi atas koordinasinya
terkait sarana prasarana dan teknis pelaksanaan kursus sertifikasi kompetensi agar
sesuai dengan kebutuhan yang ada pada modul pelatihan ini, Kepala LSP
Universitas Gunadarma, Bapak Dr. R. Supriyanto dan staff atas arahan dan
koordinasinya agar modul ini sesuai dengan kebutuhan ujian sertifikasi
Page 4
kompetensi, serta staff/asisten laboratorium yang membantu penyusunan modul
ini. Saran dan kritik dari pembaca, penyusun harapkan untuk perbaikan modul ini
di masa mendatang.
Depok, Juni 2019
Tim Penyusun
MENGOLAH DATA RISET
10.1 LATAR BELAKANG
Saat ini Indonesia sedang mengalami pertumbuhan ekonomi yang cukup baik.
Berada di peringkat 16 besar perekonomian dunia adalah salah satu pembuktian
Indonesia kian menguat. Sebagai gambaran, pada tahun 2011 Indonesia
mengalami pertumbuhan sebesar 6.5% (data Bank Indonesia). Bank Indonesia
juga memperkirakan perekonomian Indonesia akan mengalami pertumbuhan
antara 6.3%-6.7%. Seiring dengan tingkat pertumbuhan ekonomi yang relatif
M.702090.010.01
10
Page 5
tinggi, tingkat pengangguran terbuka mengalami penurunan menjadi 6.6% pada
2011 dari 7.1% pada tahun 2010. Selain itu, kualitas ketenagakerjaan juga
mengalami perbaikan dengan meningkatnya tenaga kerja di sektor formal dan
membaiknya latar belakang pendidikan tenaga kerja. Dari data per September
2012, tercatat bahwa Indonesia memiliki 55 juta tenaga kerja terampil.
Tantangan ke depan yang berhubungan dengan tenaga kerja adalah adanya
ASEAN Economic Community (AEC) pada tahun 2015 mendatang.Dalam AEC
tersebut, terdapat single market and production base, yang akan terdiri dari lima
elemen, antara lain: aliran bebas barang, bebas aliran jasa, aliran bebas investasi,
arus modal yang lebih bebas, dan arus bebas tenaga kerja terampil. Tentu dengan
adanya AEC, arus perpindahan tenaga kerja antar negara akan lebih marak terjadi.
Selain adanya AEC, adanya struktur dasar dari persetujuan World Trade
Organization (WTO) yang mencakup barang, jasa, kepemilikan intelektual, dan
penyelesaian sengketa, menjadi sebuah concern yang akan berdampak pula pada
kondisi perdagangan di Indonesia. Asia-Pacific Economic Cooperation (APEC),
yang sudah terlebih dahulu ada pun menjadi hal yang perlu diberikan perhatian
khusus. Dengan semakin tingginya tuntutan dunia, hal ini tentu mengkhawatirkan
bila tenaga kerja Indonesia tidak memiliki kompetensi yang mencukupi sesuai
dengan kebutuhan perusahaan. Ketidaktersediaan tenaga kerja yang berkompeten
akan membuat perusahaan-perusahaan terpaksa menggunakan tenaga kerja asing.
Hal ini tentu akan merugikan pada sektor ketenagakerjaan Indonesia.
Sebagai dampak globalisasi dan sistem pasar bebas, persaingan usaha tidak hanya
terjadi pada lingkungan lokal atau regional saja. Persaingan telah berkembang ke
tingkat global. Diperkirakan pada tahun 2030, Indonesia akan menjadi negara
ekonomi terbesar ketujuh di dunia. Bila berjalan mulus, akan terdapat peluang
sebesar 1,8 triliun dolar Amerika di bidang agrikultura, perikanan, sumber daya
energi, pendidikan, dan sektor jasa.
Secara keseluruhan ekonomi Indonesia akan membutuhkan 113 juta tenaga
terampil yang mampu menunjang pertumbuhan di sebagian besar industry. Hal ini
Page 6
menjadi tantangan sekaligus peluang bagi Indonesia yang telah mencapai
investment grade menurut beberapa lembaga pemeringkat internasional beberapa
waktu yang lalu. Karena potensi pasarnya yang besar dan tingkat pertumbuhan
perekonomian yang baik, banyak pihak asing berupaya menggarap pasar
Indonesia.
Sebagai gambaran pada investasi asing yang bersifat langsung tercatat sekitar 18,2
milliar dollar AS pada tahun 2011 (Sumber: BPS). Untuk sektor yang
berhubungan dengan jasa, investasi langsung tercatat sebesar lebih dari 2,5 milliar
dollar di sektor perdagangan, lebih dari 2.7 milliar dollar di sektor jasa dan
properti, dan sekitar 500 juta dollar di sektor jasa keuangan.Hal ini menjadi
indikasi dimana pihak asing akan semakin banyak masuk dan berperan terhadap
industri jasa. Tentu hal ini menjadi peluang dan ancaman pada dunia bisnis dalam
negeri. Di satu sisi pihak asing akan memperkuat permodalan bisnis, di sisi lain
tenaga kerja Indonesia akan terancam bila tidak memiliki kualitas yang baik yang
dapat mendukung operasionalisasi perusahaan (salah satunya tenaga pemasar).
Kekurangan tenaga pemasar yang berkualitas akan membuat perusahaan mencari
tenaga kerja pemasar. Hal ini tentu akan mempengaruhi ketersediaan lapangan
kerja bagi masyarakat Indonesia.
Selain meminimalisir penggunaan tenaga pemasar asing, peningkatan kualitas
tenaga pemasar akan meningkatkan daya saing perusahaan.Dengan tenaga
pemasar yang terampil, perusahaan dapat bersaing baik dengan perusahaan lokal
maupun perusahaan asing yang beroperasi di Indonesia. Bila berkembang dengan
baik, tingkat ekspor dari bidang jasa dan perdagangan akan mengalami
peningkatan karena telah memiliki kemampuan yang cukup untuk bersaing di
wilayah regional ataupun global.
Sehubungan dengan peningkatan kualitas dalam industri perdagangan, UU No 5
tahun 1999 menyebutkan tentang Larangan Praktek Monopoli dan Persaingan
Usaha Tidak Sehat. Pada dasarnya pelaku usaha dilarang mempraktekan
Page 7
persaingan usaha tidak sehat. Dalam UU, persaingan usaha tidak sehat
didefinisikan sebagai persaingan antar
pelaku usaha dalam menjalankan kegiatan produksi dan atau pemasaran barang
dan atau jasa yang dilakukan dengan cara tidak jujur atau melawan hukum atau
menghambat persaingan usaha.
Selain mengenai larangan terhadap praktek monopoli dan persaingan usaha tidak
sehat, terdapat pula undang-undang yang menyebetukan mengenai perlindungan
konsumen. Dalam UU No 8 tahun 1999 dinyatakan bahwa pembangunan nasional
pada era globalisasi harus dapat mendukung tumbuhnya dunia usaha sehingga
mampu menghasilkan beraneka barang dan/ jasa yang memiliki kandungan
teknologi yang dapat meningkatkan kesejahteraan masyarakat banyak dan
sekaligus mendapatkan kepastian atas barang dan/jasa yang diperoleh dari
perdagangan tanpa mengakibatkan kerugian konsumen.
Terkait dengan peningkatan kompetensi tenaga kerja, dalam UU No 13 tahun
2003 tentang Ketenagakerjaan, dinyatakan bahwa sesuai dengan peranan dan
kedudukan tenaga kerja, diperlukan pembangunan ketenagakerjaan untuk
meningkatkan kualitas tenaga kerja dan peran sertanya daslam pembangunan.
Pembangunan ketenagakerjaan yang bertujuan memberdayakan dan
mendayagunakan tenaga kerja secara optimal dan manusiawi; dan mewujudkan
pemerataan kesempatan kerja dan penyediaan tenaga kerja yang sesuai dengan
kebutuhan pembangunan nasional dan daerah. Di samping itu, juga dinyatakan
bahwa pelatihan kerja diselenggarakan dan diarahkan untuk membekali,
meningkatkan, dan mengembangkan kompetensi kerja guna meningkatkan
kemampuan, produktivitas, dan kesejahteraan.
RSKKNI Tenaga Pemasar disusun untuk dapat menjadi acuan terhadap
kompetensi yang harus dimiliki oleh setiap tenaga pemasar di Indonesia. RSKKNI
tenaga pemasar apabila disepakati, akan menjadi SKKNI yang berlaku secara
Page 8
nasional, dan diterbitkan SK nya oleh Kementerian Tenaga Kerja dan
Transmigrasi.
Ruang lingkup dari pemasaran yang dimaksud mengacu pada apa yang telah
didefinisikan oleh Asosiasi Pemasaran Amerika (American Marketing
Association), bahwa pemasaran adalah fungsi organisasi dan seperangkat proses
untuk menciptakan, mengkomunikasikan, dan memberikan nilai kepada
pelanggan dan untuk mengelola hubungan pelanggan dengan cara yang
menguntungkan organisasi dan pemegang sahamnya. RSKKNI ini bertujuan
untuk menstandarisasi kompetensi dari tenaga pemasar yang tugas dan fungsinya
terbatas berkaitan dengan melakukan aktivitas pejualan (sales), pengelolaan
layanan (service), dan pengelolaan merek (brand),
Adapun untuk lebih jelas lagi, masing-masing fungsi dan peran dari tenaga
pemasar yang berkaitan dengan melakukan aktivitas penjualan, pengelolaan
layanan, dan pengelolaan merek akan dijabarkan kembali. Tenaga penjual
memiliki peranan penting dalam semua perusahaan. Mereka seringkali dianggap
sebagai ujung tombak dan mendorong penghasilan bagi badan usaha.
Philip Kotler dan Kevin Lane Keller dalam bukunya “Marketing Management”
mengatakan bahwa layanan (service) adalah setiap tindakan atau kinerja yang
ditawarkan oleh satu pihak ke pihak lain yang pada dasarnya tidak berwujud dan
tidak mengakibatkan kepemilikan apapun.
Menurut Tilde Heding, Charlotte F. Knudtzen dan Mogens Bjerre dalam bukunya
“Brand Management: Research, Theory and Practice” menyatakan bahwa
American Marketing Association (AMA) (1960) mendefinisikan merek sebagai
sebuah nama, terminology, tanda, symbol atau disain atau kombinasinya yang
digunakan untuk mengidentifikasi barang atau jasa dari satu penjual atau
kelompok penjual untuk membedakan dari para pesaingnya.
Page 9
Definisi lain saat ini untuk merek juga memasukkan proses internal dan
organisasional. Banyak buku tentang manajemen merek saat ini membuat definisi
secara ekstrim karena mereka bertujuan untuk meliput semua aspek perbedaan
dan bagaimana merek dikembangkan dari waktu ke waktu.
10.2 OBYEKTIF
Sesuai dengan latar belakang tersebut, maka Pelatihan Uji Kompetensi untuk Unit
Kompetensi Menngolah Data Riset memiliki obyektif utama agar peserta
pelatihan mampu menginput data riset dan menganalisa data riset yang terdiri dari
bagaimana menginput dan mengolah data riset yang dirinci sebagai berikut:
Menginput Data Riset
Menganalisa Data Riset
10.3 KRITERIA UNJUK KERJA
Untuk mencapai kompetensi di dalam mengolah data riset dibutuhkan
keterampilan atau unjuk kerja yang tinggi. Para peserta Pelatihan diharapkan
mampu melakukan keterampilan atau unjuk kerja yang dibutuhkan oleh masing-
masing obyektif yang akan dicapai untuk Unit Kompetensi Mengolah Data Riset
di Area Kerja Pemasaran Operasional. Berikut merupakan keterampilan atau
kriteria unjuk kerja yang harus dikuasai dari masing-masing obyektif tersebut:
1. Menginput Data Riset
1.1 Memindahkan data dalam instrument riset ke alat pengolah data
1.2 Memasukkan data ke dalam area riset yang dimaksud
2. Menganalisa Data Riset
2.1 Mengolah data yang telah diinput sesuai dengan ketentuan pengolahan data
2.2 Menterjemahkan hasil pengolahan data menjadi informasi dengan mengacu
pada hipotesa awal
Page 10
Elemen 1: Menginput Data Riset
Bagi peneliti yang menggunakan pendekatan kuantitatif, sebagian besar akan
menjumpai beberapa alat bantu analisis baik berupa software maupun alat hitung
yang berfungsi membantu peneliti dalam mengolah data yang diperoleh. Data
Riset / Evaluasi dapat diinput atau dimasukkan ke beberapa alternatif pengolat
data, antara lain menggunakan Aplikasi MS Excel atau Dengan Aplikasi pengolah
data lainnya seperti SPSS, Stata, atau lainnya
1.1 Memindahkan Data dalam Instrument Riset ke Alat Pengolah Data
Pengolahan data merupakan kegiatan awal sebelum peneliti melakukan analisa
terhadap data yang sudah dikumpulkan. Kegiatan ini meliputi tahap editing
(pemeriksaan data), coding (pemberian kode) dan penyederhanaan data. Tahap
pemeriksaan dan meneliti kembali data (editing) yang sudah terkumpul
bermaksud untuk mengetahui apakah data yang terkumpul tersebut dalam kondisi
baik sehingga dapat dipersiapkan untuk tahap analisis berikutnya. Selain itu, juga
untuk mengetahui apakah informasi yang tampak pada kuesioner jelas, terang,
dapat dibaca, relevan dan tepat atau tidak.
Pemberian kode, yaitu dengan memberi symbol angka pada setiap jawaban, atau
suatu cara mengklasifikasi jawaban responden atas suatu pertanyaan menurut
macamnya dengan jalan menandai masing-masing jawaban dengan kode tertentu.
Jelasnya tahap coding menurut Sarantakos (2002) yang dikutip oleh Sutinah
adalah proses dimana pertanyaan-pertanyaan dan jawaban – jawaban diubah
menjadi angka. Pemberian symbol atau kode yang berupa angka merupakan suatu
cara menggolongkan jawaban atas pertanyaan sehingga memudahkan analisis
data. Dalam hal ini Neuman (2000) mengartikan coding sebagai pengorganisasian
data mentah secara sistimatis ke dalam format yang dapat dibaca. Kegiatan ini
dilakukan oleh peneliti untuk memudahkan reduksi data, analisis, penyimpanan
dan penyebaran data serta memudahkan membuat perbandingan antar jawaban
responden.
Page 11
Instrumen Riset atau Alat Pengumpul Data (APD) merupakan suatu alat
untuk memperoleh data. Alat ini harus dipilih sesuai dengan jenis data yang
diinginkan dalam penelitian.
Menurut Suharsimi Arikunto, instrumen riset merupakan alat bantu yang dipilih
& digunakan oleh peneliti dalam melakukan kegiatannya untuk mengumpulkan
data agar kegiatan tersebut menjadi sistematis & dipermudah olehnya.
Sedangkan menurut Ibnu Hajar, instrument riset merupakan alat ukur yang
digunakan untuk mendapatkan informasi kuantitatif tentang variabel yang
berkarakter & objektif. Adapun jenis data yang dimaksud diantaranya:
Data Kuantitatif
Merupakan jenis data yang berkaitan dengan jumlah atau kuantitas yang
dapat dihitung atau disimbolkan dengan ukuran-ukuran kuantitas.
Data Kualitatif
Merupakan jenis data yang berkaitan dengan nilai kualitas seperti sangat
baik, baik, sedang, cukup, kurang dan lain-lain.
Data nominal, ordinal, interval atau data rasio.
Data primer atau sekunder.
Instrumen mudah untuk dibayangkan jika apa yang diukur
bersifat tangible (jelas). Dan sulit dibayangkan jika apa yang diukur
bersifat intangible (tidak jelas). Instrumen yang baik harus bersifat valid dan
reliabel (ajeg atau dapat dipercaya).
Instrumen valid ialah instrumen yang dengan tepat mengukur apa yang harus
diukur. Instrumen reliabel jika hasil pengukurannya bersifat ajeg atau konsisten.
Instrumen sebagai alat pengumpul data berperan sangat penting dalam sebuah
penelitian. Karena tanpa instrumen yang baik, maka tidak mungkin akan
memperoleh data yang betul-betul bisa dipercaya, sehingga dapat mengakibatkan
kesimpulan yang salah.
Oleh karenanya instrumen ini harus ditetapkan secara tepat sehingga dapat
menjawab permasalahan dalam penelitian dan menguji hipotesis.
Jenis-Jenis Instrumen Riset
Page 12
Adapun jenis-jenisnya, diantaranya yaitu:
Tes – Merupakan alat ukur yang diberikan kepada individu untuk
mendapatkan jawaban-jawaban yang diharapkan, baik secara tertulis maupun
secara lisan. Hasil pengukuran ini lebih banyak digunakan untuk data
kuantitatif yang pada umumnya menggunakan alat ukur data interval sehingga
dapat diolah dengan teknik statistika.
Wawancara – Wawancara atau interviu merupakan salah satu alat pengumpul
data yang sangat baik untuk mengetahui pendapat, tanggapan, motivasi,
perasaan serta proyeksi seseorang terhadap masa depannya. Metode
wawancara digunakan jika data yang diperlukan sebagian besar berada dalam
benak pikiran responden. Oleh karenanya, wawancara banyak digunakan
dalam studi-studi persepsi yang bernuansa kualitatif.
Observasi – Banyak digunakan untuk mengukur tingkah laku individu
ataupun proses terjadinya suatu kegiatan yang dapat diamati.
Menurut Sutrisno Hadi, observasi ialah Pengamatan dan pencatatan dengan
sistematik fenomen-fenomen yang diselidiki.
Kuesioner atau Angket – Merupakan suatu penyelidikan mengenai suatu
masalah yang umumnya banyak menyangkut kepentingan umum (orang
banyak), dilakukan dengan jalan mengedarkan suatu daftar pertanyaan berupa
formulir-formulir yang diajukan secara tertulis kepada sejumlah subyek untuk
mendapatkan jawaban atau respons tertulis seperlunya. (Kartini
Kartono, Pengantar Metodologi Riset Sosial, hlm.200).
Dokumentasi – Dokumentasi merupakan suatu bentuk pengabadian, arsip
ataupun barang-barang peninggalan yang diabadikan. Dokumentasi ini
digunakan untuk memperoleh data langsung dari tempat penelitian, seperti
literatur buku-buku yang relevan, majalah, laporan kegiatan, catatan harian,
notulen rapat, dan beberapa dokumen yang berkaitan dengan penelitian.
Skala Pengukuran – Skala merupakan alat untuk mengukur sikap, nilai,
minat, bakat, perhatian, motivasi, yang disusun dalam bentuk pernyataan
Page 13
untuk dinilai responden dan hasilnya dalam bentuk rentangan nilai angka
sesuai dengan kriteria yang dibuat oleh peneliti.
Menginput Data adalah proses pemidahan data dari fisik menjadi data digital
yang dapat diolah oleh software. Yang dimaksud data fisik adalah data yang
ada di dokumen-dokumen kertas ataupun catatan lainnya. Data tersebut akan
diketik dan dimasukkan ke dalam dokumen digital di komputer. Proses inilah
yang disebut sebagai entry data atau input data.
Secara mendasar, ketika kita memindahkan catatan ke dalam komputer hal ini
sudah disebut sebagai entry data. Pada era awal mula windows 98 muncul, entry
data lebih spesifik ke arah memasukkan data dokumen ke dalam aplikasi yang
disebut Microsoft Office. Produk dari Microsoft Office Sendiri Beragam, Dari
Microsoft Word, Microsoft Excel, Microsoft Access, dan lain-lain. Seiring
berkembangnya zaman, sudah lebih banyak software dan aplikasi yang bisa
langsung memproses data inputan kita menjadi informasi yang lebih berguna
sesuai kebutuhan, seperti SPSS dan AMOS untuk pengolahan data statistik.
Di era saat ini, ini input data lebih ke memasukkan data menjadi inputan yang
bisa di proses menjadi informasi, tidak hanya sekedar pada proses input semata,
namun sudah ada istilah baru seperti QC yaitu Quality Control. Dimana user tidak
sembarangan memproses data mentah masuk ke komputer, tapi ada proses seleksi
apakah data tersebut layak atau tidak. Jangan sampai data yang dimasukkan tidak
relevan dan merusak informasi yang kita butuhan. Data kuesioner dari user yang
dimasukkan ke dalam bentuk komputerisasi juga termasuk input data.
Langkah-langkah Pengolahan Data
Dalam proses pengolahan data (pengolahan data statistik), ada beberapa langkah
ilmiah yang perlu dilakukan untuk memudahkan proses pengolahan data. Dari
beberapa referensi tentang metode penelitian ilmiah, ada langkah-langkah yang
perlu dilakukan dalam proses pengolahan data antara lain adalah:
1. Editing
2. Mengkode data atau kodefikasi data
3. Membuat tabulasi data.
Page 14
Berikut adalah penjelasan singkat untuk ketiga langkah-langkah dalam
pengolahan data. Semoga dapat membantu Anda dalam penelitian yang sedang
anda kerjakan saati ini.
Editing
Sebelum data diolah, data tersebut perlu diedit lebih dahulu. Apa itu editing?
Editing disini dapat dikatakan sebagai memanipulasi data sehingga menjadi
lebih baik sesuai harapan peneliti. Arti kata memanipulasi jangan ditafsirkan
sebagai kata yang negatif. Memanipulasi disini bisa seperti merubah tata letak,
cara penulisan, susunan paragraf, maupun merubah kata-kata yang kurang
baik menjadi baik.
Dengan perkataan lain, data atau keterangan yang telah dikumpulkan dalam
buku catatan (record book), daftar pertanyaan ataupun pada interview guide
(pedoman wawancara) perlu dibaca sekali lagi dan diperbaiki penulisannya.
Jika di beberapa tempat masih terdapat hal-hal yang salah atau yang masih
meragukan, peneliti wajib memperbaiki atau menggantinya dengan data yang
lebih sesuai. Kerja memperbaiki kualitas data serta menghilangkan keragu-
raguan data dinamakan mengedit data. Beberapa hal perlu diperhatikan dalam
mengedit data, yaitu:
Apakah data sudah cukup lengkap dan sempurna?
Apakah data sudah jelas maksud penulisan dan mudah untuk dibaca?
Apakah catatan-catatan yang ada mudah untuk dipahami?
Apakah semua data sudah konsisten?
Apakah data cukup uniform?
Apakah ada responden yang tidak sesuai dengan penelitian?
Catatan peneliti harus sempurna dalam pengertian bahwa semua kolom atau
pertanyaan harus terjawab atau terisi. Jangan ada satu pun dari jawaban
dibiarkan kosong. Peneliti harus bisa mengenal dan mengetahui data yang
kosong, apakah responden tidak mau menjawab, atau pertanyaanya yang
kurang dipahami responden. Dalam mengedit data, hal-hal di atas harus
diperjelas, dan jangan sampai ada satupun pertanyaan ataupun pernyataan atau
Page 15
catatan yang kosong tidak terjawab. Jawaban atau catatan yang kosong harus
disempurnakan dalam mengedit data.
Harus dilihat apakah catatan dapat dibaca atau tidak. Segala coret-coret harus
diperjelas, segala kata-kata atau kalimat sandi harus diperjelas, baik kalimat
ataupun huruf serta angka. Dalam mengedit, memperjelas catatan supaya
dapat dibaca merupakan hal yang perlu sekali dikerjakan untuk
menghilangkan keragu-raguan kemudian. Pekerjaan mengedit juga termasuk
mengubah kependekan-kependekan yang dibuat menjadi kata-kata atau
kalimat yang penuh. Kependekan hanya dapat dimengerti oleh peneliti atau
pencatat data dan belum tentu dapat dimengerti oleh pembuat kode. Karena
itu, segala kalimat atau kata-kata yang dipendekkan, ataupun angka yang
dipendekkan, perlu diperjelas.
Mengedit juga berarti melihata apakah data konsisten atau tidak. Jika
ditemukan data tentang pendapatan dalam usaha tani, pendapatan di luar usaha
tani yang tidak cocok dengan total pendapatan, maka carilah penyebab
kesalahan tersebut! Apakah ada kesalahan dalam mencatat? Atau
kesalahpahaman responden dalam menjawab pertanyaan? Juga perlu dicek,
apakah instruksi dalam daftar pertanyaan diikuti secara seksama oleh
responden atau tidak? Jika dalam jawaban sebenarnya diinginkan supaya berat
dinyatakan dalam kg, sedangkan data yang tercatat mempunyai unit gram,
maka jawaban tersebut harus diubah ke dalam unit yang dimintakan (kg). Jika
dalam record book, kolom harus diisi dengan unit rumpun, sedangkan tertulis
dengan unit batang, maka jawaban harus diperbaiki menjadi unit rumpun.
Dengan perkataan lain, catatan atau jawaban harus dicek uniformitasnya.
Dalam mengedit, juga perlu dicek pertanyaan-pertanyaan yang jawabannya
tidak cocok. Jika banyak jawaban pertanyaan yang tidak sesuai, maka daftar
pertanyaan tersebut perlu dikumpulkan, dan harus diklasifikasikan dalam satu
kelompok. Jika hanya beberapa saja yang tidak cocok, mak hal ini merupakan
kesalahan peneliti dan perlu diperbaiki. Perlu juga diperingatkan, jangan
sekali-kali mengganti jawaban, angka, ataupun pertanyaan-pertanyaan dengan
maksud membuat data tersebut sesuai, konsisten, dan cocok untuk maksud
Page 16
tertentu. Menggantikan data orisinal demi mencocokkan dengan sesuatu
keinginan peneliti, berarti melanggal prinsip-prinsip kejujuran intelektual
(intellectual honesty).
Kodefikasi Data
Data yang dikumpulkan dapat berupa angka, kalimat pendek atau panjang,
ataupun hanya “ya” atau “tidak”. Untuk memudahkan pengolahan, maka
jawaban-jawaban tersebut perlu diberi kode. Pemberian kode kepada jawaban
sangat penting artinya, jika pengolahan data dilakukan dengan komputer.
Mengkode jawaban adalah menaruh angka pada tiap jawaban.
1. Kode dan Jenis Pertanyaan/Pernyataan. Pemberian kode dapat dilakukan
dengan melihat jenis pertanyaan, jawaban, atau pernyataan. Dalam hal ini
dapat dibedakan atas Jawaban yang berupa angka, Jawaban dari
pertanyaan tertutup, Jawaban dari pertanyaan semiterbuka, Jawaban
pertanyaan terbuka, dan Jawaban pertanyaan kombinasi.
2. Tempat Kode. Kode dapat dibuat pada IBM coding sheet, pada kartu
tabulasi ataupun pada daftar pertanyaan itu sendiri. Jika data ingin diolah
dengan komputer, maka kode harus dibuat pada coding sheet.
Tabulasi Data
Membuat tabulasi termasuk dalam kerja memproses data. Membuat tabulasi
tidak lain dari memasukkan data ke dalam tabel-tabel, dan mengatur angka-
angka sehingga dapat dihitung jumlah kasus dalam berbagai kategori. Tabel
terdiri dari kolom dan baris (jajar). Tabel yang sederhana mempunyai 4 bagian
penting. Ke empat bagian penting itu antara lain :
1. Nomor dan judul tabel
2. Stub
3. Box head
4. Body (badan).
Nomor atau judul tabel terletak di bagian paling atas dari tabel. Judul harus
jelas, lengkap, sesuai dengan isi tabel dan tidak terlalu panjang. Isi tabel harus
menyatakan; apa, dimana, dan bagaimana dari hal-hal yang dinyatakan dalam
tabel. Stub adalah bagian paling kiri dari tabel, termasuk kepala kolom, tetapi
Page 17
tidak termasuk jajar (baris) total. Dalam stub, terdapat keterangan-keterangan
yang menjelaskan secara terperinci tentang hal-hal dan gambaran yang
terdapat pada tiap kolom badan tabel (body). Body (badan tabel) terdiri atas
kolom-kolom yang berisi angka-angka.
Dalam pengolahan data, ada tiga jenis tabel yang sering digunakan, antara
lain:
Tabel induk (master tabel)
Tabel teks (text tabel)
Tabel frekuensi
Tabel induk
Tabel induk adalah tabel yang berisi semua data yang tersedia secara
terperinci. Tabel ini biasa dibuat untuk melihat kategori data secara
keseluruhan. Tabel teks adalah tabel yang telah diringkaskan untuk suatu
keperluan tertentu. Tabel ini biasanya diletakkan dalam teks keterangan yang
dibuat. Tabel frekuensi adalah tabel yang menyajikan berapa kali sesuatu hal
terjadi.
1.2 Memasukkan Data ke dalam Area Riset yang Dimaksud
Cara Input Data SPSS
SPSS merupakan software statistik yang bersifat umum digunakan dalam
penelitian khusunya skripsi, thesis maupun disertasi. Penggunaan SPSS
memudahkan dalam melakukan analisis data karena akan sangat sulit dan
membutuhkan waktu lama bila melakukan dengan hitungan secara manual.
Berikut ini akan dijelaskan langkah-langkah dalam melakukan input data ke
SPSS.
Pertama tabulasikan kuesioner anda ke dalam Ms Excel seperti data berikut
(Unduh Data) DATA EXCEL
Page 18
Kedua buka SPSS anda. Dalam hal ini saya menggunakan SPSS Versi 23. Lalu
pilih Variabel View dipojok kiri bawah layar seperti gambar dibawah ini
Selanjutnya akan muncul layar pengisian Variabel. Isikan Variabel beserta Item
sesuai dengan data pada EXCEL anda seperti dibawah ini
Page 19
Selanjutnya Klik Data View yang akan memperlihatkan Variabel dan Item yang
sudah diinputkan sebelumnya seperti berikut:
Page 20
Langkah selanjutnya buka file Excel anda lalu Copy data yang dimasukkan ke
SPSS (Hanya Angka Saja) seperti berikut:
Selanjunya Paste ke SPSS dikolom pojok kiri atas seperti gambar dibawah ini
Hasilnya akan menjadi sebagai berikut dan data siap untuk diolah
Page 21
Elemen 2: Menganalisa Data Riset
Menganalisa data adalah sebuah kegiatan untuk mengatur, mengurutkan,
mengelompokkan, memberi kode atau tanda dan mengkategorikan sehingga
diperoleh suatu temuan berdasarkan fokus atau masalah yang ingin dijawab.
Melalui serangkaian aktivitas tersebut, data kualitatif yang biasanya berserakan
dan bertumpuk-tumpuk bisa disederhanakan dan akhirnya bisa dipahami dengan
mudah. Setelah data tersebut terkumpul selanjutnya adalah proses analisis.
Beberapa tujuan dari menganalisa data antara lain untuk mendeskripsikan data
sehingga bisa dipahami, lalu untuk membuat kesimpulan atau menarik
kesimpulan mengenai karakteristik populasi berdasarkan data yang didapatkan
dari sampel, biasanya dibuat berdasarkan pendugaan dan pengujian hipotesis.
Berikut Langkah – Langkah Menganalisa Data Riset
1. Tahap pertama, pengumpulan data.Yakni mengumpulkan data yang akan
dianalisa
2. Tahap kedua, editing. Yakni memeriksa kejelasan maupun kelengkapan
mengenai pengisian instrumen pengumpulan data.
3. Tahap ketiga adalah koding. Yakni melakukan proses identifikasi dan
proses
Page 22
klasifikasi dari tiaptiap pernyataan yang terdapat pada instrumen
pengumpulan data berdasarkan variabel yang sedang diteliti.
4. Tahap keempat adalah tabulasi. Yakni mencatat ataupun entri data
kedalam tebel
tabel induk penelitian.
5. Tahap kelima, pengujian. Pada tahap ini data akan diuji kualitasnya yaitu
menguji validitas maupun realiabilitas instrumen dari pengumpulan data.
6. Tahap keenam, tahap mendeskripsikan data. Menyajikan dalam bentuk
tabel frekuensi ataupun diagram dalam berbagai macam ukuran tendensi
sentral maupun ukuran dispersi. Bertujuan memahami karakteristik data
sampel dari penelitian.
7. Tahap ketujuh, pengujian hipotesis. Adalah tahapan pengujian terhadap
proposisi apakah ditolak atau bisa diterima dan memiliki makna atau tidak.
Atas dasar hipotesis inilah nantinya keputusan akan dibuat.
RELATED POSTS
2.1 Mengolah Data yang Telah Diinput Sesuai dengan Ketentuan Pengolahan
Data
Proses analisis data kuantitatif dapat dengan mudah dilakukan bila
menggunakan program-program komputer yang telah dirancang khusus untuk
keperluan analisis data. Setelah data diinput, langkah berikutnya adalah mengolah,
Membaca/Menganalisis hasilnya. Beberapa Pengolahan dan Analisis yang dapat
dilakukan :
• Analisis Deskriptif, dengan membuat grafik atau tabulasi (Tabel Frekuensi
dan Tabulasi silang) dari data yang ada
• Perhitungan Customer Satisfaction Index dan Dissatisfaction Index
• Perhitungan NPS (Nett Promoter Score) Kesediaan responden dalam
merekomendasikan
• Perhitungan / Analisis IPA (Importance Performance Analysis)
Analisis Kuadran
• Dll.
Page 23
CUSTOMER SATISFACTION INDEX (CSI)
Customer Satisfaction Index (CSI) merupakan indeks untuk menentukan
tingkat kepuasan pelanggan secara menyeluruh dengan pendekatan yang
mempertimbangkan tingkat kepentingan dari atribut-atribut produk atau jasa
yang diukur.
CONTOH KASUS
Page 24
Membuat Kuesioner (CSI)
Tingkat Kepentingan (Importance)
1 : Sangat Tidak Penting (STP)
2 : Tidak Penting (TP)
3. : Cukup Penting (CP)
4 : Penting (P)
5 : Sangat Penting (SP)
Pertanyaan Tingkat Kepentingan (Importance)
Empati (Emphaty) STP TP CP P SP
1 2 3 4 5
17. Kemudahan memperoleh informasi
18. Memberikan perhatian secara individu
19. Kepekaan memperhatikan saran dan kritik
20. Pelayanan tidak membedakan status
Membuat Kuesioner (CSI)
Tingkat Kinerja (Performance)
1 : Sangat Tidak Puas (STP)
2 : Tidak Puas (KP)
3 : Cukup Puas (CP)
4 : Puas (P)
5 : Sangat Puas (SP)
Page 25
Kuesioner Tingkat Kinerja Kualitas Pelayanan
Pertanyaan Tingkat Kinerja (Performance)
Bukti Fisik (Tangibles) STP
1
TP
2
CP
3
P
4
SP
5
1. Ruang tunggu yang nyaman
2. Tersedia kotak saran dan kritik
3. Tersedia Brosur
4. Penampilan Karyawan Profesional
Page 26
Cara Menghitung (CSI)
Masukkan data hasil kuesioner ke Excel atau SPSS
Rekapitulasi Data Tingkat Kepentingan (Importance)
A1 – A20 (atribut)
Responden = 30
Page 27
Nilai Rata-rata
Rekapitulasi Data Tingkat Kinerja (Performance)
A1 – A20 (atribut)
Responden = 30
Nilai Rata-rata
Page 28
Ada banyak teknik dalam menghitung indeks kepuasan pelanggan. Model
berdasarkan tabel tersebut adalah model yang paling sederhana dalam menghitung
indeks kepuasan pelanggan.
Klasifikasi Hasil Perhitungan
Kriteria Tingkat Kepuasan Pelanggan
No Nilai (CSI) (%) Keterangan (CSI)
1 81% – 100% Sangat Puas
2 66% – 80.99% Puas
3 51% – 65.99% Cukup Puas
4 35% – 50.99% Kurang Puas
5 0 – 34.99% Tidak Puas
Menurut Bhote, K.R (1996), Cara Menghitung (CSI) adalah:
Atribut Kepentingan (I) Kepuasan (P) Skor (S)
Page 29
Customer Satisfaction Index (CSI)
Atribut Kepentingan (I) Kepuasan (P) Skor (S)
Skala Likert 1 - 5 Skala Likert 1 - 5 (S) = (I) X (P)
Skor Total Total (I) = (Y) Total (S) = (T)
Nilai maksimum CSI adalah 100 %
Nilai Rata-rata
No
Atribut Atribut
Tingkat
Kepentingan
(I)
Tingkat
Kinerja
(P)
Skor (S)
(I x P)
A1 Ruang tunggu yang nyaman 4.66 4.26 19.85
A2 Tersedia kotak saran dan kritik 4.83 2.33 11.25
A3 Tersedia Brosur 4.7 3.8 17.86
A4 Penampilan pegawai profesional 4.76 4.33 20.61
A5 Jam pelayanan pengaduan tepat waktu 4.53 4.1 18.57
Skala Likert 1 - 5 Skala Likert 1 - 5 (S) = (I) X (P)
Skor Total Total (I) = (Y)
Total (S) = (T)
Page 30
A6 Pelayanan cepat 4.76 2.26 10.75
A7 Cepat memberikan informasi promo 3.36 4.26 14.31
A8 Pengetahuan pegawai 4.9 4.1 20.09
A9 Tanggap terhadap keluhan 4.76 4.2 19.99
A10 Menjalin komunikasi intens dengan
pelanggan 4.66 4.03 18.77
Nilai Rata-rata
No
Atribut Atribut
Tingkat
Kepentingan
(I)
Tingkat
Kinerja
(P)
Skor (S)
(I x P)
A11 Kesiapan melayani pelanggan 4.73 4.46 21.09
A12 Cepat merespon pelanggan 4.8 4.06 19.48
A13 Kerahasiaan data pelanggan terjamin 4.86 4.5 21.87
A14 Merasakan aman melakukan transaksi 4.76 4.36 20.75
A15 Perusahaan memiliki citra yang positif 4.83 3.53 17.04
A16 Mampu memberikan kepercayaan 4.63 3.93 18.19
A17 Kemudahan memperoleh informasi 4.93 2.43 11.97
A18 Memberikan perhatian secara individu 4.8 4.06 19.48
Page 31
A19 Kepekaan memperhatikan saran & kritik 4.66 3.86 17.98
A20 Pelayanan tidak membedakan status 4.7 3.63 17.
06
Total 93.62
356.96
Customer Dissatisfaction Index (CDI)
Indeks Ketidakpuasan Pelanggan atau Customer Dissatisfaction Index
(CDI) diukur dengan metode Bottom Three Box pada skala likert 6,
termasuk penilaian terhadap kompetitor.
CDI Total dihitung dengan mengalikan nilai indeks pada pembentuk CDI
dengan bobot dimensi
Dimensi pembentuk CDI menggunakan pendekatan Ron Kaufman
Page 32
Dengan demikian, maka :
Analisis NPS (Nett Promoter Score)
NPS adalah sebuah nilai untuk melihat, seberapa besar responden bersedia
merekomendasikan objek yang sedang disurvei, kepada orang lain. NPS Diukur
dengan skala 1 sd 10.
Dari skala tersebut, responden dibagi menjadi 3 kelompok :
1. Responden yang menjawab 1 – 6 : disebut dengan Detractor
2. Responden yang menjawab 7 – 8 : disebut dengan Passive
3. Responden yang menjawab 9 – 10 : disebut dengan Promoter
Rumus nilai NPS = Nilai (%) NPS = % Promoter - % Detractor
= 25 = 55% - 30%
Jadi nilai NPS adalah 25
Analisis IPA
Importance Performance Analysis (IPA) digunakan untuk mengukur tingkat
kepuasan seseorang atas kinerja pihak lain. Kepuasan seseorang tersebut diukur
dengan cara membandingkan tingkat harapannya dengan kinerja yang dilakukan
pihak lain. Seringkali IPA digunakan oleh perusahaan untuk mengukut kepuasan
konsumennya.
Perusahaan membandingkan antara harapan konsumen dengan kinerja yang telah
Page 33
dilakukannya. Apabila tingkat harapannya lebih tinggi daripada kinerja
perusahaan berarti konsumen tersebut belum mencapai kepuasan, begitu pula
sebaliknya.
Dari data di atas, langkah-langkahnya adalah :
1.Copy/salin data tersebut ke SPSS
2. Klik menu Graph > Legacy Dialogs
3. Pilih Scater > Simple > Define
4. Masukkan Veriabel ‘I’ ke Y Axis dan Veriabel ‘P’ ke X Axis > OK
5. Klik 2 kali pada scater yg muncul untuk edit
6. Lihat Gambar berikut
NoTingkat
Kepentingan
Tingkat
Kinerja
Atribut (I) (P)
A1 Ruang tunggu yang nyaman 4.66 4.26
A2 Tersedia kotak saran dan kritik 4.83 2.33
A3 Tersedia Brosur 4.7 3.8
A4 Penampilan pegawai profesional 4.76 4.33
A5 Jam pelayanan pengaduan tepat waktu 4.53 4.1
A6 Pelayanan cepat 4.76 2.26
A7 Cepat memberikan informasi promo 3.36 4.26
A8 Pengetahuan pegawai 4.9 4.1
A9 Tanggap terhadap keluhan 4.76 4.2
A10Menjalin komunikasi intens dengan
pelanggan4.66 4.03
A11 Kesiapan melayani pelanggan 4.73 4.46
A12 Cepat merespon pelanggan 4.8 4.06
A13 Kerahasiaan data pelanggan terjamin 4.86 4.5
A14 Merasakan aman melakukan transaksi 4.76 4.36
A15 Perusahaan memiliki citra yang positif 4.83 3.53
A16 Mampu memberikan kepercayaan 4.63 3.93
A17 Kemudahan memperoleh informasi 4.93 2.43
A18 Memberikan perhatian secara individu 4.8 4.06
A19 Kepekaan memperhatikan saran & kritik 4.66 3.86
A20 Pelayanan tidak membedakan status 4.7 3.63
Atribut
Page 35
Pilih Mean
Jadi, prioritas pertama yang masih harus diperbaiki adalah butir 2, 3, 6, 15 dan 17
PRIORITAS RENDAH KINERJA BERLEBIHAN
Page 36
Pengolahan data dan analisis lainnya dapat ditambahkan sesuai kondisi dan
kebutuhan.
2.2. Menerjemahkan Hasil Pengolahan Data Menjadi Informasi Dengan
Mengacu Pada Hipotesa
Tahap ini menerangkan setelah menyelesaikan pengolahan data dengan
cermat. Kemudian langkah selanjutnya yaitu menginterpretasikan atau
menterjemahkan hasil pengolahan data lalu menarik suatu kesimpulan yang
berisikan intisari dari seluruh rangkaian kegiatan dan membuat
rekomendasinya.
Untuk mendeskripsikannya, kita menggunakan Analisis Regresi Linier
Sederhana sebagai contoh. Analisis Regresi Linier Sederhana adalah hubungan
secara linear antara satu variabel independen (X) dengan variabel dependen
(Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen
dengan variabel dependen apakah positif atau negatif dan untuk memprediksi
nilai dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau
rasio.
Rumus regresi linear sederhana sebagai berikut:
Y’ = a + bX
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X = Variabel independen
a = Konstanta (nilai Y’ apabila X = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
Kasus :
Seorang mahasiswa bernama Satria ingin meneliti tentang pengaruh biaya
promosi terhadap volume penjualan pada perusahaan jual beli motor. Dengan
ini di dapat variabel dependen (Y) adalah volume penjualan dan variabel
independen (X) adalah biaya promosi. Dengan ini Satria menganalisis dengan
Page 37
bantuan program SPSS dengan alat analisis regresi linear sederhana. Data-data
yang di dapat ditabulasikan sebagai berikut :
No Biaya Promosi Volume Penjualan
1 12,000 56,000
2 13,500 62,430
3 12,750 60,850
4 12,600 61,300
5 14,850 65,825
6 15,200 66,354
7 15,750 65,260
8 16,800 68,798
9 18,450 70,470
10 17,900 65,200
11 18,250 68,000
12 16,480 64,200
13 17,500 65,300
14 19,560 69,562
15 19,000 68,750
16 20,450 70,256
17 22,650 72,351
18 21,400 70,287
19 22,900 73,564
20 23,500 75,642
Page 38
Langkah-langkah pengolahan data pada program SPSS yaitu sebagai
berikut :
a. Masuk program SPSS
b. Klik variable view pada SPSS data editor
c. Pada kolom Name ketik y, kolom Name pada baris kedua ketik x.
d. Pada kolom Label, untuk kolom pada baris pertama ketik Volume
Penjualan, untuk kolom pada baris kedua ketik Biaya Promosi.
e. Untuk kolom-kolom lainnya boleh dihiraukan (isian default)
f. Buka data view pada SPSS data editor, maka didapat kolom variabel y
dan x.
g. Ketikkan data sesuai dengan variabelnya
h. Klik Analyze - Regression - Linear
i. Klik variabel Volume Penjualan dan masukkan ke kotak Dependent,
kemudian klik variabel Biaya Promosi dan masukkan ke kotak
Independent.
j. Klik Statistics, klik Casewise diagnostics, klik All cases. Klik
Continue
k. Klik OK, maka hasil output yang didapat pada kolom Coefficients dan
Casewise Diagnostics adalah sebagai berikut:
Tabel Hasil Analisis Regresi Linear Sederhana, sebagai berikut :
Page 39
Persamaan regresinya sebagai berikut :
Y’ = a + bX
Y’ = -28764,7 + 0,691X
Angka-angka ini dapat diartikan sebagai berikut:
Konstanta sebesar -28764,7; artinya jika biaya promosi (X) nilainya adalah
0, maka volume penjualan (Y’) nilainya negatif yaitu sebesar -28764,7.
Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika harga
mengalami kenaikan Rp.1, maka volume penjualan (Y’) akan mengalami
peningkatan sebesar Rp.0,691. Koefisien bernilai positif artinya terjadi
hubungan positif antara harga dengan volume penjualan, semakin naik
harga maka semakin meningkatkan volume penjualan.
Nilai volume penjualan yang diprediksi (Y’) dapat dilihat pada tabel
Casewise Diagnostics (kolom Predicted Value). Sedangkan Residual
(unstandardized residual) adalah selisih antara Volume Penjualan dengan
Page 40
Predicted Value, dan Std. Residual (standardized residual) adalah nilai
residual yang telah terstandarisasi (nilai semakin mendekati 0 maka model
regresi semakin baik dalam melakukan prediksi, sebaliknya semakin
menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model
regresi dalam melakukan prediksi).
Uji Koefisien Regresi Sederhana (Uji t)
Uji ini digunakan untuk mengetahui apakah variabel independen (X)
berpengaruh secara signifikan terhadap variabel dependen (Y). Signifikan
berarti pengaruh yang terjadi dapat berlaku untuk populasi (dapat
digeneralisasikan). Dari hasil analisis regresi di atas dapat diketahui nilai t
hitung seperti pada tabel. Langkah-langkah pengujian sebagai berikut:
1. Menentukan Hipotesis
Ho : Ada pengaruh secara signifikan antara biaya promosi dengan volume
penjualan
Ha : Tidak ada pengaruh secara signifikan antara biaya promosi dengan
volume penjualan
2. Menentukan tingkat signifikansi
Tingkat signifikansi menggunakan a = 5% (signifikansi 5% atau 0,05
adalah ukuran standar yang sering digunakan dalam penelitian)
1. Menentukan t hitung
Berdasarkan tabel diperoleh t hitung sebesar 10,983
2. Menentukan t tabel
Tabel distribusi t dicari pada a = 5% : 2 = 2,5% (uji 2 sisi) dengan
derajat kebebasan (df) n-k-1 atau 20-2-1 = 17 (n adalah jumlah kasus
dan k adalah jumlah variabel independen). Dengan pengujian 2 sisi
(signifikansi = 0,025) hasil diperoleh untuk t tabel sebesar 2,110 (Lihat
pada lampiran) atau dapat dicari di Ms Excel dengan cara pada cell
kosong ketik =tinv (0.05,17) lalu enter
3. Kriteria Pengujian
Page 41
Jika -t tabel ≤ t hitung ≤ +t tabel maka Ho diterima dan Ha ditolak,
Jika t hitung ≤ -t tabel atau t hitung > +t tabel maka Ho ditolak dan Ha
diterima.
4. Membandingkan t hitung dengan t tabel
Nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak.
5. Kesimpulan
Oleh karena nilai t hitung > t tabel (10,983 > 2,110) maka Ho ditolak,
artinya bahwa ada pengaruh secara signifikan antara biaya promosi
dengan volume penjualan. Jadi dalam kasus ini dapat disimpulkan
bahwa biaya promosi berpengaruh terhadap volume penjualan pada
perusahaan jual beli motor.
10.4 SOAL LATIHAN
Pilihan Ganda
1. Kegiatan awal sebelum peneliti melakukan analisa terhadap data yang sudah
dikumpulkan, adalah....
a. Pengolahan data
b. Perumusan masalah
c. Penetapan tujuan
d. Penerapan variabel
2. Suatu cara mengklasifikasi jawaban responden atas suatu pertanyaan menurut
macamnya dengan jalan menandai masing-masing jawaban dengan kode tertentu,
disebut..
a. Editing
b. Coding
c. Penyederhanaan data
d. Perumusan masalah
3. Tabel terdiri dari kolom dan baris (jajar). Tabel yang sederhana mempunyai 4
bagian penting. Ke empat bagian penting itu antara lain, kecuali...
a. Master table
b. Nomor dan judul tabel
c. Stub dan Box head
d. Body (badan)
4. Adapun kelebihan dari SPSS sendiri adalah sebagai berikut, kecuali...
Page 42
a. SPSS mampu mengakses data dari berbagai jenis format yang ada, sehingga data
yang sudah tersedia dalam berbagai format dapat digunakan langsung untuk
melakukan analisis data.
b. Tampilan data yang diberikan SPSS lebih informatif sehingga mempermudah
pengguna dalam membaca hasil yang diberikan
c. Informasi yang diberikan lebih akurat, karena SPSS sendiri memberikan
informasi dengan memberikan kode alasan jika terjadi missing data
d. SPSS sendiri cukup sulit digunakan, dimana pengguna perlu mempelajari
bahasa programming
5. Software statistik yang bersifat umum digunakan dalam penelitian khusunya
skripsi, thesis maupun disertasi, kecuali....
a. DOS
b. SPSS
c. AMOS
d. STATA
6. Proses memasukkan data langsung ke Data Editor atau menggunakan program
lain yang lebih dikuasai misalnya program spreadsheet, database atau file data
teks, disebut...
a. Data Entry
b. Data Editor
c. Tabulasi Data
d. Coding
7. Uji yang dimaksudkan untuk memperlihatkan bahwa data sampel berasal dari
populasi yang berdistribusi normal, adalah...
a. Normalitas
b. Homogenitas
c. Linearitas
d. Multikolinieritas
8. Dimaksudkan untuk memperlihatkan bahwa dua atau lebih kelompok data
sampel berasal dari populasi yang memiliki variansi yang sama, disebut uji.....
a. Normalitas
b. Homogenitas
c. Linearitas
d. Multikolinieritas
9. Normalitas dipenuhi jika hasil uji tidak signifikan untuk suatu taraf signifikasi (a)
Biasanya…........
a. a = 0,05
b. a = 0,025
c. a = 0,5
Page 43
d. Semua jawaban salah
10. Analisis untuk mengetahui arah hubungan antara variabel independen dengan
variabel dependen apakah positif atau negatif dan untuk memprediksi nilai dari
variabel dependen apabila nilai variabel independen mengalami kenaikan atau
penurunan, adalah......
a. Analisis Varians
b. Analisis Regresi Linier Sederhana
c. Analisis Regresi Linier Berganda
d. Analisis Hipotesis
No.
KUK
No.
Soal Soal/Pertanyaan
1.1 01. Sebutkan aplikasi komputer pengolah data penelitian dan apa saja yang
harus dilakukan jika anda diperintahkan untuk mengolah data?
1.2 02. Jelaskan perbedaan area riset peramalan penjualan dengan segmentasi pasar !
03. Bagaimana tahapan input data ke area riset terpilih?
04. Apa yang anda lakukan jika anda salah dalam memasukkan data?
2.1 05. Sebutkan langkah langkah menginput data dalam aplikasi pengolahan data
sesuai dengan ketentuan pengolahan data!
2.2 06. Sebutkan cara menguji hipotesis ?
07. Bagaimana anda menginterprestasi hasil uji hipotesis menjadi informasi yang
bermakna?
10.5 PRAKTEK UNJUK KERJA
No No.
KUK Daftar tugas/ instruksi
1. 1.1 Lakukanlah penginputan data riset
Page 44
2. 2.1 Lakukanlah penganalisaan data riset
1. Lakukan uji validitas dan reliabilitas atas data-data yang telah disediakan
di BAHAN II.
2. Cetaklah hasil (output) uji-uji tersebut
BAHAN II: DATA SURVEY
Data Kehandalan Daya
Tanggap
Keyakinan Empati Keberwujudan Kepuasan
Konsumen
1 2 1 2 2 1 2 2 1 1 2 2 1 2 2 2 1 1 2
2 2 2 1 1 1 1 2 1 1 1 1 1 2 2 2 1 1 2
3 2 2 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
4 1 2 1 3 1 2 2 1 2 2 2 1 3 1 2 1 1 1
5 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 2 2 2
6 2 2 1 1 2 2 2 1 1 2 2 1 1 1 2 3 2 2
7 1 2 2 1 1 2 1 2 2 2 2 2 2 1 2 1 2 2
8 1 1 2 2 1 1 1 2 2 1 1 2 1 2 2 1 1 1
9 1 1 1 2 1 1 2 1 1 1 2 1 2 2 2 1 1 2
10 1 1 1 2 2 1 2 1 1 2 1 2 2 1 1 1 1 1
11 2 2 2 2 2 2 3 2 2 1 1 1 3 2 2 2 1 1
12 2 2 1 2 2 2 1 2 1 1 2 2 1 1 1 2 2 2
13 2 2 2 1 1 1 3 1 1 1 1 1 4 2 2 2 2 2
14 2 2 2 2 2 2 3 2 2 2 2 2 3 3 3 2 2 2
Page 45
15 1 1 1 1 1 1 1 2 2 2 2 1 2 2 2 2 2 2
16 1 2 1 1 2 1 1 2 2 1 2 1 1 2 1 1 2 1
17 2 2 2 2 2 2 1 2 1 1 1 2 3 3 2 1 2 1
18 1 1 1 1 1 2 1 1 1 1 1 1 2 1 1 2 1 1
19 1 2 2 2 2 2 1 2 2 1 1 1 2 2 2 2 2 2
20 2 2 3 2 2 3 2 1 2 2 3 2 2 3 3 2 3 2
21 3 2 1 4 2 2 2 2 1 2 2 3 1 2 2N 3 2 3
22 2 2 2 2 1 2 2 2 2 2 1 1 2 2 2 2 2 2
23 1 1 1 3 3 3 3 2 3 1 2 2 2 2 2 2 2 2
24 2 3 2 2 3 2 2 2 2 2 3 2 1 3 3 2 2 3
25 1 2 2 1 2 2 1 2 2 2 2 2 2 2 1 2 2 2
26 1 2 2 2 2 2 1 1 2 2 2 2 2 1 1 3 3 3
27 1 1 1 2 2 1 1 2 1 1 1 1 1 1 1 2 2 1
28 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 1 2 1
29 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2
30 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1
31 1 1 1 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1
32 1 1 2 2 2 2 1 1 1 2 2 2 1 1 1 1 1 1
33 2 2 1 1 1 2 1 2 1 2 2 2 1 1 1 1 1 1
34 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1
35 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2
36 1 1 1 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1
37 1 1 1 1 1 1 2 2 2 1 1 1 2 2 2 2 2 2
38 1 2 2 1 1 2 2 1 1 2 2 1 2 2 2 2 2 2
39 1 2 1 2 2 1 1 2 1 2 2 1 1 2 1 2 1 2
40 2 2 1 2 2 1 2 2 1 2 2 1 2 2 1 2 2 1
41 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2 1 1 2
42 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
43 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
44 2 1 2 2 2 1 2 2 1 2 1 1 1 2 1 1 1 1
Page 46
45 2 2 2 1 1 1 2 2 2 1 1 1 2 2 2 2 2 2
46 1 1 1 2 2 2 1 1 1 2 2 2 1 1 1 1 1 1
47 2 2 1 1 1 2 1 1 2 2 1 1 2 2 1 1 1 2
48 1 1 2 2 2 1 2 2 1 1 2 2 1 1 2 2 2 1
49 2 1 2 1 1 1 2 1 2 1 2 1 2 1 2 2 1 1
50 1 2 1 2 2 2 1 2 1 2 1 2 1 2 1 1 2 1
51 1 2 2 1 1 2 2 1 1 2 2 1 2 2 2 2 2 2
52 1 1 1 1 1 1 2 2 2 1 1 1 2 2 2 2 2 2
53 1 1 1 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1
54 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2
55 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1
56 2 2 1 1 2 2 1 2 1 2 2 2 1 1 1 1 1 1
57 1 1 2 2 2 2 1 1 1 2 2 2 1 1 1 1 1 1
58 1 1 1 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1
59 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1
60 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2
61 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 1 2 1
62 1 1 1 2 2 1 1 2 1 1 1 1 1 1 1 2 2 1
63 1 2 2 2 2 2 1 1 2 2 2 2 2 1 1 3 3 3
64 2 2 1 2 2 2 1 2 1 1 2 2 1 1 1 2 2 2
65 2 2 2 2 2 2 3 2 2 1 1 1 3 2 2 2 1 1
66 1 1 1 2 2 1 2 1 1 2 1 2 2 1 1 1 1 1
67 1 1 1 2 1 1 2 1 1 1 2 1 2 2 2 1 1 2
68 1 1 2 2 1 1 1 2 2 1 1 2 1 2 2 1 1 1
69 1 2 2 1 1 2 1 2 2 2 2 2 2 1 2 1 2 2
70 2 2 1 1 2 2 2 1 1 2 2 1 1 1 2 3 2 2
71 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 2 2 2
72 1 2 1 3 1 2 2 1 2 2 2 1 3 1 2 1 1 1
73 2 2 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2
74 2 2 1 1 1 1 2 2 2 1 1 1 2 2 2 2 2 2
Page 47
75 2 1 2 2 1 2 2 2 2 2 2 1 2 2 2 1 1 2
76 1 2 2 2 2 2 2 2 2 2 2 2 2 2 1 2 2 2
77 2 3 2 2 3 2 2 2 2 2 3 2 1 3 3 2 2 3
78 1 1 1 3 3 3 2 2 2 1 2 2 2 2 2 2 2 2
79 2 2 2 2 1 2 2 2 2 2 1 1 2 2 2 2 2 2
80 3 2 1 4 2 2 2 2 2 2 2 3 1 2 2 3 2 3
81 2 2 3 2 2 3 2 2 2 2 3 2 2 3 3 2 3 2
82 1 2 2 2 2 2 2 2 2 1 1 1 2 2 2 2 2 2
83 1 1 1 1 1 2 2 2 2 1 1 1 2 1 1 2 1 1
84 1 2 1 1 2 1 2 2 2 1 2 1 1 2 1 1 2 1
85 2 2 2 2 2 2 2 2 2 1 1 2 3 3 2 1 2 1
86 1 1 1 1 1 1 2 2 2 2 2 1 3 3 3 2 2 2
87 2 2 2 2 2 2 2 2 2 2 2 2 4 2 2 2 2 2
88 2 2 2 1 1 1 2 2 2 1 1 1 1 1 1 2 2 2
89 2 1 2 2 1 2 2 2 2 2 2 2 2 2 1 2 2 2
90 2 2 1 1 1 1 2 2 2 2 3 2 1 3 3 2 2 3
91 2 2 1 1 1 1 2 2 2 1 2 2 2 2 2 2 2 2
92 1 2 1 3 1 2 2 2 2 2 1 1 2 2 2 2 2 2
93 2 2 2 2 2 2 2 2 2 2 2 3 1 2 2 3 2 3
94 2 2 1 1 2 2 2 2 2 2 3 2 2 3 3 2 3 2
95 1 2 2 1 1 2 2 2 2 1 1 1 2 2 2 2 2 2
96 1 1 2 2 1 1 2 2 2 1 1 1 2 1 1 2 1 1
97 1 1 1 2 1 1 2 2 2 1 2 1 1 2 1 1 2 1
98 1 1 1 2 2 1 2 2 2 2 2 1 2 2 2 2 2 2
99 2 2 2 2 2 2 2 2 1 2 2 2 3 3 2 3 2 2
100 2 2 1 2 2 2 2 2 2 1 1 1 4 2 3 2 2 2
10.6 ALAT dan BAHAN YANG DIBUTUHKAN
Page 48
Untuk menunjang Praktek dalam Pelatihan maka peserta diwajibkan membawa
peralatan seperti Smartphone atau Handphone dan Laptop serta buku catatan
masing-masing dan Printer.
DAFTAR PUSTAKA
1. A Marketer’s Guide To Customer Loyalty, Joanna Lord and Ashley Tate,
www.bigdoor.com, diunduh 3-8-2017
2. Bhote, K.R. (1996). Beyond Customer Satisfaction to Loyalty: The Key to
Greater Profitability. New York: AMA Membership Publications
Division, American Management Association.
Page 49
3. Brand Management: Research, theory and Practice, 2009, Tilde Heding,
Charlotte F. Knudtzen and Mogens Bjerre, Routledge 2 Park Square,
Milton Park, Abingdon, Oxon OX14 4RN
4. Consumer Behavior and P R, 1st Edition, 2016, Dr. Breda McCarthy,
www.BookBoon.com, 2016
5. Customer Service For Dummies, 3rd Edition, 2006, Karen Leland and
Keith Beiley, Wiley Publishing, Inc, 20016
6. Fundamental of Communication, P R and Leadership, 1st Edition, 2013,
Giorgios P. Piperopoulos, www.BookBoon.com, 2013
7. Marketing Management, 14th Edition, 2012, Philip Kotler and Kevin Lane
Keller, 2012
8. Pearson Education, Inc., publishing as Prentice Hall, One Lake Street,
Upper Saddle
9. River, New Jersey 07458, 2012. Marketing Communication, 1st Edition,
2014, Olujimi Kayode, www.BookBoon.com, 2014
Olah Data Jogja – DataRiset.com