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 34

Klik ini

Pilih Mean PRIORITAS UTAMA PERTAHANKAN PRESTASI

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