Newton Raphson methode

System of non linear equations

Newton Raphson methode to solve non linear equations

Methode solving non linear equations

Analisa dan Interpretasi Data Hasil Evaluasi 2

Menentukan kecukupan data guna analisa

Kadangkala masalah dalam mengumpulkan data bisa menimbulkan kesulitan analisa bahkan bisa merusak seluruh hasil analisa. Kita harus hati-hati ‘membersihkan’ data dari data yang tak dikehendaki atau data tak layak sebelum melakukan analisa. Salah satu misalnya adalah kuisioner yang tidak diisi lengkap. Pengamatan data terkumpul dapat saja menyimpulkan bahwa diperlukan pengambilan data ulang atau harus dilakukan pengambilan data tambahan dari lapangan.

Masalah yg muncul:

1. Kuisioner tak lengkap
   
2. Salah kodifikasi
   
3. Nara sumber tidak mewakili populasi
   
4. Sedikitnya kuisioner yang kembali
   
5. Data yang masuk tidak mewakili populasi yang diteliti
   
6. Tanggapan yang tidak biasa atau di luar rentang yang mungkin
   
7. Tanggapan ekstrim yang bertentangan dari responden pada item pertanyaan yang harusnya mirip
   
8. Banyaknya tanggapan dari responden yang menunjukkan bahwa pertanyaan tidak relefan bagi responden

Analisa dan Interpretasi Data Hasil Evaluasi

Pengertian analisa data evaluasi
Analisa adalah proses mendapatkan arti atau makna dari informasi yang didapat saat evaluasi. Analisa juga menentukan seberapa besar data mendukung kesimpulan maupun seberapa besar data yang berlawanan dengan kesimpulan.

Dalam banyak kasus analisa dilakukan secara bertahap. Dari analisa statistik deskriptif kemudian diteruskan dengan analisa lebih lanjut seperti pengujian hipotesis, analisa komparasi dan analisa relasional.

Untuk sampai pada tahap analisa mendalam terhadap data mentah yang sangat banyak dari lapangan maka data disandikan (coding) atau dikodifikasi menjadi kode nominal yang lebih sederhana.

Contoh Kodifikasi
Kode Katagori
10 Pembelajaran
12 Penjadwalan
13 Evaluasi
14 Tindakan
15 Adminstrasi

Kode angka di atas bersifat nominal sehingga tidak mempunyai ‘harga’ atau tidak bisa dikalikan, dijumlah atau dikurangi.

Aturan umum kodifikasi:

1. Gunakan kodifikasi secara bijak. Kodifikasi dapat mengakibatkan hilangnya makna yang tercakup dari data lapagan. Namun demikian jika data dari yang didapat sangat banyak maka kodifikasi dapat mereduksi data sehingga dapat dilakukan analisa lebih lanjut. Semakin banyak data maka semakin dibutuhkan kodifikasi untuk penyederhanaan.
   
2. Gunakan skema kode yang sederhana. Kode adalah lapis kedua dari data yang terkumpul. Jika skema kode terlalu rumit maka dapat menyebabkan munculnya kesalahan baru sehingga merusak realibilitas penelitian.
   
3. Hati-hati dalam memilih variabel. Kita dapat menkodifikasi tidak hanya sesuai dari data tertulis. Data tambahan bisa digali lebih lanjut guna analisis lebih lengkap. Contoh variabel tambahan:
   
   • Kapan waktu kuisioner dikumpulkan
     
   • Siapa yang mengumpulkan kuisioner (wilayah atau grup yang punya kesamaan tertentu)
     
   • Bagaimana kuisioner dikumpulkan (Langsung, dikirim via email, lewat telpon dll)
     
   • Bagaimana keadaan kuisioner (rapih, kotor, ditulis sekenanya, tidak terisi semua dll)
     
   • Apakah ada catatan tambahan dari responden pada kuisioner
   
   
4. Latih pengisi tabulasi kode dengan baik. Dibutuhkan ketekunan dan ketelitian dalam memasukkan tabulasi data disamping kecepatan dalam menangani data yang banyak.
   
5. Jika dapat maka jadikan instrument atau kuisioner sudah dalam keadaan mudah dikoding.
   
6. Jaga keutuhan data dari lapangan. Meskipun kita hanya akan menganalisa hasil kodifikasi namun data mentah harus dijaga tetap otentik. Hal ini diperlukan jika seandainya dilakukan audit data.
   
7. Jaga etika kerahasiaan dari data terkumpul. Pada data sensitif maka nama atau data diri responden perlu dirahasiakan guna menjamin obyektifitas.