Hasil survey Lalulintas
https://drive.google.com/file/d/1-0c4MUYBHTz3GHJgYFwDHUBFFO0oURbI/view?usp=drivesdk
Pada hasil survey yg kelompok kami telah lakukan di Jl.M.Husni Tamrin serta Jl.Jendral Sudirman untuk tingkat pelayanannya terkategori B dan telah memenuhi tingkat pelayanan untuk kawasan perkotaan jadi untuk mempertahankan tingkat pelayanan ini maka perlu ada nya perawatan rutin terhadap ruas jalan tersebut dikarenakan kawasan jalan tersebut merupakan area pertokoan serta sekolah tentunya kendaraan yang melintas begitu ramai hal ini mengakibatkan pengikisan rutin terhadap lapisan aspal.
Senin, 01 Juli 2019
MATERI XIII
display data merupakan analisis merancang deretan dan kolom sebuah metriks untuk data kualitatif dan menentukan jenis serta bentuk data yang dimasukkan ke dalam kotak-kotak metriks tersebut.
Tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna lewat grafik informasi yang dipilih, seperti tabel dan grafik. Visualisasi yang efektif membantu pengguna dalam menganalisis dan penalaran tentang data dan bukti. Ia membuat data yang kompleks bisa diakses, dipahami dan berguna. Pengguna bisa melakukan pekerjaan analisis tertentu, seperti melakukan pembandingan atau memahami kausalitas, dan prinsip perancangan dari grafik (contohnya, memperlihatkan perbandingan atau kausalitas) mengikuti pekerjaan tersebut. Tabel pada umumnya digunakan saat pengguna akan melihat ukuran tertentu dari sebuah variabel, sementara grafik dari berbagai tipe digunakan untuk melihat pola atau keterkaitan dalam data untuk satu atau lebih variabel.
Visualisasi data adalah seni dan sains. Laju di mana data dikeluarkan telah meningkat, dipicu oleh meningkatnya ekonomi berbasis informasi. Data yang dibuat oleh aktivitas internet dan sejumlah sensor yang makin bertambah dalam lingkungan, seperti satelit dan kamera jalan, disebut sebagai "Big data". Pemrosesan, analisis dan mengkomunikasikan data tersebut menciptakan berbagai tantangan analisis bagi visualisasi data. Bidang ilmu data dan pelakunya yang disebut ilmuwan data telah muncul untuk membantu mengatasi tantangan tersebut.
Tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna lewat grafik informasi yang dipilih, seperti tabel dan grafik. Visualisasi yang efektif membantu pengguna dalam menganalisis dan penalaran tentang data dan bukti. Ia membuat data yang kompleks bisa diakses, dipahami dan berguna. Pengguna bisa melakukan pekerjaan analisis tertentu, seperti melakukan pembandingan atau memahami kausalitas, dan prinsip perancangan dari grafik (contohnya, memperlihatkan perbandingan atau kausalitas) mengikuti pekerjaan tersebut. Tabel pada umumnya digunakan saat pengguna akan melihat ukuran tertentu dari sebuah variabel, sementara grafik dari berbagai tipe digunakan untuk melihat pola atau keterkaitan dalam data untuk satu atau lebih variabel.
Visualisasi data adalah seni dan sains. Laju di mana data dikeluarkan telah meningkat, dipicu oleh meningkatnya ekonomi berbasis informasi. Data yang dibuat oleh aktivitas internet dan sejumlah sensor yang makin bertambah dalam lingkungan, seperti satelit dan kamera jalan, disebut sebagai "Big data". Pemrosesan, analisis dan mengkomunikasikan data tersebut menciptakan berbagai tantangan analisis bagi visualisasi data. Bidang ilmu data dan pelakunya yang disebut ilmuwan data telah muncul untuk membantu mengatasi tantangan tersebut.
MATERI XII
Metode analisis data yang diterapkan dalam proses penelitian ditentukan oleh metode penelitian yang digunakan. Dalam penelitian sosial, bila kita membagi kategori metode riset ke dalam dua bagian yaitu kualitatif dan kuantitatif, maka metode analisis data yang diterapkan juga terbagi menjadi analisis kualitatif dan analisis kuantitatif.
Metode analisis data kuantitatif
Manajemen data
Data kuantitatif pada umumnya berbentuk dataset yang masih mentah. Tahap manajemen data kuantitatif adalah mengkonversi dataset yang mentah tersebut menjadi lebih matang. Hal ini dilakukan dengan cara clearing. Clearing artinya peneliti ”membersihkan” data mentah yang tidak relevan untuk diolah. Diperlukan kecermatan untuk memahami rumusan masalah dan fokus penelitian agar dalam memfilter atau menyeleksi data tidak terjadi bias nantinya.
Setelah hanya data yang bernilai atau matang saja yang tersisa, peneliti membuat manajemen data dalam bentuk file yang siap untuk di-entry. Kita asumsikan di sini bahwa pengolahan data kuantitatif dilakukan dengan menggunakan software seperti SPSS atau STATA. Pada tahap ini peneliti juga memeriksa kualitas data seperti adakah data missing atau error.
Entry data
Entry data kuantitatif dapat dilakukan secara manual atau dengan bantuan komputer. Entry data dilakukan supaya pengolahan bisa diterapkan. Proses entry data merupakan proses memindahkan data dari instrumen penelitian seperti kuesioner ke dalam software komputer untuk di analisis. Apabila data kuantitatif sudah berupa data set, dalam arti peneliti tidak mengumpulkan sendiri data mentahnya dengan angket atau kuesioner, maka clearing atau filtering data-lah yang perlu dilakukan.
Performing statistics
Setelah data di-entry ke software statistik, maka teknik statistik siap diterapkan. Tahapan teknis analisis data statistik harus dikuasai oleh peneliti atau pengolah data. Analisis menggunakan SPSS secara teknis tentu saja berbeda dengan STATA atau lainnya. Sesuai dengan keahlian dan tingkat familiaritas peneliti terhadap software statistik, teknik analisis siap diterapkan.
Metode analisis data kualitatif
Manajemen data
Penelitian kualitatif biasanya menggunakan wawancara dan observasi partisipatoris sebagai intrumen pengumpulan datanya. Hal ini menjadikan data kualitatif biasanya berupa teks atau narasi tekstual, tak terkecuali riset kualitatif yang mengaplikasikan analis wacana sebagai metode penelitiannya. Analisis wacana dan riset kualitatif lainnya menggunakan teks sebagai unit analisis.
Data selain teks harus dikonversi terlebih dahulu menjadi teks. Proses ini dinamakan dengan transkripsi. Hasil wawancara yang berupa rekaman audio atau video perlu di transkrip guna keperluan analisis. Proses transkripsi menjadi bagian awal dan krusial dalam tahap manajemen data penelitian kualitatif. Selain trankrip, proses yang lumrah dilakoni yaitu translasi. Tentu saja jika data tekstual memerlukan translasi.
Koding
Keseluruhan material atau data yang sudah berupa teks di-manage berdasarkan tema tertentu yang relevan dengan fokus penelitian. Proses pengklasifikasian teks sesuai tema disebut analisis tematik. Pada tahap ini data tekstual direduksi atau diseleksi sesuai kebutuhan penelitian. Koding adalah proses pengidentifikasian tema dari hasil transkrip yang sudah dibaca. Data yang di-koding diberi label untuk kemudahan analisis.
Perlu diingat bahwa proses koding merupakan proses yang intensif, tidak linier dan sekali jalan langsung jadi. Perlu pemeriksaan terhadap masing-masing naskah transkrip secara hati-hati dan berulang. Setelah data tertentu dipecah menjadi bagian-bagian sesuai tema dan diberi label, tak jarang analis melihat kembali naskah transkrip tersebut untuk diperiksa lagi. Analis atau peneliti juga memeriksa rangkaian hasil koding antar transkrip dan mencari hubungan antar teks yang berbeda label. Dengan demikian, proses koding adalah proses silang dan bolak-balik dari transkrip ke hasil koding, ke label, ke transkrip lain dan seterusnya sampai tidak ada data yang relevan yang tersisa.
Interpretasi data
Proses interpretasi data sebenarnya sudah dilakukan bersamaan ketika koding. Saat mengkasifikasi, peneliti membaca transkrip dengan teliti lalu memecahnya ke dalam beberapa tema yang sudah diturunkan dari rumusan masalah penelitian. Ketika mengklasifikasi itulah upaya interpretasi data dilakukan. Langkah memahami data sosial secara interpretatif ini mengindikasikan adanya unsur subjektivitas peneliti dalam analisis data kualitatif.
Sebagaimana proses koding, usaha menginterpretasi data tidak dilakukan sekali saja, melainkan berulang. Data tekstual yang sudah dikategorisasi sesuai tema diinterpretasi kembali dalam rangka mencari hubungan antar tema dalam label atau kode yang berbeda. Riset sosial selalu melibatkan interpretasi. Di satu sisi, interpretasi mengindikasikan unsur subjektivitas dalam penelitian. Di sisi lain, justru di situlah kekuatan riset kualitatif dimana peneliti sebagai bagian dari instrumen riset berperan sangan penting dalam proses analisis.
Metode analisis data kuantitatif
Manajemen data
Data kuantitatif pada umumnya berbentuk dataset yang masih mentah. Tahap manajemen data kuantitatif adalah mengkonversi dataset yang mentah tersebut menjadi lebih matang. Hal ini dilakukan dengan cara clearing. Clearing artinya peneliti ”membersihkan” data mentah yang tidak relevan untuk diolah. Diperlukan kecermatan untuk memahami rumusan masalah dan fokus penelitian agar dalam memfilter atau menyeleksi data tidak terjadi bias nantinya.
Setelah hanya data yang bernilai atau matang saja yang tersisa, peneliti membuat manajemen data dalam bentuk file yang siap untuk di-entry. Kita asumsikan di sini bahwa pengolahan data kuantitatif dilakukan dengan menggunakan software seperti SPSS atau STATA. Pada tahap ini peneliti juga memeriksa kualitas data seperti adakah data missing atau error.
Entry data
Entry data kuantitatif dapat dilakukan secara manual atau dengan bantuan komputer. Entry data dilakukan supaya pengolahan bisa diterapkan. Proses entry data merupakan proses memindahkan data dari instrumen penelitian seperti kuesioner ke dalam software komputer untuk di analisis. Apabila data kuantitatif sudah berupa data set, dalam arti peneliti tidak mengumpulkan sendiri data mentahnya dengan angket atau kuesioner, maka clearing atau filtering data-lah yang perlu dilakukan.
Performing statistics
Setelah data di-entry ke software statistik, maka teknik statistik siap diterapkan. Tahapan teknis analisis data statistik harus dikuasai oleh peneliti atau pengolah data. Analisis menggunakan SPSS secara teknis tentu saja berbeda dengan STATA atau lainnya. Sesuai dengan keahlian dan tingkat familiaritas peneliti terhadap software statistik, teknik analisis siap diterapkan.
Metode analisis data kualitatif
Manajemen data
Penelitian kualitatif biasanya menggunakan wawancara dan observasi partisipatoris sebagai intrumen pengumpulan datanya. Hal ini menjadikan data kualitatif biasanya berupa teks atau narasi tekstual, tak terkecuali riset kualitatif yang mengaplikasikan analis wacana sebagai metode penelitiannya. Analisis wacana dan riset kualitatif lainnya menggunakan teks sebagai unit analisis.
Data selain teks harus dikonversi terlebih dahulu menjadi teks. Proses ini dinamakan dengan transkripsi. Hasil wawancara yang berupa rekaman audio atau video perlu di transkrip guna keperluan analisis. Proses transkripsi menjadi bagian awal dan krusial dalam tahap manajemen data penelitian kualitatif. Selain trankrip, proses yang lumrah dilakoni yaitu translasi. Tentu saja jika data tekstual memerlukan translasi.
Koding
Keseluruhan material atau data yang sudah berupa teks di-manage berdasarkan tema tertentu yang relevan dengan fokus penelitian. Proses pengklasifikasian teks sesuai tema disebut analisis tematik. Pada tahap ini data tekstual direduksi atau diseleksi sesuai kebutuhan penelitian. Koding adalah proses pengidentifikasian tema dari hasil transkrip yang sudah dibaca. Data yang di-koding diberi label untuk kemudahan analisis.
Perlu diingat bahwa proses koding merupakan proses yang intensif, tidak linier dan sekali jalan langsung jadi. Perlu pemeriksaan terhadap masing-masing naskah transkrip secara hati-hati dan berulang. Setelah data tertentu dipecah menjadi bagian-bagian sesuai tema dan diberi label, tak jarang analis melihat kembali naskah transkrip tersebut untuk diperiksa lagi. Analis atau peneliti juga memeriksa rangkaian hasil koding antar transkrip dan mencari hubungan antar teks yang berbeda label. Dengan demikian, proses koding adalah proses silang dan bolak-balik dari transkrip ke hasil koding, ke label, ke transkrip lain dan seterusnya sampai tidak ada data yang relevan yang tersisa.
Interpretasi data
Proses interpretasi data sebenarnya sudah dilakukan bersamaan ketika koding. Saat mengkasifikasi, peneliti membaca transkrip dengan teliti lalu memecahnya ke dalam beberapa tema yang sudah diturunkan dari rumusan masalah penelitian. Ketika mengklasifikasi itulah upaya interpretasi data dilakukan. Langkah memahami data sosial secara interpretatif ini mengindikasikan adanya unsur subjektivitas peneliti dalam analisis data kualitatif.
Sebagaimana proses koding, usaha menginterpretasi data tidak dilakukan sekali saja, melainkan berulang. Data tekstual yang sudah dikategorisasi sesuai tema diinterpretasi kembali dalam rangka mencari hubungan antar tema dalam label atau kode yang berbeda. Riset sosial selalu melibatkan interpretasi. Di satu sisi, interpretasi mengindikasikan unsur subjektivitas dalam penelitian. Di sisi lain, justru di situlah kekuatan riset kualitatif dimana peneliti sebagai bagian dari instrumen riset berperan sangan penting dalam proses analisis.
Langganan:
Postingan (Atom)