Data Sekunder : Metode Analisis, Serta Kelebihan Kekurangannya
Pengertian data sekunder adalah hal yang harus kamu pahami ketika sedang melakukan penelitian. Data yang digunakan dalam penelitian ada banyak diantaranya data berdasarkan cara memperolehnya, data berdasarkan sifatnya, data berdasarkan waktu pengumpulannya, dan sebagainya. Sebelum menentukan data apa yang akan digunakan, pastikan kamu memahami tema serta tujuan penelitian yang akan dikerjakan. Nah, jika kamu sudah memahaminya, kamu akan lebih mudah menentukan jenis data yang sesuai dan cara untuk memperoleh data tersebut. Selain itu kamu juga akan lebih mudah menentukan metode pengolahan data yang sesuai agar tujuan penelitianmu tercapai.
Data bisa diolah secara manual dan bisa juga menggunakan tools yang mendukung. Apalagi jika data yang kamu olah sangat banyak dan beragam. Kita bisa menerapkan data science dengan metode pengolahannya. Biasanya Python, SQL, dan R adalah yang umum digunakan untuk proses pengolahan data. Sebelum lebih jauh kesana, kita cari tahu dulu pengertian, metode analisis, serta kelebihan dan kekurangan data sekunder. Yuk, simak pembahasannya sampai habis!
1. Apa Itu Data Sekunder?
Data sekunder merupakan jenis data yang termasuk kategori data berdasarkan cara memperoleh datanya. Data sekunder adalah data yang diperoleh tidak dari objek penelitian langsung melainkan dari pihak ketiga. Data sekunder bisa didapatkan dari jurnal, buku, karya ilmiah, dan penelitian terdahulu. Peran data sekunder adalah sebagai data pendukung data primer untuk meningkatkan kualitas penelitian. Mengapa? Karena data sekunder memiliki tingkat akurasi yang kurang dan potensi kekeliruan atau kesalahpahaman terhadap data yang tinggi. Meski begitu ada juga penelitian yang hanya menggunakan data sekunder yang disebut meta-study. Adapun beberapa cara memperoleh data sekunder antara lain yaitu studi pustaka, media massa, lembaga pemerintah atau swasta, penelitian kepustakaan, dan Badan Pusat Statistik. Dalam mengumpulkan data sekunder ini diperlukan ketelitian serta sikap kritis penelitinya. Peneliti harus mampu memilah data yang relevan dengan penelitian yang sedang dikerjakan serta memilih sumber data yang kredibel.
Baca juga : Teknik Pengumpulan Data Sekunder, Apa Saja Sumber Data yang Bisa Digunakan?
2. Kelebihan dan Kekurangan Data Sekunder
Kelebihan dari data sekunder antara lain yaitu relatif murah dan hemat waktu dalam pengumpulan datanya. Seperti yang kita tahu data sekunder diperoleh dari data yang sudah tersedia baik di perpustakaan maupun dari situs website. Sehingga tidak perlu mengeluarkan biaya lebih untuk mendapatkan data yang diperlukan untuk penelitian seperti data primer yang memperoleh datanya secara langsung. Disamping itu hal ini juga membuat pengumpulan data sekunder hemat waktu. Peneliti tidak perlu menemui subjek penelitian di lapangan secara langsung untuk melakukan wawancara, kuesioner, dan sebagainya. Data sekunder bisa diperoleh dari buku, jurnal ilmiah, badan pemerintahan, dan sebagainya yang dapat dengan mudah diakses secara online maupun offline misalnya dengan mengunjungi perpustakaan. Adapun kekurangan pada data sekunder antara lain yaitu data yang ditemukan kadang sudah tua atau tidak relevan dengan kondisi sekarang sehingga data tersebut belum tentu sesuai dengan yang dibutuhkan. Kekurangan lainnya yaitu sumbernya tidak terpercaya atau tidak terjamin akurasinya. Oleh karena itu peneliti harus cermat dalam menyeleksi data sekunder yang akan digunakan dalam penelitian yang sedang dikerjakan.
3. Analisis Kualitatif
Analisis kualitatif adalah metode analisis yang dilakukan dengan mengklasifikasikan atau mengelompokkan data untuk menemukan hubungan atau pola-pola tersembunyi yang terdapat dalam data. Dalam melakukan metode analisis kualitatif diperlukan ketelitian karena dilakukan dengan membaca dan mengamati data yang ada kemudian menguraikan dan menafsirkan data tersebut. Metode analisis kualitatif ini bertujuan untuk menemukan makna dari suatu aktivitas, pertanyaan, dan lainnya yang menjelaskan kondisi yang melingkupi suatu peristiwa atau menggambarkan proses terjadinya suatu peristiwa beserta alasan-alasan yang mendasarinya. Teknik analisis kualitatif yaitu antara lain teknik analisis data model Miles dan Huberman dan teknik analisis data model Spradley. Teknik analisis data model Miles dan Huberman dilakukan dalam tiga tahapan yaitu reduksi data, penyajian data, dan penarikan kesimpulan. Sedangkan teknik analisis data model Spradley dilakukan dalam empat tahapan yaitu analisis domain, analisis taksonomi, analisis komponensial, dan analisis tema kultural.
4. Analisis Kuantitatif
Analisis kuantitatif adalah metode analisis yang dilakukan dengan menggunakan perhitungan matematika atau statistik. Hasil dari analisis kuantitatif disajikan dalam bentuk angka-angka yang dijelaskan dengan menguraikan angka-angka tersebut. Terdapat dua macam teknik statistik dalam melakukan analisis kuantitatif yaitu teknik analisis deskriptif dan teknik analisis inferensial. Teknik analisis deskriptif adalah teknik analisis dengan menggambarkan data yang digunakan tanpa maksud menggeneralisasi atau membuat kesimpulan. Biasanya dibuat dalam bentuk grafik, tabel, mean, modus, dan sebagainya. Teknik analisis deskriptif umumnya digunakan ketika menghadapi data yang sangat besar contohnya data sensus penduduk. Sedangkan teknik analisis inferensial adalah teknik analisis yang menggunakan rumus tertentu dimana hasil perhitungan tersebut menjadi dasar dalam menggeneralisasi dan mengambil keputusan. Teknik ini cocok untuk analisis data sampel secara acak dari populasi yang sudah jelas. Teknik analisis inferensial dibagi menjadi dua yaitu untuk penelitian korelasional dan penelitian komparasi atau eksperimen.
Baca juga : Metode Pengumpulan Data Sekunder, Bisa Menggunakan Apa Saja Sih?
5. Yuk, Belajar Pengolahan Data dengan Python!
Pengolahan data sekarang ini banyak yang menerapkan ilmu data science untuk memudahkan proses pengolahan datanya. Dengan data science, proses pengolahan data lebih akurat dan cepat. Apalagi dengan banyaknya jenis data serta pertukaran data yang sangat banyak dan cepat seperti sekarang. Nah, salah satu bahasa pemrograman yang digunakan untuk data science adalah Python. Kamu bisa mempelajari Python dari artikel atau youtube. Ingin modul belajar gratis? Gabung di DQLab.id aja. Dengan Sign Up kamu akan mendapatkan akses modul Python dan R secara gratis dan juga sertifikat completion setiap penyelesaian modul. Yuk, belajar bareng member data lainnya!
Penulis: Dita Kurniasari
Editor: Annissa Widya