Tujuan Kuliah

 Menjelaskan pentingnya data dalam penelitian

 Menjelaskan tipe (jenis) data
 Menjelaskan teknik pengumpulan data
What is DATA
Pengguna Internet di Indonesia 2015 – 2022
Countries with the highest number of internet
users as of December 2017 (in millions)
Most popular mobile messaging apps worldwide
as of October 2018, based on number of
monthly active users (in millions)
What is Data Research
Data Research
Mobile-cellular subscriptions per 100 inhabitants, 2017*
160
141.1
140
118.2
120 114.0
106.4 103.5 101.9
100

77.8
80

60

40

20

0
CIS** Europe The Americas Arab States World Asia & Pacific Africa

Regions are based on the ITU BDT Regions, see: http://www.itu.int/ITU-D/ict/definitions/regions/index.html

Note: * Estimate ** Commonwealth of Independent States
Source: ITU World Telecommunication /ICT Indicators database
Data Research
Data vs Information
Jumlah PKM yang lulus
tahun 2017 dan uraikan
berdasarkan jenis PKM
Jenis data Phyton
Penggunaan Data Data Types:
• Machine data types (0/1)
• Boolean type (T/F)
• Numeric types
• Composite types (array,
record, union, set, object)
• Enumerations
• String and text types
• Pointers and references
• Function types
• Abstract data types (stack,
tree, queue, graph, hash etc.)
Integer in C
Floating-Point Types in C
 Nominal scales are used for labeling variables,
Skala Pengukuran without any quantitative value. “Nominal”
scales could simply be called “labels.”
Ordinal With ordinal scales, it is the order of the values is
what’s important and significant, but the
differences between each one is not really known

Ordinal scales are typically measures of non-numeric concepts like

satisfaction, happiness, discomfort, etc.
Interval
 Interval scales are numeric scales in which we know not
only the order, but also the exact differences between
the values
Ratio scales give us the ultimate–order, interval values, plus
the ability to calculate ratios since a “true zero” can be
defined.

Golden Ratio
Qualitative vs Quantitative
 In statistics, data is defined as the facts and figures
collected together for the purpose of analysis.
 It is divided into two broad categories, qualitative
data, and quantitative data.
 Further, the qualitative data is cannot be measured in
terms of numbers and it is sub-divided into nominal
and ordinal data.
 On the other hand, quantitative data is one that
contains numerical values and uses range.
 It is sub-classified as discrete and continuous data.
 Discrete data contains finite values that have nothing
in-between (counted not measured). The term discrete
implies distinct or separate. Example: the number of
people in this room
 Continuous data contains data that can be measured,
that includes fractions and decimals. Example: time,
temperature and distance
Penggunaan Data dalam Riset
 Masalah riset direpresentasikan oleh data
 Riset menggunakan data (fakta) dalam hal:
◦ Menemukan atau menunjukkan adanya masalah
◦ Menguji hipotesis (dugaan sementara) atau menjawab
masalah riset
Contoh :
Data dan Pengujian
 Pengujian.
◦ Melakukan pengujian pada pengaruh parameter masukan
terhadap kualitas stego images (imperceptability dan capacity).
◦ Melakukan pengujian pada pengaruh nilai k terhadap recovery
rate (apabila k extract lebih kecil dari k embed)
◦ Melakukan pengujian kualitas pada stego cover image yang
akan diberikan noise (berupa salt and pepper) terhadap
recovery rate
Jenis data
 Bit
 Byte / Word
 Char
 Numeric (integer or real)
 Text / String
 Image
 Signal
 Voice
 Video
Data Quality
 Data quality derajat (tingkat) kemudahan data untuk
memenuhi kebutuhan pengguna
 Kualitas data mejadi penting karena makna dan fungsi
data tergantung pada seberapa baik data tersebut
 Tidak ada kata sepakat tentang kualitas data, karena
akan sangat tergantung pada tujuan data
Data Quality
 Relevance (relevansi)
 Timeliness (ketepatan waktu)
 Precision (ketelitian)
 Correctness (kebenaran)
 Completeness (kelengkapan)
 Credibility (kredibilitas)
 Traceability (ketertelusuran)
 Consistency (konsistensi)
 Unambiguity (tidak ambigu)
Dampak penggunaan data “salah”
 Konsekuensi jika data yang digunakan dalam riset
bermasalah:
◦ Ketidakmampuan menjawab dengan akurat pertanyaan riset
◦ Ketidakmampuan mengulangi dan mevalidasi hasil riset
 Temuan yang bermasalah (tidak sesuai) menjadi
pekerjaan sia-sia dan dapat menyesatkan peneliti
berikutnya
Teknik Pengumpulan Data
 Sensus adalah survei terhadap seluruh populasi. Contoh
sensus penduduk. Sensus mahal dan butuh waktu yang
lama
 Sampling mengambil sebagian dari populasi. Lebih mudah,
cepat dan lebih murah, tetapi tidak seakurat sensus. Hal lain
dapat memberikan bias
 Eksperimen merupakan pendataan yang dikendalikan
terhadap sekumpulan data. Isu penting dalam bentuk
pengumpulan data ini adalah bias
 Observasi hampir sama dengan eksperimen tetapi tidak
dikendalikan oleh peneliti
 Metode Pengumpulan Data
 Interview
 Questionnaires
 Survei
 SurveyMonkey

https://www.surveymonkey.com/

https://www.surveymonkey.com/create/preview/?sm=fR5BSiXBrxvNV336rOp8sgGBBzEx9i2G4LBy8oSfAnM_
3D
Sumber Data
 Dikumpulkan vs Dihasilkan
 Primer vs Sekunder
 Internal vs Eksternal
 Laboratorium vs Lapangan vs Internet
 Online vs Offline
 Data set vs Data bebas (data sendiri)
 Random vs Diatur
Alat Menangkap Data (Data Capturing)
 Polling (offline / online)
 Camera
 Recorder
 Log
Latihan
 Tuliskan data yang anda perlukan dalam rencana TA
anda
 Bagaimana anda mendapatkannya?
Catatan
 Beda bidang ilmu, beda metode pengumpulan data
 Beda masalah, beda data yang dibutuhkan
 Beda tujuan, beda data yang dibutuhkan
 Beda data, beda alat yang digunakan untuk
mendapatkan dan mengolah
 Tidak semua data adalah bilangan, tetapi pada akhirnya
akan diubah ke bilangan
 Bagi komputer semua data adalah bilangan