apakah jawaban “setuju” atau “tidak setuju” disebut yang disenangi, tergantung dari isi pertanyaan dan isi dari item-item yang disusun.
4 Total skor dari masing-masing individu adalah penjumlahan dari skor
masing-masing item dari individu tersebut. 5
Respon dianalisis untuk mengetahui item-item mana yang sangat nyata batasan antara skor tinggi dan skor rendah dalam skala total. Misalnya,
responden pada upper 25 dan lower 25 dianalisis untuk melihat sampai berapa jauh tiap item dalam kelompok ini berbeda. Item-item yang tidak
menunjukkan beda yang nyata, apakah masuk dalam skortinggi atau rendah juga dibuang untuk mempertahankan konsistensi internal dari
pertanyaan id.wikipedia.orgwikiSkala_Likert.
2.6 Analisa Data
Setelah semua data terkumpul maka langkah selanjutnya adalah melakukan analisa terhadap data tersebut, yang disesuaikan dengan tujuan dari
penelitian yang dilakukan. Beberapa analisa yang akan digunakan adalah :
2.6.1 Analisa Cluster
Tujuan utama Analisis Cluster adalah mengelompokkan obyek-obyek berdasarkan kesamaan karakteristik di antara obyek-obyek tersebut. Obyek bisa
berupa produk barang dan jasa, benda tumbuhan atau lainnya serta orang responden, konsumen atau yang lain. Obyek tersebut akan diklasifikasikan
kedalam satu atau lebih klaster kelompok sehingga obyek-obyek yang berada dalam satu klaster akan mempunyai kemiripan satu dengan yang lain. Singgih
Santoso, 2002:47
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Analisa cluster dapat dibagi menjadi dua jenis yaitu Hierarchical Cluster dan K-Means Cluster. Pengelompokkan klaster secara hierarki didasari konsep
‘treelike structure’ yang dimulai dengan menggabungkan 2 obyek yang paling mirip kemudian obyek tersebut akan bergabung lagi dengan 1 atau lebih obyek
yang paling mirip lainnya, sehingga ada semacam hierarki urutan yang terbentuk dan biasa dianalogikan seperti pohon treelike yang dimulai dari akar, batang,
dahan, daun dan seterusnya, yang bercabang-cabang. Sedangkan pada K-Means Cluster dilakukan dengan memproses semua obyek secara sekaligus dan dimulai
dengan penetuan jumlah klaster terlebih dahulu, misal ditentukan akan ada 2 klaster, 3 klaster atau angka lainnya. Perbedaan antara Hierarchical dan K-Means
adalah pada tipe hierarki digunakan untuk jumlah sampel data yang relatif sedikit sedang untuk data yang banyak diatas 200 sampel dapat digunakan K-
Means.
2.6.2 Analisa Diskriminan
Analisa Diskriminan memiliki tujuan untuk mengelompokkan setiap obyek kedalam dua atau lebih kelompok berdasar pada kriteria sejumlah variabel
bebas. Pengelompokkan ini sifatnya Mutually Exclusive, yang artinya jika obyek X sudah masuk kelompok 1, maka ia tidak mungkin dapat menjadi anggota
kelompok 2. Analisis kemudian dapat dikembangkan pada variabel mana saja yang membuat kelompok 1 berbeda dengan kelompok 2, berapa prosentase yang
masuk dalam kelompok 1 maupun kelompok 2 dan seterusnya. Singgih Santoso, 2002: 210. Oleh karena ada sejumlah variabel independen, maka akan terdapat
satu variabel dependen tergantung. Ciri khusus dari analisa diskriminan adalah
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
data variabel dependen yang harus berupa data kategori nominal sedangkan data variabel independen justru berupa data non kategori.
2.6.3 Analisa Tabulasi Silang
