Mengolah data kuantitatif: koding, data hilang, dan skor skala

Bhattacherjee Bagian 14.1 menyebut koding sebagai proses mengubah data menjadi angka, dipandu buku kode: dokumen yang mencatat setiap peubah, butir pengukurnya, formatnya, skala jawabannya, dan cara mengode setiap nilai. Contohnya, butir Likert tujuh titik dikode 1 untuk sangat tidak setuju, 4 untuk netral, dan 7 untuk sangat setuju, sedangkan data nominal seperti jenis industri dikode 1, 2, 3, dan seterusnya. Saat entri data, setiap observasi menjadi satu baris dan setiap butir menjadi satu kolom, dan isinya diperiksa acak. Responden yang memilih sangat setuju untuk semua butir, termasuk butir yang dibalik, tetap dimasukkan tetapi dikeluarkan dari analisis.

Bagian yang sama membahas data hilang. Cara bawaan kebanyakan program adalah penghapusan listwise: setiap observasi yang punya satu saja nilai hilang dibuang, sehingga sampel bisa menyusut tajam. Cara lain adalah imputasi. Bila yang hilang satu butir dari skala multibutir, nilai penggantinya rata-rata jawaban responden itu pada butir lain di skala yang sama; bila skalanya hanya satu butir, dipakai rata-rata jawaban responden lain. Imputasi bisa bias bila data hilang secara sistematis, bukan acak.

Butir yang dibalik adalah butir yang maknanya berlawanan dengan konstruknya, dan harus dibalik dulu sebelum digabung: pada skala 1 sampai 7, nilai barunya 8 dikurangi nilai teramati. Skor skala lalu dibuat dengan menjumlahkan butir-butirnya; Bagian 6.3 menyebut skala Likert sebagai skala penjumlahan. Statistik deskriptif lanjutan dibahas di kelas Statistika dan Peluang, dan uji statistik di kelas Uji Statistik dengan Python.

Contoh karangan pada skala 1 sampai 7: seorang responden menjawab butir pertama 5, butir kedua yang dibalik 2, dan butir ketiga 6. Butir kedua menjadi 8 − 2 = 6, sehingga skor skalanya 5 + 6 + 6 = 17, bukan 13.