ANALISIS DATA PENELITIAN
Oleh: Aminatul Zahroh
Penulis Buku & Akademisi
Program Pascasarjana STAIN Tulungagung
A. Definisi Analisis Data
Patton
menjelaskan bahwa analisis data adalah proses mengatur urutan data,
mengorganisasikanya ke dalam suatu pola, kategori, dan satuan uraian dasar .
Sedangkan menurut Taylor, mendefinisikan analisis data sebagai proses yang
merinci usaha secara formal untuk menemukan tema dan merumuskan hipotesis (ide)
seperti yang disarankan dan sebagai usaha untuk memberikan bantuan dan tema
pada hipotesis.[1]
Kegiatan
analisis data dalam suatu penelitian umumnya dapat dibedakan menjadi dua
kegiatan, yaitu mendeskripsikan data dan melakukan uji statistika (inferensi).
1. Mendeskripsikan Data
Mendeskripsikan
data adalah menggambarkan data yang ada guna memperoleh bentuk nyata dari
responden, sehingga lebih mudah dimengerti peneliti atau orang lain yang
tertarik dengan hasil penelitian yang dilakukan.
Mendeskrisikan
informasi dari responden ini ada dua macam. Jika data yang ada adalah data kualitatif,
maka deskripsi data ini dilakukan dengan cara menyusun dan mengelompokkan data
yang ada, sehingga memberikan gambaran nyata terhadap responden. Jika data
tersebut dalam bentuk kuantitatif atau ditransfer dalam angka maka cara
mendeskrisikan data dapat dilakukan dengan menggunakan statistic deskriptif.
Tujuan dilakukan analisis deskriptif dengan menggunakan teknik statistic adalah
untuk meringkas data agar menjadi lebih mudah dilihat dan dimengerti.
Analisis
data yang paling sederhana dan sering digunakan oleh seorang peneliti atau
pengembangan adalah menganalisis data yang ada dengan menggunakan
prinsip-prinsip deskriptif. Dengan menganalisis dengan deskriptif ini mereka
dapat mempresentasikan secara lebih ringkas, sederhana, dan lebih mudah dimengerti.
Yang termasuk analisis deskriptif pada umumnya termasuk mengukur tendensi
sentral, mengukur variabilitas, mengukur hubungan, mengukur perbandingan, dan
mengukur posisi suatu skor.
2. Melakukan uji statistika (inferensi)
Dalam
metodologi penelitian seorang peneliti sering dihadapkan pada dilematis
meakukan tindakan untuk dapat menjustifikasi kesimpulan secara logis atas dasar
data yang ada atau premis yang terbatas. Hal ini diperbolehkan sepanjang aturan
statistika dan metodologi penelitian tidak dilanggar. Pendekatan yang digunakan
adalah statistik
inferensi. Yang fungsinya untuk menentukan hasil dari data yang ada
(cuplikan) adalah sama dengan hasil populasi. Berikut beberapa kondisi yang
mendorong untuk melakukan inferensi, yaitu;
a. Keterbatasan dana, tenaga,
dan waktu merupakan alasan klasik yang sering dilakukan para peneliti untuk
menggunakan inferensi dalam analisi data.
b. Menggunakan konsep
populasi dan sampel dalam kegiatan pengambilan data.
c. Melakukan testing
hipotesis
d. Melakukan generalisasi
hasil yang diperoleh.[2]
Ada empat tingkat atau skala pengukuran, yaitu;[3]
1.
Skala Nominal
Skala
nominal adalah metode kuantifikasi tingkat terendah. Suatu skala nominal
menunjukkan atau menggambarkan perbedaan antara berbagai hal, dengan cara
memberikan kategori-kategori seperti guru besar, lektor kepala, lektor, lektor muda,
lektor madya, asisten ahli, asisten ahli madya, atau kategori jenis kelamin:
wanita dan pria.
Tiap individu hanya dapat menjadi anggota dari salah satu
kategori, dan semua anggota kategori itu memiliki karakteristik tertentu yang
sama. Kategori-kategori seperti suku, kota, tingkat pendidikan, pekerjaan, atau
agama, semuanya adalah contoh data nominal.
2.
Skala Ordinal
Skala ordinal bisa berupa urutan kedudukan klasifikasi
yang dinyatakan dalam lebih besar daripada atau lebih kecil daripada. Kriteria
urutan dari yang paling tinggi ke yang paling rendah, dinyatakan dalam
bentuk-posisi relatif atau urutan kedudukan pada suatu kelompok: ke-1, ke-2,
ke-3, ke-4,..., ke n. Ukuran ordinal memiliki harga mutlak. Perbedaan (selisih)
antara urutan-urutan yang berdekatan, mungkin tidak sama. Misalkan tinggi badan
beberapa orang, juga misalkan dalam kuesioner tertutup, responden disuruh
memilih empat pilihan, misalnya tidak setuju (TS), kurang setuju (KS), setuju
(S), sangat setuju (SS), atau dengan pilihan tidak puas (TP), kurang puas (KP),
puas (P), sangat puas (SP).
3.
Skala Interval
Suatu skala yang didasarkan atas unit-unit pengukuran
yang sama, yang menunjukkan besar atau kecilnya suatu karakteristik atau sifat
tertentu. Contoh alat ukur yang menggunakan prinsip skala interval adalah alat ukur
suhu manusia, yaitu alat termometer, dan alat ukur IQ manusia.
4.
Skala Rasio
Karakteristik yang dimiliki oleh tiga alat ukur tersebut
diatas, yaitu membedakan, mengurutkan, dan menjumlah-mengurangi dimiliki oleh
skala ukur rasio ini. Di samping itu, skala ukur rasio juga mempunyai titik
awal, yaitu titik sebagai awal pengukuran, sehingga dengan alat ukur ini
sifat-sifat perkalian, pembagian, pengurangan, dan penjumlahan dimiliki. Hampir
semua alat ukur di bidang ilmu pengetahuan alam dan teknik menggunakan alat
ukur skala rasio. Misalnya alat ukur kilogram (kg) untuk massa, kilometer untuk
jarak, meter/detik untuk kecepatan, detik untuk waktu, dan sebagainya.[4]
B. Teknik Menganalisis Data Dengan Statistik Deskriptif Dan Inferensial
Statistika
deskriptif adalah statistic yang digunakan untuk menganalisis data dengan cara
menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud
membuat kesimpulan yang berlaku untuk umum atau generalisasi. Misalnya
penyajian data menggunakan table, grafik, diagram lingkaran, pictogram,
perhitungan modus, median, mean, desil, persentil, rata-rata, standar defiasi,
porsentasi, korelasi, dan regresi tanpa pengujian signifikasi. Statistika deskriptif berkenaan dengan
bagaimana data dapat digambarkan (dideskripsikan)
atau disimpulkan, baik secara numerik (misalnya menghitung rata-rata dan
deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik), untuk
mendapatkan gambaran sekilas mengenai data tersebut, sehingga lebih mudah dibaca dan bermakna.[5]
Statistika
inferensial adalah teknik statistic untuk menganalisis data sampel data dan
hasilnya diberlakukan untuk populasi. Suatu kesimpulan dari data sampel yang
akan diberlakukan untuk populasi itu mempunyai peluang kesalahan dan kebenaran
(kepercayaan). Bila peluang kesalahan sebesar 5 persen, maka taraf
kepercayaannya sebesar 95 persen. Ini disebut sebagai taraf signifikasi yang
mencerminkan kemampuan suatu sampel untuk dilakukan generalisasi terhadap suatu
populasi dengan taraf kesalahan tertentu. Dengan menggunakan uji t dan uji F
diperoleh taraf signifikasi tertentu.[6]
Analisis statistik inferensial selalu melibatkan proses
sampling dan pemilihan sekelompok kecil yang diasumsi berhubungan dengan
kelompok besar tempat ditariknya kelompok kecil itu. Kelompok kecil itu adalah
sampel, sedangkan kelompok besar yang menjadi “asal” sampelnya disebut populasi
(universe). Penarikan kesimpulan mengenai populasinya didasarkan atas hasil
observasi terhadap sampel.[7]
Statistika
inferensial berkenaan dengan permodelan data dan melakukan pengambilan
keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis,
melakukan estimasi pengamatan masa mendatang (estimasi atau prediksi), membuat
permodelan hubungan (korelasi, regresi, ANOVA, deret waktu), dan sebagainya.[8]
C. Teknik Menganalisis Data Dengan Statistik Parametris Dan Non Parametris
Penggunaan
cara pengolahan data menurut statistik, harus dapat dipahami adanya dua jenis
data, yaitu data parametrik dan data nonparametrik.
a. Data parametrik, adalah jenis data yang terukur,
menggunakan tes statistik yang diasumsikan bahwa, data tersebut memiliki
distribusi normal atau mendekati normal.
Tes parametrik digunakan untuk data berskala interval ataupun data berskala rasio.
b. Data nonparametrik, adalah jenis data yang
dihitung atau diranking. Tes statistik
nonparametrik merupakan tes bebas distribusi, tidak berdasarkan pada asumsi bahwa populasinya
berdistribusi normal.[9]
Ukuran uji dalam Statistik parametris antara
lain;
a. Paired sample t-test (uji
t untuk dua sampel yang berpasangan)
·
Tujuan: Untuk menguji dua sampel yang berpasangan, apakah
mempunyai rata-rata yang secara nyata berbeda atau tidak.
·
Sampel berpasangan (paired sample) adalah sebuah sampel
dengan subjek yang sama namun mengalami dua perlakuan atau pengukuran yang
berbeda.
·
Data: Data Jenis Kuantitatif dan berdistribusi normal
·
Contoh soal Paired Sample t-test: Masyarakat ingin
mengetahui apakah siswa yang lulus dengan nilai UN terbaik adalah siswa siswa yang cerdas dan bisa masuk pada
perguruan tinggi negeri dengan menggunakan tes. Apakah mereka bisa diterima
atau tidak.
b. One Sample t-Test
·
Tujuan: Menguji apakah suatu nilai tertentu (yang
diberikan sebagai pembanding) berbeda secara nyata ataukah tidak, dengan
rata-rata sebuah sampel.
·
Data: Data bertipe kuantitatif, dengan asumsi: Data
berdistribusi normal dan Data sampel berjumlah sedikit (<30)
c. Independent Sample t-Test
·
Tujuan: Membandingkan rata-rata dari dua grup yang tidak
berhubungan satu dengan yang lain, apakah kedua grup tersebut mempunyai
rata-rata yang sama atau tidak secara signifikan.
·
Data: Data kuantitatif, dengan asumsi data berdistribusi
normal dan jumlah sampel sedikit (<30)
·
Contoh soal Independent Sample T-Test: Sejumlah tes dilakukan
untuk mengetahui tingkat kecerdasan siswa pada masing-masing pelajaran.
ANOVA bisa digunakan untuk:
1. Menguji apakah rata-rata
lebih dari dua sampel berbeda secara signifikan atau tidak.
2. Menguji apakah dua buah
sampel mempunyai varians populasi yang sama atau tidak. Asumsi: Populasi yang akan
diuji berdistribusi normal, Varians dari populasi tersebut adalah sama, dan Sampel
tidak berhubungan satu dengan yang lain.
Beberapa macam Anova;
a. One Way ANOVA
·
Data: Data kuantitatif dan kualitatif
·
Jika uji t digunakan untuk pengujian dua sampel, uji F
atau ANOVA digunakan untuk pengujian lebih dari dua sample.
b. Multivariate ANOVA
·
Tujuan: Menguji kesamaan vektor dari rata-rata variabel
dependent pada berbagai group.
·
Data: Variabel dependent adalah data kuantitaif, sedangkan
grup (faktor) adalah data kualitati / numerik.
·
Contoh Soal Multivariate ANOVA: Sebuah sekolah/madrasah
mempunyai 3 siswa terbaik. Kepala sekolah/madrasah ingin mengetahui, apakah ada
perbedaan terkait kecerdasan pada masing-masing mata pelajaran diantara 3 siswa
tersebut? Selama ini mereka hanya menyukai mata pelajaran yang ada hubungannya
dengan bidang eksak saja.
Korelasi adalah asosiasi (hubungan) antara
variable-variable yang diminati, apakah data sampel yang ada menyediakan bukti cukup
bahwa ada kaitan antara variable-variable dalam populasi asal sampel, jika ada
hubungan, seberapa kuat hubungan antar variable tersebut. Keeratan hubungan itu
dinyatakan dengan nama koefisien korelasi atau bisa disebut korelasi saja.
Berikut beberapa macam korelasi, yaitu;
a. Korelasi Bivariat
Korelasi Bivariat adalah mengukur keeratan hubungan
diantara hasil-hasil pengamatan dari populasi yang mempunyai dua varian
(bivariate).Perhitungan ini mensyaratkan bahwa populasi asal sampel mempunyai
dua varian dan berdistribusi normal. Korelasi yang digunakan adalah korelasi
pearson yang untuk mengukur korelasi data interval dan rasio.
Contoh soal: Ingin diketahui apakah ada korelasi (hubungan) diantara
variable-variable berikut: motivasi belajar dengan prestasi siswa.
b. Korelasi Partial
Korelasi Partial adalah pembahasan mengenai
hubungan linier antara dua variable dengan melakukan kontrol terhadap satu atau
lebih variable tambahan (disebut variable kontrol).
Contoh soal: Seorang
peneliti ingin mengetahui apakah ada hubungan antara Prestasi belajar
siswa dengan Motivasi belajar dan
tingkat kecerdasan (diukur dengan IQ) sebagai variable yang mengatur.
Untuk itu, diambil 9 orang siswa
untuk diuji.
Ukuran uji dalam Statistik nonparametrik, antara
lain;[13]
1. Chi-Square
Uji Chi-square untuk satu sampel bisa dipakai untuk menguji apakah data sebuah
sampel yang diambil menunjang hipotesis yang menyatakan bahwa populasi asal sampel tersebut mengikuti suatu
distribusi yang telah ditetapkan. Oleh karena itu, uji ini bisa juga disebut
uji keselarasan (goodness of fit test), sebab untuk menguji apakah
sebuah sampel selaras dengan salah satu distribusi teoritis (seperti distribusi
normal, uniform, binomial dan lainnya).
Pada prakteknya, uji ini tetap mengikuti prinsip dasar
pengujian Chi-square, yaitu membandingkan antara frekuensi-frekuensi harapan
dengan frekuensi-frekuensi teramati.
Contoh: MAN 1 Tulungagung ingin mengetahui tingkat
kecerdasan dari para pada kelas akselerasi.
2. Uji Data 2 Sampel Berhubungan (Dependent)
a. Uji Peringkat Bertanda
Wilcoxon
·
Uji Peringkat Bertanda Wilcoxon selain memperlihatkan
arah perbedaan juga memperlihatkan besar relatif dari perbedaan tersebut.
·
Sampel yang digunakan adalah sampel yang berhubungan.
·
Data yang digunakan adalah data yang dianggap tidak diketahui distribusi datanya
(berdistribusi bebas).
·
Jumlah data sedikit (<30).
b. Uji Tanda (Sign)
·
Prosedur uji tanda didasarkan pada tanda positif atau
negatif bagi selisih nilai pengamatan pada setiap pasangan sampel. Jadi pada
hakekatnya pengujian ini hanya memperhatikan arah perbedaan saja bukannya
besarnya perbedaan.
·
Uji tanda dapat digunakan sebagai uji signifikansi
perubahan (sebelum dan sesudah perlakuan).
·
Data berdistribusi bebas.
·
Contoh: Suatu penelitian ingin meneliti kecerdasan siswa
sebelum dan sesudah ia belajar.. Tentukan apakah ada peningkatan kecerdasan yang
signifikan atau tidak.
3. Uji Tanda 2 Sampel Tidak Berhubungan (Independent)
a. Uji Mann-Whitney
·
Data berdistribusi bebas
·
Jumlah data yang digunakan sedikit (<30)
·
Data yang digunakan tidak berhubungan satu sama lain
(independen)
·
Digunakan untuk menguji perbandingan 2 perlakuan, atau
uji perbandingan suatu perlakuan terhadap kontrol.
·
Nilai pengamatan kedua sampel minimal berskala
ordinal.
·
Contoh: Sebuah riset untuk menguji kemampuan kecerdasan dari
siswa MAN 1 Tulungagung untuk acara olimpiade MIPA dari tahap I maupun tahap
II. Diambil 26 responden dari tahap I dan tahap 2.
b. Korelasi Sperman &
Kendall
Digunakan untuk mengukur hubungan keeratan antara
variabel-variabel khusus pada data nonparametrik, dimana data memiliki sebaran
tidak normal. Tujuan dari korelasi ini
adalah penghitungan korelasi Spearman dan Kendall, di mana syaratnya semua
variable bisa Ordinal (isi variabel berjenjang, seperti Sangat baik, baik,
tidak baik, dan sebagainya).
Data: Data bisa kualitatif dan kuantitatif yang
masing-masing mempunyai ukuran korelasi sendiri-sendiri. Contoh: berikut data
nilai siswa MAN 1 Tulungagung dengan siswa MAN 2 Tulungagung yang meliputi
hasil prestasi, IQ, dan ketertiban siswa.
DAFTAR RUJUKAN
Faisal, Sanapiah Metodologi
Penelitian Pendidikan, Surabaya: Usaha Nasional, 1982.
Kurnia, Ahmad, 2010 http://skripsimahasiswa.blogspot.com/search/label/Teknik analisa data (diakses tanggal 30
April 2011)
Sukardi, Metodologi Penelitian
Pendidikan, Kompetensi dan Praktiknya, Jakarta: PT. Bumi Aksara, 2007.
W. Best, John, Metodologi
Penelitian Pendidikan,
Surabaya:
Usaha Nasional, 1992.
Wati, Yulia, Modul Praktikum Lab. Statistik (J0212), Jakarta: Universitas Bina Nusantara, 2008.
[1]Ahmad kurnia, 2010 http://skripsimahasiswa.blogspot.com/search/label/Teknik
analisa data (diakses tanggal 30 April 2011)
[2] Sukardi, Metodologi Penelitian
Pendidikan, Kompetensi dan Praktiknya, (Jakarta: PT. Bumi Aksara, 2007), 86-92
[3] Sanapiah Faisal, Metodologi Penelitian
Pendidikan, (Surabaya: Usaha Nasional, 1982), 249-251
[4] Sukardi, Metodologi Penelitian Pendidikan,.....,
96
[6] Ibid
[7] Sanapiah Faisal, Metodologi Penelitian
Pendidikan,...., 253
[10]
Yulia Wati. Modul Praktikum Lab. Statistik (J0212).(Jakarta: Universitas Bina Nusantara, 2008), 68-77
Tidak ada komentar:
Posting Komentar