ANALISIS DATA

ANALISIS DATA
Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari seluruh responden atau sumber data lain terkumpul. Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat dua macam statistic yang digunakan untuk menganalisis data dalam penelitian, yaitu statistic deskriptif dan statistic inferensial. Statistic inferensial meliputi statistic parametris dan non parametris.
1.       Statistik deskriptif
Statistic deskriptif adalah statistic yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaiamana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Penelitian yang dilakukan pada populasi (tanpa diambil smapelnya) jelas akan menggunakan statistic deskriptif dalam analisisnya. Tetapi bila penelitian dilakukan pada sampel, maka analisisnya dapat menggunakan statistic despkriptif maupun inferensial. Statistic deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi dimana sampel dambil. Mengenai data dengan statistik deskriptif peneliti perlu memperhatikan terlebih dahulu jenis datanya. Jika peneliti mempunyai data diskrit, penyajian data yang dapat dilakukan adalah mencari frekuensi mutlak, frekuensi relatif (mencari persentase), serta mencari ukuran tendensi sentralnya yaitu: mode, median dan mean.
Sesuai dengan namanya, deskriptif hanya akan mendeskripsikan keadaan suatu gejala yang telah direkam melalui alat ukur kemudian diolah sesuai dengan fungsinya. Hasil pengolahan tersebut selanjutnya dipaparkan dalam bentuk angka-angka sehingga memberikan suatu kesan lebih mudah ditangkap maknanya oleh siapapun yang membutuhkan informasi tentang keberadaan gejala tersebut
Fungsi statistik deskriptif antara lain mengklasifikasikan suatu data variabel berdasarkan kelompoknya masing-masing dari semula belum teratur dan mudah diinterpretasikan maksudnya oleh orang yang membutuhkan informasi tentang keadaan variabel tersebut. Selain itu statistik deskriptif juga berfungsi menyajikan informasi sedemikian rupa, sehingga data yang dihasilkan dari penelitian dapat dimanfaatkan oleh orang lain yang membutuhkan.
Analisi statistic deskriptif dapat dibedakan menjadi : (1) analisis potret data (frekuansi dan presentasi), (2) analisis kecenderungan sentral data (nilai rata-rata, median, dan modus) serta (3) analisis variasi nilai (kisaran dan simpangan baku atau varian)
Penjelasan :
  1. Analisis potret data
Potret data adalah perhitungan frekuensi suatu nilai dalam suatu variabel. Nilai dapat disajikan sebagai jumlah absolute atau presentase dari keseluruhan.
2.       Analisis kecenderungan sentral data
-        Nilai rata-rata atau mean biasa diberi symbol X, merupakan nilai rata-rata secraa aritmatika dari semua nilai dari variabel yang diukur.
-     Median adalah nilai tengah dari sekumpulan nilai suatu variabel yang telah diurutkan dari nilai terkecil kepada nilai yang tetinggi.
-        Modus (modu) adalah nilai yang paling sering muncul pada suatu distribusi nilai variabel.
3.       Analisis variasi nilai
Analisis ini dilakukan untuk melihat sebaran nilai dalam distribusi keseluruhan nilai suatu variabel dari nilai tengahnya. Analisis ini untuk melihat seberapa besar nilai-nilai suatu variabel berbeda dari  nilainya. Pengukuran variasi nilai biasanya dilakukan dengan melihat kisaran data (range) atau simpangan baku (standar devinatioan).
2.              2.    Statistik Inferensial
Pemakaian analisis inferensial bertujuan untuk menghasilkan suatu temuan yang dapat digeneralisasikan  secara lebih luas ke dalam wilayah populasi. Di sini seorang peneliti akan selalu berhadapan dengan hipotesis nihil (Ho) sebagai dasar penelitiannya untuk diuji secara empirik dengan statistik inferensial. Jenis statistik inferensial cukup banyak ragamnya,Peneliti diberikan peluang sebebas-bebasnya untuk memilih teknik mana yang paling sesuai (bukan yang paling disukai) dengan sifat/jenis data yang dikumpulkan. Secara garis besar jenis analisis ini dibagi menjadi dua bagian. Pertama untuk jenis penelitian korelasional dan kedua untuk komparasi dan/atau eksperimen. teknik analisis dengan statistic inferensial adalah teknik pengolahan data yang memungkinkan peneliti untuk menerik kesimpulan, berdasarkan hasil penelitiannya pada sejumlah sampel, terhadap suatu populasi yang lebih besar. Kesimpulan yang diharapkan dapat dibuat biasanya dinayatakan dalam suatu hipotesis. Oleh karena itu, analisis statistik  inferensial juga bisa disebut analisis uji hipotesis. Inferensi yang sering dibuat oleh peneliti pendidikan dan ilmu social pada umunya berhubungan dengan upaya untuk melihat perbedaan (beda nilai tengah) dan korelasi, baik anatara dua variabel independent maupun anatara beberapa variabel sekaligus. Selisih nilai tengah ataupun nilai koefisien  (correlation coeficient) yang dihasilkan kemudian diuji secara statistic.
Statistic inferensial, sering juga disebut statistic induktif atau statistic probabilitas, adalah teknik statistic yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan utuk populasi. Statistic ini akan cocok digunakan bila sampel diambil dari popualsi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan secara random. Statistik inferensial fungsinya lebih luas lagi, sebab dilihat dari analisisnya, hasil yang diperoleh tidak sekedar menggambarkan keadaan atau fenomena yang dijadikan obyek penelitian, melainkan dapat pula digeneralisasikan secara lebih luas kedalam wilayah populasi. Karena itu, penggunaan statistik inferensial menuntut persyaratan yang ketat dalam masalah sampling, sebab dari persyaratan yang ketat itulah bisa diperoleh sampel yang representatif; sampel yang memiliki ciri-ciri sebagaimana dimiliki populasinya. Dengan sampel yang representatif maka hasil analisis inferensial dapat digeneralisasikan ke dalam wilayah populasi.
Statistic inferensial meliputi statistic parametris dan non parametris. Statistic parametris digunakan untuk menguji parameter populasi melalui statistic, atau menguji ukuran populasi melalui data sampel. Parameter populasi itu meliputi : rata-rata dengan notasi µ (mu), simpangan baku σ (sigma) dan varians σ2. Dalam statistic pengujian parameter melalui statistic (data sampel) tersebut dinamakan uji hipotesis statistic. Oleh karena itu penelitian yang berhipotesis statistic adalah penelitian yang menggunakan sampel. Sebagai contoh nilai suatu pelajaran 1000mahasiswa rata-ratanya 7,5. Selanjutnya missal dari 1000 orang itu diambil sampel 50 orang, dan  nilai rata-rata dari sampel 50 mahasiswa itu 7,5. Hal ini berarti tidak ada perbedaan antara parameter (data popualasi) dan statistic (data sampel). Hanya dalam kenyataannya nilai parameter jarang diketahui. Statistic non parameter tidak menguji parameter populasi, tetapi menguji distribusi.
Penggunaan statistic parametris dan non parameter tergantung pada asumsi dan jenis data yang akan dianalisis. Statistik parametris memerlukan terpenuhinya banyak asumsi. Asumsi yang utama adalah data yang akan dianalisis harus berdistribusi normal. Selanjutnya dalam penggunaan salah satu tes mengharuskan data dua kelompok atau lebih yang diuji harus homogen, dalam regresi harus terpenuhi asumsi linieritas.statistik non parametris tidak menuntuk terpenuhinya banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi normal. Oleh karena itu statistic non parametris mempunyai kekuatan yang lebih dari statistic non parametris, bila asumsi yang melandasi dapat terpenuhi.
Dalam dunia statistik dikenal setidaknya terdapat empat jenis data hasil pengukuran, yaitu data Nominal, Ordinal, Interval dan Rasio. Masing-masing data hasil pengukuran  ini memiliki karakteristik tersendiri yang berbeda antara satu dengan lainnya Penggunaan kedua statistic tersebut juga tergantung pada jenis data yang dianalisis. Statistic parametris kebanyakan digunakan untuk menganalisis data interval dan rasio, sedangkan statistic non parametris kebanyakan digunakan untuk menganalisis data nominal, ordinal. Jadi untuk menguji hipotesis dalam penelitian kuantitatif yang menggunakan statistic, ada dua hal utama yang harus diperhatikan yaitu, macam data dan bentuk hipotesi yang diajukan.
Dalam statistik parametris menggunakan analisis data yang berupa,
1.       Data Interval
Data interval tergolong data kontinum yang mempunyai tingkatan yang lebih tinggi lagi dibandingkan dengan data ordinal karena mempunyai tingkatan yang lebih banyak lagi. Data interval menunjukkan adanya jarak antara data yang satu dengan yang lainnya.
Contoh data interval misalnya hasil ujian, hasil pengukuran berat badan, hasil pengukuran tinggi badan, dan lainnya. Satu hal yang perlu diperhatikan bahwa data interval tidak dikenal adanya nilai 0 (nol) mutlak. Dalam hasil pengukuran (tes) misalnya mahasiswa mendapat nilai 0. Angka nol ini tidak dapat diartikan bahwa mahasiswa tersebut benar-benar tidak bisa apa-apa. Meskipun ia memperoleh nilai nol ia memiliki suatu pengetahuan atau kemampuan dalam matakuliah yang bersangkutan. Nilai nol yang diberikan oleh dosen sebetulnya hanya merupakan atribut belaka hanya saja pada saat ujian, pertanyaan yang diujikan tidak pas seperti yang dipersiapkannya. Atau jawaban yang diberikan tidak sesuai dengan yang dikehendaki soal.
2.       Data Rasio
Data rasio merupakan data yang tergolong ke dalam data kontinum juga tetapi yang mempunyai ciri atau sifat tertentu. Data ini memiliki sifat interval atau jarak yang sama seperti halnya dalam skala interval. Namun demikian, skala rasio masih memiliki ciri lain. Pertama harga rasio memiliki harga nol mutlak,  artinya titik nol benar-benar menunjukkan tidak adanya suatu ciri atau sifat. Misalnya titik nol pada skala sentimeter menunjukkan tidakadanya panjang atau tinggi sesuatu. Kedua angka skala rasio memiliki kualitas bilangan riel yang berlaku perhitungan matematis.
Contohnya : berat badan Rudi  70 kg, sedangkan Saifullah 35 kg. Keadaan ini dapat dirasiokan bahwa berat badan Rudi dua kali berat badan Saifullah. Atau berat badan Saifullah separuh dari berat badan Rudi. Berbeda dengan data interval misalnya Rudi  ujian dapat 70 sementara Saifullah memperoleh 30. Hal ini tidak dapat diartikan  bahwa kepandaian Rudi  dua kali lipat kepandaian Saifullah.
Data rasio dalam ilmu-ilmu sosial jarang dipergunakan, bahkan hampir tidak pernah dipergunakan. Lapangan penggunaan data berskala rasio ini lebih banyak berada dalam bidang ilmu-ilmu eksakta terutama fisika.
Sedangkan dalam statistik non parametris analisi data dibagi menjadi:
1.                 1.  Data Nominal
Data ini juga sering disebut data diskrit, kategorik, atau dikhotomi. Disebut diskrit karena ini data ini memiliki sifat terpisah antara satu sama lainnya, baik pemisahan itu terdiri dari dua bagian atau lebih; dan di dalam pemisahan itu tidak terdapat hubungan sama sekali. Masing-masing kategori memiliki sifat tersendiri yang tidak ada hubungannya dengan kategori lainnya. Sebagai misal data hasil penelitian dikategorikan kedalam kelompok “ya” dan “tidak” saja.
Contohnya :
1).     laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah “tidak laki-laki”), kawin /tidak kawin; janda/duda, dan lainnya.
2).     Jenis pekerjaan dapat digolongkan secara terpisah menjadi pegawai negri, pedagang, dokter, petani, buruh dsb.
3).     Nomor punggung pemain sepak bola, nomor rumah, nomor plat mobil dan lainnya. Nomor-nomor tersebut semata-semata hanya menunjukkan simbol, tanda, atau stribut saja.
4).     Suku, golongan drah, jenis penyakit, bentuk atau konstitusi tubuhs
 2.       Data Ordinal
Data ordinal adalah data yang menunjuk pada tingkatan atau penjenjangan pada sesuatu keadaan. Berbeda  dengan data nominal yang menunjukkan adanya perbedaan secara kategorik, data ordinal juga memiliki sifat adanya perbedaan di antara obyek yang dijenjangkan. Namun dalam perbedaan tersebut terdapat suatu kedudukan yang dinyatakan sebagai suatu urutan bahwa yang satu lebih besar atau lebih tinggi daripada yang lainnya.Kriteria urutan dari yang paling tinggi ke yang yang paling rendah dinyatakan dalam bentuk posisi relatif atau kedudukan suatu kelompok.
Contoh dari data ini misalnya:
1).     prestasi belajar siswa diklasifikasikan menjadi kelompok “baik”, “cukup”, dan “kurang”, atau ukuran tinggi seseorang  dengan “tinggi”, “sedang”, dan “pendek”
2).     Hasil ujian mahasiswa peserta kuliah Statistik Pendidikan Budiman memperoleh skor 90, Rahmat 85, Musyafak 75, dan Mahsunah 65. Berdasarkan skor-skor tersebut dibuatlah suatu jenjang  (rangking), sehingga terjadilah urutan jenjang ke 1 (90), ke 2 (85), ke 3 (75), dan ke 4 (65).Data ordinal memiliki harga mutlak (dapat diperbandingkan) dan selisih perbedaan antara urut-urutan yang berdekatan bisa tidak sama.
Langkah-langkah Analisis Data
Setelah data terkumpul dari hasil pengumpulan data, perlu segera digarap oleh staf peneliti, khususnya yang bertugas mengolah data. Di dalam buku-buku lain sering disebut pengolahan data, ada yang menyebut data preparation, ada pula data analisis.
Secara garis besar, pekerjaan analisis meliputi 3 langkah, yaitu:
a.       Persiapan
Kegiatan dalam langkah persiapan ini antara lain :
  1. Mengecek nama dan kelengkapan identitas pengisi.
  2. Mengecek kelengkapan data, artinya memeriksa isi instrumen pengumpulan data.
  3. Mengecek macam isian data. Jika di dalam instrumen termuat sebuah atau beberapa item yang diisi “tidak tahu” atau isian lain bukan yang dikehendaki peneliti, padahal isian yang diharapkan tersebut merupakan variabel pokok, maka item tersebut perlu didrop. Contoh : Sebagian dari peneliti kita dimaksudkan untuk melihat hubungan antara pendidikan orang tua dengan prestasi belajar murid. Setelah angket kembali dan isiannya kita cek, beberapa murid mengisi tidak tahu pendidikan orang tuanya, sebagian jawabannya meragukan dan sebagian lagi dikosongkan. Dalam keadaan ini maka maksud mencari hubungan pendidikan orang tua dengan prestasi belajar lebih baik diurungkan saja, dalam arti itemnya didrop dan dihilangkan dari analisis.
Apa yang dilakukan dalam langkah persiapan ini adalah memilih atau menyortir data sedemikian rupa sehingga hanya data yang terpakai saja yang tinggal. Langkah persiapan bermaksud merapikan data agar bersih, rapi dan tinggal mengadakan pengolahan lanjutan atau menganalisis.
b.      Tabulasi
Yang termasuk ke dalam kegiatan tabulasi antara lain :
  1. Memberikan skor (scoring) terhadap item-item yang perlu diberi skor. Misalnya tes, angket berbentuk pilihan ganda, rating scale, dan sebagainya.
  2. Memberikan kode-kode terhadap item-item yang perlu diberi skor. Misal
                                     i.            Jenis kelamin
·      Laki-laki diberi kode 1.
·      Perempuan diberi kode 0.
                                   ii.            Tingkat pendidikan
·       SD diberi kode 1.
·       SMP diberi kode 2.
·       SMA diberi kode 3.
·       Perguruan tinggi diberi kode 4.
  1. Mengubah jenis data, disesuaikan dan dimodifikasi dengan teknik analisis yang akan digunakan. Misalnya :
·       Data interval diubah menjadi data ordinal dengan membuat tingkatan.
·       Data ordinal atau data interval diubah menjadi data diskrit.
  1. Memberikan kode (coding) dalam hubungan dalam pengolahan data jika akan menggunakan komputer.
Jenis-jenis Analisis Data Kuantitatif
1.       Analisis Univariat
Jenis analisis ini digunakan untuk penelitian satu variabel. Analisis ini dilakukan terhadap penelitian deskriptif, dengan menggunakan statistik deskriptif. Hasil penghitungan statistik tersebut nantinya merupakan dasar dari penghitungan selanjutnya.
2.       Analisis Bivariat
Jenis analisis ini digunakan untuk melihat hubungan dua variabel. Kedua variabel tersebut merupakan variabel pokok, yaitu variabel pengaruh (bebas) dan variabel terpengaruh (tidak bebas).
3.       Analisis Multivariat
Sama dengan analisis bivariat, tetapi pada mutivariat yang dianalisis variabelnya lebih dari dua. Tetap mempunyai dua variabel pokok (bebas dan tidak bebas), variabel bebasnya memliki sub-sub variabel.



DAFTAR PUSTAKA
·         Anggoro, Toha. 2008. Metode Penelitian. Jakarta : Universita Terbuka 2008
·         Sugiono. 2009. Metode Penelitian Kuantitatif, kualitatif dan r & d . Bandung : Alfabeta
Previous
Next Post »
Thanks for your comment