Teknik Analisis Data dalam Penelitian Kuantitatif (Analisis Kuantitatif). Analisis kuantitatif dalam suatu penelitian dapat didekati dari dua sudut pendekatan, yaitu analisis kuantitatif secara deskriptif, dan analisis kuantitatif secara inferensial. Masing-masing pendekatan ini melibatkan pemakaian dua jenis statistik yang berbeda. Yang pertama menggunakan statistik deskriptif dan yang kedua menggunakan stastistik inferensial. Kedua jenis statistik ini memiliki karakteristik yang berbeda, baik dalam hal teknik analisis maupun tujuan yang akan dihasilkannya dari analisisnya 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. Dengan demikian hasil olahan data dengan statistik ini hanya sampai pada tahap deskripsi, belum sampai pada tahap generalisasi. Dengan kata lain, statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan menganalisa data angka, agar dapat memberikan gambaran secara teratur, ringkas dan jelas, mengenai suatu gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna tertentu.
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.
1. Jenis Data dalam Penelitian
Kuantitatif
Sudah dikenal bahwa statistik
merupakan salah satu cara yang banyak manfaatnya bagi peneliti untuk menganilis
data. Satu modal penting yang harus dikuasai terlebih dahulu oleh peneliti yang
akan menggunakan teknik statistik adalah pengertian mengenai jenis data yang
akan dianalisis, agar penggunaan data kuantitatif untuk keperluan analisis
statistik tepat sasaran. Atau sebaliknya, pemilihan jenis teknik statistik
dapat dipilih secara tepat sesuai dengan sifat-sifat atau jenis-jenis data yang
dihadapi.
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 karaktristik tersendiri yang berbeda antara satu dengan lainnya.
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 misalnya
laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah “tidak
laki-laki”), kawin /tidak kawin; janda/duda, dan lainnya.
Data nominal selain
contoh di atas terdapat pula yang berupa angka-angka. Akan tetapi angka-angka
tersebut bukan merupakan suatu atribut, oleh sebab itu pada angka tersebut tidak
berlaku hitungan matematis. Contoh data ini misalnya nomor punggung pemain
sepak bola, nomor rumah, nomor plat mobil dan lainnya. Nomor-nomor tersebut
semata-semata hanya menunjukkan simbol, tanda, atau stribut saja.
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: prestasi belajar siswa
diklasifikasikan menjadi kelompok “baik”, “cukup”, dan “kurang”, atau ukuran
tinggi seseorang dengan “tinggi”, “sedang”, dan “pendek”.
Dalam kaitannya
dengan analisis data, terhadap data ordinal seringkali diberikan “skor’ sesuai
dengan tingkatannya. Istilah “skor” diberi tanda petik karena skor tersebut
bukan skor sebenarnya, tetapi sebagai “tanda” yang menunjukkan tingkatan.
Dalam
kaitannya dengan analisis data, terhadap data ordinal seringkali diberikan
“skor’ sesuai dengan tingkatannya. Istilah “skor” diberi tanda petik karena
skor tersebut bukan skor sebenarnya, tetapi sebagai “tanda” yang menunjukkan
tingkatan.
Contoh:
“Baik”
…….. diberi tanda 3
“Cukup”
…….. diberi tanda 2
“Kurang”
…….. diberi tanda 1
Contoh lain data
ordinal misalnya 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. Data ordinal
mempunyai nilai yang lebih tinggi dibandingkan dengan data diskrit karena
mempunyai tingkatan yang lebih banyak daripada data diskrit yang hanya
mempunyai dua kategori yaitu “ya” dan “tidak”
3.
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 indeks prestasi mahasiswa dan hasil tes
psikologi. 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.
4.
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. Misalnya 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.
2. Statistik
Deskriptif dan Inferensial
Statistik deskriptif
adalah statistik yang digunakan untuk menganalisis data dengan cara
mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya
tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.
Penelitian yang dilakukan pada populasi (tanpa diambil sampel) jelas akan
menggunakan statistik deskriptif dalam analisisnya. Tetapi bila penelitian
dilakukan pada sampel, maka analisisnya dapat menggunakan statistik deskriptif
dan inferensial statistik deskriptif dapat digunakan bila peneliti hanya ingin
mendeskripsikan data sampel dan tidak ingin membuat kesimpulan yang berlaku
untuk populasi di mana sampel diambil. Tetapi bila peneliti ingin membuat
kesimpulan yang berlaku untuk populasi, maka teknik analisis yang digunakan
adalah statistik inferensial.
Termassuk dalam
statistik deskriptif antara lain penyajian data melalui tabel, grafik, diagram
lingkaran, penghitungan modus, median, mean, penghitungan desil, persentil,
penghitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi,
perhitungan persentasi. Dalam statistik deskriptif juga dapat dilakukan mencari
kuatnya hubungan variabel melalui analisis korelasi, melakukan prediksi dengan
analisis regresi, dan membuat perbandingan dengan membandingkan rata-rata data
sampel atau populasi. Hanya perlu diketahui bahwa dalam analisis korelasi,
regresi, atau membandingkan dua rata-rata atau lebih tidak perlu diuji
signifikansinya. Jadi secara teknis dapat diketahui dalam statistik deskriptif
tidak ada uji signifikansi, tidak ada taraf kesalahan, karena peneliti tidak
bermaksud membuat generalisasi sehingga tidak ada kesalahan generalisasi.
Statistik inferensial
(sering juga disebut statistik induktif) adalah teknik statistik yang digunakan
untuk menganalisis data sampel dan hasilnya diberlakukan untuk populasi.
Statistik ini akan cocok digunakan bila sampel diambil dari populasi yang jelas
dan teknik pengambilan sampel dari populasi itu dilakukan secara random.
Statistik ini disebut
dengan statistik probabilitass karena kesimpulan yang diberlakukan untuk
populasi berdasarkan data sampel itu kebenarannya bersifat peluang. Suatu
kesimpulan dari data sampel yang akan diberlakukan untuk populasi itu
memmpunyai peluang kesalahan dan kebenaran yang dinyatakan dalam bentuk
persentase. Bila peluang kesalahan 5% maka taraf kepercayaan 95%, bila peluang
kesalahan 1%, maka taraf kepercayaan 99%. Peluang kesalahan dan kepercayaan ini
disebut dengan taraf signifikansi. Jadi signifikansi adalah kemampuan untuk
digeneralisasikan dengan kesalahan tertentu. Ada hubungan signifikan berarti
hubungan itu dapat digeneralisasikan. Ada perbedaan berarti perbedaan itu dapat
digeneralisasikan.
3. Statistik
Parametris dan Nonparametris
Statistika inferensial
meliputi statistik parametris dan nonparametris. Statistik parametris digunakan
untuk menguji parameter populasi melalui statistik, atau menguji ukuran
populasi melalui data sampel. Penggunaan statistik parametris dan nonparametris
bergantung pada asumsi dan jenis data yang akan dianalisis. Statistik
parametris memerlukan terpenuhi banyak asumsi. Asumsi yang utama adalah data
yang akan dianalisis harus berdistribusi normal. Selanjutnya dalam penggunaan
salah satu test mengharuskan data dua kelompok atau lebih yang diuji harus
homogen, dalam regresi harus terpenuhi asumsi linieritas. Statistik
nonparametris tidak menuntut terpenuhi banyak asumsi, misalnya data yang akan
dianalisis tidak harus berdistribusi normal. Oleh karena itu, statistik
nonparametris sering disebut bebas distribusi.
Penggunaan kedua
statistik tersebut juga bergantung pada jenis data yang dianalisis. Statistik
parametris kebanyakan digunakan untuk menganalisis data interval dan data
rasio, sedangkan nonparametris kebanyakan digunakan untuk menganalisis data
nominal dan ordinal. Pada tabel berikut ditunjukkan penggunaan statistik
parametris dan nonparametris untuk analisis data khususnya untuk pengujuan
hipotesis. Di dalam tabel terlihat bahwa statistik parametris digunakan untuk
menganalisis data interval dan rasio, dan nonparametris digunakan untuk data
nominal dan ordinal. Jadi untuk menguji hipotesis dalam penelitian kuantitatif
yang menggunakan statistik ada dua hal utama yang diperhatikan yaitu jenis data
dan hipotesis yang diajukan.
Berdasarkan tabel di atas
dapat dikemukakan di sini bahwa:
1. Untuk
menguji hipotesis deskriptif satu sampel bila datanya nominal, maka digunakan
teknik statistik
•
Binomial
•
Chi kuadrat satu sampel
2. Untuk
menguji hipotesis deskripstif satu sampel bila datanya berbentuk ordinal maka
digunakan teknik statistik
•
Run test
3. Untuk
menguji hipotesis deskriptif satu variabel bila datanya berbentuk interval atau
ratio maka digunakan t-test satu sampel.
4. Untuk
menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk
nominal digunakan teknik statistik.
•
Mc Nemar
5. Untuk
menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk
ordinal digunakan teknik statistik.
•
Sign test
•
Wilcoxon matced pairs
6. Untuk
menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk
intercal atau ratio digunakan teknik statistik.
7. Untuk
menguji hipotesis komparatif dua sampel independen bila datanya berbentuk nominal
digunakan teknik statistik.
•
Fisher exact probability
•
Chi kuadrat dua sampel
8. Untuk
menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal
digunakan teknik statistik
•
Median test
•
Mann-Whitney U test
•
Kolmogorov Smirnov
•
Wald-Wolfowitz
9. Untuk
menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk
interval atau ratio digunakan teknik statistik.
10. Untuk
menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk nominal
digunakan teknik statistik
•
Chocran Q
11. Untuk
menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk ordinal
digunakan teknik statistik
•
Friedman Two-way Anova
12. Untuk
menguji hipotesis komparatif sampel berpasangan, bila datanya berbentuk interval
atau rasio digunakan analisis varians
satu jalan maupun dua jalan.
13. Untuk
menguji hipotesis komparatif k sampel independen, bila datanya berbentuk nominal
digunakan teknik statistik
•
Chi kuadrat k sampel
14. Untuk
menguji hipotesis komparatif k sampel independen, bila datanya berbentuk ordinal
digunakan teknik statistik
•
Median extension
•
Kruskal-Wallis One-Way Anova
15. Untuk
menguji hipotesis asosiatif bila datanya berbentuk nominal digunakan teknik
statistik
•
Koefisien Kontingensi
16. Untuk
menguji hipotesis asosiatif bila datanya berbentuk ordinal digunakan teknik
statistik.
•
Korelasi Spearman Rank
•
Korelasi Kendal Tau
17. Untuk
menguji hipotesis asosiatif bila datanya berbentuk interval atau ratio
digunakan.
•
Korelasi Produk Moment: untuk menguji
hipotesis hubungan antara satu variabel independen dan variabel dependen.
•
Korelasi ganda bila untuk menguji hipotesis
tentang hubungan dua variabel independen atau lebih secara bersama-sama dengan
variabel dependen.
•
Korelasi Parsial digunakan untuk menguji
hipotesis hubungan antara dua variabel atau lebih bila terdapat variabel yang
dikendalikan
•
Analisis regresi digunakan untuk melakukan
prediksi, bagaimana perubahan nilai variabel independen dinaikkan atau
diturunkan nilainya.
Demikian materi pembelajaran Metodelogi Penelitian tentang Teknik Analisis Data dalam Penelitian Kuantitatif (Analisis Kuantitatif), semoga ada manfaatnya.
