BAB 1 PENGETAHUAN DASAR TENTANG METODE
F. Pemilihan Teknik Analisis Data
1. Analisis Data Kuantitatif
Skala pengukuran dapat menentukan jenis analisis statistik yang dapat digunakan. Data yang akan dianalisis dengan statistik inferensial (mengambil kesimpulan berdasarkan data sampel yang berlaku untuk se- luruh populasi) minimal memiliki skala interval. Statistik inferensial itu sendiri dibedakan menjadi statistik parametris dan non-parametris. Para- metris tersusun dari kata para yang merupakan bentuk jamak atau berarti banyak dan meter (satuan ukuran), sehingga parameter berarti penelitian yang menggunakan banyak satuan pengukuran dalam pengambilan datanya. Statistik parametris digunakan untuk menganalisis data berskala interval atau rasio yang diambil dari populasi yang berdistribusi normal. Statistik non-parametris digunakan untuk menganalisis data berskala nominal dan ordinal yang diambil dari sembarang populasi (boleh berdistribusi tidak normal).
Analisis data secara deskriptif digunakan untuk mendeskripsikan da- ta penelitian apa adanya dan tidak digunakan untuk mengambil kes- impulan statistik. Hasil analisis data secara deskriptif dilaporkan dalam bentuk mean, median, modus, standar deviasi, varians, nilai minimum dan nilai maksimum, kurtosis (kepuncakan kurva) dan skewness (kemen- cengan kurva). Penyajian hasil analisis data deskriptif dapat dilengkapi dengan menggunakan tabel, grafik dan diagram (garis, batang, lingkaran). Penyajian data deskriptif bertujuan untuk memberikan gambaran singkat tentang hasil penelitian supaya lebih mudah dibaca dan dipahami.
Analisis data statistik dilakukan untuk menjawab rumusan masalah yang telah dinyatakan dalam bentuk hipotesis (jawaban sementara). Ana- lisis data dilakukan untuk menguji apakah hipotesis yang diajukan dapat diterima atau tidak diterima (tidak didukung data). Ada tiga macam ben- tuk hipotesis yang dapat diuji yaitu hipotesis deskriptif, komparatif dan asosiatif. Hipotesis deskriptif digunakan apabila untuk menjawab penelitian pada variabel tunggal (hanya satu variabel) dan satu kelompok sampel. Hipotesis komparatif digunakan untuk membandingkan rerata
nilai antara dua atau lebih kelompok sampel pada variabel yang sama. Hipotesis asosiatif digunakan untuk menjawab kekuatan hubungan antar variabel independen dan variabel dependen.
a. Hipotesis dan Analisis Deskriptif
Hipotesis deskriptif adalah dugaan atau jawaban sementara ter- hadap variabel tunggal dari satu kelompok sampel. Hipotesis yang diuji biasanya berupa: rerata (mean), proporsi (persen), frekuensi terbanyak, dan lain-lain. Semua data kuantitatif dari berbagai macam skala pengukuran dapat dianalisis menggunakan statistik deskriptif kuantitatif.
Contoh pernyataan hipotesis deskriptif dan teknik analisis yang digunakan untuk menguji hipotesis adalah sebagai berikut:
Tabel 1.11 Contoh Hipotesis Deskriptif dan Teknik Analisis Datanya
Hipotesis Analisis data
Lebih dari 50% masyarakat menyetujui ujian nasional digunakan sebagai alat pemetaan mutu sekolah
Persentase
Rerata beban mengajar dosen yang telah memperoleh sertifikat pendidik sebanyak 12 SKS
Mean
Kompetensi lulusan terbanyak berada pada kategori
‗baik‘ (B) Distribusi frekuensi
b. Hipotesis dan Analisis Komparatif Dua Kelompok Sampel
Hipotesis komparatif adalah kesimpulan sementara yang menun- jukkan adanya perbedaan dari satu atau beberapa kelompok sampel dalam suatu hasil pengukuran variabel yang sama. Variabel yang diukur memiliki skala interval sedangkan kelompok sampel yang dibedakan memiliki skala nominal atau ordinal.
Contoh pernyataan hipotesis komparatif dua kelompok sampel dan teknik analisis yang digunakan dapat disimak pada tabel 1.6 Tabel 1.12 Contoh Hipotesis Komparatif Dua Kelompok Sampel dan
Teknik Analisis Data t-test
Hipotesis Komparatif Dua Kelompok Sampel Analisis data Ada perbedaan rerata nilai pre-test dan post-test
siswa kelas A pada mata pelajaran matematika yang menggunakan metode problem based learning.
Uji-t satu sam- pel
Ada perbedaan nilai Matematika dan nilai bahasa Indonesia siswa kelas A
Uji-t sampel berpasangan Ada perbedaan prestasi belajar siswa kelas A dan Uji-t sampel
kelas B. terpisah Ada perbedaan rasa brownies kukus yang disubsti-
tusi dengan tepung kasava 20% dan 40%
Uji-t sampel terpisah Ada perbedaan rasa brownies kukus dan panggang Uji-t satu sam-
pel
Contoh desain analisis yang digunakan untuk menguji hipotesis di atas adalah:
Uji-t satu sampel (one sampel t-test)
Uji-t sampel ber- pasangan (berkorelasi)
Uji-t sampel terpisah (independent sample t- test) A1 A2 1. 2. 3. ... dst 1. 2. 3. ... dst A1 A2 1. 2. 3. ... dst Hasil pengukuran Kelas A Kelas B
c. Hipotesis dan Analisis Komparatif > 2 Kelompok Sampel
Contoh pernyataan hipotesis komparatif lebih dari dua kelompok sampel dan teknik analisis yang digunakan yaitu dapat disimak pada tabel 1.7
Tabel 1.13 Contoh Hipotesis Pada Teknik Analisis Varian
Hipotesis komparasi > dua kelompok sampel Analisis data Ada perbedaan prestasi belajar siswa kelas A, kelas B
dan kelas C.
Anava satu jalur Ada perbedaan nilai matematika siswa kelas A, B
dan C setelah menggunakan strategi e-learning dengan bimbingan dan tanpa bimbingan.
Anava dua jalur
Ada interaksi nilai matematika siswa kelas A, B dan C setelah menggunakan strategi e-learning dengan bimbingan dan tanpa bimbingan.
Anava dua jalur
Ada perbedaan skor TOEFL mahasiswa Program Studi Sastra Inggris selama lima kali ujian.
Repeated measure of anova
Tabulasi data dan desain analisis varian satu jalur untuk menguji hipotesis komparasi > dua sampel yaitu ada perbedaan prestasi belajar siswa kelas A, kelas B dan kelas C dapat disimak pada contoh di bawah ini.
Contoh tabulasi data prestasi belajar siswa kelas A, kelas B dan kelas C untuk anava satu jalur
Kelas A Kelas B Kelas C
1. 2. 3. ... dst 1. 2. 3. ... dst 1. 2. 3. ... dst
Tabulasi data dan desain analisis varian satu jalur untuk menguji hipotesis komparasi > dua sampel dan dua perlakuan (jalur) pada penelitian yang berjudul komparasi nilai matematika siswa kelas A, B dan C setelah menggunakan strategi e-learning dengan bimbingan dan tanpa bimbingan adalah sebagai berikut.
Tabulasi data nilai Matematika untuk anava dua jalur Kelas A Kelas B Kelas C
st rat egi e - lea rni n g ter b im bi ng 1. 2. 3. ... dst 1. 2. 3. ... dst 1. 2. 3. ... dst
Kelas A Kelas B Kelas C
st rat egi e- lea rni n g ta k ter b im bi ng 1. 2. 3. ... dst 1. 2. 3. ... dst 1. 2. 3. ... dst
Tabulasi data dan desain analisis repeated measure of anova dari hipotesis penelitian yang menyatakan ada perbedaan skor TOEFL ma- hasiswa Program Studi Sastra Inggris selama lima kali ujian adalah sebagai berikut.
Data nilai ujian TOEFL selama 5x pengulangan pengukuran Nomor Ujian ke 1 Ujian ke 2 Ujian ke 3 Ujian ke 4 Ujian ke 5 1.
2. 3. ... dst
d. Hipotesis dan Analisis Hubungan Korelasional (Asosiatif)
Hipotesis asosiatif dinyatakan dengan kalimat yang menunjukkan dugaan tentang hubungan, korelasi, atau asosiasi antara variabel inde- penden (X) terhadap variabel dependen (Y). Hubungan dapat terjadi antara satu variabel independen dengan satu variabel dependen atau antara beberapa variabel independen terhadap satu variabel dependen. Peneliti juga dapat menambah variabel moderator atau variabel lainnya (Z) apabila diperlukan. Semua variabel yang dianalisis dengan analisis korelasi harus memiliki skala pengukuran interval atau rasio. Apabila salah satu variabel memiliki skala pengukuran yang lebih rendah (nominal atau ordinal) maka peneliti dapat memilih teknik ana- lisis yang lainnya misalnya regresi logistik, diskriminan, kanonikal maupun manova.
Analisis Regresi Logistik (Logistic Regression Analysis) digunakan jika variabel dependen (Y) mempunyai skala pengukuran nominal yang terdiri dari 2 kategori, sedangkan variabel independen mempunyai skala pengukuran nominal, ordinal, interval atau rasio, dan campuran diantara keempat skala pengukuran. Analisis ini dikenal juga dengan nama analisis diskriminan karena variabel dependennya dinyatakan dengan skor diskriminan (D). Analisis diskriminan ini menitik beratkan pada teknik pengelompokan dengan cara mencari kombinasi linier variabel independen (variabel diskriminator) yang bisa dikelompokkan menjadi 2 kelompok, 3 kelompok dan se- bagainya.Canonical Correlation Analysis digunakan jika variabel de- penden lebih dari satu. Analisis multivariate of variance (manova) digunakan jika variabel dependen maupun variabel independen lebih dari satu. Skala pengukuran pada semua variabel menggunakan skala pengukuran interval atau rasio.
Tabel 1.14 Contoh Hipotesis dan Analisis Korelasional
Hipotesis Analisis Data
Ada hubungan antara intensitas belajar (X) terhadap prestasi belajar (Y) siswa SMP kelas VII di Kecama- tan Kota
Korelasi Pear- son (Product moment) Ada hubungan antara Kualitas Layanan (X1) dan Dis-
count Harga Kosmetik (X2) terhadap Kepuasan
Pelanggan (Y) salon Shinta
Ada hubungan antara lama kerja (X1), beban
mengajar (X2) produktivitas penelitian (X3) dan pen-
galaman diklat (Z) terhadap prestasi kerja dosen (Y).
Korelasi parsial
Hubungan antara prestasi belajar dan ketahanan bela- jar antara kelompok pria dan wanita
Regresi logistik
Pengaruh jenis pekerjaan (X) terhadap penghasilan (Y1) dan daya tahan terhadap stres (Y2),
Manova
Untuk menyiapkan data sebelum memasuki proses analisis ko- relasi, data disusun dengan menggunakan skor baris (raw score). Ko- lom pertama berisi nomor responden atau sampel dan kolom beri- kutnya berisi hasil pengukuran tiap-tiap variabel. Satu variabel ditulis pada satu kolom.
Contoh tabel persiapan analisis data untuk menguji hipotesis ada hubungan Kualitas Layanan (X1) dan Discount Harga Kosmetik (X2)
terhadap Kepuasan Pelanggan (Y) salon Shinta Nomor Pelanggan Kualitas Layanan (X1) Discount Harga Kosmetik (X2) Kepuasan Pelanggan (Y) 1. 2. 3. ... dst
Penggunaan statistik parametrik dan inferensial yang telah diu- raikan di atas memerlukan beberapa persyaratan. Apabila salah satu persyaratan tidak dapat dipenuhi, maka peneliti disarankan untuk menggunakan teknik analisis data non parametrik atau analisis deskriptif. Persyaratan analisis yang harus dipenuhi antara lain
Persyaratan analisis komparasi (uji beda) 1. Sampel diambil secara acak
2. Sebaran data diambil dari populasi berdistribusi normal
3. Varian‘s antar kelompok homogen
4. Data variabel dependen memiliki skala interval Persyaratan analisis korelasi (hubungan) 1. Sampel diambil secara acak
2. Sebaran data diambil dari populasi berdistribusi normal
3. Data variabel bebas (X) dan variabel terikat (Y) memiliki pola hubungan yang linear
4. Tidak terdapat korelasi antar variabel bebas (multikolinear). 5. Semua data variabel memiliki skala interval
Pengujian persyaratan analisis tersebut tersedia pada program pengolahan data (SPSS). Pengujian sebaran data berdistribusi normal (normalitas data) dapat diketahui dari skewness, kurtosis dan chi- square. Skewness dan kurtosis menunjukkan sebaran normal apabila hasil analisis berkisar antara -0,5 s.d 0,5 (Bahrul Hayat, 1996). Seba- ran data pada chi-square dinyatakan berdistribusi normal apabila p- value > 0,05. Secara visual normalitas data dapat dilihat dengan mem- bandingkan antara kurva empiris dengan kurva normal. Pengujian
homogenitas varian dapat di lakukan dengan Levene Statistic, Mau-
chly‘s Test of Sphericity, atau Huynh and Feldt. Pada tes Huynh and
Feldt dinyatakan apabila έ > 0,75 maka Ha diterima atau data tidak homogen. Analisis ini secara otomatis ditawarkan oleh program kom- puter pada saat akan melakukan analisis varians. Linearitas hubungan dapat diuji dengan menggunakan regresi linier. Secara visual, lineari- tas hubungan dapat dilihat pada scatter plot diagram. Apabila sebaran data mendekati garis diagonal antara sumbu X dan sumbu Y maka hubungan antar dua variabel tersebut linear. Kriteria untuk menge- tahui linearitas hubungan dapat dilihat dari koefisien p pada hasil ana- lisis regresi linear yaitu apabila p < 0.05 maka hubungan antar dua variabel dinyatakan linear. Multikolinear dapat diuji dengan korelasi Pearson. Hubungan dinyatakan memiliki multikolinear apabila koefisien korelasinya lebih besardari 0,9 (Ghozali, 2005: 38)