BAB V KESIMPULAN DAN SARAN
2.5 Statistik yang digunakan untuk menganalisis
Beberapa tahapan statistik yang digunakan dalam menganalisis penelitian ini
antara lain:
2.5.1 Teori Analisis Data
Menurut Arikunto (2002) bahwa data kuantitatif yang dikumpulkan dalam
penelitian koresional, komparatif, atau eksperimen diolah dengan rumus-rumus
statistik yang sudah disediakan. Data yang telah terkumpul, maka diklasifikasikan
menjadi dua kelompok data, yakni: data kuantitatif yang berbentuk angka-angka dan
data kualitatif yang dinyatakan dalam kata-kata atau simbol atau juga dalam bentuk
bukan angka.
Analisis kualitatif merupakan analisis yang mendasar pada adanya hubungan semantik antar variabel yang sedang diteliti dan hubungan antar semantik sangat penting karena dalam analisis kualitatif. Tidak menggunakan angka-angka seperti pada analisis kuantitatif (Sarwono, 2006).
Dengan adanya penjelasan diatas, maka perbedaan antara data kuantitatif dan
kualitatif untuk analisis data ditentukan oleh peneliti. Peneliti menentukan analisis
data kuantitatif dengan asumsi menurut penelitian The Ordnance Department of US
Army and Ballistic Research Laboratory (BRL) dalam Azis et al (2010). Mereka telah banyak melakukan eksperimen. Dari eksperimen mereka, maka diperoleh hasil
perkembangan eksperimen Army Corp of Engineers didalam formula ACE. Formula ACE telah menetapkan:
1. Korelasi.
2. Non parametrik.
3. Variabel ordinal.
4. Menggunakan korelasi Spearman.
5. Chi square test.
Dasar formula ACE inilah yang dijadikan acuan peneliti untuk menentukan langkah
selanjutnya penelitian ini.
2.5.2 Teori Metode Pengukuran
Setiawan (2005) mengatakan bahwa teknik pengukuran yang sering
digunakan dalam penelitian adalah skala Likert. Skala ini merupakan metode
summated rating. Dan ini diaplikasikan untuk mengukur sikap seseorang terhadap
sekumpulan pertanyaan yang berkaitan dengan variabel tertentu. Skala Likert
dirancang untuk mengukur apakah sikap itu berada pada jenjang yang negatif atau
positif, kemudian diberi skor secara berjenjang.
Sedangkan menurut Weni (2007) bahwa skala Likert penting untuk mengetahui
pendapat responden atau sikap tentang sesuatu, dimana responden harus
mengidentifikasi lebih dekat pengalaman, pendapat yang cocok. Sesuai dengan
2.5.3 Teori Sampling
Sugiyono (2003) mengemukakan bahwa populasi adalah wilayah generalisasi
yang terdiri dari objek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
Sampel adalah bagian dari sejumlah dan karakteristik yang dimiliki populasi
tersebut (Sugiyono, 2003). Penggunaannya adalah dengan mengambil sampel acak
sederhana (simple random sampling), yaitu sampel yang diambil sedemikian rupa
sehingga setiap unit penelitian dari populasi mempunyai kesempatan yang sama
untuk dipilih sebagai sampel.
Dengan adanya ketentuan diatas maka populasi dalam penelitian ini adalah
total responden pihak-pihak yang terlibat, kontraktor dan pemilik sebanyak 71
responden (Lampiran II).
2.5.4 Teori tentang Metode Jenis dan Sumber Data
Terdiri dari 2 sumber data yaitu data primer dan data sekunder. Data yang
dikumpulkan dan digunakan dalam penelitian ini adalah data primer. Data primer
merupakan data yang didapat secara langsung dari sumber-sumber pertama baik
individu maupun kelompok yaitu: penyebaran kuesioner di distribusi kepada
responden yang ditargetkan, kontraktor BUMN dan non BUMN yang ada di Sumatera
Utara dan kontraktor non BUMN Aceh. Sedangkan pemilik (owner) hanya di
2.5.5 Teori Statistik Non Parametrik
Statistik non parametrik digunakan untuk pengujian hipotesis jika data
berbentuk nominal dan ordinal. Data nominal adalah data yang menunjukkan
frekuensi dari suatu atribut. Data ordinal adalah data yang menunjukkan urutan atau
ranking. Penggunaan statistik non parametrik memerlukan berbagai persyaratan.
Persyaratan tersebut adalah sumber penelitian harus diambil secara acak (random).
Tetapi data yang dianalisis tidak harus berdistribusi tertentu.
Setiawan (2005) menyatakan bahwa statistik non parametrik adalah bagian
statistik yang parameter dari populasinya tidak mengikuti suatu distribusi tertentu
atau memiliki distribusi yang bebas persyaratan dan variannya tidak perlu homogeni.
Penggunaan statistik parametrik dan non parametrik tergantung dari
asumsi-asumsi dasar yang berkaitan dengan distribusi dan jenis skala data yang diperoleh
dari populasi maupun sampel penelitiannya. Apabila tidak memenuhi persyaratan
antara lain:
1. Variabel yang diukur tidak dalam skala interval. Skala interval termasuk
ukuran yang bersifat numerik. Sehingga memungkinkan melakukan
interpretasi terhadap hasilnya.
2. Analisis yang berkaitan dengan dua grup, maka populasi masing-masing grup
harus memiliki varian yang sama, seperti diketahui varians adalah ukuran
keragaman yang memperhitungkan posisi relatif setiap pengamatan terhadap
nilai tengah gugus data.
4. Hasil observasi harus bersifat independen. Pemilihan satu kasus tidak
tergantung pada pemilihan kasus lainnya.
Akan tetapi, jika tidak memenuhi semua persyaratan tersebut diatas, maka
digunakanlah analisis metode statistik non parametrik. Uji statistik ini tidak
memerlukan asumsi distribusi dari populasi.
Terdapat kelebihan dan kekurangan antara statistik parametrik dan non
parametrik. Setiawan (2005) menyatakan bahwa statistik non parametrik memiliki
keunggulan dan kekurangan, adapun keuntungan dari penggunaan statistik non
parametrik adalah sebagai berikut:
1. Statistik non parametrik dapat digunakan pada sampel kecil.
2. Dapat digunakan untuk menggarap sampel-sampel. Observasi tersebut terdiri
dari beberapa populasi yang berlainan.
3. Dapat digunakan untuk menggarap data. Data tersebut merupakan ranking
(rank).
4. Dapat digunakan untuk menggarap data. Data tersebut merupakan klasifikasi
dan diukur dalam skala nominal.
5. Lebih mudah dipelajari dan diterapkan dibandingkan dengan statistik
Sedangkan kekurangan dari penggunaan prosedur model statistik non parametrik
adalah:
1. Penggunaan statistik non parametrik akan menjadi penghamburan data jika
data memenuhi syarat model statistik parametrik.
2. Belum ada satupun dalam metode statistik non parametrik untuk mengukur
interaksi-interaksi dalam model analisis varian.
3. Penggunanaan statistik non parametrik memerlukan banyak tenaga serta
menjemukan.
Penjelasan yang diberikan oleh Setiawan (2005) diatas, dapat memberikan
gambaran keuntungan dan kerugian penggunaan statistik non parametrik. Namun,
peneliti berpedoman kepada Ballistic Reserach Labolatory (BRL) seperti penjelasan
pada Bab II. 2.5.1 tentang alasan digunakan statistik non parametrik.