BAB 7
ANALISIS DAN INTERPRETASI DATA KUANTITATIF
Statistik bisa jadi merupakan tantangan. Walaupun demikian perhitungan statistik hanyalah satu langkah dalam menganalisis data. Analisis juga mencakup penyiapan data untuk analisis, melaksanakan analisis, melaporkan hasil-hasilnya dan mendikusikan hasil-hasil tersebut.
Pada akhir bab ini anda diharapkan akan mampu :
Mendeskripsikan proses penyiapan dan pengorganisasian data anda untuk dianalisis
Mengidentifikasi prosedur-prosedur untuk menganalisis pertanyaan-pertanyaan penelitian secara deskripif
Mengidentifikasi prosedur-prosedur untuk menganalisis pertanyaan-pertanyaan dan hipotesis-hipotesis penelitian secara inferensial
Mengenal bagaimana merancang dan menyajikan hasil-hasilnya dalam bentuk tabel, diagram, dan bagian hasil penelitian
Mendeskripsikan bagian pembahasan dari laporan penelitian yang memberikan interpretasi terhadap hasil-hasil penelitian
penelitian anda? Maria sekarang menyadari bahwa analisis data itu terdiri dari beberapa langkah.
BAGAIMANA ANDA MENYIAPKAN DATA UNTUK ANALISIS?
Langkah pertama adalah mengorganisasikan data untuk analisis. Penyiapan dan pengorganisasian data untuk analisis dalam penelitian kuantitatif terdiri dari memberikan skor terhadap data dan membuat buku kode, menentukan tipe skor yang akan digunakan, menyeleksi program komputer dalam rangka menginput data ke dalam program-program analisis dan pembersihan data.
Memberikan Skor Terhadap Data
Apabila anda mengumpulkan data dengan menggunakan instrumen atau ceklist, anda memerlukan sebuah sistem penskoring data. Scoring data (penskoran data) bermakna bahwa para peneliti menentukan skor numerik (atau nilai) kepada masing-masing kategori jawaban untuk setiap pertanyaan dalam instrumen yang digunakan dalam pengumpulan data.
Contoh, misalkan para orangtua menjawab pertanyaan-pertanyaan yang anda ajukan dalam survey untuk mengukur sikap mereka terhadap pilihan sekolah untuk anak-anak mereka di sebuah kawasan. Sebuah pertanyaan berbunyi:
Harap ditandai jawaban anda terhadap pernyatan berikut secara tepat:
“para siswa sebaiknya diberi kesempatan untuk memilih sekolah yang mereka inginkan”
--- sangat setuju --- setuju
--- tak tentu --- tidak setuju
--- sangat tidak setuju
tentu, 2= tidak setuju, 1=sangat tidak setuju. Berdasarkan angka-angka ini orangtua yang memberikan jawaban setuju akan mendapatkan skor 4.
Beberapa petunjuk bisa membantu anda dalam rangka memberikan angka terhadap pilihan-pilihan jawaban:
Untuk skala-skala kontinyu (lihat bab 6, dengan asumsi skalanya interval), anda seharusnya memberikan skor secara konsisten terhadap masing-masing pertanyaan dengan menggunakan sistem penomoran yang sama. Dalam contoh di atas, anda harus secara konsisten memberikan skor terhadap skala seperti “sangat setuju” sampai pada “sangat tidak setuju” skor lima sampai skor 1.
Untuk skala-skala kategorikal seperti “Tingkat atau kelas apa yang anda ajar?:
____ sekolah menengah atas, __________ sekolah menengah pertama, __________ sekolah dasar”, anda secara mana suka bisa memberikan angka yang masuk akal seperti 3=sekolah menengah atas, 2= sekolah menengah pertama, dan 1=sekolah dasar. Walaupun demikian aturan yang baik adalah makin positif jawabannya akan makin tinggi kategori informasinya atau akan makin tinggi angka yang diberikan.
Untuk membuat pemberian skor ini mudah, anda bisa memberikan angka-angka sebelumnya yang terdapat dalam instrumen bagi pilihan-pilihan jawaban seperti contoh berikut:
Harap berikan jawaban anda terhadap pertanyaan ini :
“anak-anak kelas 4 SD harus diuji kemampuan Matematikanya --- (5) sangat setuju
--- (4) setuju --- (3) tak tentu --- (2) tidak setuju
--- (1) sangat tidak setuju
dalam mata kuliah tertentu. Apabila mahasiswa menghitamkan lingkaran-lingkaran pada halaman itu anda bisa menscan jawaban-jawaban mahasiswa untuk keperluan analisis. Bila anda menggunakan instrumen yang tersedia secara komersial, perusahaan akan selalu memberikan petunjuk penskoran untuk mendeskripsikan bagaimana instrumen itu harus diberi skor.
Salah satu prosedur yang dapat membantu anda dalam memberikan skor terhadap jawaban itu adalah dengan jalan membuat buku kode. Codebook (buku kode) adalah daftar dari variabel-variabel atau pertanyaan-pertanyaan yang mengindikasikan bagaimana si peneliti memberi kode atau memberi skor terhadap jawaban-jawaban dalam instrumen atau ceklist. Sebuah contoh dari buku kode itu diperlihatkan oleh Diagram 7.1. Perhatikan bahwa masing-masing variabel diberikan nama (misalnya tingkat atau kelas) yakni definisi ringkas dari sebuah variabel (tingkat atau kelas dari mahasiswa) diberikan, dan angka diberikan untuk masing-masing pilihan jawaban (misalnya 10 = kelas 10; 11=kelas 11, 12 = kelas 12.
Menentukan Tipe Skor Untuk Dianalisis
Perhatikan kembali Diagram 7.1. Variabel 9, Depresi, terdiri dari skor atas dasar penjumlahan semua butir dalam sebuah instrumen. Sebelum melakukan analisis skor-skor, para peneliti harus terlebih dahulu mempertimbangkan tipe skor yang digunakan dalam instrumen mereka. Hal ini penting karena tipe skor itu akan berpengaruh terhadap bagaimana anda meng-enter data dalam sebuah file komputer untuk dianalisis.
Tabel 7.1 memperlihatkan 3 tipe skor untuk 6 orang mahasiswa: skor berbutir tunggal, jumlah skor pada sebuah skala, atau skor bersih atau perbedaan skor.
Skor Berbutir Tunggal
diberikan kepada masing-masing pertanyaan untuk masing-masing partisipan di dalam sebuah penelitian. Skor-skor ini memberikan analisis rinci dari jawaban masing-masing orang terhadap masing-masing pertanyaan dalam sebuah instrumen. Dalam sebuah penelitian para peneliti bertanya kepada individu-individu pada sebuah pertemuan sekolah di sebuah wilayah, “Apakah anda akan menjawab iya atau tidak untuk penghapusan pajak dalam pemilihan yang akan diadakan pada hari Selasa mendatang?” Dalam menskor data-data tersebut si peneliti akan memberikan nilai 1 terhadap jawaban tidak dan nilai 2 untuk pertanyaan iya dan membuat catatan terhadap bagaimana masing-masing individu memberikan jawaban terhadapa masing-masing pertanyaan. Dalam Tabel 7.1 keenam partisipan masing-masing memiliki skor untuk pertanyaan 1, 2, dan 3.
Penjumlahan Skor
menjumlahkan skor masing-masing individu untuk mendapatkan skor tunggal bagi sebuah variabel yang mencakup kelima pertanyaan.
Perbedaan Skor
Skor-skor penjumlahan untuk masing-masing individu digunakan untuk mendapatkan skor test secara menyeluruh yang dapat dibandingkan dari satu periode ke periode lainnya. Net different scores adalah skor-skor di dalam penelitian kuantitatif yang menggambarkan perbedaan atau perubahan skor masing-masing individu. Perubahan itu boleh jadi lebih bermakna ketimbang perubahan-perubahan lainnya. Sebuah perubahan kecil pada skor yang tinggi bisa jadi lebih bermanfaat ketimbang perubahan yang besar pada skor yang rendah. Contoh, perubahan yang kecil dari 98 ke 99 berskala 100 mungkin bisa lebih bermakna ketimbang perubahan dari 46 ke 66 pada skala yang sama (skala 100). Dalam ekperimen para peneliti sering mengumpulkan skor-skor pada sebuah instrumen sebelum penelitian dimulai (waktu 1) dan sesudah penelitian berakhir (waktu 2). Si peneliti mengumpulkan skor-skor ini atas dasar pretest dan postest, yang merupakan pengukuran yang biasa dikumpulkan selama penelitian eksperimen. Pada tabel 7.1, untuk masing-masing keenam partisipan itu kita melihat skor pretest untuk Matematika skor penjumlahan dari semua butir-butir dalam test sebelum satu unit pembelajaran Matematika diajarkan. Kita juga melihat untuk masing-masing partisipan skor postest untuk Matematikan tersebut, skor yang dijumlahkan pada akhir sebuah unit yang merupakan pencerminan skor menyeluruh dari test akhir atau postest. Skor bersih memperlihatkan seberapa banyak kinerja masing-masing partisipan menjadi lebih baik antara pretest dan postest.
Memilih Program Statistik
Dengan tersedianya dan murahnya biaya program perangkat lunak komputer anda bisa melakukan analisis secara nyaman dengan menggunakan komputer di rumah. Bagian yang paling susah adalah menentukan paket perangkat lunak yang akan digunakan. Ada beberapa petunjuk yang bisa diikuti untuk memilih program-program statistik tersebut (Lihat Leedy & Ormrod, 2001, sebagai tambahan).
Cari sebuah program yang memiliki petunjuk tentang bagaimana menggunakan program tersebut. Program-program tersebut sering memiliki tutorial yang memungkinkan anda secara mudah mempelajari karakteristik kunci dan mempraktekannya dengan menggunakannya serentetan data yang sudah disediakan. Pelatihan tanpa bayar sering tersedia di beberapa situs website.
Mudahnya digunakan merupakan faktor penting ketika memilih sebuah program. Pull down menus dan pengentrian data yang gampang membuat sebuah program mudah untuk digunakan.
Cari sebuah program yang mencakup tipe-tipe statistik yang dapat anda gunakan untuk menjawab pertanyaan-pertanyaan dan hipotesis-hipotesis penelitian anda.
Yakinilah bahwa program tersebut bisa menganalisis sejumlah data dalam database anda. Pertimbangkan berapa banyak partisipan dan jumlah variabel secara maksimum yang anda perlukan dalam analisis anda. Sebuah program sebaiknya mengakomodasi secara baik data-data yang hilang (missing) untuk seseorang partisipan. Cari sebuah program yang memiliki fleksibilitas dalam menangani data, bisa membaca data dalam banyak format (misalnya, angka dan huruf) dan bisa membaca file yang diimport dari spreadsheets atau database.
Cari sebuah program dengan kapabilitas untuk menghasilkan output berupa grafik dan tabel yang bisa anda gunakan dalam laporan penelitian anda.
mahasiswa sering tersedia (walaupun program ini memiliki keterbatasan dalam test-test statistik) dengan biaya yang murah. Pilih sebuah program yang digunakan oleh kampus anda sehingga
anda bisa mencari bantuan untuk menjawab pertanyaan-pertanyaan yang mungkin muncul. Beberapa program boleh jadi memberikan dukungan teknis untuk membantu menjawab pertanyaan-pertanyaan tersebut, tetapi ini memerlukan waktu yang relatif lebih banyak dan lebih mahal biayanya.
Dengan kriteria ini dalam benak kita, program-program statistik apa yang paling sering dan umum tersedia? Beberapa website memberikan informasi yang rinci tentang berbagai analisis statistik dari program-program komputer yang tersedia. Beberapa program-program-program-program yang sering digunakan adalah:
Minitabl3 (www.minitab.com). Ini adalah paket perangkat lunak statistik interaktif yang tersedia dari Minitab Inc, 3081 Enterprise Drive, State College, PA 16801-3008.
StatView (www.statview.com). Ini program perangkat lunak lain yang populer yang tersedia dari SAS Institute, Inc., SAS Campus Drive, Cary, NC 27513-2414.
SYSTAT (www.spssscience.com). Ini paket statistik interaktif yang komprehensif yang tersedia dari SPSS Science, Inc., 233 S. Wacker Drive, 11th Floor, Chicago, IL 60606-6307.
SAS/STAT (www.sas.com). Ini adalah program statistik dengan peralatan sebagai komponen yang terintegrasi dari produk sistem SAS yang tersedia dari SAS Institute Inc., SAS Campus Drive, Cary, NC 27513-2414.
Statistical Package for the Social Sciences (SPSS) Student Version 11.0 for Windows and Version 6.0 for Macintosh (www.spss.com). Ini adalah program analisis yang murah, profesional bagi mahasiswa didasarkan pada versi yang profesional tersedia dari SPSS Science, Inc., 233 S. Wacker Drive, 11th Floor, Chicago, IL 60606-6307.
Setelah memilih program statistik langkah anda selanjutnya adalah meng-enter data-data dari instrumen atau cheklist ke dalam program-program komputer. Inputting the data (menginput data) terjadi ketika peneliti mentransfer data-data dari jawaban-jawaban terhadap instrumen-instrumen ke dalam file komputer untuk analisis. Bagi mereka yang baru dalam proses ini, tabel ini sama dengan tabel spreadsheet yang digunakan dalam banyak paket-paket perangkat lunak (misanya excel). Tabel 7.2 memperlihatkan sebuah database yang kecil untuk 50 orang siswa yang berpartisipasi dalam penelitian tentang penggunaan tembakau di sekolah. Anda telah melihat variabel-variabel dalam database ini dalam buku kode yang ditampilkan pada diagram 7.1. Bila anda cermati Tabel 7.1 terlihat bahwa tabel tersebut berisikan cells-cells dalam bentuk baris dan kolom yang ke dalamnya si peneliti menginput data untuk analisis. Anda akan melihat pada kolom pertama diperlihatkan angka untuk masing-masing partisipant yang diikuti oleh nomor identifikasi yang diberikan kepada masing-masing ke 50 orang siswa. dalam kolom-kolom yang lain adalah variabel-variabel yang oleh si peneliti diukur (misalnya jender, tingkat/kelas, orangtua, dan seterusnya). Dengan menggunakan buku kode para peneliti memberikan angka kepada masing-masing jawaban yang memperlihatkan skor pada masing-masing variabel. Di halaman bagian bawah dari lembaran tersebut dicatat informasi (dijumpai dalam buku kode) yang memberikan yang mengaitkan antara angka dan jawaban yang terdapat dalam instrumen. Nama-nama variabel itu pendek dan sederhana tetapi deskriptif sifatnya (tidak lebih dari 8 huruf untuk SPSS seperti untuk jender, merokok, atau mengunyah tembakau).
Proses pengimputan data ke dalam tabel ini (George 7 Mallery 2001) membuat database SPSS sebagai berikut:
jawaban untuk sebuah variabel (misalnya 1= laki-laki, dan 2 = wanita).
Beri masing-masing partisipan nomor identifikasi dan tempatkan nomor ini pada kolom pertama dan gunakan nomor-nomor atau angka-angka ini pada kolom 1 dengan menggunakan SPSS (misalnya, 001, 002, 003, atau 343, 344, 345). Nomor anda sendiri boleh jadi mencerminkan tiga digit terakhir dalam nomor kartu penduduk (misalnya, 343, 344, 345) atau sesuatu nomot identifikasi yang lain. Dalam SPSS, anda melihat judul kolom sebagai variabel: var001,
var002, var003, dan seterusnya. Daripada menggunakan judul-judul tersebut gantikan nama-nama itu dengan variabel sendiri (misalnya var002 diganti dengan jender).
Anda juga bisa memberikan nama kepada nilai-nilai dan variabel-variabel sehingga print out anda akan berisikan nama-nama ini dan diperolehnya cara yang mudah untuk mengidentifikasi informasi anda. Anda bisa juga memberikan nama terhadap variabel-variabel anda seperti “orangtua”, atau nilai-nilai untuk variabel ini, seperti “kawin”, “bercerai”, dan “berpisah”.
Membersihkan dan Menghitung Data-data Yang Hilang
terjadi anda perlu membersihkan data dan menentukan bagaimana memperlakukan data-data yang hilang.
Membersihkan Database
Cleaning the data adalah proses menginspeksi data untuk melihat skor atau nilai yang berada di luar rentangan nilai yang diharapkan. Salah satu cara melakukan ini adalah dengan jalan menginspeksi tabel-tabel data secara visual. Untuk database yang besar distribusi frekuensinya akan memberikan rentangan skor untuk mendeteksi jawaban-jawaban yang berada diluar rentangan yang diharapkan. Contoh, para partisipan boleh jadi memberikan angka enam untuk jawaban untuk skala “sangat setuju” ke “sangat tidak setuju” padahal pilihannya cuma lima. Alternatifnya si peneliti boleh jadi mengetikkan skor untuk seorang partisipan “3” untuk gender, sedangkan nilai yang sah adalah “1” untuk wanita dan “2” untuk pria.
Prosedur yang lain adalah menggunakan SPSS dan menjalankan program pengurutan kasus dari angka yang besar ke angka yang kecil untuk masing-masing variabel. Proses ini menyusun nilai-nilai dari sebuah variabel dari angka yang paling kecil ke angka yang paling besar yang memungkinkan anda untuk secara mudah mendeteksi rentangan yang keliru atau kasus-kasus yang salah nomor. Apapun prosedurnya, penampakan visual dari data-data itu akan membantu membersihkan data-data dan membebaskannya dari kesalahan-kesalahan yang nampak sebelum anda memulai analisis data.
Menilai Database Untuk Menentukan Data-Data Yang Hilang
Bagimana anda harus menangani data-data yang hilang ini? Pendekatan yang paling kentara adalah agar memiliki instrumen yang bagus yang akan diisi oleh masing-masing individu dan mampu menjawab pertanyaan-pertanyaan sehingga data-data yang hilang tidak mungkin terjadi. Dalam beberapa penelitian anda bisa menghubungi individu-individu untuk menentukan kenapa mereka tidak memberikan jawaban terhadap sesuatu pertanyaan. Apabila individu-individu itu tidak memberikan jawaban, pastilah terjadi kesalahan dalam pengumpulan data anda yang mengindikasikan perencanaan yang kurang baik dalam rancangan penelitiannya.
Walaupun demikian, anda harus mengantisipasi bahwa pertanyaan-pertanyaan bisa dihilangkan atau beberapa orang partisipan tidak memberikan informasi dengan alasan apapun. Dalam hal ini anda memiliki beberapa pilihan yaitu :
Anda bisa menghilangkan para partisipan dengan skornya yang hilang itu dari analisis data dan memasukkan hanya para partisipan dengan data-data yang komplit dan lengkap. Praktek seperti ini pada dasarnya akan menyebabkan berkurangnya jumlah partisipan secara keseluruhan dalam analisis data anda.
mengidentifikasi angka-angka penganti bagi data-data yang hilang (lihat Gall, Borg, & Gall, 1996).
BAGAIMANA ANDA MENGANALISIS DATA?
Setelah anda mempersiapkan dan menyusun data-datanya anda siap menganalisisnya. Anda menganalisis data-data dalam rangka menjawab masing-masing pertanyaan dan hipotesis penelitian anda. Kembali kita pada tipe-tipe pertanyaan dan hipotesis penelitian pada bab 5. Untuk pertanyaan-pertanyaan atau hipotesis-hipotesis dalam penelitian kuantitatif anda perlu :
Mendeskripsikan kecenderungan data untuk variabel tunggal atau pertanyaan pada instrumen anda (misalnya “Apa self-esteem dari siswa sekolah menengah pertama?” untuk menjawab pertanyaan ini anda perlu statistik dekriptif yang memperlihatkan tendensi-tendensi umum yang terdapat dalam data (mean, mode, median), distribusi skor (varian, standar deviasi, dan rentangan nilai), atau perbandingan bagaimana sebuah skor berhubungan dengan skor-skor lainnya (z skor, pencentile rank). Kita juga bisa mendeskripsikan masing-masing variabel kita: independen, dependen, kontrol, atau perantara.
Membandingkan dua atau lebih kelompok dari sisi variabel independen dalam hal variabel dependen (misalnya, “bagaimana anak laki-laki dibandingkan anak perempuan dalam hal self-esteem mereka?”). Untuk menjawab pertanyaan ini kita memerlukan statistik inferensial yang memungkinkan untuk menganalisis data dari sebuah sampel untuk mengambil kesimpulan tentang sebuah populasi yang tak diketahui. Kita menilai apakah perbedaan-perbedaan antar kelompok itu (angka rata-rata mereka) atau hubungan antara variabel-variabel jauh lebih besar atau lebih kecil dari apa yang kita harapkan untuk keseluruhan populasi, seandainya kita bisa meneliti keseluruhan populasi tersebut.
Mengetes hipotesis tentang perbedaan antar kelompok atau hubungan antara variabel-variabel (misalnya, “anak laki-laki memiliki self-esteem yang lebih tinggi dari anak-anak perempuan” atau “self esteem memprediksi sikap optimistik yang dimiliki oleh anak-anak sekolah menengah pertama”). Untuk menjawab pertanyaan ini statistik inferensial juga digunakan.
Dengan demikian, kita mendeskripsikan hasil-hasil dari varaiabel tunggal atau pertanyaan atau kita menyimpulkan hasil-hasil dari sebuah sampel terhadap sebuah populasi. Dalam semua pertanyaan dan hipotesis penelitian kuantitatif kita meneliti para individu yang disampel dari sebuah populasi. Walaupun demikian dalam pertanyaan-pertayaan deskriptip kita meneliti hanya variabel tunggal satu demi satu; dalam analisis inferensial kita menganalisis variabel-variabel jamak pada waktu yang bersamaan. Juga dari perbandingan antar kelompok atau menghubungkan variabel-variabel kita bisa membuat prediksi tentang variabel-variabel itu. Kita bisa menguji hipotesis berkaitan dengan prediksi dengan membandingkan kelompok-kelompok atau mengaitkan variabel-variabel.
Lakukan Analisis Deskriptif
Bagaimana anda menganalisis data untuk mendeskripsikan kecenderungan? Gunakan statistik, menghitung nilai-nilai yang didasarkan kepada angka-angka. Banyak buku-buku yang memberikan rincian tentang berbagai statistik, penghitungannya, dan asumsi-asumsinya (misalnya, Abelson, 1995; Gravetter & Wallnau, 2000; Wright, 1997). Disini kita memfokuskan diri pada yang biasanya digunakan dalam penelitian pendidikan.
Statistik deskriptif akan membantu anda menyarikan kecenderungan secara menyeluruh atau tendesi dari data-data anda, memberikan pemahamanan tentang berbagai skor yang mungkin anda miliki, dan memberikan pemahaman tentang posisi sebuah skor dibandingkan dengan skor-skor lainnya. Ketiga hal ini adalah central tendency, variability, kedudukan relatif. Diagram 7.2 memperlihatkan prosedur-proseur statistik yang dapat anda gunakan untuk memberikan informasi seperti ini.
Mengukur Tendesi Sentral (measures of central tendency) adalah angka-angka yang merupakan sarian yang melambangkan sebuah nilai-tunggal di dalam distribusi skor-skor yang ada (Vogt, 1999). Angka-angka ini melambangkan sebuah nilai rata-rata (mean), titik tengah dari sejumlah skor (median), atau skor yang paling sering terjadi (mode). Dalam penelitian kuantitatif, para peneliti biasanya melaporkan ketiga ukuran ini. Tabel 7.3 memperlihatkan perbedaan antara ketiga ukuran ini masing-masing untuk 10 orang siswa yang skornya tentang depresi yang kita miliki.
Mean atau rata-rata adalah statistik yang paling populer yang digunakan untuk mendeskripskan jawaban semua partisipan terhadap butir-butir dalam sebuah instrument. Untuk menghitung rata-rata anda menjumlahkan sebuah skor yang ada kemudian membaginya dengan jumlah atau banyaknya skor. Pada tabel 7.3 anda membagi jumlah skor keseluruhan (818) dengan 10 (jumlah siswa) sehingga mendapatkan rata-rata (mean sebesar 81.10). Dalam mengkalkulasikan skor-skor tipe lainnya untuk statistik yang lebih rumit rata-rata atau mean ini memegang peranan yang sangat penting. Rapikan bahwa skor pada tabel 7.3 itu bersifat kontinue dan melaporkan sebuah sampel dari 10 buah skor berkenaan dengan depresi. Rata-rata ini memberikan kepada kita sebuah angka rata-rata untuk semua skor.
paling tinggi ke skor yang paling rendah dalam dua bagian. 50% dari skor terletak di atas median dan 50% terletak dibawah median. Menghitung skor ini, peneliti menampilkan semua skor berurutan dari yang tinggi ke yang rendah atau sebaliknya, kemudian menentukan skor mana yang disebut median itu yakni berada di antara kedua kelompok skor itu. Median pada tabel 3. 1 adalah parohan antara angka 76 dan 83, yakni 79.5. Ada lima skor yang berada di atas 79.5 dan lima skor lagi berada dibawahnya. Para peneliti sering melaporkan skor median ini, tetapi manfaat skor tersebut agak terbatas.
Walaupun demikian skor mode memberikan informasi yang bermanfaat. Mode adalah skor yang muncul paling sering dalam sejumlah skor. Ia digunakan apabila peneliti ingin mengetahui skor yang paling banyak jumlahnya dalam sekumpulan skor yang ada. Dalam tabel 7.3 skor yang paling sering muncul adalah 76, dan itu dimiliki oleh 2 orang siswa dari 10 orang siswa. Para peneliti menggunakan mode untuk melaporkan variabel-variabel yang bersifat kategorikal. Perhatikan tabel 7.4. disini ada variabel kategorikal tentang afiliasi kelompok teman sejawat dari para siswa. Dengan melihat tabel tersebut kita bisa menentukan bahwa “para penyanyi” lebih banyak jumlahnya ketimbang dari kelompok lainnya (N = 14). Modenya adalah “penyanyi” karena mereka diwakili oleh lebih banyak siswa ketimbang oleh kelompok-kelompok lainnya (atlit=4, singer=3, punkers=2, dan yang lainnya=1) dan skor rata-ratanya 137/50= 2.74, ini sebenarnya bukan rata-rata karena tidak ada sebuah kelompok pun yang diberi angka ini. Dengan demikian apabila kita memiliki informasi kategorikal mode melaporkan informasi yang bermakna, akan tetapi rata-ratanya tidak.
instrumen. Variabilitas juga memainkan peranan yang sangat penting dalam banyak penghitungan-penghitungan statistik yang lebih rumit.
Kita bisa melihat sejauh mana skor-skor itu bervariasi dengan jalan melihat range (jarak antara skor tertinggi dan terendah). Range of scores (rentangan nilai) adalah perbedaan antara skor tertinggi dan skor terendah dari butir-butir sebuah instrumen. Dalam tabel 7.3 kita melihat bahwa skor-skor berjarak dari yang terendah 60 ke yang tertinggi 99, sebesar 39 poin.
The variance (variansi) menyatakan sebaran skor seputar rata-rata. Untuk menghitungnya relatif mudah:
Cari perbedaan antara mean dan skor mentah untuk masing-masing individu
Pangkat duakan perbedaan tersebut untuk masing-masing individu
Jumlahkan pangkat dua masing-masing skor itu
Bagi dengan jumlah individu
Dalam contoh tabel 7.3 variansinya sama dengan 173.96. Informasi ini tidak banyak berarti tapi bermanfaat ketika menghitung statistik yang lebih lanjut. Akar pangkat dua dari variansi, standar deviasi (SD) tidak memberikan informasi yang bermanfat dan kita perlakukan angka tersebut sebagai indikator dari sebaran nilai. Dalam tabel 7.3, standar deviasinya adalah 13,90. Apabila skor-skor tersebut memiliki standar deviasi 3,90, kita mengatakan bahwa variansi skor itu berada di seputar rata-rata kurang dari 13,90.
memperlihatkan persentase skor-skor yang cenderung berada pada jarak antara masing-masing standar deviasi dari mean. Contoh, 60% dari skor berada pada +1 SD (34%) dan -1 SD (34%) standar deviasi dari mean: 95% antara +2 SD (13.5% + 34%) dan -2 SD (13.5% + 34%). Anda juga bisa mengasosiasikannya dengan skor-skor presentile, z score, t score dengan masing-masing standar deviasinya.
Percentile memberikan tipe statistik dedskriptif lainnya. Measures of relative standing adalah statistik yang mendeskripsikan sebuah skor kaitannya dengan sekelompok skor tertentu. Dalam diagram 7.3, 2.28% dari skor berada pada dua standar deviasi dibawah rata-rata. Dengan mengetahui dimana sebuah skor berada dalam sebuah distribusi merupakan kunci untuk keperluan pengujian hipotesis. Dua buah statistik yang sering digunakan adalah persentile skor dan z score.
Ukuran dari posisi relatif adalah percentile score. Percentile rank (percentile skor) dari sebuah skor tertentu adalah persentase partisipan dalam sebuah distribusi skor yang berada pada atau dibawah skor tertentu. Anda menggunakan angka tersebut untuk menentukan dimana dalam sebuah distribusi skor, skor seorang individu berada dalam kaitannya dengan skor-skor lainnya. Dalam tabel 7.3 kita melihat bahwa seorang individu dengan skor 94 berada pada percentile ke 80, dengan 20% para partisipan memiliki skor di atas skor individu ini, dan 80% dari partisipan memiliki skor pada atau berada dibawah individu ini.
sebuah skor, menguranginya dengan mean, dan membaginya dengan standar deviasi. Dalam tabel 7.3 kita melihat bahwa seseorang dengan skor 60 memiliki z score -1.57, atau skor yang berarti satu setengah standar deviasi dibawah rata-rata atau mean.
Melakukan Analisis Inferensial
Statistik deskriptif membantu anda menganalisis pertanyaan-pertanyaan deskriptif. Walaupun demikian, apabila anda membandingkan kelompok atau mengaitkan dua atau lebih variabel analisis inferensial perlu anda gunakan. Gagasan utamanya adalah untuk melihat skor dari sisi sampel dan menggunakan hasilnya untuk menarik inferensi (generalisasi) atau membuat prediksi tentang populasi. Ingat dari bab 6 bahwa kita sering mengadakan penelitian tidak meliputi keseluruhan populasi karena besarnya sampel dan biayanya kita sering meneliti sebuah sampel yang telah dipilih secara cermat dari populasi.
Apabila anda meneliti sampel ini anda akan mendapatkan skor, beberapa pendekatan tersedia untuk menentukan apakah skor-skor sampel merupakan estimasi yang bagus dari skor-skor populasi (lihat Vogt, 2005). Tanyakanlah kepada diri anda sendiri :
membuktikan bahwa sampel adalah estimasi yang bagus makanya kita mencoba membangun apakah estimasi itu salah.
2. Sejauh mana kita percaya bahwa skor sampel kita itu benar? Ini disebut pendekatan confidence interval. A confidence interval or internal estimate adalah jarak antara nilai-nilai statistik paling atas dan paling bawah yang konsisten dengan data-data yang teramati yang cenderung mencakup rata-rata populasi aktual. Dalam pendekatan ini anda menentukan sebuah interval atau jarak dimana skor populasi anda yang cenderung di mana nilai populasi itu berada. Dalam makna ini condifence interval memberikan keluasan yang lebih besar ketimbang pengujian hipotesis dalam bentuk ya atau tidak.
Pengujian Hipotesis
Ada lima langkah dalam pengujian hipotesis: (a) mengidentifikasi hipotesis null dan hipotesis alternatif, (b) menentukan level of significance, atau alpha level, (c) mengumpulkan data, (d) menghitung statistik sampel, dan (e) membuat keputusan untuk menolak atau menerima hipotesis null.
1.Mengidentifikasi hipotesis null dan hipotesis alternatif. Sebagaimana anda mungkin masih ingat pada bab 5 hipotesis null adalah prediksi tentang populasi dan biasanya dinyatakan dengan menggunakan kata-kata “tidak adanya perbedaan (atau tidak adanya hubungan atau asosiasi). Walaupun demikian hipotesis alternatif menyatakan perbedaan (atau hubungan atau asosiasi) dan arah perbedaan ini bisa positif atau negatif (alternative directional hypothesis) atau positif atau negatif (alternative non-directional hypothesis).
Kembali pada data-data siswa sekolah menengah pada tabel 7.2 anda berkemungkinan merumuskan hipotesis null dan hipotesis alternatifnya sebagai berikut:
Hipotesis Null:
Tidak terdapat perbedaan antara orang-orang yang perokok dan bukan perokok dalam hal skor depresi.
Hipotesis alternatif (non-directional dan directional)
Terdapat perbedaan antara orang-orang perokok dan orang-orang yang tidak perokok dalam hal skor depresi mereka.
(atau dirumuskan dengan cara lain):
Para perokok lebih banyak mengalami depresi ketimbang yang tidak perokok.
sampel dari semua kemungkinan apabila hipotesis nolnya benar. Kita mengharapkan kebanyakan dari rata-rata (mean) kita berada di pusat kurva bila hipotesisnya benar. Akan tetapi sejumlah kecil berada pada daerah-daerah yang ekstrim (kiri atau kanan). Dengan kata-kata lain kita berharap bahwa bagi setiap sampel orang-orang perokok dan non perokok skor depresinya sama tapi dalam jumlah yang persentasinya kecil anda berkemungkinan menemukan hal yang berbeda seperti anda lihat ada daerah-daerah yang ditandai dengan tanda hitam pada masing-masing ujung kurva. Kita mengharapkan akan ada probabilitas yang sangat rendah bahwa skor itu akan berada di daerah ini.
Sebuah standar diperlukan untuk daerah-daerah probabilitas yang rendah ini untuk menandainya secara persis di dalam kurva ini. Ini disebut menentukan tingkat signifikansi. A significance level (or alpha level) adalah tingkat probabilitas yang mencerminkan resiko maksimum yang ingin anda ambil bahwa perbedaan-perbedaan yang teramati itu terjadi secara kebetulan. Biasanya tingkat ini ditentukan 0,01 (1 dari 100 kali skor sampel terjadi karena kebetulan) atau 0,05 (5 dari 100 kali skor sampel terjadi karena kebetulan). Ini berarti bahwa 1 dari 100 kali (atau 5 dari 100 kali nilai probabilitas yang sangat rendah yang teramati apabila hipotesis nullnya benar. Dalam beberapa situasi perlu ditentukan tingkat aplhanya bahkan lebih kecil (rendah dari 0,01 atau 0,05). Umpamakan seorang peneliti menguji pengaruh dari obat-obatan yang memiliki efek samping yang sangat berbahaya. Tingkat alphanya bisa jadi ditentukan lebih rendah untuk menolaknya, misalkan 0,001, apabila obat itu memiliki pengaruh samping yang merusak bagi penderita penyakit kanker ketimbang tingkat apha yang lebih tinggi misalnya 0,05 apabila obat tersebut memiliki pengaruh samping yang kurang berbahaya untuk orang-orang dengan penyakit acne.
perokok dalam hal depresi) berada pada daerah kritis, hipotesis nullnya ditolak. Ini berarti bahwa “tidak ada perbedaan” sebagaimana yang dinyatakan dalam hipotesis null kita menemukan hipotesis alternatifnya yang benar: “terdapat perbedaan”
Juga perhatikan dalam diagram 7.4 bahwa daerah kritis ini yang ditandai oleh tingkat signifikansi terjadi pada kedua ujung kurva. Bila daerah kritis untuk menolak hipotesis null dibagi menjadi dua daerah pada ujung distribusi sampel, kita memiliki two-tailed test of significance (uji signifikansi dua arah) (Vogt, 1999). Walaupun demikian, apabila kita menempatkan daerah itu hanya pada satu ujung untuk menolak hipotesis null kita memiliki one-tailed test of significance (uji signifikansi satu arah). Anda menggunakan uji satu arah apabila penelitian terdahulu memperlihatkan arah yang mungkin (misalnya hipotesis alternatif terarah). Sebaliknya uji signifikansi dua arah lebih konservatif, atau lebih berat karena daerah penolakan pada ujung manapun dari kurva akan lebih rendah daripada daerah penolakan pada uji satu arah. Kita mengatakan bahwa uji satu arah memiliki lebih besar kekuatan dengan makna bahwa kita akan lebih cenderung menolak hipotesis null.
3.Mengumpulkan data. Anda mengumpulkan data dengan jalan menggunakan instrumen atau merekam tingkah laku pada lembaran ceklist untuk para partisipan. Kemudian seperti dibicarakan pada bab-bab sebelumnya, anda melakukan pengkodean terhadap data dan menginputnya ke dalam file komputer untuk analisis.
uji statistik kita (atau melihat hasil print out dari nilai ini). Degrees of freedom (df) (tingkat kebebasan) yang digunakan dalam uji statistik biasanya jumlah skor dikurang satu. Contoh untuk sebuah sampel skor, df = n-1. Tingkat kebebasan menentukan jumlah skor di dalam sebuah sampel yang bebas untuk bervariasi karena rata-rata sampel menentukan pembatasan terhadap variabilitas sampel. Dalam sebuah sampel skor, apabila nilai rata-ratanya diketahui semua skornya kecuali satu bisa bervariasi (misalnya bebas satu sama lain dan memiliki nilai), karena satu skor dibatasi oleh rata-rata sampel (Gravetter & Wallnau, 2007).
Bagian yang paling sukar adalah menentukan uji statistik apa yang akan digunakan. Tabel 7.5 memperlihatkan uji-uji statistik yang biasa dipakai di dalam penelitian pendidikan. tujuh buah pertanyaan perlu dijawab sebelum kita sampai kepada menentukan uji statistik yang tepat (juga lihat Rudestan & Newton, 1992, untuk kriteria yang sama).
Apakah anda ingin membandingkan kelompok/mengaitkan variabel-variabel di dalam hipotesis atau pertanyaan penelitian anda?
Berapa banyak variabel bebas yang anda miliki dalam sebuah pertanyaan atau hipotesis penelitian?
Berapa banyak variabel terikat yang anda miliki dalam sebuah pertanyaan atau hipotesis penelitian? Biasanya para peneliti hanya menggunakan satu variabel bebas, atau apabila variabel bebasnya banyak masing-masing variabel dianalisis satu demi satu.
Apakah anda secara statistik melakukan kontrol terhadap covariat dalam analisis anda terhadap hipotesis dan pertanyaan penelitian? Bagaimana anda mengukur variabel-variabel bebas? Ingat dalam
bab 6 ada dua jenis skala: kategorikal (nominal dan ordinal) dan skala continu (interval/rasio)
Apakah skor-skor variabel anda itu terdistribusi secara normal yakni bisakah anda mengansumsikan bila skor-skor itu dibuat grafiknya, terdistribusi seperti kurva normal? Statistik tertentu telah dirancang untuk bisa dilakukan paling tepat dengan data-data yang terdistribusi secara normal dan statistik-statistik lainnya akan lebih baik digunakan terhadap data-data yang terdistribusi secara tidak normal (lihat lampiran c untuk informasi tambahan tentang distribusi yang tidak normal).
Dengan ketujuh pertanyaan ini test statistik apa yang akan anda gunakan untuk meneliti hipotesis-hipotesis null ini?
“tidak terdapat perbedaan antara perokok dan orang yang tidak merokok dalam hal skor depresinya”
“tidak terdapat perbedaan antara perokok dan orang yang tidak merokok dan afiliasi kelompok teman sejawat”
Untuk hipotesis pertama anda memilih t test dan untuk hipotesis kedua chi-kuadrat. Bisakah anda mengidentifikasi kesimpulan apa yang diambil dalam memilih kedua uji statistik ini berdasarkan tujuh kriteria di atas?
nullnya ditolak; apabila nilai ρ nya itu lebih besar dari nilai alpha, ini berarti hipotesis nulnya diterima. Kemudian kesimpulan kita adalah terdapat perbedaan antara mereka yang bukan perokok dan yang merokok dalam hal tingkat depresi mereka, kita menolak hipotesis null (terdapat perbedaan) dan menerima hipotesis alternatif (terdapat perbedaan).
Dalam membuat pernyataan ini kita mengikuti prosedur berikut : a) Lihat pada nilai test statistik dan nilai ρ nya. Anda bisa menemukan
nilai ρ ini pada print out.
b) Tentukan apakah nilai ρ yang teramati lebih rendah atau lebih tinggi dari nilai ρ yang diperoleh dari distribusi skor untuk statistik dengan derajat kebebasan tertentu dan dengan test satu atau dua arah pada tingkat signifikan tertentu. Anda bisa menentukan nilai tabel untuk ρ secara manual dengan membandingkan nilai statistik dengan nilai tabel distribusi untuk statistik atau anda bisa minta bantuan program komputer untuk mengidentifikasi nilai ρ yang teramati, dan anda bisa menginterpretasi apakah nilai tersebut lebih tinggi atau lebih rendah dari nilai alpha.
c) Tentukan apakah hipotesis nullnya ditolak atau diterima. Kita perlu menentukan apakah nilai ρ secara statistik signifikan untuk menolak atau menerima hipotesis null. Statistical significance(signifikansi secara statistik) adalah apabila nilai ρ dari skor yang teramati lebih rendah dari nilai alpha yang sudah ditentukan sebelumnya oleh si peneliti.
perokok. Test statistik chi-kuadrat Pearson = 1.71 dengan df = 3 menghasilkan nilai ρ (tingkat signifikansi) sebesar .635. Pada ρ = 0,05 angka 0,635 tidaklah secara statistik signifikan, dan kesimpulan kita adalah kita gagal menolak hipotesis null. Kita menyimpulkan bahwa tidak terdapat perbedaan antara mereka yang merokok dan tidak perokok dalam hal afiliasi kelompok teman sejawat. Walaupun boleh saja kita mengantisipasi bahwa kelompok “punkers” memiliki lebih banyak mereka yang merokok ketimbang mereka yang tidak perokok atau kelompok atlit memiliki lebih banyak mereka yang tidak perokok ketimbang yang merokok, test statistik kita tidak menemukan hasil seperti itu.
Kesalahan Potensial Dalam Hasil Penelitian
Dalam kedua contoh ini, uji t dan uji kuadrat, hasil yang kita peroleh bisa jadi memiliki kesalahan. Coba pertimbangkan empat buah hasil yang mungkin terjadi selama pengujian hipotesis. Keempat kemungkinan ini diperlihatkan pada tabel 7.8. Kolom dalam tabel ini memperlihatkan dua kondisi aktual permasalahan di dalam populasi : Tidak ada perbedaan antara perokok dan non perokok dalam hal skor depresi (dikatakan dengan cara lain, para perokok dan non perokok sama-sama mengalami depresi), atau terdapat perbedaan antara perokok dan non perokok dalam hal skor depresi mereka. Informasi yang terdapat dalam rows memperlihatkan dua keputusan yang dibuat oleh si peneliti berdasarkan pada data-data aktual : menolak hipotesis null atau gagas menolak hipotesis null.
Dari kedua faktor ini kita memiliki empat kemungkinan hasil –dua kemungkinan kesalahan yang mungkin terjadi dan dua hasil positif yang mungkin terjadi di dalam pengujian hipotesis:
oleh si peneliti padahal itu benar. Probabilitas dari rata-rata kesalahan ini disebut alpha.
2. Si peneliti bisa berbuat kesalahan dengan jalan tidak bisa menolak hipotesis null. A type II error (kesalahan tipe kedua) terjadi ketika si peneliti gagal menolak hipotesis null padahal terdapat pengaruh aktual di dalam populasi. Probabilitas dari rata-rata kesalahan ini disebut beta. Secara praktis kesalahan tipe kedua ini dianggap tidak terlampau bermasalah dibandingkan tipe pertama, karena gagal menolak hipotesis null (menemukan tidak terdapatnya perbedaan) kurang melenceng dibandingkan menolak hipotesis null (menemukan perbedaan). Dalam penelitian pendidikan kita perlu berhati-hati berkenaan dengan pernyataan “terdapat perbedaan” padahal sebenarnya tidak terdapat perbedaan.
3. Si peneliti bisa menolak hipotesis null ketika ia seharusnya menolak karena memang mendapat pengaruh. Ini merupakan keputusan yang benar, dan karenanya tidak terdapat kesalahan. The power dalam pengujian hipotesis kuantitatif sebenarnya merupakan probabilitas menolak hipotesis null yang salah secara benar (probability of correctly rejecting a false null hypothesis). 4. Si peneliti bisa gagal menolak hipotesis null yang seharusnya tidak
ditolak karena memang tidak adanya pengaruh. Perkiraan penggunaan Confidence Intervals
Pada tabel 7.6 dan 7.7 kita memiliki dua jenis uji statistik inferensial, satu menolak hipotesis null yang lainnya gagal menolak hipotesis null. Walaupun keputusan menolak atau gagal menolak hipotesis null memberikan informasi yang berguna, ini tidak menyatakan besaran atau perbedaan dalam skor rata-rata, terutama apabila hipotesis nullnya ditolak (seperti dalam contoh uji t). Dengan demikian kita kembali kepada condifence interval untuk bisa membantu kita menentukan betapa besar perbedaan yang ada dan untuk mengestimasi a range of acceptable values.
jarak antara nilai-nilai statistik tertinggi dan terendah yang konsisten dengan data-data teramati dan yang berisikan rata-rata populasi aktual. Karena rata-rata hanyalah merupakan estimasi nilai populasi nilai-nilai tersebut memang tidak pernah diketahui secara persis, dan rata-rata sampel menyatakan angka estimasi dari rata-rata populasi, makanya penting untuk mempertimbangkan range of values di seputar rata-rata sampel dari sejumlah sampel. Para peneliti menetapkan konfidence interval di seputar nilai rata-rata sampel untuk mengilustrasikan range of potential scor yang mungkin terjadi. Tambahan lagi hal ini dinyatakan dalam bentuk persen seperti 95% (95 dari 100), dari nilai populasi akan berada di dalam range of interval ini. Di samping itu interval ini diidentifikasi sebagai batas atas dan batas bawah, yakni nilai-nilai yang mendefinisikan range of interval itu.
Kembali kepada tabel 7.6 lagi, program komputer melaporkan 95% confidence interval untuk perbedaan antara rata-rata dua kelompok. Apabila anda menarik sejumlah sampel dari populasi maka 95% dari perbedaan rata-rata sampel tersebut akan berada di antara batas nilai paling rendah dan batas nilai paling tinggi. seperti dilaporkan di dalam statistik untuk uji t. Ini memperlihatkan bahwa jika kita mengumpulkan data dari sejumlah sampel mahasiswa sekolah menengah kita mungkin bisa mengestimasi bahwa 95% dari skor depresi akan berada antara -12.71, dan -7.33, sekitar perbedaan -10.02 untuk skor rata-rata perokok dan non perokok (69.77- 79.79 = -10.02). Untuk mengetahui range ini akan memberikan estimasi yang akurat dari nilai-nilai populasi dan ia juga memberikan informasi tambahan berkenaan dengan hasil pengujian hipotesis.
Menentukan Besarnya Pengaruh
menghitung besarnya pengaruh. Besarnya pengaruh mengidentifikasi kebermaknaan dari kesimpulan-kesimpulan tentang perbedaan kelompok atau hubungan antara variabel-variabel dalam sebuah penelitian kualitatif. Perhitungan dari koefisien ini berbeda untuk masing-masing uji statistik. Untuk analisis variansi (ANOVA) contohnya besarnya pengaruh (eta2) diukur dengan menggunakan persentase variansi yang disebabkan oleh variable yang diteliti. Phi, sebagaimana digunakan dalam uji chi kuadrat, adalah ukuran asosiasi dari besarnya pengaruh. Ukuran-ukuran lainnya besarnya pengaruh bagi uji-uji statistik lainnya menggunakan prosedur penghitungan yang berbeda seperti omega2 atau Cohen’s D (APA, 2001). Apabila kita menguji skor rata-rata dari dua kelompok besarnya pengaruh 0,5 (atau setengah standar deviasi) atau lebih besar sering digunakan sebagai standar.
Kita bisa menghitung besarnya pengaruh antara kelompok-kelompok dalam contoh penelitian penggunaan tembakau di kalangan siswa sekolah menengah. Misalnya peneliti mengkaji rata-rata seperti dalam tabel 7.6 dan melihat bahwa skor rata-rata berbeda sebesar 10.02, sebuah perbedaan yang cukup besar dalam skala 100. Secara lebih tepat kita menghitung besarnya pengaruh dan melaporkannya dalam bentuk satuan atau unit deviasi standar. Untuk uji t, besarnya pengaruh (ES) dapat dihitung dengan menggunakan persamaan berikut:
ES = Mean (rata-rata)perokok – Mean (rata-rata) non perokok /Standar Deviasiweighted
dimana standar deviasiweighted diperoleh dari rata-rata standar deviasi perokok dan non perokok, dengan mempertimbangkan besarnya kelompok.
Dengan menggunakan rumus ini, kita lihat dalam tabel 7.6 besarnya pengaruh dilaporkan 2.154. Ini berarti bahwa rata-rata perokok dua standar deviasi lebih tinggi dari rata-rata non perokok dalam hal skor depresi. Ini merupakan perbedaan yang sangat besar dalam prakteknya.
antara dua variabel kategorikal (dua buah variabel nominal). Nilai 0.85 menyatakan asosiasi yang lemah, dan kita memiliki bukti tambahan bahwa para perokok dan non perokok tidak berbeda dalam hal peer group affiliation (afiliasi kelompok sejawat).
BAGAIMANA ANDA MELAPORKAN HASIL PENELITIAN
Ketika para peneliti menyelesaikan pengujian statistiknya selanjutnya mereka membuat penyajian hasil dalam bentuk tabel dan angka-angka serta melaporkan hasilnya dalam bentuk diskusi atau pembahasan. Anda bisa memasukan hasil ini ke dalam bagian yang berjudul “Hasil-hasil Penelitian”. Beberapa hal mungkin bisa membantu anda dalam membuat bagian ini serta membantu anda memahami isi dari bagian hasil penelitian yang sudah dipublikasikan.
Bagian ini sebaiknya menangani atau menanggapi masing-masing pertanyaan dan hipotesis penelitian. Pendekatan yang biasanya digunakan, menjawab masing-masing pertanyaan dan hipotesis penelitian satu demi satu secara berurutan sesuai dengan apa yang dikemukakan pada bagian awal penelitian. Dalam melaporkan hasil-hasil penelitian si peneliti juga harus mencermati temuan-temuan statistik tanpa mengambil implikasi yang lebih luas atau makna yang lebih luas dari temuan-temuan statistik tersebut. Selanjutnya bagian ini juga mencakup ringkasan data ketimbang data-data mentah (misalnya skor-skor aktual dari masing-masing individu). Bagian hasil-hasil penelitian ini mencakup:
Tabel yang menyarikan informasi statistik
Diagram-diagram (ada chart, gambar-gambar, lukisan-lukisan) yang memperlihatkan variabel dan hubungan-hubungannya Penjelasan rinci tentang hasil-hasil statistik
Tabel
kuantitatif, tetapi tabel tersebut bisa jadi juga berisikan informasi berbentu teks seperti ringkasan dari penelitian-penelitian inti yang ditemukan dalam studi kepustakaan (dan yang dicantumkan pada bagian awal dari sebuah penelitian, sebelum hasil-hasil penelitian. Salah satu keuntungan dari menggunakan tabel-tabel ini adalah tabel-tabel tersebut bisa membuat keringkasan dari data-data yang jumlahnya besar sekali dalam ruangan yang terbatas. Berikut adalah beberapa petunjuk bagaimana membuat tabel :
Walaupun anda bisa menyajikan lebih dari satu uji-uji statistik dalam sebuah tabel petunjuk umumnya adalah menyajikan satu tabel untuk masing-masing uji statistik. Walaupun demikian anda kadang-kadang juga bisa menggabungkan data-data dari analisis statistik yang berbeda ke dalam sebuah tabel. Contoh : semua data-data deskriptif (mean, standar deviasi dan range) bisa digabungkan ke dalam sebuah tabel. Walaupun demikian anda harus menyajikan masing-masing uji statistik inferensial dalam sebuah tabel.
Para pembaca seharusnya bisa memahami dengan mudah makna dari suatu tabel. Tabel-tabel sebaiknya menyusun data-data ke dalam rows dan columns dengan judul-judul yang sederhana dan jelas. Juga judul tabel harus secara tepat menyajikan informasi yang ada dalam tabel dan merupakan sebuah deskriptif yang lengkap.
Para penulis biasanya melaporkan apakah catatan-catatan yang memberikan kualifikasi, penjelasan, atau memberikan informasi tambahan dalam tabel-tabel yang kiranya bermanfaat bagi para pembaca. Catatan-catatan ini sering mencakup informasi tentang besarnya sampel yang dilaporkan dalam penelitian, nilai-nilai probabilitas yang digunakan dalam pengujian hipotesis dan tingkat signifikansi aktual bagi uji statistik.
Diagram
Dalam rangka membedakan antara tabel dan diagram tidak selamanya jelas. Tabel mencakup ringkasan dari data-data kuantitatif sedang diagram menyajikan informasi dalam bentuk grafik atau gambar-gambar visual (APA, 2001). Dengan demikian, a figure (diagram) adalah ringkasan dari informasi kuantitatif yang disajikan sebagai chart, grafik, atau gambar yang memperlihatkan hubungan antara skor-skor atau variabel-variabel. Tabel biasanya lebih disenangi ketimbang diagram (APA, 2001) karena tabel memperlihatkan informasi yang lebih banyak dalam bentuk yang lebih sederhana.
Diagram cocok untuk menyajikan informasi secara visual dalam bentuk grafik dan gambar-gambar pada bagian hasil penelitian. The Publication Manual of the American Psychological Association (APA, 2001) menyarankan beberapa standar untuk merancang sebuah diagram yang bagus. Sebuah diagram yang bagus :
Augmens, ketimbang duplikat dari teks
Memperlihatkan fakta-fakta yang essensial
Menghilangkan rincian-rincian visual yang menganggu
Mudah dibaca dan dimengerti
Sejalan dengan dan dipersiapkan dengan gaya yang sama sebagaimana halnya diagram yang sama pada artikel yang sama Dirancang dan dibuat dengan cermat (hal. 177)
Beberapa jenis diagram ditemukan dalam penelitian-penelitian pendidikan :
Scatterplots, yang mengilustrasikan perbandingan dari dua skor yang berbeda dan bagaimana skor itu masing-masing regues atau berbeda dari rata-rata (lihat diagram 12.1). Informasi ini berguna untuk mengidentifikasi outliers atau upper atau lower ceiling effects dari skor-skor tersebut.
Line graphs, yang memperlihatkan interaksi antara dua variabel dalam sebuah eksperimen (lihat diagram 11.5).
Charts, yang memperlihatkan hubungan yang rumit antara variabel-variabel dalam rancangan penelitian korelasional (lihat diagram 12.3).
The Publication Manual of the American Psychological Association (APA, 2001) memberikan ilustrasi tentang line graphs, bar graphs, scatterplots, dan model-model correlational chart path model. Dalam kesemua contoh-contoh ini the figure caption ditempatkan dibawah diagram tersebut. Ini berbeda dari judul tabel yang ditempatkan di atas tabel.
Menyajikan Hasil Penelitian
Walaupun tabel dan diagram menyarikan informasi dari uji-uji statistik si peneliti perlu mendeksripsikan dengan rinci hasil-hasil dari masing-masing uji statistik. Dalam penyajian hasil-hasil penelitian, si peneliti menyajikan informasi yang rinci tentang hasil-hasil penelitian tertentu yang berasal dari analisis statistik deskriptif dan inferensial. Proses ini memerlukan penjelasan tentang hasil-hasil utama dari masing-masing uji statistik dan menyajikan informasi ini degan menggunakan bahasa yang dapat diterima di lingkungan peneliti kuantitatif.
Untuk hasil dari masing-masing uji statistik ini, si peneliti menyarikan temuan-temuan dalam satu atau dua kalimat. Kalimat-kalimat tersebut harus berisikan statistik yang diperlukan dalam rangka memberikan gambaran yang lengkap tentang hasil tersebut. Kalimat tersebut juga harus mencantumkan informasi yang dipelukan dalam melaporkan hasil-hasil dari masing-masing uji statistik. Apa yang menyajikan informasi yang memadai tergantung pada tipe statistik tertentu. Secara minimum :
Melaporkan apakah uji hipotesis significant atau tidak
Mencakup bahasa yang biasa digunakan dalam melaporkan hasil-hasil statistik
Informasi tentang uji statistik misalnya bisa mencakup laporan tentang derajat kebebasan (df) dan besarnya sampel untuk uji statistik chi-kuadrat, dan rata-rata dan standar deviasi (APA, 2001).
Diagram 7.5 memperlihatkan contoh-contoh dari pernyataan-pernyataan tentang hasil penelitian yang tergambar dari statistik deskriptif dan inferensial. Untuk statistik deskriptif (rata-rata, standar deviasi, dan range) memperlihatkan informasi yang bermanfaat tentang hasil penelitian. Untuk statistik inferensial informasi seperti taraf alpha yang digunakan nilai p aktual daerah kritis untuk penolakan hipotesis, hasil uji statistik, derajat kebebasan (df) dan besarnya pengaruh harus dilaporkan. Konfidence interval juga harus dilaporkan (Wilkinson & Tasks Force on Statistical Inference, 1999).
BAGAIMANA ANDA MEMBAHAS HASIL-HASIL PENELITIAN
Setelah melaporkan dan menjelaskan hasil-hasil penelitian secara rinci, para penliti mengakhiri penelitian merka dengan membuat ringkasan temuan-temuan kunci dari penelitian tersebut, mengembangkan penjelasan terhadap hasil-hasil penelitian, mengungkapkan keterbatasan-keterbatasan penelitian, dan membuat rekomendasi berkenaan dengan tindaklanjut penelitian tersebut.
Membuat Keringkasan Hasil-Hasil Utama
Penelitian diakhiri oleh pernyataan para peneliti berkenaan dengan implikasi penelitian secara positif. Implikasi (implication) adalah saran-saran tentang pentingnya penelitian bagi kelompok audiens yang berbeda. Implikasi ini mengelaborasikan signifikansi penelitian bagi para audiens seperti diungkapkan pada awalnya di dalam bagian rumusan masalah (Lihat Bab 3). Sekarang, bahwa penelitian sudah berakhir si peneliti berada pada posisi mengadakan refleksi (memberikan kesan) tentang pentingnya penelitian.
Menjelaskan Kenapa Hasil Penelitian Terjadi
Sesudah keringkasan ini, para peneliti menjelaskan kenapa hasil-hasil penelitian mereka itu terjadi seperti apa adanya. Sering penjelasan ini didasarkan pada prediksi-prediksi yang dibuat berdasarkan suatu teori atau kerangka konseptual yang memberi arah pada perumusan pertanyaan-pertanyaan dan hipotesis penelitian. Di samping itu, penjelasan-penjelasan ini bisa juga mencakup pembahasan bahan kepustakaan yang ada dan yang memperlihatkan bagaimana hasil-hasil penelitian didukung ataupun ditolak oleh penelitian-penelitian terdahulu. Dengan demikian anda akan sering menemukan kajian tentang penelitian terdahulu disajikan oleh penulis dalam bagian ini. Bagian akhir ini boleh jadi mempertentangkan dan membandingkan hasil-hasil penelitian dengan teori-teori atau sekumpulan bahan kepustakaan.
Mengungkapkan Keterbatasan Penelitian
faktor-faktor lain yang biasanya terkait dengan pengumpulan dan analisis data. Keterbatasan-keterbatasan ini penting untuk diketahui oleh peneliti-peneliti lainnya yang berkemungkinan memilih untuk melakukan penelitian yang mirip dengan ini dan ataupun mengulang penelitian ini. Pengungkapan keterbatasan-keterbatasan ini menjembatani atau mengarah pada rekomendasi untuk penelitian lanjut. Keterbatasan-keterbatasan tersebut juga membantu para pembaca untuk menilai sejauh mana temuan-temuan penelitian bisa atau tidak bisa digeneralisasikan terhadap orang-orang dan situasi-situasi lainnya.
Menyarankan Penelitian Lanjutan
Para peneliti kemudian mengungkapkan juga arah penelitian yang akan datang atas dasar hasil-hasil penelitian yang dilakukan ini. Arah penelitian masa datang (future research direction) adalah saran-saran yang dibuat oleh si peneliti berkenaan dengan penelitian-penelitian lain yang perlu dilakukan atau dasar hasil penelitian ini. Saran-saran tersebut merupakan jembatan terhadap keterbatasan-keterbatasan penelitian, dan memberikan arah yang bermanfaat bagi para peneliti baru dan pembaca yang berminat untuk mendalami masalah penelitian ini atau untuk menerapkan hasil-hasilnya pada praktek-praktek pendidikan. Para pendidik sering membutuhkan sebuah “sudut” untuk memperdalam atau memberikan kontribusi terhadap pengetahuan yang ada, dan saran-saran bagi penelitian yang akan datang, terutama sekali sebagaimana ditemukan pada bagian kesimpulan dari sebuah penelitian. Bagi orang-orang yang membaca laporan penelitian ini, arah penelitian masa yang datang akan menggarisbawahi bidang-bidang yang belum banyak diketahui dan memberikan batas bagi penggunaan informasi dari suatu penelitian secara khusus.
Untuk mendapatkan gambaran berkenaan dengan proses analisis dan interpretasi data kualitatif kita kembali lagi pada penelitian “keterlibatan orangtua” yang dilakukan oleh Deslandes & Bertrand, (2005). Dengan statistik lanjut yang digunakan oleh para peneliti kita akan mudah terpancing untuk memfokuskan perhatian pada statistik dan kehilangan gambaran yang menyeluruh tentang analisis dan interpretasi yang terdapat di dalam penelitian.
mengetahui bahwa penelitian ini akan membangun sebuah pemahaman tentang pentingnya 4 buah faktor yang menjelaskan keterlibatan orangtua. Cermati kembali tabel 7.5 yang memperlihatkan kepada kita bahwa apabila kita memiliki dua atau lebih variabel bebas (4 konstruck dan beberapa variabel kontrol dalam penelitian ini) yang diukur dengan skala kontinu (1 = sangat tidak setuju, sampai 6 = sangat setuju) dan 1 variabel bebas (apakah rumah atau sekolah yang diukur secara terpisah sebagai skala kontinu, kita akan menggunakan regresi ganda sebagai prosedur statistik. Kita bisa melihat kedua tabel regresi ini (tabel 4 dan tabel 5) dan perhatikan bahwa beberapa dari tabel tersebut secara statistik signifikan dan pada tingkat p < .05, p < .01, dan p < .001 (sebagaimana diperlihatkan oleh tanda *) yang terdapat pada tabel di bagian bawah. Sayang sekali kita tidak melihat besarnya pengaruh di dalam tabel 4 dan 5. Tapi dalam analisis data pada tabel 4 kita bisa melihat bahwa persepsi orangtua terhadap undangan para siswa dalam ranah akademik dengan memprediksi secara kuat keterlibatan orangtua dirumah (beta = .44). kemudian kita membaca pada bagian hasil penelitian untuk melihat temuan-temuan yang lebih rinci. Pemikiran kita tentang bentuk-bentuk analisis data yang ditemukan dalam artikel jurnal ini beranjak dari pemikiran tentang pertanyaan penelitian, penelusuran tabel, mengetahui jenis-jenis statistik utama dan penggunaan tabel 7 poin 5 dalam bab ini untuk menilai kenapa statistik itu yang digunakan dan melihat secara cermat pada hasil penelitian yang disajikan dalam tabel-tabel tersebut sebagaimana juga dalam bagian pembahasan hasil-hasil penelitian.
meningkatkan keterlibatan orangtua dan pentingnya hubungan guru/orangtua. Bagian terakhir mengidentifikasi beberapa keterbatasan penelitian dalam hal sampel (paragrap 46), mengungkapkan gagasan-gagasan untuk penelitian lanjut (paragrap 47), dan kemudian berakhir pada catatan positif berkenaan dengan pentingnya penelitian (paragrap 49).
GAGASAN-GAGASAN UTAMA DALAM BAB INI
Setelah pengumpulan skor-skor numeric yang diperoleh melalui instrumen penelitian atau melalui observasi para peneliti kuantitatif perlu menyiapkan dan menyusun data-data mereka untuk analisis statistik. Proses ini terdiri dari pemberian skor numeric pada masing-masing pilihan jawaban dalam instrumen (apabila instrumen tidak mencakup atau tidak memasukkan informasi ini); menentukan apakah butir tunggal atau perbedaan skor akan digunakan di dalam analisis; dan memilih program perangkat lunak komputer untuk menganalisis data. Kemudian peneliti memasukkan ke dalam file-file komputer dengan jalan membuat matrik data yang terdiri dari variabel-variabel dan nilai-nilainya. Dengan data yang sudah dibangun si peneliti memulai proses menganalisis data untuk menjawab pertanyaan-pertanyaan atau hipotesis penelitian. Beberapa pertanyaan boleh jadi terbatas pada mendeskripsikan kecenderungan di dalam data, dan si peneliti menggunakan analisis deskriptif seperti kecenderungan umum, penyebaran skor, dan peringkat skor.
tidaknya perbedaan dan makna praktis dari perbedaan-perbedaan ini terhadap perbandingan kelompok atau hubungan variabel-variabel.
