PENGOLAHAN DATA DAN PENARIKAN KESIMPULAN
A. Analisis Data
Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah atau dianalisa. Pengolahan data merupakan bagian yang amat penting dalam metode ilmiah, karena dengan pengolahan data, data tersebut dapat diberi arti dan makna yang berguna dalam memecahkan masalah penelitian. Data mentah yang telah dikumpulkan perlu dipecah-pecahkan dalam kelompok-kelompok, diadakan kategorisasi, dilakukan manipulasi serta diperas sedemikian rupa sehingga data tersebut mempunyai makna untuk menjawab masalah dan bermanfaat untuk menguji hipotesa atau pertanyaan penelitian.
Secara mendasar terdapat perbedaan yang jelas antara analisa data kuantitatif dan kualitatif. Analisa kuantitatif dilakukan setelah selesai pengumpulan data, bersifat deduktif dan menggunakan metode statistik. Sedangkan analisa kualitatif dilakukan secara terus menerus sejak awal sampai akhir penelitian, bersifat induktif dan diarahkan untuk mencari pola, model, tema ataupun teori. Berikut penjelasan teknik analisis keduanya.
1. Analisa Data Kuantitatif
Sebagaimana disinggung di atas bahwa analisa kuantitatif hanya dapat dilakukan setelah semua data terkumpul. Hal ini karena proses analisa kuantitatif hanya diarahkan untuk menguji apakan hipotesis atau dugaan sementara yang tertuang dalam rumusan malah diterima atau tidak. Pengujian tersebut dilakukan dengan memanfaatkan metode statistik baik deskriptif maupun inferensial.
a. Statistik Deskriptif
Statistik deskriptif adalah statistik yang berfungsi untuk menderkripsikan obyek penelitian melalui data sampel atau populasi sebagaimana adanya, tanpa melakukan analisis dan membuat kesimpulan yang berlaku untuk umum. Data disajikan dalam bentuk tabel biasa maupun distribusi frekuensi; grafik garis maupun batang; diagram; pictogram; penjelasan melalui mean, median, modus; dan variasi kelompok melalui rentang dan simpangan baku.
Fungsi statistik deskriptif antara lain mengklasifikasikan suatu data variabel berdasarkan kelompoknya masing-masing dari semula belum teratur dan mudah diinterpretasikan maksudnya oleh orang yang membutuhkan informasi tentang keadaan variabel tersebut. Selain itu statistik deskriptif juga berfungsi menyajikan informasi sedemikian rupa, sehingga data yang dihasilkan dari penelitian dapat dimanfaatkan oleh orang lain yang membutuhkan.
Data yang telah diperoleh dari pencacahan selanjutnya diolah dan disajikan dalam bentuk yang lebih mudah dimengerti oleh pengguna data tersebut. Sajian data kuantitatif sebagai hasil analisis kuantitatif dapat berupa angka-angka maupun gambar-gambar grafik. Contoh konkret aplikasi analisa kuantitatif deskriptif adalah sebagai berikut :
Ibu Naya (guru matematika SMA N 1 Rembang) tertarik untuk meneliti pencapaian prestasi mata pelajaran matematika siswa kelas X semester 1 di SMA N 1 Rembang. Untuk keperluan tersebut peneliti melihat nilai Ujian Tengah Semester (UTS) dan Ujian Semester dalam mata pelajaran yang diberikannya kepada 14 siswa semester 1. Setelah melakukan studi dokumenter diperoleh data sebagai berikut:
Tabel 5.1
Skor Ujian Matematika Siswa Semester I
Nama Siswa Nilai U T S Nilai U A S Nilai Rata-rata
Maria Sharapova 65 70 67,5
Rafael Nadal 70 73 71,5
Ana Ivanovic 75 80 77,7
Martina Hingis 73 71 72
Novak Djokovic 60 75 67,5
Victoria Azarenka 65 72 68,5
Nadia Petrova 74 80 77
Kim Clitsjer 68 74 71
Roger Federer 67 78 72,5
David Ferer 65 78 71,5
Andi Murray 80 82 81
Gabriela Sabatini 78 81 79,5
Sara Errani 76 78 77
Vera Zvonareva 72 80 76
N = 14
Penilaian Acuan Patokan (PAP). Jika pendekatan pertama (PAN) yang dipergunakan, maka norma yang dijadikan standar adalah nilai Rata-rata (Mean) dan Standar Deviasi (SD) masing-masing nilai variabel. Namun, jika yang dipergunakan pendekatan kedua (PAP), maka standarnya adalah standar nilai lembaga yang bersangkutan. Misalnya SMA N 1 Rembang memiliki standar nilai hasil belajar siswa sebagai berikut:
Tabel 5.2
Standar Konversi dan Kualifikasinya
No Skor Nilai Nilai Huruf Kualifikasi
1 2 3 4 5
80 – 100 70 – 79 60 – 69 50 – 59 0 – 49
4 3 2 1 0
A B C D E
Baik Sekali Baik Cukup Kurang
Sangat Kurang
Dengan berpedoman pada standar di atas, maka skor hasil pengukuran kemampuan Matematika yang terdapat pada tabel 1 dapat dilakukan konversi. Melalui cara ini dapat diketahui distribusi nilai berikut kualifikasinya. Hal ini dapat dilihat pada tabel berikut:
Tabel 5.3
Kualifikasi Nilai Ujian MatematikaSiswa Semester I Siswa SMA N 1 Rembang 2012-2013
Nama Siswa Nilai UTS Nilai Ujian Semester Matematika
Skor Nilai Skor Nilai Skor Nilai
Maria Sharapova 65 C 70 B 67,5 C
Rafael Nadal 70 B 73 B 71,5 B
Ana Ivanovic 75 B 80 A 77,5 B
Martina Hingis 73 B 71 B 72 B
Novak Djokovic 60 C 75 B 67,5 C
Victoria Azarenka 65 C 72 B 68,5 C
Nadia Petrova 74 B 80 A 77 B
Kim Clitsjer 68 C 74 B 71 B
Roger Federer 67 C 78 B 72,5 B
David Ferer 65 C 78 B 71,5 B
Andi Murray 80 A 82 A 81 A
Angelique Kerber 78 B 81 A 79,5 B
Sara Errani 76 B 78 B 77 B
Stanislas Wawrinka 72 B 80 A 76 B
Langkah selanjutnya agar hasil konversi nilai memiliki makna lebih jelas, maka dilakukan kualifikasi berdasarkan jenis-jenis variabel beserta kualifikasinya. Tabel-tabel berikut merupakan hasil dari prosedur pengerjaan ini. Dari tabel-tabel tersebut peneliti mulai bisa bicara sesuai dengan keadaan yang termuat di dalamnya. Misalnya pada tabel 4 peneliti mulai mendeskripsikan bahwa nilai Matematika siswa kelas X SMA N 1 Rembang Semeter I, tidak tampak (0%) yang berkategori Kurang (D) dan Sangat Kurang (E) tidak tampak (0%). Kualifikasi nilai mereka berkisar antara nilai Baik Sekali 7%, Baik sebesar 71,43%, dan selebihnya berkualifikasi Cukup 21,43%. Secara umum dapat dikatakan bahwa nilai Matematika yang diperoleh siswa kelas X termasuk Baik. Hal ini dapat dilihat pula dari nilai rata-ratanya, yaitu sebesar 73.57.
Tabel 5.4
Nilai MatematikaSiswaSMA N 1 Rembang
Nilai Ujian Teng. Sem. Ujian Semester Matematika
F % F % F %
A B C D E
1 7 6 0 0
7 50 42,86
0 0
5 9 0 0 0
35,71 64,29
0 0 0
1 10
3 0 0
7 71,43 21,43
0 0
b. Statistik Inferensial
Pemakaian analisis inferensial bertujuan untuk menghasilkan suatu temuan yang dapat digeneralisasikan secara lebih luas ke dalam wilayah populasi. Di sini seorang peneliti akan selalu berhadapan dengan hipotesis nihil (Ho) sebagai dasar penelitiannya untuk diuji secara empirik dengan statistik inferensial.
Tabel 5.5
Jenis Data dan teknik Analisis Korelasi yang Tepat
No. Variabel 1 Variabel 2 Teknik Analisis Korelasi
1. Interval Interval Product Moment
2. Ordinal (Rangking) Ordinal (Rangking) Tata jenjang (lebih tepat untuk N kurang dari 30)
3. Rangking Rangking KendallThau (lebih tepat untuk N
kurang dari 10)
4. Dikhotomi buatan Interval Biserial
5. Dikhotomi asli Interval Wide Spread biserial
6. Dikhotomi buatan Dikhotomi buatan Point biserial
7. Dikhotomi asli Dikhotomi asli Korelasi Phi
8. Kategorik asli atau Buatan
Kategorik asli atau buatan
Chi Kuadrat dilanjutkan Koefisien Kontingensi
(Suharsimi Arikunto, 1993: 422)
Pembahasan statistik inferensial pada modul ini tidak diperluas, dimana untuk level SMA penelitian lebih banyak diarahkan pada statistik deskriptif yang kiranya cukup memberi dorongan para peneliti pemula untuk melakukan penelitian.
2. Analisis Data Kualitatif
Analisa data kualitatif berbeda dengan kuantitatif dan dapat dilihat dari berbagai sudut pandang. Menurut Patton, 1980 (dalam Lexy J. Moleong 2002: 103) menjelaskan bahwa analisis kualitatif adalah proses mengatur urutan data, mengorganisasikanya ke dalam suatu pola, kategori, dan satuan uraian dasar. Sedangkan menurut Taylor, (1975: 79) mendefinisikan analisis data sebagai proses yang merinci usaha secara formal untuk menemukan tema dan merumuskan hipotesis (ide) seperti yang disarankan dan sebagai usaha untuk memberikan bantuan dan tema pada hipotesis. Jika dikaji, pada dasarnya definisi pertama lebih menitikberatkan pengorganisasian data sedangkan yang ke dua lebih menekankan maksud dan tujuan analisis data. Dengan demikian definisi tersebut dapat diubah menjadi: Analisis data proses mengorganisasikan dan mengurutkan data ke dalam pola, kategori dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang didasarkan oleh data.
Pengumpulan Data
Penyajian Data
Simpulan / Verifikasi Reduksi Data
hal ini ialah mengatur, mengurutkan, mengelompokkan, memberikan kode, dan mengategorikannya. Pengorganisasian dan pengelolaan data tersebut bertujuan menemukan tema dan hipotesis kerja yang akhirnya diangkat menjadi teori substantif.
Secara lebih jelas keseluruhan proses analisa data kualitatif dapat digambarkan oleh diagram yang dibuat oleh Miles dan Huberman sebagai berikut :
Data yang diperoleh kemudian ditampilkan apa adanya, setelah itu data disortir mana data yang valid dan mana yang tidak valid. Data yang valid dikategorisasikan berdasarkan pola jawaban atas pertanyaan pada rumusan masalah. Data yang sudah dikategorisasikan kemudian disusun dalam sebuah alur logika. Dari alur logika yang berhasil dibangun, maka dibuat simpulan yang akan ditulis pada bagian terakhir penelitian.
B. Penarikan Kesimpulan
Setelah melakukan analisis, maka penulis mengambil kesimpulan atas hasil interprestasi data yang dilengkapi dengan saran-saran. Penarikan kesimpulan sangat berguna dalam merangkum hasil akhir suatu penelitian, selain sebagai landasan rumusan pengambilan keputusan bagi pihak peneliti juga digunakan sebagai bahan acuan penelitian selanjutnya.
Kesimpulan adalah intisari dari hasil eksperimen dan pernyataan mengenai hubungan hasil eksperimen dengan hipotesis, termasuk juga alasan-alasan yang menyebabkan hasil eksperimen hasil eksperimen berbeda dengan hipotesis. Jumlah kesimpulan harus sama dengan jumlah pertanyaan yang ada pada rumusan masalah, karena memang fokus penelitian hanya ada pada rumusan masalah. Kemudian, jika perlu kesimpulannya dapat diakhiri dengan memberikan masukan-masukan untuk pengujian selanjutnya.
Penyusunan bab tentang kesimpulan ditujukan untuk memberi ringkasan tentang: - Apa yang telah dipelajari (biasanya di bagian awal kesimpulan)
- Apa saja yang masih harus dipelajari (arah penelitian berikutnya) - Hasil yang diperoleh dalam penelitian (evaluasi)
- Rekomendasi
Kesimpulan seharusnya dalam bentuk yang ringkas dan jelas. Sebagai gambaran, pada banyak hasil penelitian bagian kesimpulan mencakup hingga 2,5% dari keseluruhan laporan. Kesimpulan yang terlalu panjang seringkali disebabkan memuat rincian yang tidak perlu. Bab tentang kesimpulan bukanlah tempat bagi rincian tentang metodologi atau hasil penelitian. Walaupun peneliti harus memberikan ringkasan tentang apa yang telah dipelajari dalam penelitian, ringkasan tersebut tidak harus panjang karena penekanan pada bagian kesimpulan terletak pada implikasi dan evaluasi
Bila pada bagian pendahuluan dimaksudkan untuk bergerak dari umum (bidang kajian) ke khusus (topik penelitian), maka dalam bagian kesimpulan kamu harus bergerak dari yang lebih khusus (penelitian kita) kembali ke umum (bidang kajian, bagaimana penelitian kita akan mempengaruhi dunia). Dengan kata lain, dalam kesimpulan kita harus meletakkan penelitian kita ke dalam konteks.
Penarikan kesimpulan merupakan penilaian apakah sebuah hipotesis yang diajukan itu ditolak atau diterima. Jika dalam proses pengujian terdapat bukti yang cukup untuk mendukung hipotesis, maka hipotesis itu diterima. Sebaliknya jika dalam proses pengujian tidak terdapat bukti yang cukup mendukung hipotesis, maka hipotesis itu ditolak. Hipotesis yang diterima dianggap sebagai bagian dari pengetahuan ilmiah sebab telah memenuhi persyaratan keilmuan. Syarat keilmuan yakni mempunyai kerangka penjelasan yang konsisten dengan pengetahuan ilmiah sebelumnya, serta telah teruji kebenarannya. Teruji kebenarannya berarti tidak ditemukan bukti yang bertentangan.
