DATA DAN METODA ANALISA
DATA
4/5/2012 2
Pendahuluan
• Disain penelitian menentukan teknik statistik ; bukan sebaliknya teknik statistik menentukan disain penelitian
• Statistika dipakai untuk melayani dan sebagai
alat dalam penelitian, bukan untuk
4/5/2012 3
Data dan Penyajian Data
• tugas peneliti adalah mendapatkan data untuk ‘mengisi’ variabel penelitian
• data akan sangat bergantung dari definisi operasional variabel penelitian
4/5/2012 4
Berdasarkan tingkat pengukuran variabel
penelitian yang dikuantifikasikan :
• Data nominal
• Data ordinal
• Data interval (scale)
4/5/2012 5
Data nominal
• data yang ditetapkan berdasarkan proses penggolongan atau kategorisasi.
• Data nominal ini bersifat diskrit dan saling terpisah (mutually exlusive) antara golongan (kategori) yang satu dengan yang lain.
• Contoh : data tentang jenis kelamin; data tentang pendapat responden terhadap kenaikan SPP (setuju / tidak setuju).
4/5/2012 6
Data ordinal
• data yang mempunyai urutan atau bisa
diurutkan berdasarkan jenjang atau atribut tertentu.
• Contoh : data tentang rangking siswa, hasil lomba pidato bahasa Inggris bagi siswa SLTP, dan sebagainya.
4/5/2012 7
Data interval (scale)
• data yang dapat dikelompokkan berdasarkan ukuran (satuan/unit) yang sama; dapat
diurutkan berdasarkan kelompok tersebut sebagaimana data ordinal.
• data interval umumnya bersifat kontinyu.
• Contohnya : data tentang skor test siswa, data tentang prestasi belajar, dan sebagainya.
4/5/2012 8
Data rasio
• data yang dalam kuantifikasinya mempunyai nilai nol (0) mutlak; artinya ‘kuantitas’ nol (0) dapat masuk sebagai anggota data.
• Dalam penelitian ilmu-ilmu sosial, jarang peneliti menggunakan data rasio.
4/5/2012 9
konversi data
• Dalam praktek pengolahan data,
dimungkinkan melakukan konversi dari data yang mempunyai tingkat lebih tinggi ke tingkat data yang lebih rendah.
• Data rasio data interval data ordinal data nominal
• Konversi data diperlukan biasanya untuk
menyesuaikan dengan teknik analisis statistik yang akan dipakai.
4/5/2012 10
Analisis Hubungan
• Hubungan Simetris
• Hubungan Timbal Balik
Analisis Hubungan Simetris
• Dilakukan apabila diduga sebuah variabel
berhubungan dengan variabel yang lain, tetapi adanya variabel tersebut bukan disebabkan atau bukan dipengaruh oleh variabel lain.
• Hubungan simetris dapat terjadi jika:
– Kedua variabel akibat dari faktor yang sama : misal: penggunaan pupuk dan jumlah radio
– Kedua variabel indikator dari konsep yang sama: misal: frekuensi mendengar radio dan menonton tv
– Hubungan terjadi karena kebetulan saja: misal: banyak murid yang duduk di belakang tidak lulus ujian
Analisis Hubungan Asimetris
• Dilakukan apabila satu variabel diduga
mempengaruhi variabel lain, tetapi hubungan tersebut tidak timbal balik dapat berasal dari hubungan suatu konsep
• Jenis hubungan asimetris:
• Antara cara dan tujuan
• Antara stimulus dan respon • Antara prasyarat dan akibat • Antara ciri dan tingkah laku
Rangkuman Hubungan Asimetris
Jenis
Hubungan
Hubungan antar konsep Hubungan antar variabel
Dependen Independen Dependen Independen Cara vs Tujuan sukses rajin Nilai ujian Jumlah jam
belajar Stimulus vs respons produktivitas Kesuburan tanah Produksi per hektar Dosis pupuk Watak vs respon
Perilaku inovasi partisipasi Menanam
varietas unggul Frekuensi menghadiri penyuluhan Prasyarat vs akibat Kebebasan mimbar Jaminan hukum
Isi seminar SK Mentri Ciri vs tingkah laku Perilaku ekonomi pendidikan Konsumsi daging/bulan Jumlah tahun sekolah Hubungan yang tetap ada
daun batang Jumlah daun Diameter batang
Hubungan Bivariat dan Multivariat
• Hubungan asimetris bivariat hubungan yang menyangkut hanya dua variabel satu variabel dependent dan satu variabel independen
(seringkali karena mengasumsikan variabel lain konstan)
• Hubungan asimetris multivariat menyangkut lebih dari dua variabel: satu variabel dependen dan dua atau lebih variabel independen
Hubungan timbal balik
• Analisa pada dua variabel yang saling
mempengaruhi, kita tidak tahun mana yang sebab dan mana yang akibat
Misal:
4/5/2012 16
TEKNIK ANALISA
• Analisis non-statistik • Analisis statistik
4/5/2012 17
Analisis non-statistik
• data kualitatif, yaitu data-data yang tidak bisa di-angka-kan, analisis non-statistik lebih tepat
digunakan
• Data kualitatif biasanya diolah atau dianalisis berdasarkan isinya (subtansinya).
• analisis non statistik ini sering juga disebut dengan
analisis isi (content analysis), yang mencakup analisis deskriptif, kritis, komparatif, dan sintesis.
• Penelitian yang menggunakan data kualitatif disebut
4/5/2012 18
Analisis statistik
• untuk data kuantitatif, yaitu data yang berupa angka atau bisa diangkakan, analisis statistik lebih tepat digunakan
• statistik deskriptif dan statistik inferensial • Statistik deskriptif digunakan untuk
membantu memaparkan (menggambarkan) keadaan yang sebenarnya (fakta) dari satu sampel penelitian penelitian deskriptif • Penelitian deskriptif tidak untuk menguji
4/5/2012 19
Statistika inferensial
• digunakan untuk mengolah data kuantitatif dengan tujuan untuk menguji kebenaran
suatu teori baru yang diajukan peneliti yang dikenal dengan hipotesis penelitian
inferensial
• Dalam penelitian inferensial, teknik analisis statistik yang digunakan mengacu kepada suatu pengujian hipotesis
4/5/2012 20
Rambu-rambu Pemilihan Teknik Analisis
Statistika
• Tipe penelitian (deskriptif, inferensial) • Jenis variabel (terikat, bebas)
• Tingkat pengukuran variabel (nominal, ordinal, interval)
• Banyaknya variabel (satu, lebih dari satu )
• Maksud statistik (kecenderungan memusat, variabilitas, hubungan (korelasi, asosiasi), pembandingan (komparasi), interaksi,
Analisis Data :
• Analisis Deskriptif (Tabulasi, Grafik)
– Data Kategorial : Bar chart, Pie Chart, Pareto. – Data Numerik: Grafik line, Scater diagram, order
ray, Steam and Leaf, tabel kontingensi
• Analisis Inferen (Uji normalitas dan linieritas, Uji validitas dan reliabilitas, Uji perbedaan, Uji hubungan, lainnya)
• Kombinasi Dari Keduanya
ANALISA STATISTIK DESKRIPTIF
1. Tabel Distribusi Frekuensi 2. Mean, Median dan Mode
3. Variance dan standar deviasi
Tabel Distribusi Frekuensi
• Frekuensi adalah jumlah pemunculan, biasa digunakan untuk menggambarkan sebaran informasi berdasar pengelompokan tertentu
• Contoh Tabel: Distribusi frekuensi kumulatif kelompok Gaji
Interval Kelas Gaji (Rp.000) Frekuensi Frekuensi Relatif (%) Frekuensi Kumulatif Frekuensi Kumulatif relatif (%) 118-126 5 10 5 10 127-135 7 14 12 24 136-144 11 22 23 46 145-153 14 28 37 74 154-162 7 14 44 88 163-171 4 8 48 96 172-180 2 4 50 100 Jumlah 50 100
Mean, Median dan Mode
• Mean rata-rata hitung (arithmatic mean)
– 4, 5, 2, 3, 7, 8, 4, 1, 12 mean=?
• Median nilai tengah yang dicari dari seri yang sudah diatur menurut ranking
– 4, 5, 2, 3, 7, 8, 4, 1, 12 median=?
• Mode nilai yang muncul terbanyak atau nilai pengamatan yang mempunyai
pemunculan yang terbanyak.
Varian dan Standar Deviasi
1
)
(
2n
X
X
V
x i)
1
(
)
(
2 2n
n
X
X
n
V
x i i xV
s
Analisa Variance(keragaman) dan Standar Deviasi biasa dilakukan untuk melihat seberapa jauh nilai pengamatan tersebar di sekitar nilai rata-ratanya
Latihan: hitungan V dan s
Berapa nilai rata-rata akhir, variance dan standar deviasi dari 7 matakuliah ini: 4,7,8,8,5, dan 4
Estimasi terhadap Mean Populasi
Seringkali peneliti harus menganalisa angka rata-rata yang
diperoleh dari sejumlah sampel besar dari suatu populasi untuk itu digunakan konsep analisa keragaman (variance) dan standar deviasi sbb:
Untuk sampel Besar
1. Nilai estimasi mean dari populasi (µ) adalah mean dari sampel ( )
2. Interval dari estimasi adalah:
X
e
X
e
X
n
s
z
e
.
e = errorz = nilai z pada level significance tertentu (lihat tabel normal) s = standar deviasiLatihan:
Estimasi nilai rata-rata umur dosen Unand
berikut yang diambil dari 32 sampel berikut:
46.2 61.9 52.5 57.3 51.8 38.0 53.7 56.1 65.4 48.5 51.6 43.0 47.8 60.5 71.1 62.3 56.6 52.5 43.9 52.0 58.1 66.5 33.9 42.7 46.4 53.8 61.2 55.3 48.5 42.9 40.7 52.4
Untuk sampel Kecil
1. Nilai estimasi mean dari populasi (µ) adalah mean dari sampel ( )
2. Interval dari estimasi adalah:
Latihan: Berapa nilai estimasi rata-rata berat bayi berikut pada level confidence 95% 2.4 2.7 2.9 2.7 3.0 3.0 3.1 4.0 2.7 2.5
X
e
X
e
X
1
n
s
t
e
e = errort = nilai distribusi t pada level confidence tertentu (lihat tabel t) s = standar deviasi
n = jumlah sampel X
ANALISA STATISTIK INFERENSIAL
1. UJI T untuk membedakan dua buah mean 2. Uji Kecocokan = Chi Kuadrat
3. Uji F dalam analisa variance 4. Teknik Korelasi
Uji T
• Untuk menguji hipotesis apakah ada perbedaan antara dua nilai MEAN • Uji hipotesis u1 = u2 2 1 2 1 x x s X X t 2 1 2 1 2 1 1 1 2 2 1 n n n n SS SS sx x
Latihan:
Seorang peneliti ingin mengetahui perbedaan perbedaan pendapatan petani dari dua komoditi.
A: 1, 2, 3, 4, 4, 5, 5, 8, 9, 9
B: 4, 6, 7, 7, 8, 8, 9, 10, 10, 11
Apakah terdapat perbedaan antara rata-rata pendapatan dari komoditi A dan B.
Cara:
1. Cari nilai SS (sumsquare) dari kedua komoditi 2. Cari standar error beda kedua komodisi (sx1-x2) 3. Cari nilai t hitung
4. Lihat nilai t tabel dengan degree of freedom (df)=10+10-2= 18 t0.05 df(18) = 2.101
5. Apabila t hitung > t tabel hipotesis (u1 = u2) ditolak, artinya ada perbedaan yang nyata antara rata-rata
Uji Kecocokan
Uji Chi Kuadrat :
• digunakan untuk menguji hipotesis tentang distribusi dari ukuran atau variabel-variabel penelitian yang menggunakan ukuran nominal pada atribut yang diteliti.
• Mencari kecocokan (goodness of fit) artinya menguji apakah distribusi frekuensi yang diamati menyimpang
secara nyata dari suatu distribusi hipotesis yang diharapkan Misal:
ada lima kelas MPSE, setiap kelas terdiri dari 50 mhs, dengan metoda mengajar baru diharapkan 20% saja yang tidak lulus, ternyata hasilnya, kelas A gagal 10, kelas B gagal 4, kelas C, gagal 12, kelas D gagal 1 kelas E gagal 15, apakah hasil ini cocok dengan yang diharapkan?
Tabel analisa Chi-Kuadrat
Kelas Jumlah yang
gagal (D) Jumlah gagal yang diharapkan (E) ( D – E ) (D – E) 2 (D – E) 2 ---E A 10 10 0 0 0 B 4 10 -6 36 3.6 C 12 10 2 4 0.4 D 1 10 -9 81 8.1 E 15 10 5 25 2.5 ( X2 ) 14.6
• Berarti Nilai Chi Kuadrat Hitung (X2) = 14.6
• Nilai Chi tabel dengan nilai significance 0.05 dan derajat bebas (df) =k -1 = 5 -1 =4 adalah 9.49 (lihat tabel distribusi Chi) • Karena Chi hitungan > Chi tabel hipotesa ditolak, artinya kecocokan tidak baik, artinya hasil ujian tidak seperti yang diharapkan.
Uji Chi untuk Ketergantungan
Contoh: suatu studi opini mahasiswa dilakukan untuk mengetahui pandangan dari mahasiswa laki-laki dan perempuan terhadap sejumlah UKM-UKM di Universitas Andalas
Ho: distribusi pandangan laki-laki dan perempuan terhadap UKM adalah sama H1: distribusi pandangan laki-laki dan perempuan adalah tidak sama
(berbeda)
Seni OR Alam lainnya Total
Laki-laki 42 87 4 7 140 Perempuan 12 33 17 8 70 total 54 120 21 15 210
Cara penyelesaian:
• Jumlah alternatif, k = 2, r = 4 • Level significance = 0.05
• Cari nilai yang diharapkan dari masing-masing sel
Nilai harapan e untuk kolom 1 baris 3:
• Hitung nilai Chi kuadrat dengan rumus:
• Cari nilai Chi tabel (X2
0.05) dengan df =(2-1)(4-1)=3 11,345
• Apabila Chi hitung > Chi tabel tolak Ho, terima H1 • Apabila Chi hitung < Chi tabel tolak H1, terima Ho
n n n eij ( .j)( i.) 14 210 140 21 13 x e i j ij ij ij e e c X 2 2 ( )
Uji Keragaman
• Uji distribusi F menguji apakah ada perbedaan dari banyak variabel
• Mis: percobaan dilakukan untuk mencari
apakah ada beda produksi per hektar dari 4 jenis padi yang dirancang secara acak.
• Rumusan Hipotesa:
Ho: u1 = u2 = … = uk tidak ada beda nilai rata-rata dari populasi
Ho: u1 ≠ u2 ≠ … ≠ uk ada beda nilai rata-rata dari populasi
Uji Keragaman = uji F
• Uji F dalam bentuk tabel ANOVA
• Hitung CF (correction factor)
∑Tj = jumlah total nilai pengamatan N = total nilai seluruh sampel
• Hitung SST = ∑(Xij)2 – CF X
ij: nilai pengamatan i dari sampel j
• Hitung SSP = ∑ *(Tj)2/n
j – CF
• Hitung SSE = SST-SSP
• Hitung MSP dan MSE sesuai rumus pada tabel • Hitung Nilai F sesuai rumus pada tabel
• Bandingkan F hitung dengan F tabel
Sumber variasi DF SS MS Antar perlakuan k - 1 SSP MSP = SSP/k-1 F = MSP/MSE Error (n-k)-(k-1) SSE MSE =
SSE/(n-k)(k-1) Total SST= SSP+SSE MST = SST/(n-k) N T CF j 2 ) (
Uji korelasi
• Untuk melihat derajat hubungan yang ada pada dua variabel
– Korelasi Pearson – Korelasi Spearman – Korelasi Biserial
Analisa Regresi
• Untuk mempelajari bagaimana variasi dari beberapa variabel independen yang
mempengaruhi variabel dependen dalam suatu fenomena yang kompleks
• Y = f (x1, x2, x3…, xk, e)
Regresi sederhana = satu X dan satu Y Regresi berganda = lebih dari satu X
skematik
4/5/2012 41
DATA
Distribusi
Statistik Parametrik Statistik
Non-Parametrik
Normal NormalTidak
Manual atau Komputerize Analisis Sec.
Statistik Analisis Sec. Non
Statistik
Metode Kuantitatif lainnya
Tujuan Studi dan Analisa Data 4/5/2012 42 Eksplanasi Verifikatif (Simetris) (Asimetris)
Perbandingan paramatrik dan non
parametrik
43
APLIKASI TEST PARAMETRIK TEST NONPARAMETRIK Satu sampel T test
Z test
Uji Binomial Uji Chi Kuadrat Dua sampel
dependent
T test Z test
Sign test
Wilcoxon Signed Test Mc Nemar Change Test Dua sampel
independent
T test Z test
Mann-Whitney U Test Moses Extreme reactions Chi Square Test
Kolmogorov S Test Walt-Wolfowitz runs k-sampel dependen Friedman test
Kendall W test Cochran’s Q k-sampel
independent
ANOVA test Kruskal Wallis test Chi Square test Median test
4/5/2012 44
Penutup
• Statistik hanyalah alat yang membantu peneliti untuk memudahkan memahami dan
memberikan makna dari data penelitian yang diperoleh
• tugas peneliti untuk memberikan interpretasi terhadap data yang diperoleh dan
membahasnya lebih lanjut secara lebih
mendalam dan komprehensif berdasarkan teori-teori yang mendukung serta fakta yang terjadi di lapangan.
• pada ruang ‘interpretasi hasil analisis data’ inilah karya monumental seorang peneliti diperoleh
Bacaan Utama
• M. Nazir, Ph.D. 2003. Metoda Penelitian. Jakarta: Ghalia Indonesia