CARA MELAKUKAN TEKNIK ANALISIS DATA


     Alat analisis data statistik :
a.        Statistik Deskriptif: Menjelaskan atau menggambarkan berbagai karakteristik data, seperti berapa rata-ratanya, seberapa jauh data bervariasi dan sebagainya.
b.       Statistik Induktif: Berusaha membuat berbagai infeensi terhadap sekumpulan data yang berasal dari suatu sampel, misalnya melakukan perkiraan, peramalan, pengambilan keputusan dan sebagainya. (Singgih Santoso, 1999, hal. 1)

     Teknik analisis data dalam penelitian kuantitatif dapat menggunakan dua macam jenis uji statistik, yakni:
a.        Statistik deskriptif: adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi:
a.1.     Penelitian pada populasi (tanpa diambil sampelnya) menggunakan statistik deskriptif dalam analisisnya.
a.2.     Penelitian pada sampel menggunakan statistik deskriptif maupun inferensial dalam analisisnya.
a.3.     Statistik deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data sampel, dan tidak ingin  membuat kesimpulan yang berlaku untuk populasi dimana sampel diambil
a.4.     Alat uji: Tabel, grafik, lingkaran, pictogram. Perhitungan modus, median, mean, desil, presentil, rata-rata, standar deviasi, perhitungan prosentase. Analisis korelasi, regresi, perbandingan rata-rata (namun tidak perlu diuji signifikansnya).
b.       Statistik inferensial (statistik induktif atau statistik probabilitas): teknik statistik yang digunakan untuk menganalisa data sampel dan hasilnya diberlakukan untuk populasi. Teknik ini akan cocok digunakan bila sampel diambil dari populasi yang jelas, dan teknik pengambilan sampel dari populasi dilakukan secara random. Statistik inferensial terdiri dari dua:
b.1.      Statistik parametrik: digunakan untuk menguji populasi melalui statistik atau menguji ukuran populasi melalui data sampel (pengertian statistik di sini adalah data yang diperoleh dari sampel). Asumsi statistik parametrik: data harus berdistribusi normal, data homogen, digunakan untuk menganalisis data interval dan rasio.
b.2.      Statistik nonparametrik:  Data tidak harus berdistribusi normal, digunakan untuk menganalisis data nominal dan ordinal (Sugiyono, 1999, 142-146)
Penggunaan Statistik Berdasarkan Jenis Skala untuk Menguji Hipotesis
·                      
Macam Data
·                     BENTUK HIPOTESIS


Asosiatif
(Hubungan)
·                     Deskriptif
·                     (Satu Variabel
·                     Atau Satu Sampel)**
·                     Komparatif
·                     (Dua Sampel)
·                     Komparatif
·                     (Lebih Dua Sampel)
·                     Related
·                     Independen
·                     Related
·                     Independen
·                     Nominal
·                     Binomial
·                     l2 satu sampel
·                     McNemar
·                     Fisher Exact Probaility
·                     l2 dua sampel
·                     Cochran Q
·                     l2 k sampel
·                     Contingency
·                     Coeficient C
·                     Ordinal
·                     Run Test
·                     Sign Test
·                     Wilcoxon Matched Pairs
·                     Median Tes
·                     Mann-Witney U Test
·                     Kolomogorov Smirnov
·                     Wald-Wodfowitz
·                     Friedman Two Way
·                     Anova
·                     Median Extension
·                     Kruskal Wallis One Way Anova
·                     Spearman Rank Correlation
·                     Kendall Tau
·                     Interval
·                     Rasio
·                     t-test*
·                     t-Test of related
·                     t-Test independen*
·                     One way anova*
·                     Two way anova*
·                     One way anova*
·                     Two way anova*
·                     Korelasi product moment
·                     Korelasi Parsial
·                     Korelasi Ganda
·                     Regresi Sederhana & Ganda
Ket: * Statistik parametris, ** deskriptif untuk parametris artinya satu variabel, dan untuk nonparametris artinya satu sampel
Sumber: Sugiyono, 1999, 146
113.     Syarat-syarat statistik parametrik dan nonparametrik:
a.        Statistik parametrik:
a.1.     Observasi-observasi harus independen, artinya pemilihan sembarang kasus dari populasi untuk dimasukkan dalam sampel tidak boleh menimbulkan bias pada kemungkinan-kemungkinan bahwa kasus yang lai akan termasuk juga dalam sampel itu, dan juga skor yang diberikan kepada suatu kasus tidak boleh mempengaruhi skor yang diberikan kepada kasus lainnya.
a.2.     Observasi-observasi harus ditarik dari populasi yang berdistribusi normal.
a.3.     Populasi-populasi itu harus memiliki varian yang sama (atau dalam kasus-kasus khusus,, populasi itu harus memiliki rasio varian yang diketahui)
a.4.     Variabel-variabel yang terlibat harus diukur setidaknya dalam skala interval, sehingga memungkinkan dipergunakannya penanganan secara ilmu hitung terhadap skor-skornya (menambah, membagi, menemukan rata-rata, dan seterusnya).
a.5.     Dalam analisis varian (tes F) ada syarat tambahan selain syarat keempat di atas, yaitu rata-rata populasi normal dan bervarian sama itu harus merupakan kombinasi linear dari efek-efek yang ditimbulkan oleh kolom dan/atau baris. Artinya efek-efek itu harus bersifat penjumlahan (additive) (Sidney Siegal, 1997, 23-24).
b.       Statistik nonparametrik:
b.1. Tes yang modelnya tidak menetapkan syarat-syarat mengenai parameter-parameter populasi yang merupakan induk sampelnya
b.2. Anggapan tertentu yang berkaitan  dengan observasi yang independen dan variabel yang diteliti pada dasarnya memiliki kontinuitas, namun anggapan ini lebih sedikit  dan jauh lebih lemah daripada anggapan yang berkaitan dengan tes parametrik, terlebih lagi tes nonparametrik tidak menuntut pengukuran sekuat yang dituntut tes parametrik
b.3. Sebagian besar tes nonparametrik dapat diterapkan untuk data dalam skala ordinalm dan beberapa yang lain juga dapat diterapkan untuk data dalam skala nominal  (Sidney Siegal, 1997, 38)
    Pertimbangan menggunakan statistik parametrik & nonparametrik:
a.        Statistik parametrik:
a.1.     Observasi harus independen, yaitu pemilihan satu kasus dari populasi untuk dimasukkan ke dalam sampel tidak boleh biasa terhadap kemungkinan kasus-kasus lain untuk dimasukkan ke dalam sampel, begitu juga dengan skore pengukurannya juga tidak boleh bias.
a.2.     Observasi diambil dari populasi yang berdistribusi normal.
a.3.     Dalam hal analisis yang berkaitan dengan dua grup, maka populasi masing-masing grup harus memiliki varians yang sama (dalam kasus tertentu mereka harus memiliki ration variance diketahui)
a.4.     Variabel harus diukur paling tidak dalam skala interval, sehingga memungkinkan melakukan interpretasi terhadap hasilnnya.
b.         Statistik nonparametrik:
a.1.     Tidak mendasarkan pada bentuk khusus dari distribusi data
a.2.     Observasi harus independen
a.3.     Cocok digunakan variabel dengan skala ordinal dan skala nominal
a.4.     Data tidak berdistribusi normal
a.5.     Jumlah sampel kecil (<30 span="">
a.6.     Dapat digunakan untuk menganalisis data yang secara inheren adalah data dalam bentuk ranking Jadi di peneliti hanya dapat mengatakan terhadap subjek penelitian bahwa yang satu memiliki lebih atau kurang karakteristik dibanding dengan yang lainnya, tanpa dapat mengatakan seberapa besar lebih atau kurang itu. Sebagai misal di dalam menguji motivasi.
a.7.      Cocok digunakan untuk menguji data yang bersifat klasifikasi atau kategorikal, tidak ada uji parametrik yang cocok untuk menguji data speerti ini (Dr. Imam Ghozali, M.Com, Akt. dan Prof. Dr. N. John Castellan, 2002, 7),
   Bentuk statistik parametrik dan nonparametrik:
a.        Statistik parametrik: adalah data berskala interval atau rasio (Singgih Santoso, 2000,  8). Disebut parametrik karena adanya parameter-parameter seperti mean, median, standar devias, varians, dsb, baik untuk deskripsi pada populasi maupun pada sampel (Singgih Santoso, 1999, 139). Syarat-syarat: Sampel yang dipakai untuk analisis harus beasal dari populasi yang berdistribusi normal, sampel besar, data berbentuk interval dan rasio (Singgih Santoso, 1999, 139)
b.       Statistik nonparametrik: bila data tidak berdistribusi normal, jumlah data sangat sedikit, data adalah nominal atau ordinal, bisa digunakan bagi para peneliti sosial, seperti penelitian perilaku konsumen, sikap manusia, yang mengalami kendala dengan hasil pengukuran yang tidak berlevel interval atau rasio (Singgih Santoso, 1999,  139-140)
Aplikasi
Test parametrik
Tes non parametrik
Dua sampel saling berhubungan (two dependen samples)
T test
Z test
Sign test
Wilcoxon signed rank
Mc nema change test
Permutation test
Dua sampel tidak berhubungan (two independen samples)
T test
Z test
Wilcoxon rank sum test
Mann-Withney U test
Chis-Square test
Fisher Exact test
Median test
Kolmologorov-Smirnov test
Siegel-Tukey test
Permutation test
Beberapa sampel tidak berhubungan (several independen samples)
Anova tes (F Test)
Kruskal-Wallis Test
Chi-Squae test
Median Test (deiperluas)
Jonckheere test
Korelasi
Korelasi linear
Spearmean Rank Correlation
Kendall Corellation
Randomness
Tidak ada
Runs test
 Sumber: Singgih Santoso, 1999,  140.

   Statistik non parametrik: disebut juga statistik bebas distribusi (tes signifikan statistik tidak membuat asumsi apapun mengenai bentuk populasi yang disampelkan secara tepat), tes signifikan statistik tidak didasarkan atas apa yang disebut teori statistik kali, yang umumnya didasarkan atas sifat-sifat yang melekat pada harga tengah dan varian serta hakikat dan sifat distribusi . atau tidak bergantung pada asumsi apapun mengenai bentuk populasi sampel atau harga-harga parameter populasi (Fred N. Kerlinger, 2000, 461-462).

 Peranan tes nonparametrik: Tes parametrik adalah paling kuat apabila semua model statistiknya dipenuhi dan bila variabel yang dianalisis diukur setidaknya dalam skala interval, tetapi meskipun semua anggapan tes parametrik mengenai populasi dan syarat-syarat mengenai kekuatan pengukuran dipenuhi, kita ketahui dari konsep kekuatan efisiensi bahwa dengan memperbesar ukuran sampel dengan banyak elemen yang sesuai, kita dapat menggunakan suatu tes nonparamterik sebagai pengganti tes parametrik dengan masih mempertahankan kekuatan yang sama untuk menolak H0. Karena kekuatan tes nonparametrik dapat ditingkan dengan hanya memperbesar ukuran N, dan karena ilmuan sosial jarang mencapai jenis pengukuran yang memungkinkan penggunaan secara berarti tes parametrik, tes nonparametrik memainkan peranan penting dalam penelitian di lapangan ilmu sosial (Sidney Siegal, 1997, 39).
   Perdebatan statistik parametrik dan nonparametrik: P. Gardner menganjurkan diteruskan penggunaan statistik parametrik, sedangkan Bradley menganjurkan metode non parametrik. Kedua belah pihak sama-sama valid, penulis sendiri cenderung paa pendapat Gardner. Jika kita cermat dan hati-hati dalam pembuatan sampel serta analisis, dan senantiasai bersikpa kontekstual dalam menafsirkan hasil statistik, parametrik adalah metode yang penuh manfaat, luas kegunaannya, dan tak tergantikan. Metode nonparametrik merupakan tambahan yang berguna dalam gudang senjata statistik yang dimiliki oleh peneliti, namu sama sekali tidak berarti dapat menggantikan atau menggusur metode parametrik.  Para pengajar mendesak mahasiswa bidang pendidikan dan psikologi untuk hanya mengunakan tes nonparametrik. Dasar ini patut kita pertanyakan pula, yakni bahwa kebanyakan populasi di bidang pendidikan dan psikologi bukanlah populasi normal. Soalnya tidaklah sesederhana ini (Fred N. Kerlinger, 2000, 462-463). Ada suatu hal lagi yang perlu diulang serta ditekankan: kebanyakan dari masalah-masalah analisis dalam penelitian behavioural dapat ditangani secara memadai dengan penggunaan metode parametrik. Tes F, Tes t dan ancangan-ancangan parametrik lainnya bersifat kokoh, dalam arti bahwa kesemuanya itu berjalan baik kendati ada pelanggaran-pelanggaran terhadap asumsinya, tentunya asalkan pelanggan itu bukan pelanggaran besar-besaran dan berganda-ganda. Dengan demikian metode non parametrik adalah teknik-teknik sekunder atau teknik pelengkap yang dapat sangat berguna, yang sering tinggi nilainya dalam metode nonparamaterik memperlihatkan kekuatan, kluwesan (fleksibilitas), dan kemungkian penerapan yang luas dari wawasan-wawasan dasar tentang probabilitas dan fenomen keacakan (Fred N. Kerlinger, 2000, 462-463). 
    Makna signifikan:
a.        Tes signifikan t dan F tidak menunjukkan besar atau kuatnya relasi. Suatu tes-t untuk menguji selisih antara harga tengah, jika signifikan hanya memberitahukan pada penelitinya bahwa ada suatu relasi . Begitu juga dengan tes F, bila hasilnya signifikan. Kebalikan dengan tes statistik t dan F, koefisien Korelasi adalah ukuran yang relatif langsung, yang di dalamnya mudah dilihat karena penggabungan dua himpunan skor lebih jelas kelihatan sebagai suatu relasi, ini seuai dengan defenisi tentang relasi sebagai sehimpunan pasangan berurutan (Fred N. Kerlinger, 2000, 371).
b.       Signifikan berarti hasil penelitian ini dapat digeneralisasi untuk seluruh populasi, bukan hanya sampel yang diteliti (Sugiyono, 1999, 184). 
c.        Signifikan secara statistik berarti hasil penelitian yang ada bukanlah sesuatu yang terjadi secara kebetulan, tetapi menggambarkan ruang lingkup sampel yang sesungguhnya atau semesta sampel (U) atau disebut populasi (Fred N. Kerlinger, 2000, 268).
d.       Signifikan adalah hasil sampel digunakan untuk menguji kebenaran/keberartian/penting atas statistik uji (estimator) dan distribusi statistik seperti itu dalam hipotesis nol. Atau dengan kata lain penting/berpengaruh secara statistik (Damodar Gujarati, 2003, 76-70)
e.        Apabila hasil pengujian signifikan, berarti hasil pengujian tidak meragukan untuk mengatakan bahwa regresi sangat berarti dapat digunakan untuk membuat kesimpulan mengenai hubungan dan pertautan antara variabel bebas dan variabel terikat (Prof. Dr. Sudjanna, MA, M.Sc., 1983, 65). 

    Analisis data: Analisis berarti kategorisasi, manipulasi, dan peringkasan data untuk memperoleh jawaban bagi pertanyaan peneliti. Hasil analisis dilakukan interpretasi atau penafsiran tentang hasil penelitian, yang dilakukan dengan dua cara:
a.        Interpretasi sempit, yakni menafsirkan relasi-relasi di dalam telaah penelitian itu beserta datanya. Misalnya ketika menghitung koefisien regresi pada saat yang nyaris bersamaan kitapun menginferensikan (menyimpulkan) adanya relasi/hubungan/pengaruh.
b.       Interpretasi yang lebih luas, yakni memperbandingkan hasil penelitian dan inferensi dengan teori serta hasil-hasil penelitian lain apakah sesuai atau tidak (Kerlinger, 2000, hal. 218)

     Koefisien regresi pada penelitian prilaku: Nilai koefisien B dapat dijadikan sebagai prediksi yang penafsirannya dengan melihat konteks masalah yang sedang diteliti. Untuk penelitian perilaku tidak usah ditafsirkan berdasarkan angka/nilai, misalnya peningkatan variabel X menyebabkan terjadinya peningkatan variabel terikatnya (Prof. Dr. Sudjanna, MA, M.SC., 1983, 30).


0 comments:

Post a Comment