Teknik dan Metode Analisis DataData merupakan kumpulan dari nilai-nilai yang mencerminkan karakteristik dari individu-individu dari suatu populasi.  Data bisa berupa angka, huruf, suara maupun gambar.  Dari data ini diharapkan akan diperoleh informasi sebesar-besarnya tentang populasi.  Dengan demikian, diperlukan pengetahuan dan penguasaan metode analisis sebagai upaya untuk mengeluarkan informasi yang terkandung dalam data yang dimiliki.

Statistika, sebagai cabang ilmu yang memberikan berbagai macam teknik dan metode analisis, telah menyediakan berbagai metode yang memiliki kegunaan yang berbeda-beda.  Pengetahuan tentang kegunaan dari berbagai teknik ini perlu dimiliki untuk menghindari penggunaan yang tidak tepat.  Dua macam analisis mungkin memiliki kegunaan yang sama tapi membutuhkan tipe data yang berbeda. Secara umum, seperti halnya kegiatan-kegiatan yang lain, harus ada persiapan untuk berlanjut ke tahap berikutnya.  Setiap metode analisis harus diawali dengan tahapan persiapan data.  Tahapan persiapan data ini dilakukan dengan tujuan :

1.     Mengetahui karakteristik umum dari data yang dimiliki, misalnya peubah apa saja yang dimiliki, tipe-tipe data dari setiap peubah dan sebagainya.  Pengetahuan ini dibutuhkan untuk menentukan metode apa yang nanti bisa digunakan.

2.     Menyaring data yang akan digunakan dalam analisis.  Sebelum dilakukan analisis lebih jauh, kita harus bisa menyaring data yang ada.  Mungkin saja tidak semua data yang digunakan, tapi hanya sebagian.  Misalkan hanya untuk yang berjenis kelamin laki-laki, atau hanya data dari kelompok yang berpendidikan SMA, dan sebagainya.  Atau mungkin suatu saat kita hanya akan menganalisis sebagian pertanyaan saja dalam kuesioner, misal pertanyaan berhubungan dengan keadaan demografi responden.

3.     Memperbaiki kesalahan-kesalahan yang ada pada data.  Bukan hal yang jarang terjadi jika terdapat kesalahan pada data yang kita miliki.  Misalnya pada peubah jenis kelamin yang harusnya hanya laki-laki atau perempuan, tertulis pria.  Kesalahan ini dalam analisis akan berujung pada ditemukannya tiga kelompok jenis kelamin.  Sehingga pada tahapan persiapan data, harus dipastikan kesalahan-kesalahan seperti ini tidak terjadi.

 Semakin besar atau semakin banyak data yang dimiliki, maka waktu yang diperlukan pada tahapan persiapan data ini akan semakin lama.  Antisipasi yang bisa dilakukan untuk mempersingkat atau mempermudah tahapan ini antara lain :

1.     Menyiapkan program pemasukan data yang baik.  Pada saat penelitian

dilakukan, seyogyanya kita membuat suatu sistem pemasukan data

(entry data) yang memiliki kemampuan untuk memeriksa

kemungkinan-kemungkinan kesalahan.

2.     Melakukan pengkodean terhadap data-data dari pertanyaan-

pertanyaan yang terbuka.  Sebelum dilakukan pemasukan data,

sedapat mungkin dilakukan pengkodean terhadap jawaban-jawaban

pertanyaan terbuka.  Hal ini di samping menghindari pengkodean

berbeda-beda dari setiap para petugas yang memasukkan data, juga

mempermudah pada tahap analisis.

3.     Melakukan briefing kepada para petugas pengentry data.

Jika tahapan persiapan bisa dilalui dengan baik, maka besar kemungkinan kesulitan-kesulitan pada saat pengolahan (analisis) data bisa dihindari.

 TEKNIK PENYAJIAN DATA

Sebelum kita masuk ke berbagai macam metode dan teknik analisis, ada baiknya kita mempelajari teknik-teknik penyajian data.  Teknik-teknik ini diperlukan untuk memberikan gambaran umum informasi yang terkandung data.  Di samping itu, teknik penyajian ini dimaksudkan untuk memperindah tampilan dari suatu laporan penelitian.

 Penyajian data yang umum digunakan adalah :

-       tabel-       grafik

Penyajian dalam bentuk tabel, memiliki beberapa jenis :

1.     Tabel Ringkasan Data : Tabel ini merupakan ringkasan statistik dari beberapa kelompok.  Misalkan jika kita memiliki data pendapatan keluarga di suatu propinsi, dan kita ingin menyajikan rata-rata pendapatan keluarga berdasarkan tingkat pendidikan kepala keluarganya.  Dari tabel ini ingin diperoleh informasi umum hubungan antara pendidikan dan pendapatan.  Bentuk tabelnya mungkin seperti berikut :

Pendidikan Kepala Keluarga

Pendapatan Keluarga (juta per

bulan)Tidak Sekolah 0.5

SD 0.8SMP 0.9SMA 1.1

Diploma 1.3

S1/S2/S3 1.8Dalam penyajian menggunakan tabel ringkasan ini, mungkin informasi akan lebih lengkap jika tidak hanya menampilkan rata-rata (ukuran pemusatan data) saja.  Tambahan informasi tentang simpangan baku akan memberikan pengetahuan yang lebih menyeluruh.  Misalmya tabel berikut:

 Pendidikan Kepala

Keluarga

Pendapatan Keluarga (juta per

bulan)

Simpangan Baku

(juta per bulan)

Tidak Sekolah 0.5 0.2SD 0.8 0.3

SMP 0.9 0.4SMA 1.1 0.6

Diploma 1.3 0.3S1/S2/S3 1.8 1.0

Dari tabel di atas bisa dilihat bahwa pendapatan keluarga berpendidikan SMA dan S1/S2/S3 lebih beragam dibandingkan yang lain.  Keluarga yang pendidikannya tidak sekolah pendapatannya relatif sama, tapi keluarga yang pendidikannya SMA memiliki pendapatan yang berbeda-beda.

 2.     Tabel Frekuensi : Tabel ini merupakan gambaran frekuensi atau

berapa banyak individu pada berbagai kelompok.  Misalkan saja

penelitian tentang partisipasi masyarakat suatu kota dalam program

Keluarga Berencana.  Kemudian kita ingin menyajikan gambaran

pengguna berbagai macam alat kontrasepsi.  Dari tabel frekuensi ini kita

bisa mengetahui alat kontrasepsi apa yang paling banyak diminati oleh

masyarakat.  Seringkali tabel ini disajikan terurut berdasarkan frekuensi,

dari yang terbesar ke yang terkecil atau sebaliknya. Bentuk tabelnya

mungkin sebagai berikut :

Alat Kontrasepsi Frekuensi Persentase

Pil 500 50%Kondom 200 20%

IUD 150 15%Vasektomi 100 10%Tubektomi 50 5%

Total 1000 100%

 3.     Tabel Kontingensi atau Tabulasi Silang : Tabel ini hampir sama dengan tabel frekuensi namun dilihat dari dua atau lebih peubah.  Misalnya jika kita ingin mengetahui frekuensi penduduk suatu kota berdasarkan pendidikan, maka tabel frekuensi yang didapatkan adalah sebagai berikut :

 Pendidikan Frekuensi

Persentase

Tidak Sekolah/SD

250 25%

SMP/SMA 300 30%Diploma 150 15%S1/S2/S3 300 30%

Total 1000 100% Dan jika kita ingin melihat frekuensi pengguna berbagai macam alat

kontrasepsi kita peroleh tabel seperti pada contoh sebelumnya.  Dua

tabel ini memberikan gambaran yang terpisah dari kondisi suatu kota. 

Kita bisa menyajikan dua informasi ini dalam bentuk tabel kontingensi

dengan informasi yang lebih banyak.  Tabel yang diperoleh mungkin

berbentuk seperti berikut :

Alat Kontraseps

i

PendidikanTidak

Sekolah/SD

SMP/SMA

Diploma S1/S2/S3

Total

Pil 100 150 50 200 500Kondom 30 20 60 80 200

IUD 40 80 10 20 150Vasektomi 60 10 30 0 100Tubektomi 10 40 0 0 50

Total 250 300 150 300 1000 Dari tabel di atas informasi tambahan yang diperoleh antara lain, ternyata orang yang pendidikannya S1/S2/S3 lebih menyuikai menggunakan pil atau kondom.  Informasi seperti ini tidak tertangkap oleh tabel frekuensi.

Catatan yang perlu diperhatikan ketika membuat tabel adalah upayakan untuk membuat nama kolom maupun baris sejelas mungkin.  Misalkan jika kolom itu berisi pendapatan keluarga per bulan, maka jangan lupa menuliskan satuan dari pendapatan itu.

 Sementara itu banyak orang yang berpendapat bahwa penyajian informasi menggunakan tabel yang berisi angka memiliki keefektifan yang kurang jika dibandingkan dengan grafik.  Pesan visual yang diberikan oleh grafik selain lebih menarik untuk dilihat juga mempermudah seseorang dalam membandingkan. 

Grafik yang banyak digunakan adalah :

1.     Diagram Batang : Diagram ini berupa batang-batang yang menggambarkan nilai dari masing-masing kategori.  Diagram ini bisa diterapkan pada tabel ringkasan maupun tabel frekuensi dan tabel kontigensi.  Pada contoh tabel di atas, jika disajikan dalam bentuk grafik akan berupa:

2.     Diagram Lingkaran (Pie Chart): Diagram ini berupa lingkaran yang terbagi-bagi dalam beberapa bagian.  Masing-masing bagian merupakan representasi dari berbagai kelompok, dan luas dari bagian itu berdasarkan frekuensi masing-masing kelompok.  Jika frekuensi penggunaan alat kontrasepsi di atas disajikan dalam bentuk pie-chart, maka yang diperoleh adalah sebagai berikut:

3.     Scatter Plot : Plot ini merupakan grafik yang digunakan untuk melihat

hubungan antara dua buah peubah numerik.  Misalkan kita ingin tahu

hubungan antara usia ibu ketika menikah dengan jarak antara menikah

dan kelahiran anak pertama.  Dari plot ini kita bisa melihat apakah

pasangan yang menikah pada usia lebih tua memiliki anak setelah

menikah lebih lama dibandingkan pasangan yang usia ibu ketika menikah

masih lebih muda.  Grafik yang diperoleh mungkin akan berupa grafik

sebagai berikut :

 4.     Time Series Plot : Plot ini digunakan untuk melihat perkembangan nilai

suatu peubah dari waktu ke waktu.  Misalkan kita ingin membuat gambaran

perkembangan peserta KB Mandiri dari tahun 1980 sampai 2000.  Plot yang

diperoleh misalnya sebagai berikut :

TEKNIK ANALISIS DATADari berbagai macam teknik analisis data bisa dikelompokkan menjadi beberapa kelompok sesuai dengan kegunaannya.  Pengelompokan ini adalah sebagai berikut :

1.     Teknik Analisis untuk Menguji Hipotesis tentang Nilai Tengah Populasi.  Yang termasuk di dalamnya adalah Uji t-student, Uji Tanda (Sign Test) dan Uji Peringkat Bertanda Wilcoxon (Wilcoxon Rank Test), Uji Proporsi

2.     Teknik Analisis untuk Membandingkan Nilai Tengah Dua atau Lebih Populasi.  Yang termasuk di dalamnya adalah Uji t-student, ANOVA (Analysis of Variance), Uji Mann-Whitney-Wilcoxon dan Uji Kruskal-Wallis, Uji Beda Proporsi

3.     Teknik Analisis untuk Melihat Hubungan Dua atau Lebih Peubah.  Yang termasuk di dalamnya adalah Korelasi Pearson, Korelasi Peringkat Spearman, Regresi Linear, Regresi Logistik, Tabel Kontingensi (Uji Khi-Kuadrat), ANOVA.

4.     Teknik Analisis untuk Melakukan Pendugaan.  Yang termasuk didalamnya adalah segala bentuk analisis regresi.

 

 

1. Teknik Analisis untuk Menguji Hipotesis tentang Nilai Tengah

Populasi

Hipotesis nilai tengah (atau rata-rata) merupakan suatu pernyataan tentang besarnya nilai tengah suatu populasi yang ingin diuji kebenarannya.  Misalnya sebuah perusahaan air mineral mengklaim bahwa pada setiap botol produknya berisi air mineral sebanyak 500 ml.  Atau sebuah perusahaan lampu bohlam menyatakan bahwa rata-rata lama hidup lampu bohlam produknya adalah 3000 jam.

Pernyataan-pernyataan di atas merupakan pernyataan yang masih memungkinkan untuk di uji kebenarannya.  Pihak departemen perindustrian atau mungkin YLKI tidak langsung mempercayai apa yang dikatakan oleh produsen air mineral tersebut.  Prosedur pengujian yang dilakukan adalah, dengan mengambil beberapa botol air mineral dari berbagai tempat (secara acak) kemudian mengukur volume air di setiap botol.  Dari data yang diperoleh kemudian akan dibuat kesimpulan, mendukung atau tidak mendukung apa yang telah diklaim oleh produsen.  Jika dari 100 bohlam yang diukur ketahanannya hanya memiliki rata-rata lama hidup 1000 jam, maka ini berarti tidak mendukung apa yang diucapkan produsen.

 Beberapa prosedur analisis yang bisa digunakan untuk tujuan ini adalah :Uji t-student   uji ini digunakan untuk data yang bertipe numerik; misalnya volume air, lama hidup bohlam; yang diasumsikan memiliki sebaran normal.  Uji ini menghasilkan apa yang disebut statistik uji t-hitung dengan basis penghitungan adalah selisih antara rata-rata yang didapat dari data dengan rata-rata yang dihipotesiskan, dan dibandingkan dengan nilai t-tabel dengan derajat

bebas n-1, n adalah ukuran sampel.

 

Uji Tanda        uji tanda (sign test) ini adalah uji yang bisa diterapkan pada data yang bertipe minimal ordinal; misalnya volume air, lama hidup bohlam, nilai ujian, IQ, tingkat kesetujuan; dan tidak ada asumsi sebaran (non-parametrik).  Dengan menggunakan uji ini, data ditransformasi menjadi dua + (plus) jika nilainya lebih besar dari nilai yang dihipotesiskan, dan – (minus) jika nilai datanya lebih kecil dari nilai yang dihipotesiskan.  Dengan melihat banyaknya tanda + dan – ini, diputuskan apakah menerima atau menolak hipotesis.

Uji Peringkat Bertanda Wilcoxon                   uji ini memiliki syarat seperti halnya uji tanda.  Basis pembandingan yang dilakukan adalah dengan terlebih dahulu menyelisihkan setiap data dengan nilai yang dihipotesiskan, kemudian membuat peringkat dari selisih tersebut.  Selanjutnya dari nilai-nilai peringkat inilah diputuskan untuk menerima atau menolak suatu hipotesis.

 Uji Proporsi    uji ini diterapkan untuk melakukan pengujian hipotesis dalam bentuk proporsi.  Misalkan benarkah ada 50% warga yang mendukung pemberlakuan undang-undang perpajakan yang baru ?  Jadi data yang ada terdiri atas dua nilai; benar-tidak, ya-tidak, laki-laki-perempuan, ikut-tidak ikut.  Basis pengujiannya adalah proporsi yang dieproelh dari data dibandingkan dengan proporsi yang dihipotesiskan.  Jika bedanya jauh maka hipotesis itu tidak didukung oleh data.

 

2.      Teknik untuk Membandingkan Nilai Tengah Dua Populasi atau Lebih

Dalam banyak kesempatan, ingin diketahui ada tidaknya perbedaan nilai tengah (atau rata-rata) dua populasi atau lebih.  Misalnya seorang bupati menyatakan bahwa penduduk yang tinggal di kabupatennya memiliki tingkat kesadaran politik yang lebih tinggi dari kabupaten lain.  Atau sebuah perusahaan mobil menyatakan bahwa mobil yang diproduksi di pabriknya, memiliki efisiensi penggunaan bahan bakar yang lebih baik dari produknya yang lama.

 Tahapan pengujian yang dilakukan adalah dipilih beberapa orang dari kabupaten tersebut dan diukur kesadaran politiknya, kemudian dipilih juga beberapa orang dari kabupaten lain dan diukur kesadaran politiknya.  Dari data kedua kabupaten ini diputuskan diterima atau tidak apa yang telah dinyatakan oleh sang bupati.  Pada kasus kedua, mungkin diuji beberapa mobil produksi baru dan mobil produksi lama, kemudian dibandingkan.

 

Populasi yang dimaksud di sini memiliki pengertian yang luas, bukan hanya berupa fisik.  Misalnya saja ingin dibandingkan keefektifan 3 metode pengajaran; metode pengajaran ini merupakan populasi yang abstrak.  Sehingga bentuk datanya diperoleh dari semacam percobaan.  Beberapa orang diikutsertakan dalam kelas metode 1, beberapa orang lain diikutsertakan dalam kelas dengan metode 2, dan beberapa orang lain diikutsertakan dalam kelas metode 3.  Pada awal percobaan, setiap orang memiliki kondisi yang sama.  Dari data ketiga kelas, akan diketahui seperti apa perbedaan efektifitas ketiga pengajaran.

 

Beberapa analisis yang bisa digunakan untuk tujuan ini adalah :

Uji t-student   uji ini hanya bisa digunakan untuk membandingkan nilai tengah dua populasi yang diasumsikan memiliki sebaran normal.  Dasar pengujian dari analisis ini adalah selisih rata-rata contoh yang diambil dari populasi pertama dengan rata-rata contoh dari populasi kedua.  Berdasarkan nilai selisih ini akan diperoleh keputusan menganggap sama atau berbeda kedua nilai tengah tersebut.

 

ANOVA            Analysis of Variance digunakan untuk membandingkan nilai tengah dua atau lebih populasi, dengan asumsi menyebar normal.  Dasar pengujian dengan analisis ini adalah ada atau tidaknya keragaman antar nilai tengah.  Jika keragaman nilai tengah kecil, maka dikatakan nilai-nilai tengah itu tidak berbeda, tetapi jika ragamnya besar maka berarti nilai-nilai tengah itu berbeda.

 Mann-Whitney: Analisis ini hanya digunakan untuk membandingkan nilai tengah dua populasi, dan tidak ada asumsi sebaran.  Dasar pengujiannya adalah peringkat dari nilai-nilai data.  Jika tidak ada perbedaan nilai tengah maka apabila data kedua populasi dicampur dan diperingkatkan, maka rata-rata peringkat keduanya tidak akan berbeda.  Artinya data yang bernilai kecil atau besar tidak hanya berasal dari salah satu populasi, namun tersebar merata di keduanya.

 Kruskal-Wallis: Analisis ini adalah perluasan dari uji Mann-Whitney, dan bisa diterapkan untuk lebih dari dua populasi, dan tidak ada asumsi sebaran data.

 Uji Beda Proporsi: Pengujian ini digunakan untuk melihat perbedaan proporsi dua populasi.  Misalnya ingin dibandingkan proporsi keluarga yang mengikuti

program KB di Kabupaten Bogor dan Kabupaten Cianjur.  Pengujian in berbasis pada selisih proporsi dari sebuah populasi dengan populasi lain.

 

 

3. Teknik Analisis untuk Melihat Hubungan Dua atau Lebih Peubah

Sepintas ilustrasi tentang hal ini sudah diberikan ketika kita membahas tabel kontingensi, yaitu antara pendidikan dengan penggunaan alat kontrasepsi.  Hubungan antara dua peubah atau lebih, seringkali merupakan hal yang selalu ada dalam suatu penelitian.  Ada dua jenis hubungan yang harus dibedakan sejak awal, yaitu hubungan yang sekedar asosiasi yang didukung hanya oleh data yang ada dan hubungan yang bersifat sebab akibat yang didukung dengan logika dan teori.

 Ketika kita membahas hubungan jenis yang pertama, dua peubah memiliki kedudukan yang sama, tidak ada peubah yang satu mendahului peubah yang lain.  Namun pada hubungan sebab akibat ada peubah yang diposisikan sebagai sebab (peubah penjelas, peubah bebas, peubah independen) dan ada yang menjadi akibat (peubah respon, peubah tak bebas, peubah dependen).  Peubah bebas biasanya dilambangkan X, sedangkan peubah tak bebas Y.

Analisis hubungan dua peubah ini tergantung pada tipe dari peubah yang terlibat, apakah bertipe kategorik dan bertipe numerik, serta bentuk dari hubungan yang akan dibuat. Berikut disajikan tabel yang memberikan alat analisis apa yang bisa diterapkan pada berbagai tipe data :

  Numerik Kategorik

Numerik Korelasi Pearson, Korelasi Spearman, Regresi Linear

ANOVA, tabel ringkasan

Kategorik Regresi Logistik Tabel Kontingensi

 

Penjelasan singkat mengenai alat analisis di atas adalah sebagai berikut:

Korelasi Pearson      korelasi ini sering juga disebut sebagai korelasi produk-momen atau korelasi saja.  Besarnya koefisien menggambarkan seberapa erat hubungan linear antara dua peubah, bukan hubungan sebab akibat.  Peubah yang terlibat dua-duanya bertipe numerik, dan menyebar normal jika ingin pengujian terhadapnya sah. 

  Notasi dari koefisien korelasi ini adalah r yang besarnya antara –1 hingga 1.  Jika r < 0 maka dikatakan berkorelasi negatif, artinya jika nilai salah satu peubah semakin besar maka peubah yang lain akan semakin kecil.  Misalnya hubungan antara lama belajar dengan lama menonton TV.  Sebaliknya jika r > 0 dikatakan terjadi hubungan linear yang positif.  Misalnya pendapatan dengan konsumsi.  Jika r = 0 dikatakan tidak berkorelasi tetapi bukan berarti tidak berhubungan.  Mungkin berhubungan namun tidak linear.  Semakin dekat nilai r dengan 1 atau –1 maka semakin erat hubungan linear antar peubah tersebut.

 

Korelasi Spearman   koefisien ini mirip saja dengan korelasi Pearson, hanya saja dalam pengujian tidak mensyaratkan adanya asumsi sebaran normal.  Di samping itu data yang digunakan bisa saja berupa data numerik yang merupakan pengkodean dari data ordinal.  Misalkan hubungan antara pendapatan (numerik) dengan tingkat kesadaran politik (ordinal).  Kesadaran politik dinyatakan sebagai sebuah bilangan terurut berdasarkan tingkat kesadarannya.

 

Regresi Linear    Dalam analisis ini sudah jelas mana sebagai Y dan mana sebagai X.  Hubungan antara Y dengan X di tuliskan sebagai :

Y = a + bX

Interpretasi dari b adalah besarnya perubahan Y jika X naik satu satuan.  Sedangkan a adalah besarnya nilai Y ketika X bernilai 0.  Umumnya a disebut sebagi intersep dan b sebgai kemiringan/slope/gradien garis regresi. 

 Ukuran kebaikan model regresi dinyatakan sebagai R2 (koefisien determinasi), yang besarnya dari 0% hingga 100%.  Semakin mendekati 100% maka model regresi yang didapatkan semakin baik.  Data yang bisa dianalisis dengan regresi linear adalah Y dan X yang bertipe numerik, dan memiliki sebaran normal.

 

ANOVA            Pada bagian sebelumnya dijelaskan bahwa ANOVA bisa digunakan untuk membandingkan nilai tengah dari dua atau lebih populasi.  Dalam berbagai kondisi, analisis ini juga bisa diinterpretasikan untuk melihat pengaruh peubah yang bertipe kategorik (bukan numerik) terhadap peubah yang bertipe numerik.  Misalnya ingin dilihat hubungan, tepatnya pengaruh, dari lokasi toko terhadap kemajuan usaha (diukur dalam rupiah).  Jika ada perbedaan kemajuan usaha antara toko di perumahan dan toko di tempat wisata, bisa dikatakan bahwa ada hubungan antara kemajuan usaha dengan lokasi toko.

 Tabel Ringkasan: tabel ini juga sudah dibahas pada bagian sebelumnya.  Dengan tabel ini juga bisa dibahas hubungan antar peubah.  Misalnya jika kita ringkas rata-rata pendapatan kepala keluarga berdasarkan pendidikannya, seperti pada contoh sebelumnya,  kita bisa mengetahui hubungan antara keduanya.  Apakah semakin tinggi pendidikan, tingkat pendapatannya juga semakin besar.

 

Tabel Kontingensi    mengulang pembahasan tentang teknik penyajian data, tabel kontingensi bisa digunakan untuk melihat hubungan dua peubah kategorik.  Pada contoh sebelumnya diberikan tabel kontingensi antara pendidikan dan penggunaan alat kontrasepsi.  Dari tabel kontingensi ini bisa dibuat kesimpulan apakah ada hubungan antara pendidikan seseorang dengan alat kontrasepsi apa yang mereka sukai.  Untuk menegaskan pembahasan dari tabel kontingensi, dilakukan pengujian formal yang dikenal dengan uji Khi-Kuadrat (Chi-Square Test)

 

Regresi Logistik       tipe data dalam analisis ini kebalikan dari tipe data pada ANOVA.  Yang menjadi peubah bebas (X) bisa bertipe numerik maupun kategorik, sedangkan yang menjadi peubah tak bebas (Y) bertipe kategorik.  Hasil dari analisis ini berupa peluang sebuah objek masuk ke dalam suatu kategori jika diketahui berbagai nilai peubah X-nya.

 TEKNIK ANALISIS DATA DALAM PENELITIAN

Proses analisis data dimulai dengan menelah seluruh data yang tersedia dari berbagai sumber, yaitu wawancara, pengamatan, yang sudah ditulis dalam catatan lapangan, dokumen pribadi, dokumen resmi, gambar foto, dan sebagainya. Data tersebut banyak sekali, setelah dibaca, dipelajari, dan ditelah maka langkah berikutnya adalah mengadakan reduksi data yang dilakukan dengan jalan membuat abstraksi. Abstraksi merupakan usaha membuat rangkuman yang inti, proses dan pernyataan-pernyataan yang perlu dijaga sehingga tetap berada di dalamnya. Langkah selanjutnya adalah menyusunya dalam satuan-satuan. Satuan-satuan itu kemudian dikategorisasikan pada langkah berikutnya. Kategori-kategori itu dilakukan sambil membuat koding. Tahap akhir dari analisis data ialah mengadakan pemeriksaan keabsahan data.. setelah selesai tahap ini, mulailah kini tahap penafsiran data dalam mengolah hasil sementaramenjadi teori substantif dengan menggunakan beberapa metode tertentu.

Sehubungan dengan uraian tentang proses analisia dan penafsiran data di atas, maka dapat dijelaskan pokok-pokok persoalan sebagai berikut: Konsep dasar analisis data, Pemerosotan satuan, kategorisasi termasuk pemeriksahan keabsahan data, kemudian diakhiri dengan penafsiran data.

B. Konsep Dasar Analisi Data.

Menurut Patton, 1980 (dalam Lexy J. Moleong 2002: 103) menjelaskan bahwa analisis data 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 disintesiskan 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.

Dari uraian tersebut di atas dapatlah kita menarik garis bawah analisis data bermaksud pertama- tama mengorganisasikanm data. Data yang terkumpul banyak sekali dan terdiri dari catatan lapangan dan komentar peneliti, gambar, foto, dokumen, berupa laporan, biografi, artikel, dan sebagainya. Pekerjaan analisis data dalam 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.

Akirnya perlu dikemukakan bahwa analisis data itu dilakukan dalam suatu proses. Proses berarti pelaksanaannya sudah mulai dilakukan sejak pengumpulan data dilakukan dan dikerjakjan secara intensif, yaitu sudah meninggalkan lapangan. Pekerjaan menganalisis data memerlukan usaha pemusatan perhatian dan pengerahan tenaga, pikiran peneliti. Selain menganalisis data. Peneliti juga perlu dan masih perlu mendalami kepustakaan guna mengkonfirmasikan teori atau untuk menjastifikasikan adanya teori baru yang barangkali ditemukan.

C. Pemrosesan Satuan

Uraian tentang pemerosotan satuan ini terdiri dari tipelogi satuan dan penyususnan satuan.

1. Tipelogi satuan.

Satuan atau unit adalah satuan suatu latar sosial. Pada dasarnya satuan ini merupakan alat untuk menghaluskan pencatatan data. Menurut Lofland dan Lofland, (!984) (dalam lexy 2002: 190), satuan kehidupan sosial merupakan kebulatan di mana seseorang mengajukan pertanyaan. Linciln dan Guba (1985: 344) menamakan satuan itu sebagai satuan informasi yang berfungsi untuk menentukan atau mendefinisikan kategori.

Sehubungan dengan itu, Patton, (1987: 306-310) membedakan dua jenis tipe satuan yaitu (1) tipe asli dan (2) tipe hasil konstruk analisis. Patton menyatakan bahwa tipe asli inilah yang menggunakan prespektif emik dan antropologi. Hal ini didasarkan atas asumsi bahwa prilaku sosial dan kebudayaan hendaknya dipelajari dari segi pandangan dari dalam dan definisi prilaku manusia. Jadi, konseptualisasi satuan hendaknya ditemukan dengan menganalisis proses kognitif orang-orang yang diteliti, bukan dari segi entnosentrisme peneliti. Pendekatan ini menuntut adanya analisis kategori verbal yang digunakan oleh subjek untuk merinci kompleksitas kenyataan ke dalam bagian-bagian. Patton, menyatakn bahwa secara fundamental maksud penggunaan bahasa itu penting untuk memberikan ”nama” sehingga membedakan dengan yang lain dengan ”nama” yang lain pula. Setelah ”label” tersebut ditemukan dari apa yang dikatakan oleh subjek, tahap berikutnya ialah berusaha menemukan ciri atau karakteristik yang membedakan sesuatu dengan sesuatu yang lain.Untuk itu, tipelogi asli ini merupakan kunci bagi

peneliti untuk memberikan nama sesuai dengan apa yang sedang dipikirkan, dirasakan, dan dihayati oleh para subjek dan dihendaki oleh latar peneliti.

1. Penyusunan satuan

Lincoln dan Guba (1985: 345) mengatakan bahwa langka pertama dalam pemerosotan satuan ialah analisis hendaknya membaca dan mempelajari secara teliti seluruh jenis data yang sudah terkumpul. Setelah itu, usahakan agar satuan-satuan itu diidentifikasi. Peneliti memasukan ke dalam kartu indeks. Penyusunan satuan dan pemasukan ke dalam kartu indeks hendaknya dapat dipahami oleh orang lain. Pada tahap ini analisis hendaknya jangan dulu membuang satuan yang ada walaupun mungkin dianggap tidak relevan.

 

1. Kategorisasi

Kategorisasi dalam uraian ini terdiri atas (1) funsi dan prinsip kategorisasi dan (2) langka-langkah kategorisasi yang diuraikan sebagai berikut.

1. Funsi dan prinsip kategorisasi

Kategorisasi berarti penyusunan kategori. Kategori tidak lain adalah salah satu tumpukan dari seperangkat tumpukan yang disusun atas dasar pikiran,intuisi, pendapat, atau kriteria tertentu.Selanjutnya Linclon dan Guba menguraikan kategorisasi adalah (1) mengelompokkan kartu-kartu yang telah dibuat kedalam bagian-bagian isi yang secara jelas berkaitan, (2) merumuskan aturan yang menguraikan kawasan kategori dan yang akhirnya dapat digunakan untuk menetapkan inklusi setiap kartu pada kategori dan juga sebagai dasar untuk pemeriksaan keabsahan data, dan (3) menjaga agar setiap kategori yang telah disusun satu dengan yang lain megikuti prinsip taat asas.

2. Langkah-langkah kategorisasi

Metode yang digunakan dalam kategorisasi didasarkan atas metode analisis komparatif yang langkah-langkahnya dijabarkan atas sepuluh langka, yang mana langkah yang terakhir adalah analisis harus menelah sekali lagi seluruh kategori agar jangan sampai ada yang terlupakan. Setelah selesai di analisis, sebelum menafsirkan penulis wajib mengadakan pemeriksaan terhadap keapsahan datanya, pemeriksaan itu dapat dilakukan dengan menggunakan teknik pemeriksaan keabsahan data.

E. Keabsahan data

Untuk menghindari kesalahan atau kekeliruan data yang telah terkumpul,perlu dilakukan pengecekan keabsahan data. Pengecekan keabsahan data didasarkan pada kriteria deraja kepercayaan (crebility) dengan teknik trianggulasi,ketekunan pengamatan, pengecekan teman sejawat (Moleong, 2004).

Triangulasi merupakan teknik pengecekan keabsahan data yang didasarkan pada sesuatu di luar data untuk keperluan mengecek atau sebagai pembanding terhadap data yang telah ada (Moleong,200). Trigulasi yang digunakan adalah trigulasi dengan sumber, yaitu membandingkan data hasil obserfasi, hasil pekerjaan siswa dan hasil wawancara terhadap subjek yang ditekankan pada penerapan metode bantuan alat pada efektif membaca .

Ketekunan pengamatan dilakukan dengan teknik melakukan pengamatan yang diteliti, rinci dan terus menerus selama proses pembelajaran berlangsung yang diikuti dengan kegiatan wawancara secara intensif terhadap subjek agar data yang dihasilkan terhindar dari hal-hal yang tidak diinginkan. Pengecekan teman sejawat/kolega dilakukan dalam bentuk diskusi mengenai proses dan hasil penelitian dengan harapan untuk memperoleh masukan baik dari segi metodelogi maupun pelaksanaan tindakan.

Teknik Analisis Data Teknik analisis data yang umum digunakan, yaitu statistik deskriptif dan statistik inferensial. Statistik deskriptif digunakan untuk menggambarkan kondisi variabel penelitian, antara lain dengan cara melihat skor minimum, skor maksimum, jangkauan (range), mean, median, modus, standar deviasi dan variansnya yang dilengkapi dengan tabel frekuensi berikut histogramnya.

Statistik inferensial digunakan untuk menguji hipotesis dan membangun generalisasi penelitian. Formula dan rumus statistik disesuaikan dengan jenis penelitiannya : asosiatif atau komparatif.

CONTOH PENYUSUNAN TEKNIK ANALISIS DATA Dalam penelitian ini ada 3 kelompok data yang akan dianalisis, sesuai dengan rumusan masalah dan tujuan penelitian yang telah dikemukakan pada bab satu sebelumya. Dengan demikian, spesifikasi analisis data penelitian ini adalah: 1. Analisis deskriptif setiap variabel penelitian Untuk menganalisis secara deskriptif kualitas dari setiap variabel penelitian, maka digunakan teknik statistik deskriptif, yakni Distribusi Frekuensi (Sudjanna, 1989:45-50). Langkah-langkah pengujian kualitas untuk setiap variabel adalah sebagai berikut: a) Menghitung nilai rata-rata jawaban setiap responden b) Menghitung nilai rata-rata total variabel c) Menentukan rentang Rentang =data terbesar-data terkecil = 5-1=4 d) Menentukan banyak kelas Banyak kelas yang digunakan adalah 5, yakni kategori: Sangat baik, Baik, Sedang, Buruk, Sangat buruk e) Menentukan kelas interval

f) Menentukan posisi kualitas variabel. Interval4.24 3.43 2.62 1.81 1.00 5.04 4.23 3.42 2.61 1.80

Keterangan Sangat Baik Baik Sedang Buruk Sangat Buruk

2. Analisis hubungan masing-masing variabel bebas dengan variabel terikat Untuk menganalisis hubungan masing-masing variabel bebas dengan variabel terikat digunakan rumus korelasi sederhana atau korelasi product moment.

Namun dalam penelitian ini pengolahn data tidak dilakukan secara manual, tetapi menggunakan bantuan program SPSS untuk memudahkan pengerjaan. Langkah-langkah pengujian korelasi adalah sebagai berikut: a. Menguji koefisien korelasi Uji koefisien korelasi digunakan untuk menguji arah hubungan variabel bebas dengan variabel terikat. Rumus umumnya adalah sebagai berikut:

................(Sudjana, 1989:369)Keterangan: r =koefisien korelasi variabel bebas dengan variabel terikat x= Skor-skor item instrumen variabel variabel bebas y= Skor-skor item instrumen variabel terikat

Interpretasi nilai koefisien korelasi di atas adalah sebagai berikut: Jika nilai koefisien korelasi positif, maka hubungan antara variabel bebas dengan variabel terikat adalah hubungan yang searah, dengan kata lain meningkatnya variabel bebas maka meningkat pula variabel terikat Jika nilai koefisien korelasi negatif, maka ada hubungan berlawanan antara variabel bebas dengan variabel terikat, dengan kata lain meningkatnya variabel bebas maka diikuti dengan menurunnya variabel terikat b. Menguji koefisien Determinasi Uji koefisien determinasi digunakan untuk melihat seberapa besar varians variabel terikat dipengaruhi oleh varians variabel bebas, atau dengan kata lain seberapa besar variabel bebas mempengaruhi variabel terikat. Rumus umumnya adalah:

Keterangan: D=Koefisien determinasi r = koefisien korelasi variabel bebas dengan variabel terikat

c. Menguji hipotesis dengan uji t Hipotesis yang hendak diuji adalah: H0: ρ=0, yang berarti tidak ada hubungan signifikan antara variabel bebas dengan variabel terikat Ha: ρ≠0, berarti ada hubungan signifikan antara variabel bebas dengan variabel terikat Rumus umum uji t hitung untuk menguji hipotesis di atas adalah sebagai berikut:

..............................................................(Sudjana, 1989:369) Sedangkan untuk menentukan nilai t tabel digunakan kriteria: taraf signifikan (α) sebesar 0,05 Derajat kebebas (dk)=n-2 Selanjutnya nilai t hitung dibandingkan dengan nilai t tabel untuk mengetahui penerimaan atau penolakan hipotesis, caranya adalah sebagai berikut:

Jika nilai t yang dihitung berada di luar daerah penerimaan H0, maka H0 ditolak dan Ha diterima, maka ada hubungan signifikan variabel dengan variabel terikat Jika nilai t yang dihitung berada di dalam daerah penerimaan H0, maka H0 diterima dan H0 ditolak, maka tidak ada hubungan signifikan variabel dengan variabel terikat

Karena dalam penelitian ini menggunakan program SPSS, maka penafsiran pengujian hipotesis adalah sebagai berikut: Jika nilai probabilitas korelasi yakni sig-2 tailed lebih kecil dari taraf signifikan (α) sebesar 0,05, maka hipotesis nol ditolak, sehingga ada hubungan signifikan variabel bebas dengan variabel terikat. Jika nilai probabilitas korelasi yakni sig-2 tailed lebih besar dari taraf signifikan (α) sebesar 0,05, maka hipotesis nol diterima, sehingga tidak ada hubungan signifikan variabel bebas dengan variabel terikat. 3. Analisis hubungan simultan (bersama) antara seluruh variabel bebas

dengan variabel terikat Untuk menguji hubungan seluruh variabel bebas dengan variabel terikat digunakan uji korelasi berganda. Sama seperti sebelumnya, dalam penelitian ini pengolahan data tidak dilakukan secara manual, tetapi menggunakan bantuan program SPSS untuk memudahkan pengerjaan. Langkah-langkah pengujian korelasi berganda adalah sebagai berikut: a. Menguji koefisien korelasi berganda Rumus umum koefisien korelasi berganda adalah sebagai berikut:

.........................(Sudjana, 1989:385)Keterangan: ryx1x2= Korelasi antara variabel X1 dengan X2 secara bersama-sama dengan variabel Y ryx1 ryx2 rx1x2 = Korelasi product moment antara X1 dengan Y = Korelasi product moment antara X2 dengan Y = Korelasi product moment antara X1 dengan X2

b. Menguji hipotesis dengan uji F Rumus umum menghitung nilai F adalah:

....................................................(Sudjana, 1989:385)Keterangan: R= Koefisien korelasi ganda k= Jumlah variabel bebas n= Jumlah anggota sampel

Sedangkan untuk menentukan nilai F tabel digunakan kriteria: taraf signifikan (α) sebesar 0,05 Derajat kebebas (dk)=n-k-1 Selanjutnya nilai F hitung dibandingkan dengan nilai F tabel untuk mengetahui penerimaan atau penolakan hipotesis, caranya adalah sebagai berikut:

-

Jika nilai F yang dihitung berada di luar daerah penerimaan H0, maka H0 ditolak dan Ha diterima, maka ada hubungan signifikan seluruh variabel bebas dengan variabel terikat

-

Jika nilai F yang dihitung berada di dalam daerah penerimaan H0, maka H0 diterima dan H0 ditolak, maka tidak ada hubungan signifikan seluruh variabel bebas dengan variabel terikat

Karena dalam penelitian ini menggunakan program SPSS, maka penafsiran pengujian hipotesis adalah sebagai berikut: Jika nilai probabilitas korelasi berganda yakni sig lebih kecil dari taraf signifikan (α) sebesar 0,05, maka hipotesis nol ditolak, sehingga ada hubungan signifikan seluruh variabel bebas dengan variabel terikat.

Jika nilai probabilitas korelasi berganda yakni sig lebih besar dari taraf signifikan (α) sebesar 0,05, maka hipotesis nol diterima, sehingga tidak ada hubungan signifikan seluruh variabel bebas dengan variabel terikat.

Menurut Moleong (2007:280) analisis data merupakan proses mengorganisasikan dan mengurutkan data ke dalam pola, kategori dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja. Pada penelitian tindakan, analisis datanya lebih banyak menggunakan pendekatan kualitatif. Dengan demikian pembahasan pada bab ini akan difokuskan pada paparan data kualitatif. Analisis kualitatif pada dasarnya mempergunakan pemikiran logis, analisis dengan logika, dengan induksi, deduksi, analogi, dan komparasi (Amirin, 2000). Data kualitatif merupakan sumber dari deskripsi yang luas dan berlandaskan kokoh, serta memuat penjelasan tentang proses-proses yang terjadi dalam lingkup setempat. Dengan data kualitatif kita dapat mengikuti dan memahami alur peristiwa secara kronologis, menilai sebab akibat dalam lingkup penelitian. Data kualitatif dapat membimbing peneliti untuk memperoleh temuan yang tak terduga sebelumnya serta untuk membentuk kerangka teori baru. Data kualitatif membantu peneliti untuk melangkah lebih jauh dari kerangka kerja awal (Miles,1992).

Dalam penelitian tindakan dengan pendekatan kualitatif, data yang muncul lebih banyak berwujud kata-kata, bukan rangkaian angka. Data kualitatif dikumpulkan dalam berbagai cara misalnya; observasi, wawancara, intisari dokumen, rekaman kemudian diproses melalui pencatatan, pengetikan, dan penyuntingan selanjutnya dianalisis secara kualitatif. Menurut Miles (1992) analisis data kualitatif terdiri atas tiga alur kegiatan yang terjadi secara bersamaan yaitu: reduksi data, penyajian data, dan penarikan kesimpulan atau verifikasi.

II. Reduksi Data

Reduksi data diartikan sebagai proses pemilihan, pemusatan perhatian pada penyederhanaan, pengabstrakan, dan transformasi data ”kasar” yang muncul dari catatan-catatan tertulis di lapangan. Reduksi data dilakukan selama penelitian berlangsung, setelah peneliti di lapangan, sampai laporan tersusun.

Reduksi data merupakan bagian dari analisis data dengan suatu bentuk analisis yang menajamkan, menggolongkan, mengarahkan, membuang data yang tidak diperlukan, dan mengorganisasi data sehingga kesimpulan final dapat diambil dan diverifikasi. Data kualitatif dapat disederhanakan dan ditransformasi dengan berbagai cara; seleksi, ringkasan, penggolongan, dan bahkan ke dalam angka-angka.

III. Penyajian Data

Penyajian data merupakan alur kedua dalam kegiatan analisis data. Data dan informasi yang sudah diperoleh di lapangan dimasukkan ke dalam suatu matriks. Penyajian data dapat meliputi berbagai jenis matriks, grafik, jaringan, dan bagan.

IV. Verifikasi dan Kesimpulan

Begitu matriks terisi, maka kesimpulan awal dapat dilakukan. Sekumpulan informasi yang tersusun memungkinkan adanya penarikan kesimpulan dan pengambilan tindakan. Penarikan kesimpulan hanyalah sebagian dari suatu kegiatan. Kesimpulan juga diverifikasi selama penelitian berlangsung.