ANALISIS DATA
1. PENDAHULUAN
Data 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 memeiliki 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.
Proses analisis data dimulai dengan menelaah 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 ditelaah maka langkah berikutnya adalah mengadadakan 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 didalamnya. Langkah selanjutnya adalah menyusunnya dalam satuan-satuan. Satuan-satuan itu kemudian dikategorisasikan pada langkah berikutnya. Kategorai-kategori itu dilakukan sambil membuat koding. Tahap akhir dari analisis data adalah mengadakan pemeriksaan keabsahan data. Setelah selesai tahap ini, mulailah kini tahap penafsiran data dalam mengolah hasil sementara menjadi teori substansif dengan menggunakan beberapa metode tertentu.
Sehubungan dengan uraian tentang proses analisis dan penafsiran data diatas, maka dapat dijelaskan pokok-pokok persoalan sebagai berikut : Konsep dasar analisis data, Pemerosotan satuan, kategorisasi termasuk pemeriksaan keabsahan data, kemudian diakhiri dengan penafsiran data.
II. Konsep Dasar Analisis Data
Menurut Patton, 1980( dalam Lexy J. Moleong 2002:103) menjelaskan bahwa analisis data adalah proses mengatur urutan data, mengorganisasikannya ke dalam suatu pola, kategori, dan satuan uraian dasar.
Sedangkan menurut Taylor, (1975:79) mendefinisikan analisis data sebagai proses yang merinci usaha secara formal untu 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 stuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang didasarkan oleh data.
Dari uraian tersebut diatas dapatlah kita menarik garis bawah, analisis data bermaksud pertama-tama mengorganisasikan data. Data yang terkumpul banyak sekali dan terdiri dari catatan lapangan dan komentar peneliti, gambar, foto, dokumen, berupa laporan, biografi, artikel dan lain sebagainya. Pekerjaan analisis data dalam hal ini adalah mengatur, mengurutkan, mengelompokkan, memberikan kode, dan mengategorikannya. Pengorganisasian dan pengelolaan data tersebut bertujuan menemukan tema dan hipotesis kerja yang akhirnya diangkat menjadi teori substantif.
Akhirnya perlu dikemukakan bahwa analisis data itu dilakukan dalam suatu proses. Proses berarti pelaksanaannya sudah mulai dilakukan sejak pengumpulan data dilakukan dan dikerjakan secara intensif, yaitu sudah meninggalkan lapangan. Pekerjaan manganalisis data memerlukan usaha pemusatan perhatian dan pengerahan tenaga, pikiran peneliti. Selain menganalisa data, peneliti juga perlu dan masih perlu mendalami kepustakaan guna mengkomfirmasikan teori atau untuk menjastifikasikan adanya teori baru yang barangkali ditemukan.
III. Tahapan Persiapan Data
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 :
a. Mengetahui karakteristik umum dari data yang dimiliki, misalnya peubah apa saja yang dimiliki, tipe-tipe data dari setiap peubah dan sebagainya. Pengetahuan ini dubutuhkan untuk menentukan metode apa saja yang nanti dapat digunakan.
b. Menyaring data yang akan digunakan dalam analisis. Sebelum dilakukan analisis lebih jauh, kita harus bisa menyaring data yang ada, 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 sebagaian pertanyaan saja dalam kuesioner, misal pertanyaan yang berhubungan dengan keadaan demografi responden.
c. 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 bis dilalui dengan baik, maka besar kemungkinan kesulitan-kesulitan pada saat pengolahan (analisis) data bisa dihindari.
IV. 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 merupak ringkasan statistik dari beberpa 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
0.8
SMP
0.9
SMA
1.1
Diploma
1.3
S1/S2/S3
1.8
Dalam 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
0.2
SD
0.8
0.3
SMP
0.9
0.4
SMA
1.1
0.6
Diploma
1.3
0.3
S1/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 Kontrasepsi
Pendidikan
Tidak Sekolah/SD
SMP/SMA
Diploma
S1/S2/S3
Total
Pil
100
150
50
200
500
Kondom
30
20
60
80
200
IUD
40
80
10
20
150
Vasektomi
60
10
30
0
100
Tubektomi
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 :
V. TEKNIK ANALISIS DATA
Dari 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 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.
VI. Keabsahan Data
Untuk menghindari kesalahan atau kekeliruan data yang telah terkumpul, perlu dilakukan pengecekan keabsahan data. Pengecekan keabsahan data didasarkan pada criteria deraja kepercayaan (crebility) dengan teknik trianggulasi, ketekunan pengamatan, pengecekan teman sejawat (Moleong, 2004).
Trianggulasi merupakan teknik pengecekan keabsahan data yang didasarkan pada sesuatu diluar data untuk keperluan mengecek atau sebagai pembanding terhadap data yang telah ada (Moleong,2004). Trigulasi yang digunakan adalah trigulasi dengan sumber, yaitu membandingkan data hasil observasi, 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 metodologi maupun pelaksanaan tindakan.
Acuan pustaka :
http://www.geocities.com/bagusco4/mybook/7.html
http://ardhana12.wordpress.com/2008/02/08/teknik-analisis-data-dalam-penelitian/
1. PENDAHULUAN
Data 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 memeiliki 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.
Proses analisis data dimulai dengan menelaah 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 ditelaah maka langkah berikutnya adalah mengadadakan 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 didalamnya. Langkah selanjutnya adalah menyusunnya dalam satuan-satuan. Satuan-satuan itu kemudian dikategorisasikan pada langkah berikutnya. Kategorai-kategori itu dilakukan sambil membuat koding. Tahap akhir dari analisis data adalah mengadakan pemeriksaan keabsahan data. Setelah selesai tahap ini, mulailah kini tahap penafsiran data dalam mengolah hasil sementara menjadi teori substansif dengan menggunakan beberapa metode tertentu.
Sehubungan dengan uraian tentang proses analisis dan penafsiran data diatas, maka dapat dijelaskan pokok-pokok persoalan sebagai berikut : Konsep dasar analisis data, Pemerosotan satuan, kategorisasi termasuk pemeriksaan keabsahan data, kemudian diakhiri dengan penafsiran data.
II. Konsep Dasar Analisis Data
Menurut Patton, 1980( dalam Lexy J. Moleong 2002:103) menjelaskan bahwa analisis data adalah proses mengatur urutan data, mengorganisasikannya ke dalam suatu pola, kategori, dan satuan uraian dasar.
Sedangkan menurut Taylor, (1975:79) mendefinisikan analisis data sebagai proses yang merinci usaha secara formal untu 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 stuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang didasarkan oleh data.
Dari uraian tersebut diatas dapatlah kita menarik garis bawah, analisis data bermaksud pertama-tama mengorganisasikan data. Data yang terkumpul banyak sekali dan terdiri dari catatan lapangan dan komentar peneliti, gambar, foto, dokumen, berupa laporan, biografi, artikel dan lain sebagainya. Pekerjaan analisis data dalam hal ini adalah mengatur, mengurutkan, mengelompokkan, memberikan kode, dan mengategorikannya. Pengorganisasian dan pengelolaan data tersebut bertujuan menemukan tema dan hipotesis kerja yang akhirnya diangkat menjadi teori substantif.
Akhirnya perlu dikemukakan bahwa analisis data itu dilakukan dalam suatu proses. Proses berarti pelaksanaannya sudah mulai dilakukan sejak pengumpulan data dilakukan dan dikerjakan secara intensif, yaitu sudah meninggalkan lapangan. Pekerjaan manganalisis data memerlukan usaha pemusatan perhatian dan pengerahan tenaga, pikiran peneliti. Selain menganalisa data, peneliti juga perlu dan masih perlu mendalami kepustakaan guna mengkomfirmasikan teori atau untuk menjastifikasikan adanya teori baru yang barangkali ditemukan.
III. Tahapan Persiapan Data
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 :
a. Mengetahui karakteristik umum dari data yang dimiliki, misalnya peubah apa saja yang dimiliki, tipe-tipe data dari setiap peubah dan sebagainya. Pengetahuan ini dubutuhkan untuk menentukan metode apa saja yang nanti dapat digunakan.
b. Menyaring data yang akan digunakan dalam analisis. Sebelum dilakukan analisis lebih jauh, kita harus bisa menyaring data yang ada, 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 sebagaian pertanyaan saja dalam kuesioner, misal pertanyaan yang berhubungan dengan keadaan demografi responden.
c. 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 bis dilalui dengan baik, maka besar kemungkinan kesulitan-kesulitan pada saat pengolahan (analisis) data bisa dihindari.
IV. 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 merupak ringkasan statistik dari beberpa 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
0.8
SMP
0.9
SMA
1.1
Diploma
1.3
S1/S2/S3
1.8
Dalam 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
0.2
SD
0.8
0.3
SMP
0.9
0.4
SMA
1.1
0.6
Diploma
1.3
0.3
S1/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 Kontrasepsi
Pendidikan
Tidak Sekolah/SD
SMP/SMA
Diploma
S1/S2/S3
Total
Pil
100
150
50
200
500
Kondom
30
20
60
80
200
IUD
40
80
10
20
150
Vasektomi
60
10
30
0
100
Tubektomi
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 :
V. TEKNIK ANALISIS DATA
Dari 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 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.
VI. Keabsahan Data
Untuk menghindari kesalahan atau kekeliruan data yang telah terkumpul, perlu dilakukan pengecekan keabsahan data. Pengecekan keabsahan data didasarkan pada criteria deraja kepercayaan (crebility) dengan teknik trianggulasi, ketekunan pengamatan, pengecekan teman sejawat (Moleong, 2004).
Trianggulasi merupakan teknik pengecekan keabsahan data yang didasarkan pada sesuatu diluar data untuk keperluan mengecek atau sebagai pembanding terhadap data yang telah ada (Moleong,2004). Trigulasi yang digunakan adalah trigulasi dengan sumber, yaitu membandingkan data hasil observasi, 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 metodologi maupun pelaksanaan tindakan.
Acuan pustaka :
http://www.geocities.com/bagusco4/mybook/7.html
http://ardhana12.wordpress.com/2008/02/08/teknik-analisis-data-dalam-penelitian/
Tidak ada komentar:
Posting Komentar