MPK VIII ANALISIS DATA PENELITIAN

BAB VIII

ANALISIS DATA PENELITIAN

            Analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan guna memecahkan permasalahan yang diteliti sudah diperoleh secara lengkap. Ketajaman dan ketepatan dalam penggunaan alat analisis sangat menentukan keakuratan pengambilan kesimpulan, karena itu kegiatan analisis data merupakan kegiatan yang tidak dapat diabaikan begitu saja dalam proses penelitian. Kesalahan dalam menentukan alat analisis dapat berakibat fatal terhadap kesimpulan yang dihasilkan dan hal ini akan berdampak lebih buruk lagi terhadap penggunaan dan penerapan hasil penelitian tersebut. Dengan demikian, pengetahuan dan pemahaman tentang berbagai teknik analisis mutlak diperlukan bagi seorang peneliti agar hasil penelitiannya mampu memberikan kontribusi yang berarti bagi pemecahan masalah sekaligus hasil tersebut dapat dipertanggungjawabkan secara ilmiah.

            Jenis analisis kuantitatif adalah :

1.   Analisis statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Analisis ini hanya berupa akumulasi data dasar dalam bentuk deskripsi semata dalam arti tidak mencari atau menerangkan saling hubungan, menguji hipotesis, membuat ramalan, atau melakukan penarikan kesimpulan. Teknik analisis ini biasa digunakan untuk penelitian-penelitian yang bersifat eksplorasi, misalnya ingin mengetahui persepsi masyarakat terhadap kenaikan harga BBM, ingin mengetahui sikap guru terhadap pemberlakuan kurikulum 2013, ingin mengetahui minat mahasiswa terhadap profesi dokter, dan sebagainya. Penelitian-penelitian jenis ini biasanya hanya mencoba untuk mengungkap dan mendeskripsikan hasil penelitiannya. Biasanya teknik statistik yang digunakan adalah statistik deskriptif. Teknik analisis statistik deskriptif yang dapat digunakan antara lain:  a) Penyajian data dalam bentuk tabel atau distribusi frekuensi dan tabulasi silang (crosstab). Dengan analisis ini akan diketahui kecenderungan hasil temuan penelitian, apakah masuk dalam kategori rendah, sedang atau tinggi. b)  Penyajian data dalam bentuk visual seperti histogram, poligon, ogive, diagram batang, diagram lingkaran, diagram pastel (pie chart), dan diagram lambang.  b) Penghitungan ukuran tendensi sentral (mean, median modus). c) Penghitungan ukuran letak (kuartil, desil, dan persentil). d) Penghitungan ukuran penyebaran (standar deviasi, varians, range, deviasi¨ kuartil, mean deviasi, dan sebagainya).

2.   Statistik Inferensial, sudah ada upaya untuk mengadakan penarikan kesimpulan dan membuat keputusan berdasarkan analisis yang telah dilakukan. Biasanya analisis ini mengambil sampel tertentu dari sebuah populasi yang jumlahnya banyak, dan dari hasil analisis terhadap sampel tersebut digeneralisasikan terhadap populasi. Oleh karena itulah statistik inferensial ini juga disebut dengan istilah statistik induktif. Berdasarkan jenis analisisnya, statistik inferensial terbagi ke dalam dua bagian:

a.       Analisis Korelasional, yaitu analisis statistik yang berusaha untuk mencari hubungan atau pengaruh antara dua buah variabel atau lebih. Dalam analisis korelasional ini, variabel dibagi ke dalam dua bagian, yaitu:  Variabel bebas (Independent Variable), yaitu variabel yang keberadaannya tidak dipengaruhi oleh variabel lain dan  variabel terikat (Dependent Variable), yaitu variabel yang keberadaannya dipengaruhi oleh variabel yang lain.

Banyak sekali teknik analisis statistik yang dapat digunakan untuk analisis korelasional ini, baik statistik parametrik maupun nonparametrik. Penggunaan masing-masing teknik analisis tersebut sangat tergantung pada jenis datanya. Data terdiri dari:  1) Data nominal, yaitu data kuantitatif yang tidak memiliki jenjang. Contoh jenis kelamin, asal daerah, pekerjaan orang tua, hobby, dan sebagainya.  2) Data ordinal, yaitu data kuantitatif yang memiliki jenjang, seperti tingkat pendidikan, jabatan, pangkat, ranking kelas, dan sebagainya.  3) Data interval/rasio, yaitu data kuantitatif atau data yang berupa angka atau dapat diangkakan. Contoh penghasilan, prestasi belajar, tinggi badan, tingkat kecerdasan, volume penjualan, dan sebagainya. Jenis analisis datanya dapat dilihat dalam tabel berikut :

Variabel dan jenis data		Variabel Terikat
		Nominal	Ordinal	Interval
Variabel Bebas	Nominal	Koefisien Korelasi kontingensi		Korelasi point serial
	Ordinal		Korelasi spearman rank	Korelasi serial
	Interval			Korelasi product moment Analisis regresi Korelasi parsial

Keterangan :

1)   Koefisien korelasi kontingensi : ukuran tingkat korelasi atau hubungan antara kelompok atribut atau variabel. Uji ini berguna jika informasi atau data yang dimiliki berskala nominal. Contoh : penelitian untuk mengetahui “adakah hubungan antara tingkat umur dengan jenis handphone yang digunakan”. Tingkat umur dikelompokkan menjadi dua yaitu: Remaja(11-20) , Dewasa (20>). Jenis handphone juga dikelompokkan menjadi dua yaitu: Standard, dan Canggih. Jumlah  remaja yang digunakan sebagai sample = 80, dan orang dewasa = 100. Jumlah seluruhnya 180. Buktikan Hipotesis yang menyatakan bahwa: “ Tidak ada hubungan yang positif dan signifikan antara tingkat umur dengan jenis handphone yang digunakan”.

Jika menggunakan aplikasi SPSS maka langkahnya adalah :

a)        Klik Analyze - Descriptive Statistics - Crosstab

b)        Masukkan variabel independen “umur”  sebagai Row dan variabel dependen “jenis handphone” sebagai Coloum

c)        Klik Statistics

d)        Beri tanda Check pada Contingency Coefficient

e)        Continue

f)         Ok

g)        Lihat nilai p (p value) pada output di tabel symmetric measure kolom  approx sig

h)        Jika p value < 0,05 à H0 ditolak (ada hubungan…) dan sebaliknya

2)   Korelasi point serial : digunakan untuk menghitung korelasi antara dua variabel, yang satu berskala nominal dan yang lain berskala interval. Misalnya Korelasi antara jenis pekerjaan  dengan harga diri.

3)   Korelasi serial : menguji hubungan antara dua variabel, yang satu berskala pengukuran orinal dan yang lain berskala pengukuran interval. Gejala ordinal adalah gejala yang dibedakan menurut golongan atau jenjangnya. Misalnya : Hubungan antara keaktifan membaca di perpustakaan dengan nilai mata kuliah MPK.  

4)        Korelasi spearman rank : untuk mengkorelasikan dua variabel yang  mempunyai skala pengukuran yang berjenjang (data ordinal).

5)        Korelasi product moment : uji statistik untuk menguji 2 variabel yang berdata rasio ataupun data kuantitatif yang berisi angka riil yaitu data sesungguhnya yang diambil langsung dari angka asli. Syarat lain untuk uji korelasi Pearson adalah data berdistribusi normal. Sebagai bagian dari statistik parametrik terlebih dahulu dilakukan uji normalitas data sebelum uji korelasi. Teknik ini untuk menerapkan koefisien korelasi antara dua variabel yang masing-masing mempunyai skala pengukuran interval.

6)        Korelasi parsial : digunakan untuk mengetahui hubungan antara dua variabel dimana variabel lainnya yang dianggap berpengaruh dikendalikan atau dibuat tetap. Contoh : hubungan antara kecerdasan dengan prestasi belajar jika terdapat faktor tingkat stress pada siswa yang diduga mempengaruhi akan dikendalikan. 

7)        Analisis regresi : analisis regresi merupakan teknik statistik untuk mengivestigasi dan menyusun model mengenai hubungan antar variable dan merupakan salah satu metode untuk menentukan hubungan sebab akibat antara satu variabel dengan variabel yang lain. Dalam analisis regresi dikembangkan persamaan estimasi untuk mendeskripsikan pola atau fungsi hubungan antara variabel-variabel. Sesuai dengan namanya, persamaan estimasi atau persamaan regresi itu digunakan untuk mengestimasi nilai dari suatu variabel berdasarkan nilai variabel lainnya. Variabel yang di estimasi itu disebut variabel dependen (atau variabel terikat) sedangkan variabel yang diperkirakan memengaruhi variabel dependen itu disebut variabel independen (atau variabel bebas).

Model kelayakan  regresi linear didasarkan pada hal-hal sebagai berikut :

a)         Model regresi dikatakan layak  jika angka signifikansi pada ANOVA sebesar < 0.05.

b)         Predictor yang digunakan sebagai variabel bebas harus layak. Kelayakan ini diketahui jika angka Standard Error of Estimate < Standard Deviation.

c)         Koefesien regresi harus signifikan. Pengujian dilakukan dengan Uji T. Koefesien regresi signifikan jika T hitung > T tabel (nilai kritis).

d)         Tidak boleh terjadi multikolinieritas, artinya tidak boleh terjadi korelasi yang sangat tinggi atau sangat rendah antar variabel bebas. Syarat ini hanya berlaku untuk regresi linier berganda dengan variabel bebas lebih dari satu.

e)         Tidak terjadi otokorelasi. Terjadi otokorelasi jika angka Durbin dan Watson (DB) sebesar < 1 dan > 3.

f)         Keselerasan model regresi dapat diterangkan dengan menggunakan nilai r² semakin besar nilai tersebut maka model semakin baik. Jika nilai mendekati 1 maka model regresi semakin baik. Nilai r² mempunyai karakteristik diantaranya: 1) selalu positif, 2) Nilai r² maksimal sebesar 1. Jika Nilai r² sebesar 1 akan mempunyai arti kesesuaian yang sempurna. Maksudnya seluruh variasi dalam variabel Y dapat diterangkan oleh model regresi. Sebaliknya jika r² sama dengan 0, maka tidak ada hubungan linier antara X dan Y.

g)         Terdapat hubungan linier antara variabel bebas (X) dan variabel tergantung (Y)

h)         Data harus berdistribusi normal

i)          Data berskala interval atau rasio

j)          Kedua variabel bersifat dependen, artinya satu variabel merupakan variabel bebas (disebut juga sebagai variabel predictor) sedang variabel lainnya variabel tergantung (disebut juga sebagai variabel response)

Untuk mempelajari hubungan – hubungan antara variabel bebas maka regresi linier terdiri dari dua bentuk, yaitu : 1) Analisis regresi sederhana (simple analysis regresi) dan  2) Analisis regresi berganda (Multiple analysis regresi).

            Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas (variable independen) dan variabel tak bebas (variabel dependen). Sedangkan analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas.

b.      Uji Beda

            Uji T Berpasangan, di gunakan untuk menilai apakah mean dan keragaman dari dua kelompok berbeda secara statistik satu sama lain. Analisis ini digunakan apabila kita ingin membandingkan mean dan keragaman dari dua kelompok data, dan cocok sebagai analisis dua kelompok. Uji t berpasangan (paired t-test) biasanya menguji perbedaan antara dua pengamatan. Uji t berpasangan biasa dilakukan pada Subjek yang diuji pada situasi sebelum dan sesudah proses, misalnya jika kita ingin menguji perbedaan kemampuan interaksi sosial anak sebelum dan sesudah di beri perlakuan metode sosiodrama.