Teknik Analisis Data Kuantatif Dan Penar
-
Upload
dinarajengnuraziza -
Category
Documents
-
view
224 -
download
2
description
Transcript of Teknik Analisis Data Kuantatif Dan Penar
Teknik Analisis Data Kuantatif dan Penarikan Kesimpulan
A. Pengertian Analisis Data
Analisis data merupakan kegiatan setelah mengumpuulkan data baik dari responden
ataupun narasumber lainnya. Dalam analisis data ada beberapa ketentuan, yaitu:
mengelompokkan data berdasarkan variable dan jenis responden, mentabulasi data berdasarkan
variable dari seluruh responden, menyajikan data tiap variable yang diteliti, melakukan
perhitungan untuk menjawab rumusan masalah, dan melakukan perhitungan untuk menguji
hipotesis yang diajukan. Untuk penelitian yang tidak merumuskan hipotesis, langkah terakhir
tidak dilakukan.
B. Teknik Analisis Data Kuantitatif
Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat dua
macam statistik yang digunakan untuk analisis data dalam penelitian, yaitu statistik deskriptif
dan statistik inferensial. Statistik inferensial meliputi statistik parametris dan non parametris.
1. Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara
mendeskripsikan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat
kesimpulan yang berlaku untuk umum atau generalisasi. Statistik deskriptif digunakan bila
peneliti hanya ingin mendeskripsikan data sampel dan tidak ingin membuat kesimpulan yang
berlaku untuk populasi dimana sampel diambil. Tetapi bila peneliti ingin membuat kesimpulan
yang berlaku untuk populasi maka teknik analisis data yang digunakan adalah statistik
inferensial.
Fungsi statistik deskriptif antara lain mengklasifikasikan suatu data variabel berdasarkan
kelompoknya masing-masing dari semula belum teratur dan mudah diinterpretasikan maksudnya
oleh orang yang membutuhkan informasi tentang keadaan variabel tersebut. Selain itu statistik
deskriptif juga berfungsi menyajikan informasi sedemikian rupa, sehingga data yang dihasilkan
dari penelitian dapat dimanfaatkan oleh orang lain yang membutuhkan.
Termasuk dalam statistik deskriptif antara lain adalah penyajian data melalui table,
grafik, diagram ligkaran, perhitungan modus, median, mean, perhitungan desil, persentil,
1
perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi, perhitungan
persentase. 1[1]
Tabel 1:
Skor Ujian Statistik Pendidikan Mahasiswa PAI IAIN IB Padang, semester IV
Nama Mahasiswa Nilai U T S Nilai U A S Statistik Pendidikan
Andi 72 80 76
Rendy 74 80 77
Shinta 75 80 77,7
Ayu 73 71 72
Arif 60 75 67,5
Nela 65 72 68,5
Taufiq 70 73 71,5
Jamilah 68 74 71
Annisa 67 78 72,5
Malik 65 78 71,5
Syaiful 80 82 81
Najwa 78 81 79,5
Ahmad 76 78 77
Fauzan 65 70 67,5
N = 14
Untuk mengetahui lebih lanjut bagaimana kualifikasi kemampuan mahasiswa tersebut
dalam mata kuliah Statistik pendidikan, baik ditinjau dari nilai Ujian Tengah Semester maupun
Ujian Semester, skor-skor tersebut dikonversi menjadi nilai. Pengkonversian skor menjadi nilai
dapat dipergunakan pendekatan Penilaian Acuan Norma, Penilaian Acuan Patokan. Jika
pendekatan pertama (Penilaian Acuan Norma) yang dipergunakan, maka norma yang dijadikan
standar adalah nilai Rata-rata (Mean) dan Standar Deviasi masing-masing nilai variabel. Namun,
jika yang dipergunakan pendekatan kedua (Penilaian Acuan Patokan), maka standarnya adalah
1[1] Sugiyono, Metode Penelitian Pendidikan, 2007, Alfabeta, Bandung. Hal 207-209
2
standar nilai yang dimiliki oleh lembaga yang bersangkutan. Misalnya IAIN Imam Bonjol
Padang memiliki standar nilai prestasi hasil belajar mahasiswa sebagai berikut:
Tabel 2:
Standar Konversi dan Kualifikasinya:
NO SKOR NILAI KODE KUALIFIKASI
1
2
3
4
5
80 – 100
70 – 79
60 – 69
50 – 59
0 – 49
4
3
2
1
0
A
B
C
D
E
Baik Sekali
Baik
Cukup
Kurang
Sangat Kurang
Dengan berpedoman pada standar di atas, maka skor hasil pengukuran kemampuan
Statistik Pendidikan yang terdapat pada tabel 1 dapat dilakukan konversi. Melalui cara ini dapat
diketahui distribusi nilai berikut kualifikasinya. Hal ini dapat dilihat pada tabel berikut:
Tabel 3:
Kualifikasi Nilai Ujian Statistik Pendidikan Mahasiswa Semester IV
Jurusan Tarbiyah IAIN IB Padang T/A 2013/2014
Nama
Mahasisw
a
Nilai UTS Nilai Ujian Semester Statistik Pendidikan
Skor Kw Skor Kw Skor Kw.
Arfi 65 C 70 B 67,5 C
Hervina 70 B 73 B 71,5 B
Septi 75 B 80 A 77,5 B
Nela 73 B 71 B 72 B
Andika 60 C 75 B 67,5 C
Bayu 65 C 72 B 68,5 C
Halimah 74 B 80 A 77 B
3
Husna 68 C 74 B 71 B
Alisya 67 C 78 B 72,5 B
Elvi 65 C 78 B 71,5 B
Rosi 80 A 82 A 81 A
Abil 78 B 81 A 79,5 B
Khairat 76 B 78 B 77 B
Gusriana 72 B 80 A 76 B
N = 14 1030
Langkah selanjutnya agar hasil konversi nilai memiliki makna lebih jelas, maka
dilakukan kualifikasi berdasarkan jenis-jenis variabel beserta kualifikasinya. Tabel-tabel berikut
merupakan hasil dari prosedur pengerjaan ini. Dari tabel-tabel tersebut peneliti mulai bisa bicara
sesuai dengan keadaan yang termuat di dalamnya. Misalnya pada tabel 4 peneliti mulai
mendeskripsikan bahwa nilai Statistik Pendidikan mahasiswa Jurusan Tarbiyah IAIN IB Padang
Semeter IV, tidak tampak (0%) yang berkategori/berkualifikasi Kurang (D) dan Sangat Kurang
(E) tidak tampak (0%). Kualifikasi nilai mereka berkisar antara nilai Baik Sekali 7%, Baik
sebesar 71,43%, dan selebihnya berkualifikasi Cukup 21,43%. Secara umum dapat dikatakan
bahwa nilai Statistik Pendidikan yang diperoleh mahasiswa Jurusan Tarbiyah termasuk Baik.
Hal ini dapat dilihat pula dari nilai rata-ratanya, yaitu sebesar 73.57.
Tabel 4:
Nilai Statistik Pendidikan Mahasiswa Jurusan Tarbiyah
Nilai Ujian Teng. Sem. Ujian Semester Statistik Pend.
F % F % F %
A
B
C
D
E
1
7
6
0
0
7
50
42,86
0
0
5
9
0
0
0
35,71
64,29
0
0
0
1
10
3
0
0
7
71,43
21,43
0
0
4
2. Statistik Inferensial
Statistik inferensial (sering juga disebut statistik induktif atau statistik probabilitas)
adalah teknik statistik yang digunakan untuk menganilisis data sampel dan hasilnya diberlakukan
untuk populasi. Statistik ini akan cocok digunakaan bila sampel diambil dari populasi yang jelas
dan teknik pengambilan sampel dari populasi itu dilakukan secara random (acak).
Disebut sebagai statistik probabilitas karena kesimpulan yang diberlakukan untuk
populasi berdasarkan data sampel itu kebenarannya bersifat peluang (probability). Suatu
kesimpulan dari data sampel yang akan diberlakukan untuk populasi itu mempunyai peluang
kesalahan dan kebenaran yang dinyatakan dalam bentuk persentase. Bila peluang kesalahan 5%
maka taraf kebenaran 95%, bila peluang kesalahan 1% maka taraf kebenarannya 99%. Peluang
kesalahan dan kebenaran ini disebut dengan taraf signifikansi. Pegujian taraf signifikansi dari
hasil suatu analisis akan lebih praktis bila didasarkan pada table sesuai teknik analisis yang
digunakan. Misalnya uji-t akan digunakan table-t. pada setiap table sudah disediakan untuk taraf
signifikansi berapa persen suatu hasil analisis dapat digeneralisasikan. Misalnya dari hasil
analisis korelasi ditemukan koefisien korelasi 0,54 dan untuk signifikansi 5% hal itu berarti
hubungan variable sebesar 0,54 itu dapat berlaku pada 95 dari 100 sampel yang diambil dari
suatu populasi.2[2]
Statistik inferensial adalah statistik lanjutan dari statistik deskriptif. Setelah peneliti
menempuh serangkaian kegiatan penghitungan statistik yang menggunakan teknik-teknik
deskripsional, penghitungan statistik selanjutnya adalah membuat penarikan kesimpulan yang
sifatnya umum (konklusi), menyusun suatu ramalan (prediksi), atau melakukan penaksiran
(estimasi).
Konklusi, prediksi, dan estimasi adalah bentuk-bentuk interpretasi terhadap angka atau
indeks tentang keadaan atau gejala yang diperoleh melalui teknik statistik inferensial yang tepat.
Untuk menginterpretasikan angka atau indeks hingga menghasilkan suatu konklusi, prediksi,
atau estimasi dapat dilakukan dengan cara sederhana atau menggunakan salah satu table yang
sesuai dengan berdasarkan teknik statistik inferensial yang diinginkan. Kegiatan
menginterpretasi data dalam statistik inferensial dilakukan dengan cara mendeskripsikan data
dalam bentuk gambar, diagram, kurva, atau ukuran gejala pusat dengan gejala letak. Adapun
statistik deskriptif, peneliti berkesempatan membuat suatu kesimpulan, ramalan, maupun
2[2] Ibid, 210-211
5
penaksiran tentang data yang terdeskripsikan tadi sehingga berlaku umum bagi data sejenis yang
diteliti.3[3]
C. Statistik Parametris dan Nonparametris
Pada statistik inferensial terdapat statistik parametris dan nonparametris. Statistik
parametris digunakan untuk menguji parameter populasi melalui statistik, atau meguji ukuran
populasi melalui data sampel. Sedangkan statistik nonparametris tidak menguji parameter
populasi, tetapi menguji distribusi.
Penggunaan kedua statistik tersebut juga tergantung pada jenis data yang dianalisis. Statistik
parametris kebanyakan digunakan untuk menganalisis data interval dan rasio, sedangkan
statistik nonparametris kebanyakan digunakan untuk menganalisis data nominal, ordinal. Jadi
untuk menguji hipotesis dalam penelitian kuantitatif yang menggunakan statistik ada dua hal
utama yang harus diperhatikan yaitu macam data dan bentuk hipotesis yang diajukan.4[4]
D. Macam data
Dalam dunia statistik dikenal setidaknya terdapat empat jenis data hasil pengukuran,
yaitu data Nominal, Ordinal, Interval dan Rasio. Masing-masing data hasil pengukuran ini
memiliki karaktristik tersendiri yang berbeda antara satu dengan lainnya.
1) Data Nominal
Data ini juga sering disebut data diskrit, kategorik, atau dikhotomi. Disebut diskrit karena
data ini memiliki sifat terpisah antara satu sama lainnya, baik pemisahan itu terdiri dari dua
bagian atau lebih; dan di dalam pemisahan itu tidak terdapat hubungan sama sekali. Masing-
masing kategori memiliki sifat tersendiri yang tidak ada hubungannya dengan kategori lainnya.
Sebagai misal data hasil penelitian dikategorikan kedalam kelompok “ya” dan “tidak” saja
misalnya laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah “tidak laki-laki”),
kawin /tidak kawin; janda/duda, dan lainnya.
Data nominal selain contoh di atas terdapat pula yang berupa angka-angka. Akan tetapi
angka-angka tersebut bukan merupakan suatu atribut, oleh sebab itu pada angka tersebut tidak
3[3] M.Subana, dkk. Statiistik Pendidikan, 2000, Pustaka Setia, Bandung. Hal 111
4[4] Opcit. Hal 210-211.
6
berlaku hitungan matematis. Contoh data ini misalnya nomor punggung pemain sepak bola,
nomor rumah, nomor plat mobil dan lainnya. Nomor-nomor tersebut semata-semata hanya
menunjukkan simbol, tanda, atau stribut saja.
2) Data Ordinal
Data ordinal adalah data yang menunjuk pada tingkatan atau penjenjangan pada sesuatu
keadaan. Berbeda dengan data nominal yang menunjukkan adanya perbedaan secara kategorik,
data ordinal juga memiliki sifat adanya perbedaan di antara obyek yang dijenjangkan. Namun
dalam perbedaan tersebut terdapat suatu kedudukan yang dinyatakan sebagai suatu urutan bahwa
yang satu lebih besar atau lebih tinggi daripada yang lainnya. Kriteria urutan dari yang paling
tinggi ke yang yang paling rendah dinyatakan dalam bentuk posisi relatif atau kedudukan suatu
kelompok. Contoh dari data ini misalnya: prestasi belajar siswa diklasifikasikan menjadi
kelompok “baik”, “cukup”, dan “kurang”, atau ukuran tinggi seseorang dengan “tinggi”,
“sedang”, dan “pendek”.
Dalam kaitannya dengan analisis data, terhadap data ordinal seringkali diberikan “skor’
sesuai dengan tingkatannya. Istilah “skor” diberi tanda petik karena skor tersebut bukan skor
sebenarnya, tetapi sebagai “tanda” yang menunjukkan tingkatan.
Contoh:
- “Baik” : Diberi tanda 3
- “Cukup” : Diberi tanda 2
- “Kurang” : Diberi tanda 1
Contoh lain data ordinal misalnya hasil ujian mahasiswa peserta kuliah Statistik
Pendidikan Budiman memperoleh skor 90, Rahmat 85, Musyafak 75, dan Mahsunah 65.
Berdasarkan skor-skor tersebut dibuatlah suatu jenjang (rangking), sehingga terjadilah urutan
jenjang ke 1 (90), ke 2 (85), ke 3 (75), dan ke 4 (65).Data ordinal memiliki harga mutlak (dapat
diperbandingkan) dan selisih perbedaan antara urut-urutan yang berdekatan bisa tidak sama.
Data ordinal mempunyai nilai yang lebih tinggi dibandingkan dengan data diskrit karena
mempunyai tingkatan yang lebih banyak daripada data diskrit yang hanya mempunyai dua
kategori yaitu “ya” dan “tidak”.
7
3) Data Interval
Data interval tergolong data kontinum yang mempunyai tingkatan yang lebih tinggi lagi
dibandingkan dengan data ordinal karena mempunyai tingkatan yang lebih banyak lagi. Data
interval menunjukkan adanya jarak antara data yang satu dengan yang lainnya.Contoh data
interval misalnya hasil ujian, hasil pengukuran tinggi badan, dan lainnya. Satu hal yang perlu
diperhatikan bahwa data interval tidak dikenal adanya nilai 0 (nol) mutlak. Dalam hasil
pengukuran (tes) misalnya mahasiswa mendapat nilai 0. Angka nol ini tidak dapat diartikan
bahwa mahasiswa tersebut benar-benar tidak bisa apa-apa. Meskipun ia memperoleh nilai nol ia
memiliki suatu pengetahuan atau kemampuan dalam matakuliah yang bersangkutan. Nilai nol
yang diberikan oleh dosen sebetulnya hanya merupakan atribut belaka hanya saja pada saat ujian,
pertanyaan yang diujikan tidak pas seperti yang dipersiapkannya. Atau jawaban yang diberikan
tidak sesuai dengan yang dikehendaki soal.
4) Data Rasio
Data rasio merupakan data yang tergolong ke dalam data kontinum juga tetapi yang
mempunyai ciri atau sifat tertentu. Data ini memiliki sifat interval atau jarak yang sama seperti
halnya dalam skala interval. Namun demikian, skala rasio masih memiliki ciri lain. Pertama
harga rasio memiliki harga nol mutlak, artinya titik nol benar-benar menunjukkan tidak adanya
suatu ciri atau sifat. Misalnya titik nol pada skala sentimeter menunjukkan tidakadanya panjang
atau tinggi sesuatu. Kedua angka skala rasio memiliki kualitas bilangan riel yang berlaku
perhitungan matematis. Misalnya berat badan Rudi 70 kg, sedangkan Saifullah 35 kg. Keadaan
ini dapat dirasiokan bahwa berat badan Rudi dua kali berat badan Saifullah. Atau berat badan
Saifullah separuh dari berat badan Rudi. Berbeda dengan data interval misalnya Rudi ujian
dapat 70 sementara Saifullah memperoleh 30. Hal ini tidak dapat diartikan bahwa kepandaian
Rudi dua kali lipat kepandaian Saifullah.
Data rasio dalam ilmu-ilmu sosial jarang dipergunakan, bahkan hampir tidak pernah
dipergunakan. Lapangan penggunaan data berskala rasio ini lebih banyak berada dalam bidang
ilmu-ilmu eksakta terutama fisika.5[5]
5[5] http://mabadik.wordpress.com/2010/07/10/teknik-analisis-data-kuantitatif/
8
E. Penarikan Kesimpulan
Terdapat dua cara dalam menarik kesimpulan tergantung pada rumusan masalah
penelitian yang didasarkan atas data yang didapat, statistik atau nonstatistik.
a. Kesimpulan statistik
Dalam mengelola jenis data kuantitatif yang bersifat statistik dengan mempertimbangkan
sampel. Kesimpulan penelitian yang menggunakan teknik statistik dapat digeneralisasikan pada
populasi, apabila dari sampel dapat diketahui bahwa populasinya berdritribusi normal. Namun
apabila tidak berdristribusi maka harus menggunakan satatistik non-parametik.
b. Kesimpulan Nonstatistik
Dalam penelitian kuantitatif, penarikan kesimpulan dengan cara mencari proporsi, mencari
presentase dan rasio. Jika analisis datanya berupa proporsi, presentasi ataupun rasio maka
kesimpulannya disesuaikan dengan permasalahannya.6 [6]
Contoh:
Peneliti bermaksud mengadakan penelitian tentang laboratorium IPA, di sebuah SMP A,
didalam pedoman laboratorium yang dikeluarkan Departemen B, sudah tentu sudah dicantumkan
persyaratan dan standart sebuah laboratorium. Persyaratan tersebut dijadikan standar untuk
mengukur keadaan laboratorium dengan menilai berbagai aspek dalam bentuk angka kuantitatif.
· Kelengkapan alat : 75 %
· Pengaturan : 70 %
· Penggunaan : 60 %
Rata-rata penilaian menjadi [75% + 70 % + 60 %] = + 68%
3
Apabila sebelumnya peneliti sudah menetukan standar bahwa :> 75% baik, antara 60%-
75% cukup, < 60% kurang baik, maka dari data diatas, keadaan laboratorium di SMP A, cukup
baik.
F. Kesimpulan
6 [6] Suharsimi Arikunto. “Proses Penelitian suatu Pendekatan Peraktik” 2006 (Jakarta; PT. Rineka Cipta) hal: 344
9
Teknik analisisi data kuatitatif merupakan pengelompokkan data berdasarkan variable dan
jenis responden, mentabulasi data berdasarkan variable dari seluruh responden, menyajikan data
tiap variable yang diteliti, melakukan perhitungan untuk menjawab rumusan masalah, dan
melakukan perhitungan untuk menguji hipotesis yang diajukan.
Dalam hal ini, kita dapat melakukannya dengan sua statistik, yaitu: statistik deskriptif dan
statistik inferensial.
Adapun penarikan kesimpulan merupakan penilaian apakah sebuah hipotesis yang diajukan
itu ditolak atau diterima.Penarikan kesimpulan dalam melakukan penelitian ilmiah merupakan
intisari dari hasil eksperimen dan pernyataan mengenai hubungan hasil eksperimen dengan
hipotesis, termasuk juga alasan-alasan yang menyebabkan hasil eksperimen hasil eksperimen
berbeda dengan hipotesis. Penarikan kesimpulan seharusnya ringkas saja. Sebagai gambaran,
pada banyak publikasi hasil penelitian bagian kesimpulan mencakup hingga 2,5% dari
keseluruhan laporan.
Dalam pengumpulan data penelitian membutuhkan suatu instrumen. Instrumen ini
dibutuhkan untuk pengambilan data untuk penelitian baik penelitian kualitatif maupun
penelitian kuantitatif. Instrumen penelitian adalah alat atau fasilitas yang digunakan oleh
peneliti dalam mengumpulkan data agar pekerjaannya lebih mudah dan hasilnya lebih baik
dalam arti lebih cermat, lengkap, dan sistematis sehingga lebih mudah diolah.
10