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