PENDAHULUAN
A.
Latar Belakang
Tindak
lanjut kegiatan peneliti sesudah pengumpulan data sangat bervariasi bentuknya
tergantung dari bagaimana data yang terkumpul akan diorganisasikan. Agar
peneliti tidak terhenti langkahnya dengan kebingungan tidak tahu apa yang akan
dilakukan selanjutnya, sebaiknya pada waktu menyusun proposal penelitian
langkah-langkah tersebut sudah tercermin di dalamnya.
Jika
ternyata tidak ditindak lanjuti dengan suatu analisis, maka data tersebut tidak
akan memiliki sedikitpun arti bagi sebuah penelitian kecuali sebuah pemborosan
tenaga, waktu, dan bahkan mungkin biaya. Sehubungan dengan hal tersebut, uraian
berikut akan mencoba menindak lanjuti data yang terkumpul supaya bisa memiliki
fungsi sebagaimana yang diharapkan oleh peneliti dalam aktivitas penelitiannya.
Fokus pembahasan makalah ini akan dijelaskan teknik analisis data kuantitatif
B.
Rumusan Masalah
1.
Apakah
yang dimaksud dengan analisis data?
2.
Apa saja
teknik analisis data dalam penelitian kuantitatif?
PEMBAHASAN
1.
Pengertian Analisis Data
Dalam
penelitian kuantitatif analisis data merupakan kegiatan setelah data dari
seluruh responden atau sumber data lain terkumpul. Kegiatan dalam analisis data
adalah: 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.
2.
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.
a.
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, perhitungan penyebaran data melalui perhitungan rata-rata dan
standar deviasi, perhitungan persentase. [1]
Tabel 1
Skor Ujian Statistik Pendidikan
Mahasiswa Semester V
|
Nama Mahasiswa
|
Nilai U T S
|
Nilai U A S
|
Statistik Pendidikan
|
|
Sitta
|
65
|
70
|
67,5
|
|
Nawwal
|
70
|
73
|
71,5
|
|
Ulum
|
75
|
80
|
77,7
|
|
Mahfud
|
73
|
71
|
72
|
|
Alex
|
60
|
75
|
67,5
|
|
Bambang
|
65
|
72
|
68,5
|
|
Hidayah
|
74
|
80
|
77
|
|
Munifah
|
68
|
74
|
71
|
|
Fitri
|
67
|
78
|
72,5
|
|
Nilna
|
65
|
78
|
71,5
|
|
Hanik
|
80
|
82
|
81
|
|
Najib
|
78
|
81
|
79,5
|
|
Yulida
|
76
|
78
|
77
|
|
Yusuf
|
72
|
80
|
76
|
|
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 (PAN) atau Penilaian Acuan Patokan (PAP). Jika pendekatan
pertama (PAN) yang dipergunakan, maka norma yang dijadikan standar adalah nilai
Rata-rata (Mean) dan Standar Deviasi (SD) masing-masing nilai variabel. Namun,
jika yang dipergunakan pendekatan kedua (PAP), maka standarnya adalah standar
nilai yang dimiliki oleh lembaga yang bersangkutan. Misalnya STAIN Kudus
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 V
Jurusan
Tarbiyah STAIN Kudus Th. 2012/2013
|
Nama Mahasiswa
|
Nilai UTS
|
Nilai Ujian Semester
|
Statistik Pendidikan
|
|||
|
|
Skor
|
Kw
|
Skor
|
Kw
|
Skor
|
Kw.
|
|
Sitta
|
65
|
C
|
70
|
B
|
67,5
|
C
|
|
Nawwal
|
70
|
B
|
73
|
B
|
71,5
|
B
|
|
Ulum
|
75
|
B
|
80
|
A
|
77,5
|
B
|
|
Mahfud
|
73
|
B
|
71
|
B
|
72
|
B
|
|
Alex
|
60
|
C
|
75
|
B
|
67,5
|
C
|
|
Bambang
|
65
|
C
|
72
|
B
|
68,5
|
C
|
|
Hidayah
|
74
|
B
|
80
|
A
|
77
|
B
|
|
Munifah
|
68
|
C
|
74
|
B
|
71
|
B
|
|
Fitri
|
67
|
C
|
78
|
B
|
72,5
|
B
|
|
Nilna
|
65
|
C
|
78
|
B
|
71,5
|
B
|
|
Hanik
|
80
|
A
|
82
|
A
|
81
|
A
|
|
Najib
|
78
|
B
|
81
|
A
|
79,5
|
B
|
|
Yulida
|
76
|
B
|
78
|
B
|
77
|
B
|
|
Yusuf
|
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 STAIN Kudus 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
|
b.
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]
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 penaksiran tentang data
yang terdeskripsikan tadi sehingga berlaku umum bagi data sejenis yang
diteliti.[3]
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]
a.
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 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”.
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]
PENUTUP
Dalam
penelitian kuantitatif analisis data merupakan kegiatan setelah data dari
seluruh responden atau sumber data lain terkumpul.
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.
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
inferensial (sering juga disebut statistik induktif atau statistik
probabilitas) adalah teknik statistik yang digunakan untuk menganilisis data
sampel dan hasilnya diberlakukan untuk populasi.
Demikian ulasan
tentang Teknik Analisis Data Penelitian Kuantitatif. Semoga bermanfaat.
DAFTAR PUSTAKA
M.Subana, dkk. Statiistik
Pendidikan, 2000, Pustaka Setia, Bandung.
Sugiyono, Metode Penelitian
Pendidikan, 2007, Alfabeta, Bandung.
http://mabadik.wordpress.com/2010/07/10/teknik-analisis-data-kuantitatif/
Tidak ada komentar:
Posting Komentar