BAB 7

ANALISIS DAN INTERPRETASI DATA KUANTITATIF

Statistik bisa jadi merupakan tantangan. Walaupun demikian perhitungan statistik

hanyalah satu langkah dalam menganalisis data. Analisis juga mencakup penyiapan data

untuk analisis, melaksanakan analisis, melaporkan hasil-hasilnya dan mendikusikan hasil-

hasil tersebut.

Pada akhir bab ini anda diharapkan akan mampu :

Mendeskripsikan proses penyiapan dan pengorganisasian data anda untuk dianalisis

Mengidentifikasi prosedur-prosedur untuk menganalisis pertanyaan-pertanyaan

penelitian secara deskripif

Mengidentifikasi prosedur-prosedur untuk menganalisis pertanyaan-pertanyaan dan

hipotesis-hipotesis penelitian secara inferensial

Mengenal bagaimana merancang dan menyajikan hasil-hasilnya dalam bentuk tabel,

diagram, dan bagian hasil penelitian

Mendeskripsikan bagian pembahasan dari laporan penelitian yang memberikan

interpretasi terhadap hasil-hasil penelitian

Maria selalu bergulat dengan Matematika. Sehingga ketika ia perlu menganalisis data

dari angket, ia bertanya-tanya “Apakah saya akan mampu menganalisis data-data saya?”Ia

pun mengunjungi professor yang mengajar statistik pendahuluan untuk mempelajari apa yang

harus ia lakukan. Ia berharap guru besarnya tersebut berbicara tentang statistik apa yang akan

digunakan oleh Maria. Sebaliknya guru besarnya mengajukan pertanyaan-pertanyaan berikut

: Bagaimana anda merencanakan dan mengorganisasikan data-data anda sebelum data-

data tersebut anda analisis? Pertanyaan-pertanyaan apa yang anda harapkan untuk dijawab

dengan analisis data-data anda itu? Bagaimana anda menyajikan hasil penelitian anda

dalam laporan anda? Bagaimana anda memberikan struktur terhadap interpretasi terhadap

hasil-hasil penelitian anda? Maria sekarang menyadari bahwa analisis data itu terdiri dari

beberapa langkah.

BAGAIMANA ANDA MENYIAPKAN DATA UNTUK ANALISIS?

Langkah pertama adalah mengorganisasikan data untuk analisis. Penyiapan dan

pengorganisasian data untuk analisis dalam penelitian kuantitatif terdiri dari memberikan skor

terhadap data dan membuat buku kode, menentukan tipe skor yang akan digunakan,

menyeleksi program komputer dalam rangka menginput data ke dalam program-program

analisis dan pembersihan data.

Memberikan Skor Terhadap Data

Apabila anda mengumpulkan data dengan menggunakan instrumen atau ceklist, anda

memerlukan sebuah sistem penskoring data. Scoring data (penskoran data) bermakna bahwa

para peneliti menentukan skor numerik (atau nilai) kepada masing-masing kategori jawaban

untuk setiap pertanyaan dalam instrumen yang digunakan dalam pengumpulan data.

Contoh, misalkan para orangtua menjawab pertanyaan-pertanyaan yang anda ajukan

dalam survey untuk mengukur sikap mereka terhadap pilihan sekolah untuk anak-anak

mereka di sebuah kawasan. Sebuah pertanyaan berbunyi:

Harap ditandai jawaban anda terhadap pernyatan berikut secara tepat:

“para siswa sebaiknya diberi kesempatan untuk memilih sekolah yang mereka inginkan”

------------- sangat setuju

------------- setuju ------------- tak tentu

------------- tidak setuju ------------- sangat tidak setuju

Umpamakan seorang orangtua menandai “Setuju”. Skor numeric apa yang akan diberikan

terhadap jawaban seperti ini sehingga anda akan memberikan skor yang sama terhadap semua

orang yang menjawab “setuju”?. Untuk menganalisis data-data ini, anda perlu memberikan

skor terhadap jawaban-jawaban seperti 5=sangat setuju, 4=setuju, 3=tak tentu, 2= tidak

setuju, 1=sangat tidak setuju. Berdasarkan angka-angka ini orangtua yang memberikan

jawaban setuju akan mendapatkan skor 4.

Beberapa petunjuk bisa membantu anda dalam rangka memberikan angka terhadap

pilihan-pilihan jawaban:

Untuk skala-skala kontinyu (lihat bab 6, dengan asumsi skalanya interval), anda

seharusnya memberikan skor secara konsisten terhadap masing-masing pertanyaan

dengan menggunakan sistem penomoran yang sama. Dalam contoh di atas, anda

harus secara konsisten memberikan skor terhadap skala seperti “sangat setuju”

sampai pada “sangat tidak setuju” skor lima sampai skor 1.

Untuk skala-skala kategorikal seperti “Tingkat atau kelas apa yang anda ajar?:

____ sekolah menengah atas, __________ sekolah menengah pertama, __________

sekolah dasar”, anda secara mana suka bisa memberikan angka yang masuk akal

seperti 3=sekolah menengah atas, 2= sekolah menengah pertama, dan 1=sekolah

dasar. Walaupun demikian aturan yang baik adalah makin positif jawabannya akan

makin tinggi kategori informasinya atau akan makin tinggi angka yang diberikan.

Untuk membuat pemberian skor ini mudah, anda bisa memberikan angka-angka

sebelumnya yang terdapat dalam instrumen bagi pilihan-pilihan jawaban seperti

contoh berikut:

Harap berikan jawaban anda terhadap pertanyaan ini : “anak-anak kelas 4 SD harus diuji kemampuan Matematikanya

------------- (5) sangat setuju ------------- (4) setuju

------------- (3) tak tentu ------------- (2) tidak setuju ------------- (1) sangat tidak setuju

Disini anda bisa melihat bahwa angka-angka sudah ditentukan terlebih dahulu dan

anda tahu bagaimana menskor masing-masing pilihan jawaban tersebut. Kadang-

kadang anda bisa menyuruh para partisipan untuk mengisi dalam lingkaran untuk

jawaban-jawaban dengan menggunakan “bubble sheets” (bulatan) seperti yang

digunakan untuk membantu penskoran dalam mengevaluasi dosen dalam mata kuliah

tertentu. Apabila mahasiswa menghitamkan lingkaran-lingkaran pada halaman itu

anda bisa menscan jawaban-jawaban mahasiswa untuk keperluan analisis. Bila anda

menggunakan instrumen yang tersedia secara komersial, perusahaan akan selalu

memberikan petunjuk penskoran untuk mendeskripsikan bagaimana instrumen itu

harus diberi skor.

Salah satu prosedur yang dapat membantu anda dalam memberikan skor terhadap

jawaban itu adalah dengan jalan membuat buku kode. Codebook (buku kode) adalah

daftar dari variabel-variabel atau pertanyaan-pertanyaan yang mengindikasikan

bagaimana si peneliti memberi kode atau memberi skor terhadap jawaban-jawaban

dalam instrumen atau ceklist. Sebuah contoh dari buku kode itu diperlihatkan oleh

Diagram 7.1. Perhatikan bahwa masing-masing variabel diberikan nama (misalnya

tingkat atau kelas) yakni definisi ringkas dari sebuah variabel (tingkat atau kelas dari

mahasiswa) diberikan, dan angka diberikan untuk masing-masing pilihan jawaban

(misalnya 10 = kelas 10; 11=kelas 11, 12 = kelas 12.

Menentukan Tipe Skor Untuk Dianalisis

Perhatikan kembali Diagram 7.1. Variabel 9, Depresi, terdiri dari skor atas dasar penjumlahan

semua butir dalam sebuah instrumen. Sebelum melakukan analisis skor-skor, para peneliti

harus terlebih dahulu mempertimbangkan tipe skor yang digunakan dalam instrumen mereka.

Hal ini penting karena tipe skor itu akan berpengaruh terhadap bagaimana anda meng-enter

data dalam sebuah file komputer untuk dianalisis.

Tabel 7.1 memperlihatkan 3 tipe skor untuk 6 orang mahasiswa: skor berbutir tunggal,

jumlah skor pada sebuah skala, atau skor bersih atau perbedaan skor.

Skor Berbutir Tunggal

Untuk sebuah penelitian anda boleh jadi mengkaji skor berbutir tunggal. A single item score

(skor yang berbutir tunggal) adalah skor yang diberikan kepada masing-masing pertanyaan

untuk masing-masing partisipan di dalam sebuah penelitian. Skor-skor ini memberikan

analisis rinci dari jawaban masing-masing orang terhadap masing-masing pertanyaan dalam

sebuah instrumen. Dalam sebuah penelitian para peneliti bertanya kepada individu-individu

pada sebuah pertemuan sekolah di sebuah wilayah, “Apakah anda akan menjawab iya atau

tidak untuk penghapusan pajak dalam pemilihan yang akan diadakan pada hari Selasa

mendatang?” Dalam menskor data-data tersebut si peneliti akan memberikan nilai 1 terhadap

jawaban tidak dan nilai 2 untuk pertanyaan iya dan membuat catatan terhadap bagaimana

masing-masing individu memberikan jawaban terhadapa masing-masing pertanyaan. Dalam

Tabel 7.1 keenam partisipan masing-masing memiliki skor untuk pertanyaan 1, 2, dan 3.

Penjumlahan Skor

Dalam kasus-kasus lain kita boleh jadi perlu menjumlahkan jawaban terhadap semua

pertanyaan yang terdapat dalam instrumen seperti skor berskala Tabel 7.1. Penjumlahan ini

terjadi karena butir-butir soal secara individual boleh jadi menggambarkan perspektif seorang

partisipan. Di samping itu para partisipan bisa jadi salah paham terhadap pertanyaan tunggal

atau si peneliti boleh jadi membuat redaksi pertanyaan sedemikian rupa sehingga jawabannya

berisi bias. Ringkasnya, jawaban-jawaban terhadap pertanyaan-pertanyaan tunggal bisa jadi

tidak reliabel dan tidak secara tepat mencerminkan skor seorang individu (sebagaimana

dibicarakan dalam Bab 6). Satu solusi terhadap masalah ini adalah membuat skala atas dasar

jawaban-jawaban terhadap pertanyaan-pertanyaan tunggal. Summed score (penjumlahan

jawaban) adalah skor-skor dari seorang individu yang dijumlahkan dari beberapa pertanyaan

yang mengukur variabel yang sama. Para peneliti menjumlahkan butir-butir secara individual

untuk menghitung skor menyeluruh dari sebuah variabel. Seperti diperlihatkan pada Tabel

7.1 ketiga partisipan yakni Jane, Jim dan John memberikan jawaban terhadap lima

pertanyaan. Si peneliti menjumlahkan skor masing-masing individu untuk mendapatkan skor

tunggal bagi sebuah variabel yang mencakup kelima pertanyaan.

Perbedaan Skor

Skor-skor penjumlahan untuk masing-masing individu digunakan untuk mendapatkan skor

test secara menyeluruh yang dapat dibandingkan dari satu periode ke periode lainnya. Net

different scores adalah skor-skor di dalam penelitian kuantitatif yang menggambarkan

perbedaan atau perubahan skor masing-masing individu. Perubahan itu boleh jadi lebih

bermakna ketimbang perubahan-perubahan lainnya. Sebuah perubahan kecil pada skor yang

tinggi bisa jadi lebih bermanfaat ketimbang perubahan yang besar pada skor yang rendah.

Contoh, perubahan yang kecil dari 98 ke 99 berskala 100 mungkin bisa lebih bermakna

ketimbang perubahan dari 46 ke 66 pada skala yang sama (skala 100). Dalam ekperimen para

peneliti sering mengumpulkan skor-skor pada sebuah instrumen sebelum penelitian dimulai

(waktu 1) dan sesudah penelitian berakhir (waktu 2). Si peneliti mengumpulkan skor-skor ini

atas dasar pretest dan postest, yang merupakan pengukuran yang biasa dikumpulkan selama

penelitian eksperimen. Pada tabel 7.1, untuk masing-masing keenam partisipan itu kita

melihat skor pretest untuk Matematika skor penjumlahan dari semua butir-butir dalam test

sebelum satu unit pembelajaran Matematika diajarkan. Kita juga melihat untuk masing-

masing partisipan skor postest untuk Matematikan tersebut, skor yang dijumlahkan pada

akhir sebuah unit yang merupakan pencerminan skor menyeluruh dari test akhir atau postest.

Skor bersih memperlihatkan seberapa banyak kinerja masing-masing partisipan menjadi lebih

baik antara pretest dan postest.

Memilih Program Statistik

Setelah data-data diskor, para peneliti memilih sebuah program komputer untuk menganalisis

data-data mereka. Para peneliti akademis biasanya menggunakan program-program statistik

kampus mainframe computer atau program-program statistik yang tersedia pada mikro

komputer. Dengan tersedianya dan murahnya biaya program perangkat lunak komputer anda

bisa melakukan analisis secara nyaman dengan menggunakan komputer di rumah. Bagian

yang paling susah adalah menentukan paket perangkat lunak yang akan digunakan. Ada

beberapa petunjuk yang bisa diikuti untuk memilih program-program statistik tersebut (Lihat

Leedy & Ormrod, 2001, sebagai tambahan).

Cari sebuah program yang memiliki petunjuk tentang bagaimana menggunakan

program tersebut. Program-program tersebut sering memiliki tutorial yang

memungkinkan anda secara mudah mempelajari karakteristik kunci dan

mempraktekannya dengan menggunakannya serentetan data yang sudah disediakan.

Pelatihan tanpa bayar sering tersedia di beberapa situs website.

Mudahnya digunakan merupakan faktor penting ketika memilih sebuah program. Pull

down menus dan pengentrian data yang gampang membuat sebuah program mudah

untuk digunakan.

Cari sebuah program yang mencakup tipe-tipe statistik yang dapat anda gunakan untuk

menjawab pertanyaan-pertanyaan dan hipotesis-hipotesis penelitian anda.

Yakinilah bahwa program tersebut bisa menganalisis sejumlah data dalam database

anda. Pertimbangkan berapa banyak partisipan dan jumlah variabel secara maksimum

yang anda perlukan dalam analisis anda. Sebuah program sebaiknya mengakomodasi

secara baik data-data yang hilang (missing) untuk seseorang partisipan. Cari sebuah

program yang memiliki fleksibilitas dalam menangani data, bisa membaca data dalam

banyak format (misalnya, angka dan huruf) dan bisa membaca file yang diimport dari

spreadsheets atau database.

Cari sebuah program dengan kapabilitas untuk menghasilkan output berupa grafik dan

tabel yang bisa anda gunakan dalam laporan penelitian anda.

Apabila anda perlu membeli program perangkat lunak bandingkan harga untuk masing-

masing program. Program-program khusus untuk mahasiswa sering tersedia (walaupun

program ini memiliki keterbatasan dalam test-test statistik) dengan biaya yang murah.

Pilih sebuah program yang digunakan oleh kampus anda sehingga anda bisa mencari

bantuan untuk menjawab pertanyaan-pertanyaan yang mungkin muncul. Beberapa

program boleh jadi memberikan dukungan teknis untuk membantu menjawab

pertanyaan-pertanyaan tersebut, tetapi ini memerlukan waktu yang relatif lebih banyak

dan lebih mahal biayanya.

Dengan kriteria ini dalam benak kita, program-program statistik apa yang paling sering

dan umum tersedia? Beberapa website memberikan informasi yang rinci tentang berbagai

analisis statistik dari program-program komputer yang tersedia. Beberapa program-program

yang sering digunakan adalah:

Minitabl3 (www.minitab.com). Ini adalah paket perangkat lunak statistik interaktif

yang tersedia dari Minitab Inc, 3081 Enterprise Drive, State College, PA 16801-3008.

StatView (www.statview.com). Ini program perangkat lunak lain yang populer yang

tersedia dari SAS Institute, Inc., SAS Campus Drive, Cary, NC 27513-2414.

SYSTAT (www.spssscience.com). Ini paket statistik interaktif yang komprehensif yang

tersedia dari SPSS Science, Inc., 233 S. Wacker Drive, 11th Floor, Chicago, IL 60606-

6307.

SAS/STAT (www.sas.com). Ini adalah program statistik dengan peralatan sebagai

komponen yang terintegrasi dari produk sistem SAS yang tersedia dari SAS Institute

Inc., SAS Campus Drive, Cary, NC 27513-2414.

Statistical Package for the Social Sciences (SPSS) Student Version 11.0 for Windows

and Version 6.0 for Macintosh (www.spss.com). Ini adalah program analisis yang

murah, profesional bagi mahasiswa didasarkan pada versi yang profesional tersedia dari

SPSS Science, Inc., 233 S. Wacker Drive, 11th Floor, Chicago, IL 60606-6307.

Menginput Data

Setelah memilih program statistik langkah anda selanjutnya adalah meng-enter data-data dari

instrumen atau cheklist ke dalam program-program komputer. Inputting the data (menginput

data) terjadi ketika peneliti mentransfer data-data dari jawaban-jawaban terhadap instrumen-

instrumen ke dalam file komputer untuk analisis. Bagi mereka yang baru dalam proses ini,

tabel ini sama dengan tabel spreadsheet yang digunakan dalam banyak paket-paket perangkat

lunak (misanya excel). Tabel 7.2 memperlihatkan sebuah database yang kecil untuk 50 orang

siswa yang berpartisipasi dalam penelitian tentang penggunaan tembakau di sekolah. Anda

telah melihat variabel-variabel dalam database ini dalam buku kode yang ditampilkan pada

diagram 7.1. Bila anda cermati Tabel 7.1 terlihat bahwa tabel tersebut berisikan cells-cells

dalam bentuk baris dan kolom yang ke dalamnya si peneliti menginput data untuk analisis.

Anda akan melihat pada kolom pertama diperlihatkan angka untuk masing-masing partisipant

yang diikuti oleh nomor identifikasi yang diberikan kepada masing-masing ke 50 orang

siswa. dalam kolom-kolom yang lain adalah variabel-variabel yang oleh si peneliti diukur

(misalnya jender, tingkat/kelas, orangtua, dan seterusnya). Dengan menggunakan buku kode

para peneliti memberikan angka kepada masing-masing jawaban yang memperlihatkan skor

pada masing-masing variabel. Di halaman bagian bawah dari lembaran tersebut dicatat

informasi (dijumpai dalam buku kode) yang memberikan yang mengaitkan antara angka

dan jawaban yang terdapat dalam instrumen. Nama-nama variabel itu pendek dan

sederhana tetapi deskriptif sifatnya (tidak lebih dari 8 huruf untuk SPSS seperti untuk jender,

merokok, atau mengunyah tembakau).

Proses pengimputan data ke dalam tabel ini (George 7 Mallery 2001) membuat

database SPSS sebagai berikut:

Masukkan data dari skor-skor yang terdapat di dalam instrumen ke dalam cell-cell tabel

dengan jalan memilih cell dan mengetikkan nilai yang tepat. Masukkan data-data baris

per baris untuk masing-masing individu dan gunakan kolom untuk nilai bagi masing-

masing variabel. Values adalah angka-angka yang diberikan kepada pilihan-pilihan

jawaban untuk sebuah variabel (misalnya 1= laki-laki, dan 2 = wanita).

Beri masing-masing partisipan nomor identifikasi dan tempatkan nomor ini pada kolom

pertama dan gunakan nomor-nomor atau angka-angka ini pada kolom 1 dengan

menggunakan SPSS (misalnya, 001, 002, 003, atau 343, 344, 345). Nomor anda sendiri

boleh jadi mencerminkan tiga digit terakhir dalam nomor kartu penduduk (misalnya,

343, 344, 345) atau sesuatu nomot identifikasi yang lain.

Dalam SPSS, anda melihat judul kolom sebagai variabel: var001, var002, var003, dan

seterusnya. Daripada menggunakan judul-judul tersebut gantikan nama-nama itu

dengan variabel sendiri (misalnya var002 diganti dengan jender).

Anda juga bisa memberikan nama kepada nilai-nilai dan variabel-variabel sehingga

print out anda akan berisikan nama-nama ini dan diperolehnya cara yang mudah untuk

mengidentifikasi informasi anda. Anda bisa juga memberikan nama terhadap variabel-

variabel anda seperti “orangtua”, atau nilai-nilai untuk variabel ini, seperti “kawin”,

“bercerai”, dan “berpisah”.

Membersihkan dan Menghitung Data-data Yang Hilang

Setelah meng-enter data ke dalam tabel-tabel komputer, anda perlu menentukan apakah

terdapat kesalahan di dalam data atau ada data-data yang missing atau hilang. Kesalahan-

kesalahan terjadi apabila partisipan dalam penelitian anda memberikan skor di luar

rentangannya bagi sesuatu variabel atau anda menginput angka yang salah ke dalam tabel-

tabel data. Data-data yang hilang boleh jadi terjadi ketika data-data instrumennya hilang, atau

individu-individu melompati pertanyaan-pertanyaan. Para partisipan tidak hadir ketika

pengumpulan data-data observasi atau individu-individu menolak untuk menjawab

pertanyaan-pertanyaan yang sensitif. Untuk alasan-alasan etika anda melaporkan bagaimana

data-data yang hilang ini ditangani sehingga para pembacanya bisa memberikan interpretasi

yang tepat terhadap hasil penelitian (George & Mallery, 2001). Karena masalah-masalah ini

bisa terjadi anda perlu membersihkan data dan menentukan bagaimana memperlakukan data-

data yang hilang.

Membersihkan Database

Cleaning the data adalah proses menginspeksi data untuk melihat skor atau nilai yang berada

di luar rentangan nilai yang diharapkan. Salah satu cara melakukan ini adalah dengan jalan

menginspeksi tabel-tabel data secara visual. Untuk database yang besar distribusi

frekuensinya akan memberikan rentangan skor untuk mendeteksi jawaban-jawaban yang

berada diluar rentangan yang diharapkan. Contoh, para partisipan boleh jadi memberikan

angka enam untuk jawaban untuk skala “sangat setuju” ke “sangat tidak setuju” padahal

pilihannya cuma lima. Alternatifnya si peneliti boleh jadi mengetikkan skor untuk seorang

partisipan “3” untuk gender, sedangkan nilai yang sah adalah “1” untuk wanita dan “2” untuk

pria.

Prosedur yang lain adalah menggunakan SPSS dan menjalankan program pengurutan

kasus dari angka yang besar ke angka yang kecil untuk masing-masing variabel. Proses ini

menyusun nilai-nilai dari sebuah variabel dari angka yang paling kecil ke angka yang paling

besar yang memungkinkan anda untuk secara mudah mendeteksi rentangan yang keliru atau

kasus-kasus yang salah nomor. Apapun prosedurnya, penampakan visual dari data-data itu

akan membantu membersihkan data-data dan membebaskannya dari kesalahan-kesalahan

yang nampak sebelum anda memulai analisis data.

Menilai Database Untuk Menentukan Data-Data Yang Hilang

Anda perlu meneliti database anda kalau-kalau ada data yang hilang. Data-data yang hilang

akan mengakibatkan berkurangnya jumlah individu dalam analisis data dan karena kita ingin

sebanyak mungkin orang termasuk di dalam analisis kita perlu mengoreksi sejauh mungkin

terhadap data-data yang hilang. Missing data adalah data-data yang hilang di dalam database

karena partisipan tidak memberikannya.

Bagimana anda harus menangani data-data yang hilang ini? Pendekatan yang paling

kentara adalah agar memiliki instrumen yang bagus yang akan diisi oleh masing-masing

individu dan mampu menjawab pertanyaan-pertanyaan sehingga data-data yang hilang tidak

mungkin terjadi. Dalam beberapa penelitian anda bisa menghubungi individu-individu untuk

menentukan kenapa mereka tidak memberikan jawaban terhadap sesuatu pertanyaan. Apabila

individu-individu itu tidak memberikan jawaban, pastilah terjadi kesalahan dalam

pengumpulan data anda yang mengindikasikan perencanaan yang kurang baik dalam

rancangan penelitiannya.

Walaupun demikian, anda harus mengantisipasi bahwa pertanyaan-pertanyaan bisa

dihilangkan atau beberapa orang partisipan tidak memberikan informasi dengan alasan

apapun. Dalam hal ini anda memiliki beberapa pilihan yaitu :

Anda bisa menghilangkan para partisipan dengan skornya yang hilang itu dari

analisis data dan memasukkan hanya para partisipan dengan data-data yang komplit

dan lengkap. Praktek seperti ini pada dasarnya akan menyebabkan berkurangnya

jumlah partisipan secara keseluruhan dalam analisis data anda.

Anda bisa mengganti angka-angka dari data-data yang hilang di dalam database

untuk masing-masing individu. Apabila variabelnya adalah kategorikal, ini berarti

mengganti sebuah nilai seperti “-9”, untuk semua nilai-nilai yang hilang dalam tabel

data. Apabila variabelnya kontinu (misalnya atas dasar skala interval), prosesnya

menjadi lebih rumit. Dengan menggunakan SPSS, si peneliti bisa membuat program

komputer itu mengganti sebuah nilai untuk masing-masing skor yang hilang, seperti

angka rata-rata, untuk pertanyaan bagi semua partisipan penelitian. Anda bisa

mengganti sampai kira-kira 15% dari data-data yang hilang itu dengan skor tanpa

mengubah temuan-temuan statistik secara menyeluruh (George & Mallery, 2001).

Prosedur-prosedur statistik yang lebih advanced (lanjut) juga tersedia dalam rangka

mengidentifikasi angka-angka penganti bagi data-data yang hilang (lihat Gall, Borg,

& Gall, 1996).

BAGAIMANA ANDA MENGANALISIS DATA?

Setelah anda mempersiapkan dan menyusun data-datanya anda siap menganalisisnya. Anda

menganalisis data-data dalam rangka menjawab masing-masing pertanyaan dan hipotesis

penelitian anda. Kembali kita pada tipe-tipe pertanyaan dan hipotesis penelitian pada bab 5.

Untuk pertanyaan-pertanyaan atau hipotesis-hipotesis dalam penelitian kuantitatif anda perlu

:

Mendeskripsikan kecenderungan data untuk variabel tunggal atau pertanyaan pada

instrumen anda (misalnya “Apa self-esteem dari siswa sekolah menengah pertama?”

untuk menjawab pertanyaan ini anda perlu statistik dekriptif yang memperlihatkan

tendensi-tendensi umum yang terdapat dalam data (mean, mode, median), distribusi

skor (varian, standar deviasi, dan rentangan nilai), atau perbandingan bagaimana sebuah

skor berhubungan dengan skor-skor lainnya (z skor, pencentile rank). Kita juga bisa

mendeskripsikan masing-masing variabel kita: independen, dependen, kontrol, atau

perantara.

Membandingkan dua atau lebih kelompok dari sisi variabel independen dalam hal

variabel dependen (misalnya, “bagaimana anak laki-laki dibandingkan anak perempuan

dalam hal self-esteem mereka?”). Untuk menjawab pertanyaan ini kita memerlukan

statistik inferensial yang memungkinkan untuk menganalisis data dari sebuah sampel

untuk mengambil kesimpulan tentang sebuah populasi yang tak diketahui. Kita menilai

apakah perbedaan-perbedaan antar kelompok itu (angka rata-rata mereka) atau

hubungan antara variabel-variabel jauh lebih besar atau lebih kecil dari apa yang kita

harapkan untuk keseluruhan populasi, seandainya kita bisa meneliti keseluruhan

populasi tersebut.

Mengaitkan dua atau lebih variabel (misalnya “apalah self-esteem berhubungan dengan

sikap yang optimistik”). Untuk menjawab pertanyaan ini kita juga menggunakan

statistik inferensial.

Mengetes hipotesis tentang perbedaan antar kelompok atau hubungan antara variabel-

variabel (misalnya, “anak laki-laki memiliki self-esteem yang lebih tinggi dari anak-

anak perempuan” atau “self esteem memprediksi sikap optimistik yang dimiliki oleh

anak-anak sekolah menengah pertama”). Untuk menjawab pertanyaan ini statistik

inferensial juga digunakan.

Dengan demikian, kita mendeskripsikan hasil-hasil dari varaiabel tunggal atau

pertanyaan atau kita menyimpulkan hasil-hasil dari sebuah sampel terhadap sebuah populasi.

Dalam semua pertanyaan dan hipotesis penelitian kuantitatif kita meneliti para individu yang

disampel dari sebuah populasi. Walaupun demikian dalam pertanyaan-pertayaan deskriptip

kita meneliti hanya variabel tunggal satu demi satu; dalam analisis inferensial kita

menganalisis variabel-variabel jamak pada waktu yang bersamaan. Juga dari perbandingan

antar kelompok atau menghubungkan variabel-variabel kita bisa membuat prediksi tentang

variabel-variabel itu. Kita bisa menguji hipotesis berkaitan dengan prediksi dengan

membandingkan kelompok-kelompok atau mengaitkan variabel-variabel.

Lakukan Analisis Deskriptif

Bagaimana anda menganalisis data untuk mendeskripsikan kecenderungan? Gunakan

statistik, menghitung nilai-nilai yang didasarkan kepada angka-angka. Banyak buku-buku

yang memberikan rincian tentang berbagai statistik, penghitungannya, dan asumsi-asumsinya

(misalnya, Abelson, 1995; Gravetter & Wallnau, 2000; Wright, 1997). Disini kita

memfokuskan diri pada yang biasanya digunakan dalam penelitian pendidikan.

Memilih Test-Test Statistik Deskriptif

Statistik deskriptif akan membantu anda menyarikan kecenderungan secara menyeluruh atau

tendesi dari data-data anda, memberikan pemahamanan tentang berbagai skor yang mungkin

anda miliki, dan memberikan pemahaman tentang posisi sebuah skor dibandingkan dengan

skor-skor lainnya. Ketiga hal ini adalah central tendency, variability, kedudukan relatif.

Diagram 7.2 memperlihatkan prosedur-proseur statistik yang dapat anda gunakan untuk

memberikan informasi seperti ini.

Mengukur Tendesi Sentral (measures of central tendency) adalah angka-angka yang

merupakan sarian yang melambangkan sebuah nilai- tunggal di dalam distribusi skor-skor

yang ada (Vogt, 1999). Angka-angka ini melambangkan sebuah nilai rata-rata (mean), titik

tengah dari sejumlah skor (median), atau skor yang paling sering terjadi (mode). Dalam

penelitian kuantitatif, para peneliti biasanya melaporkan ketiga ukuran ini. Tabel 7.3

memperlihatkan perbedaan antara ketiga ukuran ini masing-masing untuk 10 orang siswa

yang skornya tentang depresi yang kita miliki.

Mean atau rata-rata adalah statistik yang paling populer yang digunakan untuk

mendeskripskan jawaban semua partisipan terhadap butir-butir dalam sebuah instrument.

Untuk menghitung rata-rata anda menjumlahkan sebuah skor yang ada kemudian

membaginya dengan jumlah atau banyaknya skor. Pada tabel 7.3 anda membagi jumlah skor

keseluruhan (818) dengan 10 (jumlah siswa) sehingga mendapatkan rata-rata (mean sebesar

81.10). Dalam mengkalkulasikan skor-skor tipe lainnya untuk statistik yang lebih rumit rata-

rata atau mean ini memegang peranan yang sangat penting. Rapikan bahwa skor pada tabel

7.3 itu bersifat kontinue dan melaporkan sebuah sampel dari 10 buah skor berkenaan dengan

depresi. Rata-rata ini memberikan kepada kita sebuah angka rata-rata untuk semua skor.

Kita boleh jadi ingin mengetahui skor-skor yang berhadapan dengan posisi tengah

diantara semua skor yang ada. Skor ini disebut median. Skor median membagi seluruh skor

itu mengurutkannya dari skor yang paling tinggi ke skor yang paling rendah dalam dua

bagian. 50% dari skor terletak di atas median dan 50% terletak dibawah median. Menghitung

skor ini, peneliti menampilkan semua skor berurutan dari yang tinggi ke yang rendah atau

sebaliknya, kemudian menentukan skor mana yang disebut median itu yakni berada di antara

kedua kelompok skor itu. Median pada tabel 3. 1 adalah parohan antara angka 76 dan 83,

yakni 79.5. Ada lima skor yang berada di atas 79.5 dan lima skor lagi berada dibawahnya.

Para peneliti sering melaporkan skor median ini, tetapi manfaat skor tersebut agak terbatas.

Walaupun demikian skor mode memberikan informasi yang bermanfaat. Mode adalah

skor yang muncul paling sering dalam sejumlah skor. Ia digunakan apabila peneliti ingin

mengetahui skor yang paling banyak jumlahnya dalam sekumpulan skor yang ada. Dalam

tabel 7.3 skor yang paling sering muncul adalah 76, dan itu dimiliki oleh 2 orang siswa dari

10 orang siswa. Para peneliti menggunakan mode untuk melaporkan variabel-variabel yang

bersifat kategorikal. Perhatikan tabel 7.4. disini ada variabel kategorikal tentang afiliasi

kelompok teman sejawat dari para siswa. Dengan melihat tabel tersebut kita bisa menentukan

bahwa “para penyanyi” lebih banyak jumlahnya ketimbang dari kelompok lainnya (N = 14).

Modenya adalah “penyanyi” karena mereka diwakili oleh lebih banyak siswa ketimbang oleh

kelompok-kelompok lainnya (atlit=4, singer=3, punkers=2, dan yang lainnya=1) dan skor

rata-ratanya 137/50= 2.74, ini sebenarnya bukan rata-rata karena tidak ada sebuah kelompok

pun yang diberi angka ini. Dengan demikian apabila kita memiliki informasi kategorikal

mode melaporkan informasi yang bermakna, akan tetapi rata-ratanya tidak.

Ukuran Variabilitas Variabilitas menyatakan sebaran skor dalam sebuah distribusi. Range

(rentangan), variance (varoansi), dan standard deviasi semua menyatakan jumlah variabilitas

dalam sebuah distribusi skor. Informasi ini membantu kita melihat bagaimana terpencarnya

jawaban-jawaban terhadap butir-butir pertanyaan dalam sebuah instrumen. Variabilitas juga

memainkan peranan yang sangat penting dalam banyak penghitungan-penghitungan statistik

yang lebih rumit.

Kita bisa melihat sejauh mana skor-skor itu bervariasi dengan jalan melihat range

(jarak antara skor tertinggi dan terendah). Range of scores (rentangan nilai) adalah perbedaan

antara skor tertinggi dan skor terendah dari butir-butir sebuah instrumen. Dalam tabel 7.3 kita

melihat bahwa skor-skor berjarak dari yang terendah 60 ke yang tertinggi 99, sebesar 39 poin.

The variance (variansi) menyatakan sebaran skor seputar rata-rata. Untuk

menghitungnya relatif mudah:

Cari perbedaan antara mean dan skor mentah untuk masing-masing individu

Pangkat duakan perbedaan tersebut untuk masing-masing individu

Jumlahkan pangkat dua masing-masing skor itu

Bagi dengan jumlah individu

Dalam contoh tabel 7.3 variansinya sama dengan 173.96. Informasi ini tidak banyak berarti

tapi bermanfaat ketika menghitung statistik yang lebih lanjut. Akar pangkat dua dari variansi,

standar deviasi (SD) tidak memberikan informasi yang bermanfat dan kita perlakukan angka

tersebut sebagai indikator dari sebaran nilai. Dalam tabel 7.3, standar deviasinya adalah

13,90. Apabila skor-skor tersebut memiliki standar deviasi 3,90, kita mengatakan bahwa

variansi skor itu berada di seputar rata-rata kurang dari 13,90.

Makna dari standar deviasi menjadi jelas ketika kita membuat grafik dari sebuah

distribusi skor secara teoritis sebagaimana diperlihatkan dalam Diagram 7.3 ini disebut

distribusi normal atau kurva probabilitas normal (normal distribution atau normal

probability curve). Dalam kenyataanya skor aktual bisa jadi tidak sesuai dengan distribusi

normal ini (misalnya distribusi gaji), akan tetapi apabila kita mengambarkan rata-rata dari

banyak sampel dan menghitung rata-rata gaji untuk setiap sampel maka kita mendapatkan

umpamanya 5.000 buah angka rata-rata maka distribusinya akan mengambarkan distribusi

normal. Memperhatikan kembali diagram 7.3 bagian yang dihitamkan memperlihatkan

persentase skor-skor yang cenderung berada pada jarak antara masing-masing standar deviasi

dari mean. Contoh, 60% dari skor berada pada +1 SD (34%) dan -1 SD (34%) standar deviasi

dari mean: 95% antara +2 SD (13.5% + 34%) dan -2 SD (13.5% + 34%). Anda juga bisa

mengasosiasikannya dengan skor-skor presentile, z score, t score dengan masing-masing

standar deviasinya.

Percentile memberikan tipe statistik dedskriptif lainnya. Measures of relative standing

adalah statistik yang mendeskripsikan sebuah skor kaitannya dengan sekelompok skor

tertentu. Dalam diagram 7.3, 2.28% dari skor berada pada dua standar deviasi dibawah rata-

rata. Dengan mengetahui dimana sebuah skor berada dalam sebuah distribusi merupakan

kunci untuk keperluan pengujian hipotesis. Dua buah statistik yang sering digunakan adalah

persentile skor dan z score.

Ukuran dari posisi relatif adalah percentile score. Percentile rank (percentile skor) dari

sebuah skor tertentu adalah persentase partisipan dalam sebuah distribusi skor yang berada

pada atau dibawah skor tertentu. Anda menggunakan angka tersebut untuk menentukan

dimana dalam sebuah distribusi skor, skor seorang individu berada dalam kaitannya dengan

skor-skor lainnya. Dalam tabel 7.3 kita melihat bahwa seorang individu dengan skor 94

berada pada percentile ke 80, dengan 20% para partisipan memiliki skor di atas skor individu

ini, dan 80% dari partisipan memiliki skor pada atau berada dibawah individu ini.

Ukuran yang lain dari posisi yang relatif ini adalah skor standar. A standar score (skor

standar) adalah skor yang dihitung yang memungkinkan seorang si peneliti membandingkan

skor-skor dari skala-skala yang berbeda. Penghitungan ini mencakup mentransformasikan

skor mentah menjadi skor yang memiliki makna relatif. A z score adalah bentuk skor standar

yang populer yang memiliki rata-rata nol dari standar deviasi 1. Ini menghasilkan sebuah z

score yakni skor standar yang bermanfaat untuk memungkinkan anda membandingkan skor-

skor dari sebuah instrumen terhadap skor-skor dari instrumen yang lain. Dengan

menggunakan skor-skor standar ini merupakan juga kunci dari penghitungan berbagai tipe

statistik. Prosedurnya adalah menetapkan sebuah skor, menguranginya dengan mean, dan

membaginya dengan standar deviasi. Dalam tabel 7.3 kita melihat bahwa seseorang dengan

skor 60 memiliki z score -1.57, atau skor yang berarti satu setengah standar deviasi dibawah

rata-rata atau mean.

Melakukan Analisis Inferensial

Statistik deskriptif membantu anda menganalisis pertanyaan-pertanyaan deskriptif. Walaupun

demikian, apabila anda membandingkan kelompok atau mengaitkan dua atau lebih variabel

analisis inferensial perlu anda gunakan. Gagasan utamanya adalah untuk melihat skor dari

sisi sampel dan menggunakan hasilnya untuk menarik inferensi (generalisasi) atau membuat

prediksi tentang populasi. Ingat dari bab 6 bahwa kita sering mengadakan penelitian tidak

meliputi keseluruhan populasi karena besarnya sampel dan biayanya kita sering meneliti

sebuah sampel yang telah dipilih secara cermat dari populasi.

Apabila anda meneliti sampel ini anda akan mendapatkan skor, beberapa pendekatan

tersedia untuk menentukan apakah skor-skor sampel merupakan estimasi yang bagus dari

skor-skor populasi (lihat Vogt, 2005). Tanyakanlah kepada diri anda sendiri :

1. Apakah skor sampel (misalnya perbedaan rata-rata antara dua kelompok) barangkali

merupakan estimasi yang salah dari rata-rata populasi itu? Prosedur yang anda

gunakan untuk mengkaji pertayaan ini adalah dengan melakukan pengujian

hipotesis. Hypothesis testing (pengujian hipotesis) adalah prosedur untuk memuat

kesimpulan tentang hasil penelitian dengan jalan membandingkan nilai yang

teramati dari sebuah sampel dengan nilai populasi untuk menentukan apakah tidak

dapat perbedaan atau tidak ada hubungan antara nilai-nilai tersebut. Ini adalah cara

tradisional untuk menguji apakah rata-rata sampel merupakan estimasi yang baik

dari rata-rata populasi. Ia memberikan jawaban ya atau tidak: Apakah rata-rata

sampel merupakan estimasi populasi yang bagus atau tidak. Karena kita tidak akan

pernah membuktikan bahwa sampel adalah estimasi yang bagus makanya kita

mencoba membangun apakah estimasi itu salah.

2. Sejauh mana kita percaya bahwa skor sampel kita itu benar? Ini disebut pendekatan

confidence interval. A confidence interval or internal estimate adalah jarak antara

nilai-nilai statistik paling atas dan paling bawah yang konsisten dengan data-data

yang teramati yang cenderung mencakup rata-rata populasi aktual. Dalam

pendekatan ini anda menentukan sebuah interval atau jarak dimana skor populasi

anda yang cenderung di mana nilai populasi itu berada. Dalam makna ini condifence

interval memberikan keluasan yang lebih besar ketimbang pengujian hipotesis dalam

bentuk ya atau tidak.

3. Apakah skor sampel atau perbedaan antara dua kelompok memiliki makna praktis?

Ini disebut pendekatan effect size (besarnya pengaruh). Effect size atau besarnya

pengaruh adalah cara mengidentifikasi makna praktis dari konklusi tentang

perbedaan kelompok atau tentang hubungan antara variabel-variabel dalam

penelitian kuantitatif. Besarnya pengaruh memperlihatkan kepada kita besarnya

perbedaan nilai-nilai sampel dan memungkinkan kita membuat suatu penilaian

tentang apakah konklusi tadi significant atau tidak berdasarkan pada pengetahuan

kita tentang ukuran-ukuran, para partisipan dan upaya-upaya pengumpulan data.

Alasan kenapa kita memiliki lebih dari satu pendekatan adalah bahwa dewasa ini

beberapa peneliti merasa bahwa jawaban terhadap pengujian hipotesis ya atau tidak

terhadap pertanyaan-pertanyaan dan hipotesis kuantitatif menyebabkan terjadinya

mis-insterpretasi dan kesalahan (Finch, Cumming & Thomason, 2001). Confidence

interval dan effect size memberikan cara membaca dan menginterpretasikan hasil-

hasil penelitian secara lebih praktis. Dewasa ini dalam melaporkan hasil penelitian,

kita perlu memanfaatkan ketiga tipe estimasi populasi ini: pengujian hipotesis,

konfidence interval, effect size (Willkinson & Task Force on Statistical Inference,

1999).

Pengujian Hipotesis

Ada lima langkah dalam pengujian hipotesis: (a) mengidentifikasi hipotesis null dan hipotesis

alternatif, (b) menentukan level of significance, atau alpha level, (c) mengumpulkan data, (d)

menghitung statistik sampel, dan (e) membuat keputusan untuk menolak atau menerima

hipotesis null.

1. Mengidentifikasi hipotesis null dan hipotesis alternatif. Sebagaimana anda mungkin

masih ingat pada bab 5 hipotesis null adalah prediksi tentang populasi dan biasanya

dinyatakan dengan menggunakan kata-kata “tidak adanya perbedaan (atau tidak adanya

hubungan atau asosiasi). Walaupun demikian hipotesis alternatif menyatakan perbedaan

(atau hubungan atau asosiasi) dan arah perbedaan ini bisa positif atau negatif

(alternative directional hypothesis) atau positif atau negatif (alternative non-directional

hypothesis).

Kembali pada data-data siswa sekolah menengah pada tabel 7.2 anda berkemungkinan

merumuskan hipotesis null dan hipotesis alternatifnya sebagai berikut:

Hipotesis Null:

Tidak terdapat perbedaan antara orang-orang yang perokok dan bukan perokok dalam

hal skor depresi.

Hipotesis alternatif (non-directional dan directional)

Terdapat perbedaan antara orang-orang perokok dan orang-orang yang tidak perokok

dalam hal skor depresi mereka.

(atau dirumuskan dengan cara lain):

Para perokok lebih banyak mengalami depresi ketimbang yang tidak perokok.

2. Menentukan level of singnificance atau alpha level dalam rangka menolak hipotesis

null. Apabila kita mengumpulkan sejumlah rata-rata sampel dan apabila hipotesisnya

benar (tidak ada perbedaan), distribusi teoritis cenderung mendekati kurva normal

berbentuk bell (lonceng) sebagaimana diperlihatkan oleh diagram 7.4. Dalam diagram

ini sebuah kurva normal memperlihatkan distribusi rata-rata sampel dari semua

kemungkinan apabila hipotesis nolnya benar. Kita mengharapkan kebanyakan dari rata-

rata (mean) kita berada di pusat kurva bila hipotesisnya benar. Akan tetapi sejumlah

kecil berada pada daerah-daerah yang ekstrim (kiri atau kanan). Dengan kata-kata lain

kita berharap bahwa bagi setiap sampel orang-orang perokok dan non perokok skor

depresinya sama tapi dalam jumlah yang persentasinya kecil anda berkemungkinan

menemukan hal yang berbeda seperti anda lihat ada daerah-daerah yang ditandai

dengan tanda hitam pada masing-masing ujung kurva. Kita mengharapkan akan ada

probabilitas yang sangat rendah bahwa skor itu akan berada di daerah ini.

Sebuah standar diperlukan untuk daerah-daerah probabilitas yang rendah ini untuk

menandainya secara persis di dalam kurva ini. Ini disebut menentukan tingkat

signifikansi. A significance level (or alpha level) adalah tingkat probabilitas yang

mencerminkan resiko maksimum yang ingin anda ambil bahwa perbedaan-perbedaan

yang teramati itu terjadi secara kebetulan. Biasanya tingkat ini ditentukan 0,01 (1 dari

100 kali skor sampel terjadi karena kebetulan) atau 0,05 (5 dari 100 kali skor sampel

terjadi karena kebetulan). Ini berarti bahwa 1 dari 100 kali (atau 5 dari 100 kali nilai

probabilitas yang sangat rendah yang teramati apabila hipotesis nullnya benar. Dalam

beberapa situasi perlu ditentukan tingkat aplhanya bahkan lebih kecil (rendah dari 0,01

atau 0,05). Umpamakan seorang peneliti menguji pengaruh dari obat-obatan yang

memiliki efek samping yang sangat berbahaya. Tingkat alphanya bisa jadi ditentukan

lebih rendah untuk menolaknya, misalkan 0,001, apabila obat itu memiliki pengaruh

samping yang merusak bagi penderita penyakit kanker ketimbang tingkat apha yang

lebih tinggi misalnya 0,05 apabila obat tersebut memiliki pengaruh samping yang

kurang berbahaya untuk orang-orang dengan penyakit acne.

Daerah kurva normal untuk nilai-nilai probabilitas yang rendah jika hipotesis nullnya

benar disebut daerah kritis (critical region). Apabila data-data sampel (perbedaan

antara perokok dan tidak perokok dalam hal depresi) berada pada daerah kritis,

hipotesis nullnya ditolak. Ini berarti bahwa “tidak ada perbedaan” sebagaimana yang

dinyatakan dalam hipotesis null kita menemukan hipotesis alternatifnya yang benar:

“terdapat perbedaan”

Juga perhatikan dalam diagram 7.4 bahwa daerah kritis ini yang ditandai oleh tingkat

signifikansi terjadi pada kedua ujung kurva. Bila daerah kritis untuk menolak hipotesis

null dibagi menjadi dua daerah pada ujung distribusi sampel, kita memiliki two-tailed

test of significance (uji signifikansi dua arah) (Vogt, 1999). Walaupun demikian,

apabila kita menempatkan daerah itu hanya pada satu ujung untuk menolak hipotesis

null kita memiliki one-tailed test of significance (uji signifikansi satu arah). Anda

menggunakan uji satu arah apabila penelitian terdahulu memperlihatkan arah yang

mungkin (misalnya hipotesis alternatif terarah). Sebaliknya uji signifikansi dua arah

lebih konservatif, atau lebih berat karena daerah penolakan pada ujung manapun dari

kurva akan lebih rendah daripada daerah penolakan pada uji satu arah. Kita mengatakan

bahwa uji satu arah memiliki lebih besar kekuatan dengan makna bahwa kita akan lebih

cenderung menolak hipotesis null.

3. Mengumpulkan data. Anda mengumpulkan data dengan jalan menggunakan instrumen

atau merekam tingkah laku pada lembaran ceklist untuk para partisipan. Kemudian

seperti dibicarakan pada bab-bab sebelumnya, anda melakukan pengkodean terhadap

data dan menginputnya ke dalam file komputer untuk analisis.

4. Hitung statistik sampel. Berikutnya dengan menggunakan program-program komputer

anda menghitung statistik atau nilai ρ dan menentukan apakah ia berada di dalam atau

diluar daerah kritis. A ρ value (nilai ρ) adalah probabilitas bahwa sebuah hasil terjadi

secara kebetulan apabila hipotesis nullnya benar. Setelah menghitung nilai ρ tersebut,

kita membandingkannya dengan nilai di dalam tabel yang biasanya terletak pada

halaman belakang dari buku-buku statistik pada umumnya (misalnya Gravetter &

Wallnau, 2000) apakah pengujian anda satu arah atau dua arah dan derajat kebebasan

bagi uji statistik kita (atau melihat hasil print out dari nilai ini). Degrees of freedom

(df) (tingkat kebebasan) yang digunakan dalam uji statistik biasanya jumlah skor

dikurang satu. Contoh untuk sebuah sampel skor, df = n-1. Tingkat kebebasan

menentukan jumlah skor di dalam sebuah sampel yang bebas untuk bervariasi karena

rata-rata sampel menentukan pembatasan terhadap variabilitas sampel. Dalam sebuah

sampel skor, apabila nilai rata-ratanya diketahui semua skornya kecuali satu bisa

bervariasi (misalnya bebas satu sama lain dan memiliki nilai), karena satu skor dibatasi

oleh rata-rata sampel (Gravetter & Wallnau, 2007).

Bagian yang paling sukar adalah menentukan uji statistik apa yang akan digunakan.

Tabel 7.5 memperlihatkan uji-uji statistik yang biasa dipakai di dalam penelitian

pendidikan. tujuh buah pertanyaan perlu dijawab sebelum kita sampai kepada

menentukan uji statistik yang tepat (juga lihat Rudestan & Newton, 1992, untuk kriteria

yang sama).

Apakah anda ingin membandingkan kelompok/mengaitkan variabel-variabel di

dalam hipotesis atau pertanyaan penelitian anda?

Berapa banyak variabel bebas yang anda miliki dalam sebuah pertanyaan atau

hipotesis penelitian?

Berapa banyak variabel terikat yang anda miliki dalam sebuah pertanyaan atau

hipotesis penelitian? Biasanya para peneliti hanya menggunakan satu variabel bebas,

atau apabila variabel bebasnya banyak masing-masing variabel dianalisis satu demi

satu.

Apakah anda secara statistik melakukan kontrol terhadap covariat dalam analisis

anda terhadap hipotesis dan pertanyaan penelitian?

Bagaimana anda mengukur variabel-variabel bebas? Ingat dalam bab 6 ada dua

jenis skala: kategorikal (nominal dan ordinal) dan skala continu (interval/rasio)

Bagaimana anda mengukur variabel-variabel terikat? Sama dengan variabel-

variabel bebas identifikasi apakah variabel-variabel terikat merupakan variabel-

variabel kategorikal atau variabel kontinu.

Apakah skor-skor variabel anda itu terdistribusi secara normal yakni bisakah anda

mengansumsikan bila skor-skor itu dibuat grafiknya, terdistribusi seperti kurva

normal? Statistik tertentu telah dirancang untuk bisa dilakukan paling tepat dengan

data-data yang terdistribusi secara normal dan statistik-statistik lainnya akan lebih

baik digunakan terhadap data-data yang terdistribusi secara tidak normal (lihat

lampiran c untuk informasi tambahan tentang distribusi yang tidak normal).

Dengan ketujuh pertanyaan ini test statistik apa yang akan anda gunakan untuk

meneliti hipotesis-hipotesis null ini?

“tidak terdapat perbedaan antara perokok dan orang yang tidak merokok dalam hal

skor depresinya”

“tidak terdapat perbedaan antara perokok dan orang yang tidak merokok dan

afiliasi kelompok teman sejawat”

Untuk hipotesis pertama anda memilih t test dan untuk hipotesis kedua chi-kuadrat.

Bisakah anda mengidentifikasi kesimpulan apa yang diambil dalam memilih kedua

uji statistik ini berdasarkan tujuh kriteria di atas?

5. Membuat keputusan tentang menerima atau menolak hipotesis null. Misalkan anda

telah menghitung test statistik untuk kedua test hipotesis tersebut dengan menggunakan

data-data yang dilaporkan sebelumnya dalam tabel 7.2, misalkan anda menggunakan

SPSS versi 14.0 dan memiliki print out seperti tergambar dalam tabel 7.6. Dalam tabel

7.6 anda membandingkan orang perokok dan yang bukan perokok dalam hal skor

depresi mereka. Test statistik yang dihitung adalah analisis t test dan hasilnya

menyatakan bahwa 26 orang yang tidak merokok memiliki rata-rata 69,77 dalam hal

skor depresi, sedangkan 24 orang perokok memiliki rata-rata 79,79 ini dengan

perbedaan 10,02 diantara kedua kelompok itu. Test signifikansi dua arah

memperlihatkan nilai t = -7.49 dengan 48 df (derajat kebebasan), dengan menghasilkan

nilai ρ probabilitas = 0,00 (ρ = 0,00). Nilai ρ signifikan karena ia lebih rendah dari nilai

alpha = 0,05. Apabila nilai ρ nya lebih rendah dari alpha ini berarti hipotesis nullnya

ditolak; apabila nilai ρ nya itu lebih besar dari nilai alpha, ini berarti hipotesis nulnya

diterima. Kemudian kesimpulan kita adalah terdapat perbedaan antara mereka yang

bukan perokok dan yang merokok dalam hal tingkat depresi mereka, kita menolak

hipotesis null (terdapat perbedaan) dan menerima hipotesis alternatif (terdapat

perbedaan).

Dalam membuat pernyataan ini kita mengikuti prosedur berikut :

a) Lihat pada nilai test statistik dan nilai ρ nya. Anda bisa menemukan nilai ρ ini pada

print out.

b) Tentukan apakah nilai ρ yang teramati lebih rendah atau lebih tinggi dari nilai ρ yang

diperoleh dari distribusi skor untuk statistik dengan derajat kebebasan tertentu dan

dengan test satu atau dua arah pada tingkat signifikan tertentu. Anda bisa

menentukan nilai tabel untuk ρ secara manual dengan membandingkan nilai statistik

dengan nilai tabel distribusi untuk statistik atau anda bisa minta bantuan program

komputer untuk mengidentifikasi nilai ρ yang teramati, dan anda bisa

menginterpretasi apakah nilai tersebut lebih tinggi atau lebih rendah dari nilai alpha.

c) Tentukan apakah hipotesis nullnya ditolak atau diterima. Kita perlu menentukan

apakah nilai ρ secara statistik signifikan untuk menolak atau menerima hipotesis

null. Statistical significance(signifikansi secara statistik) adalah apabila nilai ρ

dari skor yang teramati lebih rendah dari nilai alpha yang sudah ditentukan

sebelumnya oleh si peneliti.

Contoh lain dengan menggunakan statistik chi-kuadrat diperlihatkan oleh tabel

7.7. test statistik ini menguji apakah mereka-mereka yang tidak perokok dan yang

perokok dalam hal peer group affiliation/afiliasi kelompok teman sejawat. Tabel

pada bagian atasnya memperlihatkan cell yang berisikan informasi frekuensi yang

teramati pada masing-masing cell dan frekuensi yang diharapkan. Contoh, untuk atlit

kita mengharapkan 6,2 individu yang tidak merokok dibandingkan dengan 8

individu yang perokok. Test statistik chi-kuadrat Pearson = 1.71 dengan df = 3

menghasilkan nilai ρ (tingkat signifikansi) sebesar .635. Pada ρ = 0,05 angka 0,635

tidaklah secara statistik signifikan, dan kesimpulan kita adalah kita gagal menolak

hipotesis null. Kita menyimpulkan bahwa tidak terdapat perbedaan antara mereka

yang merokok dan tidak perokok dalam hal afiliasi kelompok teman sejawat.

Walaupun boleh saja kita mengantisipasi bahwa kelompok “punkers” memiliki lebih

banyak mereka yang merokok ketimbang mereka yang tidak perokok atau kelompok

atlit memiliki lebih banyak mereka yang tidak perokok ketimbang yang merokok,

test statistik kita tidak menemukan hasil seperti itu.

Kesalahan Potensial Dalam Hasil Penelitian

Dalam kedua contoh ini, uji t dan uji kuadrat, hasil yang kita peroleh bisa jadi memiliki

kesalahan. Coba pertimbangkan empat buah hasil yang mungkin terjadi selama pengujian

hipotesis. Keempat kemungkinan ini diperlihatkan pada tabel 7.8. Kolom dalam tabel ini

memperlihatkan dua kondisi aktual permasalahan di dalam populasi : Tidak ada perbedaan

antara perokok dan non perokok dalam hal skor depresi (dikatakan dengan cara lain, para

perokok dan non perokok sama-sama mengalami depresi), atau terdapat perbedaan antara

perokok dan non perokok dalam hal skor depresi mereka. Informasi yang terdapat dalam

rows memperlihatkan dua keputusan yang dibuat oleh si peneliti berdasarkan pada data-data

aktual : menolak hipotesis null atau gagas menolak hipotesis null.

Dari kedua faktor ini kita memiliki empat kemungkinan hasil –dua kemungkinan

kesalahan yang mungkin terjadi dan dua hasil positif yang mungkin terjadi di dalam

pengujian hipotesis:

1. Si peneliti menolak hipotesis null (tidak terdapat perbedaan) ketika nilai-nilai

populasi menunjukkan tidak ada pengaruh. A type I error (kesalahan tipe pertama)

terjadi ketika hipotesis null ditolak oleh si peneliti padahal itu benar. Probabilitas

dari rata-rata kesalahan ini disebut alpha.

2. Si peneliti bisa berbuat kesalahan dengan jalan tidak bisa menolak hipotesis null. A

type II error (kesalahan tipe kedua) terjadi ketika si peneliti gagal menolak

hipotesis null padahal terdapat pengaruh aktual di dalam populasi. Probabilitas dari

rata-rata kesalahan ini disebut beta. Secara praktis kesalahan tipe kedua ini dianggap

tidak terlampau bermasalah dibandingkan tipe pertama, karena gagal menolak

hipotesis null (menemukan tidak terdapatnya perbedaan) kurang melenceng

dibandingkan menolak hipotesis null (menemukan perbedaan). Dalam penelitian

pendidikan kita perlu berhati-hati berkenaan dengan pernyataan “terdapat

perbedaan” padahal sebenarnya tidak terdapat perbedaan.

3. Si peneliti bisa menolak hipotesis null ketika ia seharusnya menolak karena memang

mendapat pengaruh. Ini merupakan keputusan yang benar, dan karenanya tidak

terdapat kesalahan. The power dalam pengujian hipotesis kuantitatif sebenarnya

merupakan probabilitas menolak hipotesis null yang salah secara benar (probability

of correctly rejecting a false null hypothesis).

4. Si peneliti bisa gagal menolak hipotesis null yang seharusnya tidak ditolak karena

memang tidak adanya pengaruh.

Perkiraan penggunaan Confidence Intervals

Pada tabel 7.6 dan 7.7 kita memiliki dua jenis uji statistik inferensial, satu menolak hipotesis

null yang lainnya gagal menolak hipotesis null. Walaupun keputusan menolak atau gagal

menolak hipotesis null memberikan informasi yang berguna, ini tidak menyatakan besaran

atau perbedaan dalam skor rata-rata, terutama apabila hipotesis nullnya ditolak (seperti dalam

contoh uji t). Dengan demikian kita kembali kepada condifence interval untuk bisa membantu

kita menentukan betapa besar perbedaan yang ada dan untuk mengestimasi a range of

acceptable values.

Confidence interval memberikan informasi tambahan tentang pengujian hipotesis kita.

Confidence interal atau interval estimate adalah jarak antara nilai-nilai statistik tertinggi dan

terendah yang konsisten dengan data-data teramati dan yang berisikan rata-rata populasi

aktual. Karena rata-rata hanyalah merupakan estimasi nilai-nilai populasi nilai-nilai tersebut

memang tidak pernah diketahui secara persis, dan rata-rata sampel menyatakan angka

estimasi dari rata-rata populasi, makanya penting untuk mempertimbangkan range of values

di seputar rata-rata sampel dari sejumlah sampel. Para peneliti menetapkan konfidence

interval di seputar nilai rata-rata sampel untuk mengilustrasikan range of potential scor yang

mungkin terjadi. Tambahan lagi hal ini dinyatakan dalam bentuk persen seperti 95% (95 dari

100), dari nilai populasi akan berada di dalam range of interval ini. Di samping itu interval ini

diidentifikasi sebagai batas atas dan batas bawah, yakni nilai-nilai yang mendefinisikan range

of interval itu.

Kembali kepada tabel 7.6 lagi, program komputer melaporkan 95% confidence interval

untuk perbedaan antara rata-rata dua kelompok. Apabila anda menarik sejumlah sampel dari

populasi maka 95% dari perbedaan rata-rata sampel tersebut akan berada di antara batas nilai

paling rendah dan batas nilai paling tinggi. seperti dilaporkan di dalam statistik untuk uji t. Ini

memperlihatkan bahwa jika kita mengumpulkan data dari sejumlah sampel mahasiswa

sekolah menengah kita mungkin bisa mengestimasi bahwa 95% dari skor depresi akan berada

antara -12.71, dan -7.33, sekitar perbedaan -10.02 untuk skor rata-rata perokok dan non

perokok (69.77- 79.79 = -10.02). Untuk mengetahui range ini akan memberikan estimasi

yang akurat dari nilai-nilai populasi dan ia juga memberikan informasi tambahan berkenaan

dengan hasil pengujian hipotesis.

Menentukan Besarnya Pengaruh

Penting diketahui apakah uji statitik significant atau tidak (melalui nilai p) dan range dari

skor yang dapat diterima (konfidence interval) tapi juga untuk mengkuantifikasikan besarnya

perbedaan antara dua rata-rata atau dua variabel. Ukuran praktis dari perbedaan tersebut

adalah dengan melihat perbedaannya dan menentukan apakah perbedaan tersebut bermakna

secara praktis. Ini merupakan prosedur mengkalkulasi atau menghitung besarnya pengaruh.

Besarnya pengaruh mengidentifikasi kebermaknaan dari kesimpulan-kesimpulan tentang

perbedaan kelompok atau hubungan antara variabel-variabel dalam sebuah penelitian

kualitatif. Perhitungan dari koefisien ini berbeda untuk masing-masing uji statistik. Untuk

analisis variansi (ANOVA) contohnya besarnya pengaruh (eta2) diukur dengan menggunakan

persentase variansi yang disebabkan oleh variable yang diteliti. Phi, sebagaimana digunakan

dalam uji chi kuadrat, adalah ukuran asosiasi dari besarnya pengaruh. Ukuran-ukuran lainnya

besarnya pengaruh bagi uji-uji statistik lainnya menggunakan prosedur penghitungan yang

berbeda seperti omega2 atau Cohen’s D (APA, 2001). Apabila kita menguji skor rata-rata dari

dua kelompok besarnya pengaruh 0,5 (atau setengah standar deviasi) atau lebih besar sering

digunakan sebagai standar.

Kita bisa menghitung besarnya pengaruh antara kelompok-kelompok dalam contoh

penelitian penggunaan tembakau di kalangan siswa sekolah menengah. Misalnya peneliti

mengkaji rata-rata seperti dalam tabel 7.6 dan melihat bahwa skor rata-rata berbeda sebesar

10.02, sebuah perbedaan yang cukup besar dalam skala 100. Secara lebih tepat kita

menghitung besarnya pengaruh dan melaporkannya dalam bentuk satuan atau unit deviasi

standar. Untuk uji t, besarnya pengaruh (ES) dapat dihitung dengan menggunakan persamaan

berikut:

ES = Mean (rata-rata)perokok – Mean (rata-rata) non perokok /Standar Deviasiweighted

dimana standar deviasiweighted diperoleh dari rata-rata standar deviasi perokok dan non

perokok, dengan mempertimbangkan besarnya kelompok.

Dengan menggunakan rumus ini, kita lihat dalam tabel 7.6 besarnya pengaruh

dilaporkan 2.154. Ini berarti bahwa rata-rata perokok dua standar deviasi lebih tinggi dari

rata-rata non perokok dalam hal skor depresi. Ini merupakan perbedaan yang sangat besar

dalam prakteknya.

Kembali kita kepada ilustrasi kita yang kedua, sebagaimana yang diperlihatkan dalam

analisis chi kuadrat tabel 7.7, kita melihat besarnya pengaruh atau koefisien phi merupakan

ukuran dari besarnya asosiasi antara dua variabel kategorikal (dua buah variabel nominal).

Nilai 0.85 menyatakan asosiasi yang lemah, dan kita memiliki bukti tambahan bahwa para

perokok dan non perokok tidak berbeda dalam hal peer group affiliation (afiliasi kelompok

sejawat).

BAGAIMANA ANDA MELAPORKAN HASIL PENELITIAN

Ketika para peneliti menyelesaikan pengujian statistiknya selanjutnya mereka membuat

penyajian hasil dalam bentuk tabel dan angka-angka serta melaporkan hasilnya dalam bentuk

diskusi atau pembahasan. Anda bisa memasukan hasil ini ke dalam bagian yang berjudul

“Hasil-hasil Penelitian”. Beberapa hal mungkin bisa membantu anda dalam membuat bagian

ini serta membantu anda memahami isi dari bagian hasil penelitian yang sudah

dipublikasikan.

Bagian ini sebaiknya menangani atau menanggapi masing-masing pertanyaan dan

hipotesis penelitian. Pendekatan yang biasanya digunakan, menjawab masing-masing

pertanyaan dan hipotesis penelitian satu demi satu secara berurutan sesuai dengan apa yang

dikemukakan pada bagian awal penelitian. Dalam melaporkan hasil-hasil penelitian si

peneliti juga harus mencermati temuan-temuan statistik tanpa mengambil implikasi yang

lebih luas atau makna yang lebih luas dari temuan-temuan statistik tersebut. Selanjutnya

bagian ini juga mencakup ringkasan data ketimbang data-data mentah (misalnya skor-skor

aktual dari masing-masing individu). Bagian hasil-hasil penelitian ini mencakup:

Tabel yang menyarikan informasi statistik

Diagram-diagram (ada chart, gambar-gambar, lukisan- lukisan) yang memperlihatkan

variabel dan hubungan-hubungannya

Penjelasan rinci tentang hasil-hasil statistik

Tabel

Peneliti memperlihatkan data dalam bentuk tabel yang menyarikan hasil-hasil statistik dalam

rangka kaitannya dengan pertanyaan dan hipotesis penelitian. A table adalah sebuah

ringkasan data kuantitatif yang disusun ke dalam rows dan columns (lihat tabel 7.6 dan tabel

7.7). Biasanya tabel-tabel untuk melaporkan hasil-hasi penelitian ini berisikan informasi

kuantitatif, tetapi tabel tersebut bisa jadi juga berisikan informasi berbentu teks seperti

ringkasan dari penelitian-penelitian inti yang ditemukan dalam studi kepustakaan (dan yang

dicantumkan pada bagian awal dari sebuah penelitian, sebelum hasil-hasil penelitian. Salah

satu keuntungan dari menggunakan tabel-tabel ini adalah tabel-tabel tersebut bisa membuat

keringkasan dari data-data yang jumlahnya besar sekali dalam ruangan yang terbatas. Berikut

adalah beberapa petunjuk bagaimana membuat tabel :

Walaupun anda bisa menyajikan lebih dari satu uji-uji statistik dalam sebuah tabel

petunjuk umumnya adalah menyajikan satu tabel untuk masing-masing uji statistik.

Walaupun demikian anda kadang-kadang juga bisa menggabungkan data-data dari

analisis statistik yang berbeda ke dalam sebuah tabel. Contoh : semua data-data

deskriptif (mean, standar deviasi dan range) bisa digabungkan ke dalam sebuah tabel.

Walaupun demikian anda harus menyajikan masing-masing uji statistik inferensial

dalam sebuah tabel.

Para pembaca seharusnya bisa memahami dengan mudah makna dari suatu tabel.

Tabel-tabel sebaiknya menyusun data-data ke dalam rows dan columns dengan judul-

judul yang sederhana dan jelas. Juga judul tabel harus secara tepat menyajikan

informasi yang ada dalam tabel dan merupakan sebuah deskriptif yang lengkap.

Penting diketahui rincian taraf statistik untuk statistik deskiptif dan inferensial untuk

dilaporkan dalam tabe-tabel. Dengan memperhatikan tabel-tabel dalam jurnal-jurnal

ilmiah yang biasanya memberikan model untuk digunakan bagi taraf signifikansi yang

diperlukan untuk masing-masing uji statistik. Tambahan lagi Publication Manual of the

American Psychological Association (APA, 2001) memberikan contoh-ontoh tentang

rincian taraf signifikansi yang dilaporkan dalam tabel-tabel deskriptif (misalnya mean,

standar deviasi, N, atau jumlah partisipan) dan tabel-tabel inferensial misalnya korelasi,

ANOVA dan regresi). Sebagai bantuan tambahan anda bisa melihat out put uji statistik

yang biasa digunakan oleh SPSS (misalnya George & Mallery, 2001).

Para penulis biasanya melaporkan apakah catatan-catatan yang memberikan kualifikasi,

penjelasan, atau memberikan informasi tambahan dalam tabel-tabel yang kiranya

bermanfaat bagi para pembaca. Catatan-catatan ini sering mencakup informasi tentang

besarnya sampel yang dilaporkan dalam penelitian, nilai-nilai probabilitas yang

digunakan dalam pengujian hipotesis dan tingkat signifikansi aktual bagi uji statistik.

Diagram

Dalam rangka membedakan antara tabel dan diagram tidak selamanya jelas. Tabel mencakup

ringkasan dari data-data kuantitatif sedang diagram menyajikan informasi dalam bentuk

grafik atau gambar-gambar visual (APA, 2001). Dengan demikian, a figure (diagram) adalah

ringkasan dari informasi kuantitatif yang disajikan sebagai chart, grafik, atau gambar yang

memperlihatkan hubungan antara skor-skor atau variabel-variabel. Tabel biasanya lebih

disenangi ketimbang diagram (APA, 2001) karena tabel memperlihatkan informasi yang

lebih banyak dalam bentuk yang lebih sederhana.

Diagram cocok untuk menyajikan informasi secara visual dalam bentuk grafik dan

gambar-gambar pada bagian hasil penelitian. The Publication Manual of the American

Psychological Association (APA, 2001) menyarankan beberapa standar untuk merancang

sebuah diagram yang bagus. Sebuah diagram yang bagus :

Augmens, ketimbang duplikat dari teks

Memperlihatkan fakta-fakta yang essensial

Menghilangkan rincian-rincian visual yang menganggu

Mudah dibaca dan dimengerti

Sejalan dengan dan dipersiapkan dengan gaya yang sama sebagaimana halnya

diagram yang sama pada artikel yang sama

Dirancang dan dibuat dengan cermat (hal. 177)

Beberapa jenis diagram ditemukan dalam penelitian-penelitian pendidikan :

Bar charts, yang menggambarkan kecenderungan dan distribusi data (lihat diagram

pada tabel 7.4)

Scatterplots, yang mengilustrasikan perbandingan dari dua skor yang berbeda dan

bagaimana skor itu masing-masing regues atau berbeda dari rata-rata (lihat diagram

12.1). Informasi ini berguna untuk mengidentifikasi outliers atau upper atau lower

ceiling effects dari skor-skor tersebut.

Line graphs, yang memperlihatkan interaksi antara dua variabel dalam sebuah

eksperimen (lihat diagram 11.5).

Charts, yang memperlihatkan hubungan yang rumit antara variabel-variabel dalam

rancangan penelitian korelasional (lihat diagram 12.3).

The Publication Manual of the American Psychological Association (APA, 2001)

memberikan ilustrasi tentang line graphs, bar graphs, scatterplots, dan model-model

correlational chart path model. Dalam kesemua contoh-contoh ini the figure caption

ditempatkan dibawah diagram tersebut. Ini berbeda dari judul tabel yang ditempatkan di atas

tabel.

Menyajikan Hasil Penelitian

Walaupun tabel dan diagram menyarikan informasi dari uji-uji statistik si peneliti perlu

mendeksripsikan dengan rinci hasil-hasil dari masing-masing uji statistik. Dalam penyajian

hasil-hasil penelitian, si peneliti menyajikan informasi yang rinci tentang hasil-hasil

penelitian tertentu yang berasal dari analisis statistik deskriptif dan inferensial. Proses ini

memerlukan penjelasan tentang hasil-hasil utama dari masing-masing uji statistik dan

menyajikan informasi ini degan menggunakan bahasa yang dapat diterima di lingkungan

peneliti kuantitatif.

Untuk hasil dari masing-masing uji statistik ini, si peneliti menyarikan temuan-temuan

dalam satu atau dua kalimat. Kalimat-kalimat tersebut harus berisikan statistik yang

diperlukan dalam rangka memberikan gambaran yang lengkap tentang hasil tersebut. Kalimat

tersebut juga harus mencantumkan informasi yang dipelukan dalam melaporkan hasil-hasil

dari masing-masing uji statistik. Apa yang menyajikan informasi yang memadai tergantung

pada tipe statistik tertentu. Secara minimum :

Melaporkan apakah uji hipotesis significant atau tidak

Memberikan informasi penting tentang uji statistik

Mencakup bahasa yang biasa digunakan dalam melaporkan hasil-hasil statistik

Informasi tentang uji statistik misalnya bisa mencakup laporan tentang derajat

kebebasan (df) dan besarnya sampel untuk uji statistik chi-kuadrat, dan rata-rata dan standar

deviasi (APA, 2001).

Diagram 7.5 memperlihatkan contoh-contoh dari pernyataan-pernyataan tentang hasil

penelitian yang tergambar dari statistik deskriptif dan inferensial. Untuk statistik deskriptif

(rata-rata, standar deviasi, dan range) memperlihatkan informasi yang bermanfaat tentang

hasil penelitian. Untuk statistik inferensial informasi seperti taraf alpha yang digunakan nilai

p aktual daerah kritis untuk penolakan hipotesis, hasil uji statistik, derajat kebebasan (df) dan

besarnya pengaruh harus dilaporkan. Konfidence interval juga harus dilaporkan (Wilkinson

& Tasks Force on Statistical Inference, 1999).

BAGAIMANA ANDA MEMBAHAS HASIL-HASIL PENELITIAN

Setelah melaporkan dan menjelaskan hasil-hasil penelitian secara rinci, para penliti

mengakhiri penelitian merka dengan membuat ringkasan temuan-temuan kunci dari

penelitian tersebut, mengembangkan penjelasan terhadap hasil-hasil penelitian,

mengungkapkan keterbatasan-keterbatasan penelitian, dan membuat rekomendasi berkenaan

dengan tindaklanjut penelitian tersebut.

Membuat Keringkasan Hasil-Hasil Utama

Dalam proses pemberian interpretasi terhadap hasil-hasil penelitian, para peneliti mula-mula

membuat keringkasan temuan-temuan utama dan menyajikan implikasi-implikasi umum

tentang penelitian untuk sesuatu kelompok audien. Sebuah keringkasan (summary)

pernyataan yang meninjau ulang konklusi-konklusi utama untuk masing-masing pertanyaan

penelitian atau hipotesis penelitian. Keringkasan ini berbeda dari hasil penelitian yang

menyajikan konklusi-konklusi umum bukan khusus. Konklusi-konklusi khusus tentang hasil

penelitian mencakup rincian tes-tes statistik yang digunakan, tingkat signifikansi dan

besarnya pengaruh. Konklusi-konklusi umum menyatakan secara menyeluruh apakah

hipotesis ditolak atau apakah pertanyaan penelitian didukung atau tidak.

Penelitian diakhiri oleh pernyataan para peneliti berkenaan dengan implikasi penelitian

secara positif. Implikasi (implication) adalah saran-saran tentang pentingnya penelitian bagi

kelompok audiens yang berbeda. Implikasi ini mengelaborasikan signifikansi penelitian bagi

para audiens seperti diungkapkan pada awalnya di dalam bagian rumusan masalah (Lihat Bab

3). Sekarang, bahwa penelitian sudah berakhir si peneliti berada pada posisi mengadakan

refleksi (memberikan kesan) tentang pentingnya penelitian.

Menjelaskan Kenapa Hasil Penelitian Terjadi

Sesudah keringkasan ini, para peneliti menjelaskan kenapa hasil-hasil penelitian mereka itu

terjadi seperti apa adanya. Sering penjelasan ini didasarkan pada prediksi-prediksi yang

dibuat berdasarkan suatu teori atau kerangka konseptual yang memberi arah pada perumusan

pertanyaan-pertanyaan dan hipotesis penelitian. Di samping itu, penjelasan-penjelasan ini

bisa juga mencakup pembahasan bahan kepustakaan yang ada dan yang memperlihatkan

bagaimana hasil-hasil penelitian didukung ataupun ditolak oleh penelitian-penelitian

terdahulu. Dengan demikian anda akan sering menemukan kajian tentang penelitian terdahulu

disajikan oleh penulis dalam bagian ini. Bagian akhir ini boleh jadi mempertentangkan dan

membandingkan hasil-hasil penelitian dengan teori-teori atau sekumpulan bahan

kepustakaan.

Mengungkapkan Keterbatasan Penelitian

Para peneliti juga mengungkapkan keterbatasan-keterbatasan atau kelemahan-kelemahan dari

penelitian mereka yang kemungkinan bisa berpengaruh terhadap hasil-hasil penelitian.

Keterbatasan (limitation) adalah masalah atau kelemahan potensial tentang penelitian yang

diidentifikasi oleh si peneliti. Kelemahan-kelemahan ini diungkapkan satu demi satu dan

kelemahan tersebut sering terkait dengan pengukuran variabel yang kurang cermat, mundur

atau kurangnya partisipan penelitian, jumlah sampel yang kecil, kesalahan dalam

pengukuran, dan faktor-faktor lain yang biasanya terkait dengan pengumpulan dan analisis

data. Keterbatasan-keterbatasan ini penting untuk diketahui oleh peneliti-peneliti lainnya

yang berkemungkinan memilih untuk melakukan penelitian yang mirip dengan ini dan

ataupun mengulang penelitian ini. Pengungkapan keterbatasan-keterbatasan ini menjembatani

atau mengarah pada rekomendasi untuk penelitian lanjut. Keterbatasan-keterbatasan tersebut

juga membantu para pembaca untuk menilai sejauh mana temuan-temuan penelitian bisa atau

tidak bisa digeneralisasikan terhadap orang-orang dan situasi-situasi lainnya.

Menyarankan Penelitian Lanjutan

Para peneliti kemudian mengungkapkan juga arah penelitian yang akan datang atas dasar

hasil-hasil penelitian yang dilakukan ini. Arah penelitian masa datang (future research

direction) adalah saran-saran yang dibuat oleh si peneliti berkenaan dengan penelitian-

penelitian lain yang perlu dilakukan atau dasar hasil penelitian ini. Saran-saran tersebut

merupakan jembatan terhadap keterbatasan-keterbatasan penelitian, dan memberikan arah

yang bermanfaat bagi para peneliti baru dan pembaca yang berminat untuk mendalami

masalah penelitian ini atau untuk menerapkan hasil-hasilnya pada praktek-praktek

pendidikan. Para pendidik sering membutuhkan sebuah “sudut” untuk memperdalam atau

memberikan kontribusi terhadap pengetahuan yang ada, dan saran-saran bagi penelitian yang

akan datang, terutama sekali sebagaimana ditemukan pada bagian kesimpulan dari sebuah

penelitian. Bagi orang-orang yang membaca laporan penelitian ini, arah penelitian masa yang

datang akan menggarisbawahi bidang-bidang yang belum banyak diketahui dan memberikan

batas bagi penggunaan informasi dari suatu penelitian secara khusus.

MENGKAJI KEMBALI ANALISIS DAN INTERPRETASI DATA DALAM

PENELITIAN “KETERLIBATAN ORANGTUA”

Untuk mendapatkan gambaran berkenaan dengan proses analisis dan interpretasi data

kualitatif kita kembali lagi pada penelitian “keterlibatan orangtua” yang dilakukan oleh

Deslandes & Bertrand, (2005). Dengan statistik lanjut yang digunakan oleh para peneliti kita

akan mudah terpancing untuk memfokuskan perhatian pada statistik dan kehilangan

gambaran yang menyeluruh tentang analisis dan interpretasi yang terdapat di dalam

penelitian.

Para peneliti melakukan survey terhadap 770 orangtua siswa sekolah menengah pada

lima buah sekolah di Quebec. Para orangtua ini mengisi beberapa instrumen penelitian.

Mencermati analisis data yang digunakan oleh para peneliti bermanfaat bagi kita untuk

melakukan refleksi terhadap pertanyaan yang jawabannya ingin dicari oleh si peneliti. Dan

kemudian mengkaji analisis statistik yang mereka gunakan untuk mendapatkan jawaban

terhadap pertanyaan tersebut. Pertanyaan pokok dapat ditemukan pada paragrap 13 : “Apa-

apa saja konstribusi relatif dari peran orangtua, self-efficacy, persepsi terhadap undangan

para guru, dan persepsi undangan para remaja untuk memprediksi keterlibatan orangtua di

rumah dan di sekolah pada siswa kelas 7, 8, dan 9” (hal. 166). Dalam pertanyaan ini

“kontribusi relatif” berarti variabel bebas apa saja yang paling bisa menjelaskan wujud dari

keterlibatan orangtua di rumah dan di sekolah. Selanjutnya coba lihat tabel-tabel statistik

yang disajikan oleh para peneliti. Tabel 1 memperlihatkan statistik deskriptif demografis

(berbentuk persentase) tentang partisipasi orangtua dalam penelitian ini. Tabel 2 menyajikan

daftar variabel-variabel bebas, variabel-variabel kontrol dalam analisis data dan dua variabel

terikat. Tabel ini sangat bermanfaat bagi pemahaman berkenaan dengan analisis data dan

prosedur-prosedur statistik. Tabel 3 memperlihatkan statistik deskriptif (rata-rata standar

deviasi) pada keempat variabel bebas dan kedua variabel terikat. Variabel 4 dan 5

memperlihatkan analisis regresif ganda dan imperensial untuk variabel-variabel bebas dan

variabel demografis sebagai variabel kontrol bagi keterlibatan orangtua di rumah dan di

sekolah untuk melihat keterlibatan orangtua dirumah di sekolah sebagai variabel terikat.

Dengan demikian dari pertanyaan penelitian kita mengetahui bahwa penelitian ini akan

membangun sebuah pemahaman tentang pentingnya 4 buah faktor yang menjelaskan

keterlibatan orangtua. Cermati kembali tabel 7.5 yang memperlihatkan kepada kita bahwa

apabila kita memiliki dua atau lebih variabel bebas (4 konstruck dan beberapa variabel

kontrol dalam penelitian ini) yang diukur dengan skala kontinu (1 = sangat tidak setuju,

sampai 6 = sangat setuju) dan 1 variabel bebas (apakah rumah atau sekolah yang diukur

secara terpisah sebagai skala kontinu, kita akan menggunakan regresi ganda sebagai prosedur

statistik. Kita bisa melihat kedua tabel regresi ini (tabel 4 dan tabel 5) dan perhatikan bahwa

beberapa dari tabel tersebut secara statistik signifikan dan pada tingkat p < .05, p < .01, dan p

< .001 (sebagaimana diperlihatkan oleh tanda *) yang terdapat pada tabel di bagian bawah.

Sayang sekali kita tidak melihat besarnya pengaruh di dalam tabel 4 dan 5. Tapi dalam

analisis data pada tabel 4 kita bisa melihat bahwa persepsi orangtua terhadap undangan para

siswa dalam ranah akademik dengan memprediksi secara kuat keterlibatan orangtua dirumah

(beta = .44). kemudian kita membaca pada bagian hasil penelitian untuk melihat temuan-

temuan yang lebih rinci. Pemikiran kita tentang bentuk-bentuk analisis data yang ditemukan

dalam artikel jurnal ini beranjak dari pemikiran tentang pertanyaan penelitian, penelusuran

tabel, mengetahui jenis-jenis statistik utama dan penggunaan tabel 7 poin 5 dalam bab ini

untuk menilai kenapa statistik itu yang digunakan dan melihat secara cermat pada hasil

penelitian yang disajikan dalam tabel-tabel tersebut sebagaimana juga dalam bagian

pembahasan hasil-hasil penelitian.

Bagian pembahasan penelitian (mulai dari paragrap 32) memberikan keringkasan

umum dari hasil yang diperlihatkan oleh tingkat kelas dan untuk masing-masing variabel

terikat keterlibatan orangtua di rumah dan di sekolah. Perhatikan bahwa pada keseluruhan

bagian pembahasan ini para peneliti mengetengahkan referensi-referensi pada penelitian-

penelitian lain yang menggarisbawahi temuan-temuan yang salah (lihat misalnya paragrap

36). Artikel ini juga diakhiri dengan pembahasan tentang implikasi terhadap intervensi

terhadap sekolah dan untuk meningkatkan keterlibatan orangtua dan pentingnya hubungan

guru/orangtua. Bagian terakhir mengidentifikasi beberapa keterbatasan penelitian dalam hal

sampel (paragrap 46), mengungkapkan gagasan-gagasan untuk penelitian lanjut (paragrap

47), dan kemudian berakhir pada catatan positif berkenaan dengan pentingnya penelitian

(paragrap 49).

GAGASAN-GAGASAN UTAMA DALAM BAB INI

Setelah pengumpulan skor-skor numeric yang diperoleh melalui instrumen penelitian

atau melalui observasi para peneliti kuantitatif perlu menyiapkan dan menyusun data-data

mereka untuk analisis statistik. Proses ini terdiri dari pemberian skor numeric pada masing-

masing pilihan jawaban dalam instrumen (apabila instrumen tidak mencakup atau tidak

memasukkan informasi ini); menentukan apakah butir tunggal atau perbedaan skor akan

digunakan di dalam analisis; dan memilih program perangkat lunak komputer untuk

menganalisis data. Kemudian peneliti memasukkan ke dalam file-file komputer dengan jalan

membuat matrik data yang terdiri dari variabel-variabel dan nilai-nilainya. Dengan data yang

sudah dibangun si peneliti memulai proses menganalisis data untuk menjawab pertanyaan-

pertanyaan atau hipotesis penelitian. Beberapa pertanyaan boleh jadi terbatas pada

mendeskripsikan kecenderungan di dalam data, dan si peneliti menggunakan analisis

deskriptif seperti kecenderungan umum, penyebaran skor, dan peringkat skor.

Pertanyaan-pertanyaan dan hipotesis lainnya memerlukan analisis inferensial dimana si

peneliti mengkaji sebuah sampel dan mengambil generalisasi dari sampel tersebut ke

populasi. Untuk melakukan analisis inferensial 3 prosedur biasanya digunakan: (a)

melakukan pengujian hipotesis dengan menggunakan test-test statistik dan menghitung nilai p

nya yang ditentukan apakah signifikan atau tidak, dan menyarankan bahwa rata-rata sampel

merupakan estimate yang baik atau tidak bagi rata-rata populasi; (b) menentukan interval

tingkat kepercayaan dengan mengidentifikasi rentangan skor yang bisa tercakup dalam rata-

rata populasi; (c) menghitung besarnya pengaruh yang menentukan kuat tidaknya perbedaan

dan makna praktis dari perbedaan-perbedaan ini terhadap perbandingan kelompok atau

hubungan variabel-variabel.

Apakah analisis terdiri dari analisis deskriptif dan inferensial, atau dua-duanya si

peneliti menyajikan hasilnya dalam bentuk tabel, angka, dan pembahasan rinci tentang hasil-

hasilnya. Akhirnya para peneliti membuat konklusi dari penelitian mereka dengan jalan

membuat ringkasan yang rinci tapi dalam bentuk pernyataan yang bersifat umum. Mereka

juga memberikan penjelasan tentang temuan-temuan mereka atas dasar prediksi yang

sebelumnya dibuat atas dasar bahan kepustakaan atau teori-teori, dan mereka

membandingkan hasil-hasil ini dengan hasil penelitian terdahulu. Penting juga diingat bahwa

dalam membuat kesimpulan tentang sebuah penelitian kita perlu mengemukakan

keterbatasan-keterbatasan penelitian dengan mengungkapkan kelemahan-kelemahan yang

berkemungkinan berpengaruh terhadap hasil penelitian. Keterbatasan-keterbatasan ini

terbangun secara langsung dalam saran-saran bagi penelitian lanjut yang kiranya akan

memperbaiki kelemahan-kelemahan tersebut dan selanjutnya memberikan kontribusi bagi

studi kepustakaan tentang topik dimaksud.