analisis data penelitian kebijakan

advertisement
ANALISIS DATA
PENELITIAN KEBIJAKAN
PUSAT PENELITIAN KEBIJAKAN PENDIDIKAN
BADAN PENELITIAN DAN PENGEMBANGAN
KEMENTERIAN PENDIDIKAN NASIONAL
2011
DAFTAR ISI
I
PENDAHULUAN ..........................................................................................1
II
PENGERTIAN DAN PENGELOMPOKAN JENIS DATA .........................2
III
IV
A.
Berdasarkan Bentuknya ........................................................................2
B.
Berdasarkan Cara Memperolehnya .......................................................3
C.
Berdasarkan Skala Pengukurannya .......................................................3
PENYAJIAN DATA ......................................................................................6
A.
Tabel......................................................................................................6
B.
Grafik/ Diagram ....................................................................................7
ANALISIS DATA..........................................................................................9
DAFTAR PUSTAKA ............................................................................................15
I
PENDAHULUAN
Pada Bab I ini dipaparkan tentang penyusunan disain atau rancangan penelitian,
pengembangan instrumen pengumpul data, pelaksanaan pengumpulan data,
pengolahan, penyajian dan analisis data, penyusunan laporan dan penyampaian
usulan kebijakan pemecahan masalah kepada penentu kebijakan. Secara lengkap
diuraikan di bawah ini.
Penelitian kebijakan adalah proses penyelenggaraan penelitian atau analisis
terhadap masalah yang mendasar dalam rangka memberikan rekomendasi
kebijakan kepada penentu kebijakan untuk memecahkan masalah. Pelaksanaan
penelitian kebijakan dimulai dari penyusunan disain atau rancangan penelitian,
pengembangan instrumen pengumpul data, pelaksanaan pengumpulan data,
pengolahan, penyajian dan analisis data, penyusunan laporan dan penyampaian
usulan kebijakan pemecahan masalah kepada penentu kebijakan.
Pengolahan, penyajian dan analisis data merupakan tahapan kegiatan yang saling
terkait. Setelah diperoleh data yang bersih dan siap untuk dianalisis sebagaimana
dijelaskan pada buku tentang pengolahan data, maka data tersebut harus disajikan
dan dianalisis agar bisa diinterpretasikan atau diberi makna yang merupakan
informasi tentang hasil penelitian yang dilakukan. Berdasarkan informasi
tersebutlah bisa disusun suatu rekomendasi kebijakan yang akan menjadi bahan
masukan bagi pimpinan untuk mengambil kebijakan.
Data yang dikumpulkan pada penelitian kebijakan dapat berbentuk data kuantitatif,
kualitatif atau keduanya. Pada umumnya suatu penelitian mengumpulkan kedua
bentuk data tersebut. Kedua bentuk data hasil penelitian yang dilakukan dianalisis
bersama-sama untuk saling melengkapi. Karena analisis data kualitatif lebih
cenderung menguraikan, memilah-milah data dan melihat pola dari hasil penelitian
yang dilakukan yang kemudian diuraikan dalam bentuk kalimat, sedangkan analisis
data kuantitatif cenderung melakukan penghitungan-penghitungan yang relatif
rumit. Oleh sebab itu, pada modul ini lebih banyak dibahas mengenai analisis data
kuantitatif.
Analisis Data
-1-
II
PENGERTIAN DAN
PENGELOMPOKAN JENIS DATA
Pada Bab II ini diuraikan tentang pengertian dan pengelompokan jenis data. Secara
lengkap diuraikan di bawah ini.
Data diartikan sebagai keterangan atau ilustrasi mengenai suatu hal baik berbentuk
bilangan ataupun kategori, seperti baik-rusak, berhasil-gagal, dan lain-lain maupun
dalam bentuk uraian atau kalimat. Data dapat dikelompokkan berdasarkan beberapa
sudut pandang berikut:
A.
Berdasarkan Bentuknya
Berdasarkan bentuknya data dikelompokkan menjadi:
1.
Data Kuantitatif
Jenis data ini biasanya dinyatakan dalam bentuk angka atau bilangan. Dilihat
dari nilainya, data kuantitatif dapat dibagi menjadi dua golongan yaitu data
diskrit dan data kontinyu. Data diskrit adalah data yang mempunyai nilai
dalam bentuk bilangan asli (1, 2, 3, ...) dan diperoleh dari hasil menghitung
atau membilang. Misalnya, jumlah anggota keluarga, jumlah gedung sekolah
di suatu kecamatan, jumlah murid, guru, buku, dan sebagainya. Data kontinu
adalah data yang mempunyai nilai dalam bentuk bilangan real ( , + ) dan
diperoleh dari hasil pengukuran. Dengan demikian data kontinu dapat
dinyatakan dalam bentuk pecahan ataupun desimal. Contoh : tinggi badan,
berat badan, tingkat kecerdasan, dan lain-lain.
2.
Data kualitatif
Jenis data ini dinyatakan dalam bentuk kalimat atau uraian. Data kualitatif
biasanya diperoleh dari jawaban pertanyaan terbuka yang memerlukan uraian
atau hasil wawancara serta deskripsi dari hasil observasi. Data kualitatif
kadang-kadang ada yang bisa dinyatakan dalam bentuk kuantitatif melalui
pengelompokan data. Misalnya data berjenjang seperti sangat baik, baik,
sedang, buruk dan sangat buruk dapat ditransformasikan ke dalam data
kuantitatif dengan memberi simbol 1, 2, 3, 4, dan 5.
Analisis Data
-2-
B.
Berdasarkan Cara Memperolehnya
Berdasarkan cara memperoleh atau mendapatkannya, data dikelompokkan menjadi:
1.
Data Primer
Yaitu data yang dikumpulkan langsung oleh orang (organisasi) yang
menggunakan data. Misalnya, data hasil penelitian yang dikumpulkan
langsung dari sumber data seperti guru, kepala sekolah ataupun siswa suatu
satuan pendidikan tertentu.
2.
Data Sekunder
Yaitu data yang dikumpulkan oleh orang (organisasi) lain yang dapat
dimanfaatkan/digunakan untuk mendukung penelitian yang sedang
dilakukan. Misalnya, data yang ada di Badan Pusat Statistik (BPS) atau
instansi tertentu seperti Statistik Persekolahan, Statistik Pertanian, Statistik
Perekonomian, dan lain-lain.
C.
Berdasarkan Skala Pengukurannya
Berdasarkan skala atau tingkat pengukurannya, data dikelompokkan menjadi:
1.
Nominal
Yaitu data yang simbol atau angka yang digunakan tidak menunjukkan
besaran, tingkatan atau jumlah, akan tetapi hanya merupakan simbol saja.
Misalnya data tentang jenis kelamin, agama yang dianut, suku dan daerah
asal.
Contoh:
a. Jenis kelamin:
1. Laki-laki
2. Perempuan
b. Agama yang dianut:
1.
2.
3.
4.
5.
6.
Islam
Protestan
Katolik
Budha
Hindu
Lainnya
Analisis Data
-3-
Dari contoh tersebut tampak bahwa angka hanya menunjukkan simbol.
Untuk contoh jenis kelamin yang diberi simbol angka 1 untuk laki-laki dan 2
untuk perempuan, bukan berarti bahwa perempuan adalah dua kali lipat dari
laki-laki. Demikian pula untuk contoh agama yang dianut, angka 1 sampai 6
hanya sebagai simbol saja.
2.
Ordinal
Yaitu data yang dinyatakan dalam angka yang berfungsi sebagai lambang
untuk membedakan dan bilangan mengisyaratkan pringkat/rank/
mengurutkan kualitas.
Kekurangan ordinal; Bahwa kita hanya bisa mengatakan lebih besar/ lebih
baik tidak bisa mengatakan seberapa besar atau seberapa baik lebihnya.
Menurut teori bilangan ; Seandainya akan membuat skala ordinal, tidak perlu
angkanya berurutan, asal menunjukkan apakah itu makin besar atau makin
kecil (monotonic). Misalnya data peringkat siswa di kelas berdasarkan skor
yang diperoleh seperti contoh berikut:
Skor
85
77
60
50
Peringkat
1
2
3
4
Pada contoh, terlihat bahwa jarak/perbedaan skor antara peringkat 1 dan 2
adalah 8, sedangkan antara peringkat 2 dan 3 adalah 17, sementara jarak
peringkat 3 dan 4 adalah 10. Jadi jarak antar peringkat tidak harus sama.
Contoh lain data yang skala ordinal : Jenjang pendidikan, kepangkatan,
golongan, skala likert dll.
3.
Interval
Yaitu data yang dinyatakan dalam angka berfungsi sebagai lambang,
mengisyaratkan peringkat, menyatakan jarak antara masing-masing tingkat,
namun angka ‘0’ bukan titik mutlak dan suatu besaran tertentu bukan
merupakan kelipatan dari bilangan lainnya. Contoh : ukuran panas dengan
menggunakan satuan derajat Celcius. Perbedaan antara 40o C dan 50o C
sama dengan perbedaan 70o C dan 80o C, tetapi 80o tidak merupakan
Analisis Data
-4-
kelipatan dari 40o. Demikian juga angka 0o C bukanlah angka mutlak yang
menyatakan objek tersebut tidak memiliki suhu, karena kalau
ditransformasikan ke dalam satuan lain seperti derajat Fahrenheit (F),
nilainya bukan lagi 0o akan tetapi 32o F. Contoh lain untuk data dengan
skala pengukuran interval adalah nilai atau skor prestasi belajar siswa, nilai
atau skor tes IQ, dan lain-lain.
4.
Rasio
Yaitu data yang dinyatakan dalam angka yang menunjukkan besaran yang
mempunyai jarak/perbedaan yang sama antara masing-masing tingkat; skala
ini hampir sama seperti skala interval tetapi mengenal adanya nilai mutlak
sehingga suatu besaran tertentu bisa merupakan kelipatan dari bilangan
lainnya, misalnya angka 10 meter adalah kelipatan dua dari 5 meter atau jarak
dua objek yang berhimpitan adalah 0 (angka mutlak bernilai 0 : absolut zero
point). Contoh lain gaji/upah (dalam rupiah), panjang benda, berat benda
dll.
Dari skala-skala tersebut, skala rasio merupakan skala pengukuran yang
paling tinggi, disusul skala interval, ordinal dan terakhir nominal. Keempat
skala tersebut dapat dirangkum dalam tabel berikut:
No.
1.
Skala
Rasio
2.
Interval
3.
Ordinal
4.
Nominal
Ciri-ciri skala
Bilangan sebagai lambang, peringkat, jarak, dan
perbandingan serta titik nol merupakan titik
mutlak.
Bilangan berfungsi sebagai lambang, peringkat,
dan jarak.; tidak memiliki nilai mutlak
Bilangan menunjukkan lambang dan peringkat/
rank
Bilangan hanya menunjukkan lambang dari
kategori, bukan suatu besaran
Contoh
Jarak, berat
o C, skor tes IQ,
prestasi
Peringkat kelas,
jenjang pendidikan
agama, jenis
kelamin
Analisis Data
-5-
III
PENYAJIAN DATA
Pada Bab III ini diuraikan tentang penyajian data. Secara lengkap diuraikan di
bawah ini.
Data yang telah diperoleh setelah diolah maka tahap berikutnya adalah disajikan
sedemikian rupa sehingga mudah dibaca dan dipahami oleh pengguna/pembaca
laporan. Secara garis besar penyajian data dikelompokkan menjadi dua yaitu tabel
dan grafik/diagram.
A.
Tabel
Tabel merupakan penyajian data dalam bentuk lajur-kolom. Komponen tabel
terdiri dari (1) judul tabel, ditulis di tengah-tengah bagian atas tabel yang berisi :
apa, macam atau klasifikasi dan unit data yang digunakan; (2) judul kolom, yang
dapat memberikan keterangan tentang kolom, (3) judul baris, yang dapat
memberikan keterangan tentang baris; (4) sel tabel, yaitu tempat nilai-nilai data
dituliskan; (5) sumber, menjelaskan darimana data tersebut dikutip. Penyajian data
dalam bentuk tabel secara teoritis diantaranya:
1.
Tabel Satu Arah,
Yaitu tabel yang memuat hanya satu variabel saja. Misalnya tentang
banyaknya pegawai menurut agama saja.
Tabel 1. Banyaknya Pegawai PT ‘X’ menurut Agama tahun 2004
Jenis Agama
1. Islam
2. Katholik
3. Protestan
Dst
Jumlah
Banyaknya Pegawai
25
5
4
Sumber :
Analisis Data
-6-
2.
Tabel Dua Arah
Yaitu tabel yang memuat dua variabel, biasanya disebut tabel silang atau
cross tab.
Contoh:
Tabel 2. Keadaan Siswa di Indonesia Menurut Jenjang Pendidikan
dan Jenis Kelamin Tahun 2002
Jenjang Pendidikan
Pria
Jenis Kelamin
Wanita
Jumlah
SD
SLTP
SM
Jumlah
Sumber :
3.
Tabel Tiga Arah,
Yaitu tabel yang memuat tiga variabel, sebagai contoh :
Pendidikan
Yang Ditamatkan
Desa
4.
Dan seterusnya
B.
Grafik/ Diagram
Jenis Kelamin
Lk.
Kota
Desa
Pr.
Kota
Penyajian data dengan menggunakan grafik atau diagram dimaksudkan agar data
dapat ditampilkan secara visual. Bentuk diagram terdiri dari diagram batang,
diagram lingkaran (pie), diagram garis dan campuran. Data dalam bentuk atribut
atau kategori biasanya ditampilkan dalam bentuk diagram batang. Diagram batang
terdiri dari sumbu datar dan sumbu tegak. Sumbu datar menyatakan atribut dan
sumbu tegak untuk menyatakan kuantum atau nilai dari data. Sebagaimana
namanya, diagram lingkaran disajikan dalam bentuk lingkaran atau kue pie, dan
pada umumnya digunakan untuk data dalam bentuk proporsi dimana setiap
proporsi akan dibatasi oleh jari-jari lingkaran sehingga berbentu seperti potongan
Analisis Data
-7-
kue pie. Sedangkan diagram garis biasanya digunakan untuk menggambarkan data
atau keadaan yang kontinyu, seperti perkembangan siswa dari tahun ke tahun.
Contoh-contoh diagram dicantumkan sebagai berikut.
1.
Diagram batang
Jumlah Siswa
SD
2.
SLTP
SLTA
Jenjang Pendidikan
Diagram lingkaran
Jumlah Guru SD Menurut Pendidikan Terakhir
PT
60%
< SLTA
5%
SLTA
35%
3.
Diagram garis
Perkembangan jumlah siswa selama 5 tahun
3000
2800
2600
2400
2200
1
2
3
4
5
Penyajian data bertujuan supaya data yang dihasilkan mudah dipahami dan
menarik untuk diperhatikan.
Analisis Data
-8-
IV
ANALISIS DATA
Pada Bab IV ini diuraikan tentang analisis data. Analisis data bertujuan untuk
menguraikan, menjelaskan dan menginterpretasikan data agar mempunyai makna
yang merupakan informasi dalam penelitian tertentu. Dari informasi tersebut dapat
diambil kesimpulan yang dapat dijadikan bahan pertimbangan oleh para pengambil
keputusan untuk menentukan kebijakan. Secara lengkap diuraikan di bawah ini.
Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari
seluruh responden atau sumber lain terkumpul. Kegiatan dalam analisis data
adalah: mengelompokkan data berdasarkan variabel dan jenis responden,
mentabulasi data berdasarkan variabel dari seluruh responden, menyajikan data tiap
variabel yang dilakukan, melakukan perhitungan untuk menjawab rumusan
masalah, dan melakukan perhitungan untuk menguji hipotesis yang telah diajukan
(jika ada).
Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat
dua macam statistik yang digunakan untuk analisis data dalam penelitian, yaitu
statistik deskriptif dan statististik inferensial. Statistik inferensial meliputi statistik
parametris dan statistik nonparametris.
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan
cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum
atau generalisasi. Penelitian yang dilakukan pada populasi (tanpa diambil
sampelnya) jelas akan menggunakan statistik deskriptif dalam analisisnya. Tetapi
bila penelitian dilakukan pada sampel, maka analisisnya dapat menggunakan
statistik deskriptif maupun inferensial. Statistik deskriptif dapat digunakan bila
peneliti hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat
kesimpulan yang berlaku untuk populasi di mana sampel diambil. Tetapi bila
peneliti ingin membuat kesimpulan yang berlaku untuk populasi, maka teknik
analisis yang digunakan adalah statistik inferensial.
Analisis Data
-9-
Statistik Deskriptif
Macam
Statistik untuk
Analisis Data
Statistik Parametris
Statistik Inferensial
Statistik
Nonparametris
Gambar 4.1 Macam-macam Statistik untuk analisis data
Termasuk dalam statistik deskriptif antara lain adalah penyajian data melalui tabel,
grafik, diagram lingkaran, pictogram,perhitungan modus, median, mean
(pengukuran tendensi sentral), perhitungan kuartil, desil, persentil, perhitungan
penyebaran data melalui perhitungan rata-rata dan standar deviasi, perhitungan
persentase. Dalam statistik deskriptif juga dapat dilakukan mencari kuatnya
hubungan antara variabel melalui analisis korelasi, melakukan prediksi dengan
analisis regresi, dan membuat perbandingan dengan membandingkan rata-rata data
sampel dan populasi (hanya tidak dilakukan uji signifikansi).
Statistik inferensial (sering juga disebut statistikm induktif atau statistik
probabilitas), adalah teknik statistik yang digunakan untuk menganalisis data
sampel dan hasilnya diberlakukan untuk populasi. Statistik ini akan cocok
digunakan bila sampel diambil dari populasi yang jelas, dan teknik pengambilan
sampel dari pupulasi itu dilakukan secara random.
Statistik inferensial terdapat statistik parametris dan nonparametris. Penggunaan
statistik parametris dan nonparametris ini tergantung pada asumsi dan jenis data
(skala pengukuran) yang akan dianalisis. Statistik parametris memerlukan
terpenuhi banyak asumsi. Asumsi yang utama adalah data yang akan dianalisis
harus berdistribusi normal. Statistik nonparametris tidak menuntut terpenuhi
banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi
normal. Oleh karena itu statistik nonparametris sering disebut “distribution free”
(bebas distribusi).
Analisis Data
- 10 -
Penggunaan kedua statistik tersebut juga tergantung pada jenis data yang akan
dianalisis. Statistik parametris kebanyakan digunakan untuk menganalisis data
interval dan rasio, sedangkan statistik nonparametris kebanyakan digunakan untuk
menganalisis data nominal dan ordinal. Jadi untuk menguji hipotesis dalam
penelitian kuantitatif yang menggunakan statistik, ada dua hal utama yang harus
diperhatikan,yaitu macam data (skala pengukuran) dan bentuk hipotesis yang
diajukan. Macam data (skala pengukuran) penelitian seperti yang telah diketahui,
yaitu: data nominal, ordinal, interval, dan rasio. Sedangkan bentuk hipotesis
umumnya ada tiga, yaitu: hipotesis deskriptif, komparatif, dan asosiatif. Tabel 4.1
berikut ini merupakan rangkuman penggunaan statistik parametris dan
nonparametris untuk menguji hipotesis.
Tabel 4. 1
PENGGUNAAN STATISTIK PARAMETRIS DAN
NONPARAMETRIS UNTUK MENGUJI HIPOTESIS
Bentuk Hipotesis
Skala
Deskriptif
Pengukuran (1 variabel)
Komparatif (dua
sampel)
Komparatif (lebih dari 2 Asosiatif
sampel)
(hubungan)
Related Independen Related
Independen
Nominal
- Binomial
-  2 satu
sampel
- Mc
Nemar
- Fisher Exact - Cochran -  2 k sampel
probability
Q
-  2 dua
sampel
Ordinal
- Run test
- Sign test
- Wilcoxon
matched
pairs
- Median test
- Spearman rank
- Man
- Friedma - Kruskal Wallis correlation
Whitney U
- Two-way
- Kendall Tau
test
Anova
- Kolmogorov
Sirnov
- Wald
Woldfowitz
- t test
- One- Way - One-way Anova - Korelasi
independen
Anova
-Two-way anova product
- Two-way
moment
Anova
- Korelasi
parsial/ganda
Regresi
- Analisis Jalur
Interval/Rasio - t test
- t test of
related
Analisis Data
- Contingency
coeficient
- 11 -
Berdasarkan Tabel 4.1 tersebut dapat dikemukan di sini bahwa:
(1). Untuk menguji hipotesis deskriptif satu sampel (uni sampel) bila datanya
berbentuk nominal, maka digunakan teknik statistic:
a. Binomial
b. Chi kuadrat satu sampel
(2). Untuk menguji hipotesis deskriptif satu sampel (uni sampel) bila datanya
berbentuk ordinal, maka digunakan teknik statistik:
a. Run Test
(3). Untuk menguji hipotesis deskriptif satu variabel (univariabel) bila datanya
berbentuk interval atau rasio, maka digunakan teknik statistic:
a. t test
(4). Untuk menguji hipotesis komparatif dua sampel yang berpasangan
datanya berbentuk nominal, maka digunakan teknik statistic:
a. McNemar Test
bila
(5). Untuk menguji hipotesis komparatif dua sampel yang berpasangan
datanya berbentuk ordinal, maka digunakan teknik statistic:
a. Sign Test
b. Wlcoxon matched pairs
bila
(6). Untuk menguji hipotesis komparatif dua sampel yang berpasangan
datanya berbentuk interval atau rasio, maka digunakan teknik statistic:
a. t test dua sampel
bila
(7). Untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk nominal, maka digunakan teknik statistic:
a. Fisher exact probability
b. Chi kuadrat Dua sampel
(8). Untuk menguji hipotesis komparatif dua sampel independen bila datanya
berbentuk ordinal, maka digunakan teknik statistic:
a. Median test
b. Mann-Whitney U test
c. Kolmogorov Smirnov
d. Wald-Wolfowitz
(9). Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya
berbentuk interval dan rasio, maka digunakan teknik statistic:
a. t test sampel berpasangan (related)
Analisis Data
- 12 -
(10). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya
berbentuk nominal, maka digunakan teknik statistic:
a. Chocran Q
(11). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya
berbentuk ordinal, maka digunakan teknik statistic:
a. Friedman Two-way Anova
(12). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya
berbentuk ordinal, maka digunakan teknik statistic:
a. Friedman Two-way Anova
(13). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya
berbentuk interval atau rasio, maka digunakan teknik statistic:
a. Anova one way dan Two-way Anova
(14). Untuk menguji hipotesis komparatif k sampel independen bila datanya
berbentuk nominal, maka digunakan teknik statistic:
a. Chi Kuadrat k sampel
(15). Untuk menguji hipotesis komparatif k sampel independen bila datanya
berbentuk ordinal, maka digunakan teknik statistic:
a. Median Extension
b. Kruskal-Walis One Way Anova
(16). Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbentuk
nominal, maka digunakan teknik statistic:
a. Koefisien Kontingensi
(17). Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbentuk
ordinal, maka digunakan teknik statistic:
a. Koefisien Spearman Rank
b. Korelasi Kendall Tau
(18). Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbentuk
interval atau rasio, maka digunakan teknik statistic:
a. Koefisien Korelasi Produk Momen
b. Korelasi Parsial/ Ganda
c. Analisis Regresi digunakan untuk melakukan prediksi, bagaimana
perubahan nilai variabel dependen bila nilai variabel independent
dianaikkan/ diturunkan.
d. Analisis Jalur digunakan untuk menguji teori penelitian dan mengetahui
besar pengaruh dari antar variabel baik secara langsung maupun tidak
langsung.
Analisis Data
- 13 -
Hipotesis penelitian yang akan diuji dalam penelitian berkaitan erat dengan
rumusan masalah yang diajukan, tetapi perlu diketahui bahwa setiap penelitian
tidak harus berhipotesis, namun harus merumuskan masalahnya. Penelitian yang
harus berhipotesis adalah penelitian yang menggunakan metode eksperimen.
Interpretasi Data
Interpretasi data dapat dikelompokkan berdasarkan karakteristik data, konteks
penelitian, hubungan antar variabel dan perbedaan menurut kategori tertentu.
Berdasarkan karakteristiknya, interpretasi data dapat dilihat dari sebaran, susunan
dan kedudukannya. Data dapat pula dibandingkan antara data individu dengan
sesamanya atau terhadap nilai dalam kelompok, seperti nilai rata-rata (means), nilai
persentil dan lain-lain. Berdasarkan konteksnya interpretasi data harus dikaitkan
dengan situasi yang melatarbelakanginya. Dengan perkataan lain, kenyataan yang
ada sekarang perlu dihubungkan dengan situasi waktu kejadian itu muncul.
Interpretasi data berdasarkan hubungan antar variabel dapat digolongkan menjadi
dua yaitu hubungan korelasional dan hubungan sebab akibat (kausal).
Sebagaimana telah disinggung pada bagian terdahulu, hubungan korelasional
adalah untuk melihat tingkat keeratan hubungan antara satu variabel dengan
variabel lainnya.
Dalam hal ini ingin diketahui apakah variabel yang satu
mempunyai hubungan yang erat secara signifikan dengan variabel lain atau tidak.
Sedangkan hubungan kausalitas adalah hubungan untuk mengetahui apakah suatu
variabel mempengaruhi atau menyebabkan perubahan pada variabel lainnya.
Dengan demikian ada variabel yang menjadi penyebab dan ada variabel yang
menjadi akibat. Berdasarkan perbedaan antar kategori tertentu, interpretasi data
pada umumnya dilakukan untuk menguji suatu hipotesis. Misalnya, ingin
diketahui apakah prestasi siswa laki-laki berbeda atau sama secara signifikan
dengan prestasi siswa perempuan.
Analisis Data
- 14 -
DAFTAR PUSTAKA
Dayan, Anto. 1994. Pengantar Metode Statistik. Jilid II, Cetakan 17. Jakarta,
LP3ES
Gay, L. R. 1996. Educational Research Competencies for Analysis and
Application. Fifth ed. USA, Merill Publishing Company
Kshinsagar, Anant M. 1983. A Course in Linear Models. New York, Marcel
Dekker Inc. New York.
Meier, K.J. and J.L. Brudney. 1987. Applied Statistiks for Public Administration,
Revised ed. California, Brooks/Cole Publishing Company
Montgomery, Douglas C. 1991. Design and Analysis of Expperiments, 3rd ed. New
York, John Wiley & Sons
Patton, M.Q. 1990. Qualitatif Evaluation and Research Methods. Newbury Park,
Sage Publication.
Sudjana, Nana dan Ibrahim. 2001. Penelitian dan Penilaian Pendidikan. Edisi
kedua. Sinar Baru Algensindo. Bandung.
Sugiyono, 2006. Metode Penelitian Kuantitatif Kualitatif dan R & D. Penerbit
Alfabeta, Bandung.
Suparman, 1990. Petunjuk Analisis Data. Puslit Pranata Pembangunan, UI.
Analisis Data
- 15 -
Download