I. Pendahuluan
A. Latar Belakang
Bentuk tindak lanjut kegiatan peneliti sesudah pengumpulan data sangat
bervariasi, tergantung dari bagaimana data yang terkumpul akan diorganisasikan.
Adapun perolehan data dalam kancah penelitian sering dibicarakan kadar kevaliditasan
dan kereabilitasannya. Pembicaraan masalah ini termasuk hal yang urgen dalam
dunia penelitian, mengingat kualitas data yang bersumber dari hasil pengukuran
akan ikut menentukan bagaimana kualitas kegiatan dan hasil suatu penelitian.
Pada sisi lain, persoalan tersebut juga terkait dengan masalah generalisasi,
sehingga kualitas hasil data sangat bergantung pada kualitas alat ukurnya. Oleh
karena kesahihan dalam alat ukur merupakan standar mutlak yang tidak dapat
ditawar lagi oleh seorang peneliti, jika ia menginginkan hasil penelitian yang
memiliki kadar kualitas yang memadai. Alat ukur yang baik akan mampu merekam
data secara baik, sehingga data yang diperoleh akan memiliki kualitas yang baik
pula. Data ini apabila ditindak lanjuti dengan suatu analisis, maka akan
dihasilkan suatu kesimpulan (temuan) yang dapat dipercaya.
Jika alat ukur tidak ditindak lanjuti dengan suatu analisis, maka data
tersebut tidak akan memiliki sedikitpun arti bagi sebuah penelitian kecuali
sebuah pemborosan tenaga, waktu, dan bahkan biaya. Sehubungan dengan hal
tersebut, uraian berikut akan mencoba menindak lanjuti data yang terkumpul
supaya bisa memiliki fungsi sebagaimana yang diharapkan oleh peneliti dalam
aktivitas penelitiannya. Fokus pembahasan makalah ini akan dibatasi pada
analisis data kuantitatif (data yang berupa angka-angka).
B. Rumusan masalah`
Adapun yang menjadi rumusan masalah antara lain :
1. Apa pengertian analisis data ?
2. Apa yang dimaksud dengan analisis data kuantitatif ?
3. Bagaimana teknik analisis data kuantitatif ?
II. Pembahasan
A. Pengertian Analisis Data
Proses memecah data menjadi beberapa bagian pokok dalam rangka menjawab
pertanyaan-pertanyaan yang diajukan dalam perumusan masalah dan menguji
hipotesis disebut proses analisis. Pekerjaan analisis bersifat
mekanis dan mungkin berulang-ulang. Menurut Kelinger, analisis berarti
kategorisasi, penataan, dan peringkasan data untuk memperoleh jawaban bagi
pertanyaan penelitian. Kegunaan analisis ialah mereduksi data menjadi
perwujudan yang dapat dipahami dan ditafsir dengan cara tertentu hingga relasi
masalah penelitian dapat ditelaah serta diuji.
Menurut Patton, analisis data ialah proses mengatur urutan data,
mengorganisasikannya ke dalam suatu pola, kategori, dan satuan uraian dasar. Analisis
data merupakan proses penyederhanaan data ke dalam bentuk yang lebih mudah
dibaca dan diinterpretasikan. Ini dapat dilakukan secara kualitaif dan
kuantitatif, dengan menggunakan table-tabel, grafik, ataupun perhitungan
angka-angka (numerical analysis). Jadi data yang bersifat menyeluruh diuraikan
atau dipecah-pecah menjadi bagian-bagian atau komponen-komponen yang lebih
kecil, sehingga dari komponen-komponen ini dapat diketahui komponen yang
menonjol, dapat dibandingkan komponen yang satu dengan lainnya (angka rasio), dapat
dibandingkan satu komponen atau beberapa komponen terhadap keseluruhan
(presentase), dan lebih jauh dapat diperkirakan atau diperhitungkan pengaruh
perubahan satu komponen atau kejadian terhadap komponen atau kejadian lainnya.
Adapun tujuan dari analisis data antara lain :
a. Memecahkan masalah-masalah penelitian.
b. Memperlihatkan hubungan antara fenomena yang terdapat dalam penelitian.
c. Memberikan jawaban terhadap hipotesis yang diajukan dalam penelitian.
d. Bahan untuk membuat kesimpulan serta implikasi dan saran-saran yang
berguna untuk kebijakan penelitian selanjutnya.
Secara umum analisis data dimaksudkan untuk memahami apa yang terdapat
di balik semua data, mengelompokannya, meringkasnya menjadi suatu yang mudah
dimengerti, serta menemukan pola umum yang timbul dari data tersebut.
B. Analisis Data Kuantitatif
Data kuantitatif merupakan data yang dinyatakan dalam bentuk angka. Analisis
kuantitatif adalah analisis yang menggunakan alat analisis bersifat
kuantitatif, yaitu alat analisis yang menggunakan model-model, seperti model
matematika, model statistik, dan ekonometrik. Hasil analisis disajikan dalam
bentuk angka-angka yang kemudian dijelaskan dan diinterpretasikan dalam suatu
uraian.
Untuk dapat membedakan antara analisis data kualitatif dan kuantitatif
ialah, jika data yang dikumpulkan oleh peneliti hanya sedikit, bersifat
monografis (risalah) atau berwujud kasus-kasus yang tidak dapat disusun dalam
struktur klasifikasi, maka analisisnya bersifat kualitatif, tetapi jika data
yang dikumpulkan itu berjumlah besar dan dapat diklasifikasi ke dalam kategori-kategori,
maka analisisnya bersifat kuantitatif. Analisis kuantitatif jauh lebih mampu
memperlihatkan hasil-hasil yang cermat, tetapi ini tidak menjamin bahwa derajat
kebenarannya juga lebih baik, tergantung kepada validitas atau keabsahan datanya.
C. Teknik Analisis Data Kuantitatif
Analisis data kuantitatif merupakan analisis data yang memerlukan
bantuan statistik. Adapun statistik yang
digunakan dalam analisis data adalah statistik deskriptif dan atau statistik
inferensial.
Kegiatan analisis data dalam suatu proses penelitian umumnya dapat
dibedakan menjadi dua kegiatan, yaitu mendeskripsikan data dan melakukan uji
statistika (inferensi).
a. Mendeskripsikan data
Yang dimaksudkan dengan mendeskripsikan data adalah menggambarkan data yang
ada guna memperoleh bentuk nyata dari responden, sehingga lebih mudah
dimengerti peneliti atau orang lain yang tertarik dengan hasil penelitian yang
dilakukan. Mendeskripsikan informasi dari responden ini ada dua macam. Jika
data yang ada adalah data kualitatif, maka deskripsi data ini dilakukan dengan
cara menyusun dan mengelompokkan data yang ada, sehingga memberikan gambaran
nyata terhadap responden.
Jika data tersebut dalam bentuk kuantitatif atau ditransfer dalam angka
maka cara mendeskripsi data dapat dilakukan dengan menggunakan statistika
deskriptif. Tujuan dilakukan analisis deskriptif dengan menggunakan
teknik statistika adalah untuk meringkas data agar menjadi lebih mudah dilihat
dan dimengerti.
Analisis deskriptif pada umumnya antara lain :
1. Mengukur tendensi sentral
Yang termasuk mengukur tendensi sentral ialah menghitung :
-
Mode atau skor yang
paling sering muncul disbanding skor-skor lainnya.
-
Median merupakan titik
atau skor yang posisinya membagi 50 persen di atas dan 50 persen di bawah (nilai
tengah).
-
Mean tidak lain adalah
rerata skor dari data yang ada.
2. Mengukur variabilitas
Setelah rerata dihitung biasanya seorang peneliti juga menghitung
variabilitas atau jarak penyebaran surat skor terhadap garis mean tersebut.
Adapun yang termasuk mengukur variabilitas ialah:
-
Standar deviasi
-
Varian
-
Quartil
-
Desil
-
Persentil
3. Mengukur perbandingan dan mengukur posisis skor : dalam tabel dan
diagram.
Hasil kuesioner yang telah diadministrasi selain ditampilkan dalam
sentral tendensi dan variasi, juga ditampilkan dalam bentuk gambar, termasuk
diagram dan table. Tujuan utamanya adalah agar para peneliti dapat dengan mudah
menyimpulkan apa arti semu fenomena yang terjadi di lapangan. Yang perlu
diperhatikan dalam menampilkan suatu data, seorang peneliti harus memahami
tentang variabel yang digunakan dalam penelitian.
Dari tabel yang telah dibuat dapat dilakukan analisis tabel, analisis hubungan
antara variabel-variabel, pengaruh antara variabel satu dengan variabel lain.
Adapun didalamnya terdapat hitungan tentang :
-
Korelasi untuk
menunjukkan tingkat hubungan
-
Membandingkan dua
kelompok bebas
-
Membandingkan dua
kelompok yang terkait
b. Melakukan inferensi (uji statistika)
Sering kali seorang
peneliti harus melakukan inferensi. Inferensi menurut (Good, 1977), is
commonly and loosely, they act of obtaining a judgment or logical conclusion
from given data or premise. Dalam metodologi penelitian seorang peneliti
sering dihadapkan pada dilematis melakukan tindakan untuk dapat menjustifikasi
kesimpulan secara logis atas dasar data yang ada atau premis yang terbatas.
Pendekatan yang digunakan ialah statistika inferensi yang
fungsinya untuk menentukan hasil dari analisis data yang berasal dari sampel (cuplikan)
dan menggunakan hasil tersebut sebagai hasil dari populasi.
Mengenai kapan seorang peneliti menggunakan inferensi dalam menganalisis data,
berikut akan disebut beberapa kondisi yang mendorong untuk melakukan inferensi
:
a. Keterbatasan dana, tenaga, dan waktu merupakan alasan klasik yang sering
dilakukan para peneliti untuk menggunakan inferensi dalam analisis data.
b. Menggunakan konsep populasi dan sampel dalam kegiatan pengambilan data.
c. Melakukan testing hipotesis.
d. Melakukan generalisasi hasil yang diperoleh.
Pemakaian analisis
inferensial bertujuan untuk menghasilkan suatu temuan yang dapat
digeneralisasikan secara lebih luas ke dalam wilayah populasi. Teknik
analisis dengan statistik inferensial adalah teknik pengolahan data yang memungkinkan
peneliti untuk menarik kesimpulan, berdasarkan hasil penelitiannya pada
sejumlah sampel terhadap suatu populasi yang lebih besar. Kesimpulan yang diharapkan
dapat dibuat dan dinyatakan dalam suatu hipotesis. Oleh karena itu, analisis
statistik inferensial juga bisa disebut analisis uji hipotesis.
Statistik inferensial
meliputi statistik parametris dan non parametris. Penggunaan statistik
parametris dan non parameter tergantung pada asumsi dan jenis data yang akan
dianalisis. Statistik parametris memerlukan terpenuhinya banyak asumsi. Asumsi
yang utama adalah data yang akan dianalisis harus berdistribusi normal.
Selanjutnya dalam penggunaan salah satu tes mengharuskan data dua kelompok atau
lebih yang diuji harus homogen, dalam regresi harus terpenuhi asumsi
linieritas. Statistik non parametris tidak menuntut terpenuhinya banyak asumsi,
misalnya data yang akan dianalisis tidak harus berdistribusi normal. Oleh
karena itu statistik parametris mempunyai kekuatan yang lebih dari statistik non
parametris, bila asumsi yang melandasi dapat terpenuhi.
Dalam statistik non parametris
analisis data berupa:
Ø Data Nominal
Alat ukur data yang
paling sederhana dalam pengukuran data ialah skala nominal. Skala nominal ini
mempunyai fungsi yang terbatas, yaitu mengidentifikasi dan membedakan.
Data nominal juga sering disebut data diskrit, kategorik, atau dikotomi.
Disebut demikian karena data ini memiliki sifat terpisah antara satu dengan
lainnya, baik pemisahan tersebut terdiri dari dua bagian atau lebih, dan di
dalam pemisahan itu tidak terdapat hubungan sama sekali. Masing-masing kategori
memiliki sifat tersendiri yang tidak ada hubungannya dengan kategori lainnya.
Sebagai contohnya ialah, untuk membedakan tim sepak bola yang berlaga,
ditunjukkan dengan warna kostum atau seragam. Misalnya tim sepak bola dari
Negara-negara; Italia (biru putih), Brasilia (biru kuning), dan Belanda
(orange).
Ø Data Ordinal
Data ordinal adalah
data yang menunjuk pada tingkatan atau penjenjangan pada sesuatu keadaan.
Berbeda dengan data nominal yang menunjukkan adanya perbedaan secara
kategorik. Data ini memiliki dua fungsi yaitu membedakan san mengurutkan.
Artinya data ordinal juga memiliki sifat adanya perbedaan di antara obyek yang
dijenjangkan. Namun dalam perbedaan tersebut terdapat suatu kedudukan yang
dinyatakan sebagai suatu urutan bahwa yang satu lebih besar atau lebih tinggi
daripada yang lainnya. Data ordinal memiliki harga mutlak (dapat
diperbandingkan). Contoh dari data ini ialah; prestasi belajar siswa dapat
diklasifikasikan menjadi kelompok “baik”, “cukup”, dan “kurang”, atau ukuran
tinggi seseorang diklasifikasikan dengan “tinggi”, “sedang”, dan
“pendek”.
Sedangkan dalam statistik
parametris menggunakan analisis data yang berupa :
Ø Data Interval
Data interval tergolong
data kontinum yang mempunyai tingkatan yang lebih tinggi dibandingkan dengan
data nominal dan ordinal, karena mempunyai tingkatan yang lebih banyak lagi.
Data interval menunjukkan adanya jarak antara data yang satu dengan yang
lainnya. Contoh data interval misalnya hasil ujian, hasil pengukuran berat
badan, hasil pengukuran tinggi badan, dan lainnya.
Satu hal yang perlu
diperhatikan bahwa data interval tidak dikenal adanya nilai 0 (nol) mutlak.
Dalam hasil pengukuran (tes) misalnya mahasiswa mendapat nilai 0. Angka nol ini
tidak dapat diartikan bahwa mahasiswa tersebut benar-benar tidak bisa apa-apa.
Meskipun ia memperoleh nilai nol ia memiliki suatu pengetahuan atau kemampuan
dalam mata kuliah yang bersangkutan. Nilai nol yang diberikan oleh dosen
sebetulnya hanya merupakan atribut belaka, hanya saja pada saat ujian,
pertanyaan yang diujikan tidak pas seperti yang dipersiapkannya. Atau jawaban
yang diberikan tidak sesuai dengan yang dikehendaki soal.
Ø Data Rasio
Data rasio merupakan
data yang tergolong ke dalam data kontinum tetapi yang mempunyai ciri atau
sifat tertentu. Data ini memiliki sifat interval atau jarak yang sama seperti
halnya dalam skala interval. Namun, skala rasio masih memiliki ciri lain.
Pertama harga rasio memiliki harga nol mutlak, artinya titik nol
benar-benar menunjukkan tidak adanya suatu ciri atau sifat. Misalnya titik nol
pada skala sentimeter menunjukkan tidak adanya panjang atau tinggi sesuatu.
Kedua angka skala rasio memiliki kualitas bilangan riel yang berlaku
perhitungan matematis.
Contoh dari data ialah;
berat badan Rudi 70 kg, sedangkan Saifullah 35 kg. Keadaan ini dapat
dirasiokan bahwa berat badan Rudi dua kali berat badan Saifullah. Atau berat
badan Saifullah separuh dari berat badan Rudi. Berbeda dengan data interval
misalnya Rudi ujian dapat 70 sementara Saifullah memperoleh 30. Hal ini
tidak dapat diartikan bahwa kepandaian Rudi dua kali lipat
kepandaian Saifullah.
III.
Penutup
Dari uraian di atas, dapat disimpulkan bahwa teknik analisis kuantitatif dibagi menjadi dua, yaitu mendeskripsikan data
dan melakukan inferensi (uji statistika). Mendeskripsikan data berarti menggambarkan data yang ada guna memperoleh bentuk nyata, sehingga lebih
mudah dimengerti. Sedangkan melakukan inferensi berarti menentukan hasil dari
analisis data yang berasal dari sampel (cuplikan) dan menggunakan hasil
tersebut sebagai hasil dari populasi.
Demikianlah makalah yang dapat penulis paparkan. Semoga dapat berguna
sebagaimana mestinya.
DAFTAR PUSTAKA
Hadi, Amirul. Metodologi
Penelitian Pendidikan. 1998. Bandung : Pustaka Setia
Hasan, Iqbal. Analisis
Data Penelitian dengan Statistik. 2006. Jakarta : Bumi Aksara
Marzuki. Metodologi
Riset. 2005. Yogyakarta : Ekonisia
Sudjana, Djudju. Evaluasi Program Pendidikan Luar Sekolah. 2008.
Bandung : Remaja Rosdakarya
Sukardi. Metodologi
Penelitian Pendidikan. 2004. Jakarta : Bumi Aksara
http://youdant.wordpress.com/2011/06/13/98/
http://youdant.wordpress.com/2011/06/13/98/
http://youdant.wordpress.com/2011/06/13/98/
