P. 1
Teknik Pengolahan Dan Analisis Data

Teknik Pengolahan Dan Analisis Data

|Views: 161|Likes:
Published by lailypatmi

More info:

Published by: lailypatmi on Jun 13, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/29/2015

pdf

text

original

Kegiatan Belajar 1 KONSEP DASAR PENGOLAHAN DAN ANALISIS DATA

A. Standar Kompetensi Petatar mampu memahami konsep dasar pengolahan data dan analisis data dalam praktek penelitian

B. Kompetensi Dasar Setelah mempelajari kegiatan pembelajaran 1, petatar mampu: 1. Menjelaskan pengertian pengolahan data 2. Menjelaskan langkah-langkah pengolahan data 3. Menjelaskan pengertian analisis data 4. Menjelaskan jenis-jenis analisis data

C. Daftar Referensi Furqon. (2001). Statistika Terapan dalam Penelitian. Bandung: Alfabeta Nasution. (1996). Metode Penelitian Naturalistik Kualitatif. Bandung: Tarsito -------------. (2003). Metode Research (Penelitian Ilmiah). Jakarta: Bumi Aksara

D. Ringkasan Materi
1. Pengertian Pengolahan Data

Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah. Pengolahan data merupakan bagian yang amat penting dalam metode ilmiah, karena dengan pengolahan data, data tersebut dapat diberi arti dan makna yang berguna dalam memecahkan masalah penelitian. Data mentah yang telah dikumpulkan perlu dipecahpecahkan dalam kelompok-kelompok, diadakan kategorisasi, dilakukan manipulasi serta

1

diperas sedemikian rupa sehingga data tersebut mempunyai makna untuk menjawab masalah dan bermanfaat untuk menguji hipotesa atau pertanyaan penelitian. Mengadakan manipulasi terhadap data mentah berarti mengubah data mentah tersebut dari bentuk awalnya menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antara fenomena. Beberapa tingkatan kegiatan perlu dilakukan, antara lain memeriksa data mentah, sekali lagi, membuatnya dalam bentuk tabel yang berguna, baik secara manual ataupun dengan menggunakan komputer. Setelah data disusun dalam kelompok-kelompok serta hubungan-hubungan yang terjadi dianalisa, perlu pula dibuat penafsiran-penafsiran terhadap hubungan antara fenomena yang terjadi dan membandingkannya dengan fenomena-fenomena lain di luar penelitian tersebut. Berdasarkan pengolahan data tersebut, perlu dianalisis dan dilakukan penarikan kesimpulan hasil penelitian. Pengolahan data secara sederhana diartikan sebagai proses mengartikan data-data lapangan sesuai dengan tujuan, rancangan, dan sifat penelitian. Misalnya dalam rancangan penelitian kuantitatif, maka angka-angka yang diperoleh melalui alat pengumpul data tersebut harus diolah secara kuantitatif, baik melalui pengolahan statistik inferensial maupun statistik deskriptif. Lain halnya dalam rancangan penelitian kualitatif, maka pengolahan data menggunakan teknik non statitistik, mengingat data-data lapangan diperoleh dalam bentuk narasi atau kata-kata, bukan angka-angka. Mengingat data lapangan disajikan dalam bentuk narasi kata-kata, maka pengolahan datanya tidak bisa dikuantifikasikan. Perbedaan ini harus dipahami oleh peneliti atau siapapun yang melakukan penelitian, sehingga penyajian data dan analisis kesimpulan penelitian relevan dengan sifat atau jenis data dan prosedur pengolahan data yang akan digunakan. Di atas dikatakan bahwa pengolahan data diartikan sebagai proses mengartikan data lapangan, yang berarti supaya data lapangan yang diperoleh melalui alat pengumpul data dapat dimaknai, baik secara kuantitatif maupun kualitatif, sehingga proses penarikan kesimpulan penelitian dapat dilaksanakan. Dengan demikian, pengolahan data tersebut dalam kaitannya dengan praktek pendidikan adalah sebagai upaya untuk memaknai data atau fakta menjadi makna. Makna penelitian yang diperoleh dalam pengolahan data, tidak sampai menjawab pada analisis “kemengapaan” tentang makna-makna yang diperoleh. Misalnya dalam rancangan

2

penelitian kuantitatif, maka angka-angka yang diperoleh melalui alat pengumpul data tersebut harus diolah secara kuantitatif, baik melalui pengolahan statistik inferensial maupun statistik deskriptif. 2. Langkah-langkah Pengolahan Data

Dalam proses pengolahan data, ada sejumlah langkah-langkah ilmiah yang perlu dilakukan untuk memudahkan proses pengolahan data. Dari beberapa referensi tentang metode penelitian ilmiah, ada sejumlah langkah-langkah yang perlu dilakukan dalam proses pengolahan data, yaitu: (1) editing; (2) mengkode data atau kodefikasi data; dan (3) membuat tabulasi.

a. Editing

Sebelum data diolah, data tersebut perlu diedit lebih dahulu. Dengan perkataan lain, data atau keterangan yang telah dikumpulkan dalam buku catatan (record book), daftar pertanyaan ataupun pada interview guide (pedoman wawancara) perlu dibaca sekali lagi dan diperbaiki, jika di sana sini masih terdapat hal-hal yang salah atau yang masih meragukan. Kerja memperbaiki kualitas data serta menghilangkan keragu-raguan data dinamakan mengedit data. Beberapa hal perlu diperhatikan dalam mengedit data, yaitu: 1) Apakah data sudah lengkap dan sempurna? 2) Apakah data sudah cukup jelas tulisannya untuk dapat dibaca? 3) Apakah semua catatan dapat dipahami? 4) Apakah semua data sudah cukup konsisten? 5) Apakah data cukup uniform? 6) Apakah ada responsi yang tidak sesuai? Catatan harus sempurna dalam pengertian bahwa semua kolom atau pertanyaan harus terjawab atau terisi. Jangan ada satu pun dari jawaban terbiarkan kosong. Peneliti harus mengenal data yang kosong, apakah responden tidak mau menjawab, atau pertanyaanya yang kurang dipahami responden. Dalam mengedit data, hal-hal di atas harus diperjelas, dan jangan ada satupun pertanyaan ataupun pernyataan atau catatan yang kosong tidak terjawab. Jawaban atau catatan yang kosong harus disempurnakan dalam mengedit data.

3

Harus dilihat apakah catatan dapat dibaca atau tidak. Segala coret-coret harus diperjelas, segala kata-kata atau kalimat sandi harus diperjelas, baik kalimat ataupun huruf serta angka. Dalam mengedit, memperjelas catatan supaya dapat dibaca merupakan hal yang perlu sekali dikerjakan untuk menghilangkan keragu-raguan kemudian. Pekerjaan mengedit juga termasuk mengubah kependekan-kependekan yang dibuat menjadi kata-kata atau kalimat yang penuh. Kependekan hanya dapat dimengerti oleh peneliti atau pencatat data dan belum tentu dapat dimengerti oleh pembuat kode. Karena itu, segala kalimat atau kata-kata yang dipendekkan, ataupun angka yang dipendekkan, perlu diperjelas. Mengedit juga berarti melihata apakah data konsisten atau tidak. Jika ditemukan data tentang pendapatan dalam usaha tani, pendapatan di luar usaha tani yang tidak cocok dengan total pendapatan, maka carilah penyebab kesalahan tersebut! Apakah ada kesalahan dalam mencatat? Atau kesalahpahaman responden dalam menjawab pertanyaan? Juga perlu dicek, apakah instruksi dalam daftar pertanyaan diikuti secara seksama oleh responden atau tidak? Jika dalam jawaban sebenarnya diinginkan supaya berat dinyatakan dalam kg, sedangkan data yang tercatat mempunyai unit gram, maka jawaban tersebut harus diubah ke dalam unit yang dimintakan (kg). Jika dalam record book, kolom harus diisi dengan unit rumpun, sedangkan tertulis dengan unit batang, maka jawaban harus diperbaiki menjadi unit rumpun. Dengan perkataan lain, catatan atau jawaban harus dicek uniformitasnya. Dalam mengedit, juga perlu dicek pertanyaan-pertanyaan yang jawabannya tidak cocok. Jika banyak jawaban pertanyaan yang tidak sesuai, maka daftar pertanyaan tersebut perlu dikumpulkan, dan harus diklasifikasikan dalam satu kelompok. Jika hanya beberapa saja yang tidak cocok, mak hal ini merupakan kesalahan peneliti dan perlu diperbaiki. Perlu juga diperingatkan, jangan sekali-kali mengganti jawaban, angka, ataupun pertanyaanpertanyaan dengan maksud membuat data tersebut sesuai, konsisten, dan cocok untuk maksud tertentu. Menggantikan data orisinal demi mencocokkan dengan sesuatu keinginan peneliti, berarti melanggal prinsip-prinsip kejujuran intelektual (intellectual honesty). b. Kodefikasi Data

Data yang dikumpulkan dapat berupa angka, kalimat pendek atau panjang, ataupun hanya

4

“ya” atau “tidak”. Untuk memudahkan pengolahan, maka jawaban-jawaban tersebut perlu diberi kode. Pemberian kode kepada jawaban sangat penting artinya, jika pengolahan data dilakukan dengan komputer. Mengkode jawaban adalah menaruh angka pada tiap jawaban. 1) Kode dan Jenis Pertanyaan/Pernyataan

Pemberian kode dapat dilakukan dengan melihat jenis pertanyaan, jawaban, atau pernyataan. Dalam hal ini dapat dibedakan: a) Jawaban yang berupa angka Jawaban responden bisa dalam bentuk angka. Pertanyaan tentang pendapat per bulan, jawabannya sudah terang dalam bentuk angka. Misalnya, data berupa jumlah rupiah (Rp. 150,0)

b) Jawaban dari pertanyaan tertutup Jawaban pertanyaan tertutup adalah jawaban yang sudah disediakan lebih dahulu, dan responden hanya tinggal mencek saja jawaban-jawaban tersebut sesuai dengan instruksi. Responden tidak mempunyai kebebasan untuk memilih jawaban di luar yang telah diberikan.

c) Jawaban dari pertanyaan semiterbuka Pada jawaban semiterbuka, selain dari jawaban yang ditentukan, masih diperkenankan lagi jawaban lain yang dianggap cocok oleh responden. Jawaban yang diberada di luar dari yang telah disediakan perlu diberi angka tersendiri untuk kode.

d) Jawaban pertanyaan terbuka Pada pertanyaan terbuka, jawaban yang diberikan sifatnya bebas, sesuai dengan apa yang dipikirkan oleh penjawab, tanpa ada suatu batasan tertentu. Untuk membuat kode terhadap jawaban pertanyaan terbuka, jawaban- jawaban tersebut

5

harus dikategorikan lebih dahulu, atau dikelompokkan lebih dahulu sehingga tiap kelompok-kelompok berisi jawaban yang lebih kurang sejenis.

e) Jawaban pertanyaan kombinasi Jawaban pertanyaan kombinasi hampir serupa dengan jawaban pertanyaan tertutup. Selain dari jawabannya terpisah secara jelas, responden masih dapat dijawab kombinasi dari beberapa jawaban.

2) Tempat Kode Kode dapat dibuat pada IBM coding sheet, pada kartu tabulasi ataupun pada daftar pertanyaan itu sendiri. Jika data ingin diolah dengan komputer, maka kode harus dibuat pada coding sheet. a) Cooding Sheet Data untuk diolah dengan komputer kodenya harus dibuat pada coding sheet yang telah tersedia. Yang sering digunakan adaah IBM coding sheet. Coding sheet ini adalah lembaran kertas yang mempunyai 80 kolom dan 25 baris. Jika data yang dikode melebihi 80 kolom, maka cara pengisian kolom adalah:

(1) menyambung data responden tersebut ke baris kedua, atau (2) menyambung kode pada baris yang sama ke lembaran kedua dari coding sheet.

Dengan cara pertama, data dari tiap responden dapat dilihat dengan jelas pada satu lembar coding sheet saja. Untuk memudahkan, maka kode data untuk tiap variabel sebaiknya dijarangkan satu kolom. Di lain pihak, cara kedua tidak memperlihatkan data tiap responden pada satu lembaran kartu kode, tetapi cara ini lebih memudahkan dalam punching nantinya.

6

Sebelum kode dimasukkan dalam coding sheet, maka lebih dahulu ditentukan kolom-kolom berapa yang digunakan oleh variabel, dan bagaimana formatnya. Hal ini diatur dalam buku kode. Buku kode digunakan sebagai panduan dalam mengisi kode ke dalam coding sheet. Buku kode harus dibuat lebih dahulu dan berisi:

- nomor halaman daftar pertanyaan atau record book - nomor pertanyaan-pertanyaan ataupun data - nomor variabel - nama variabel atau singkatan variabel - nomor kolom coding sheet yang digunakan, dan - format

b) Kartu Tabulasi Jika data ingin dioleh dengan cara manual, maka kode dapat dituliskan dalam kartu tabulasi. Kode yang dimasukkan ke dalam kartu tabulasi sebelumnya, juga telah disusun dalam buku kode. Buku kode untuk kartu tabulasi sama saja dengan buku kode untuk coding sheet.

c) Membuat Tabulasi Membuat tabulasi termasuk dalam kerja memproses data. Membuat tabulasi tidak lain dari memasukkan data ke dalam tabel-tabel, dan mengatur angka-angka sehingga dapat dihitung jumlah kasus dalam berbagai kategori.

Tabel terdiri dari kolom dan baris (jajar). Tabel yang sederhana mempunyai 4 bagian penting, yaitu: (1) nomor dan judul tabel; (2) stub; (3) box head; dan (4) body (badan). Nomor atau judul tabel terletak di bagian paling atas dari tabel. Judul harus jelas, lengkap, sesuai dengan isi tabel dan tidak terlalu panjang. Isi tabel harus menyatakan; apa, dimana, dan bagaimana dari hal-hal yang dinyatakan dalam tabel.

7

Stub adalah bagian paling kiri dari tabel, termasuk kepala kolom, tetapi tidak termasuk jajar (baris) total. Dalam stub, terdapat keterangan-keterangan yang menjelaskan secara terperinci tentang hal-hal dan gambaran yang terdapat pada tiap kolom badan tabel (body). Body (badan tabel) terdiri atas kolom-kolom yang berisi angka-angka.

Dalam pengolahan data, ada tiga jenis tabel yang sering digunakan, yaitu: (1) tabel induk (master tabel); (2) tabel teks (text tabel); dan (3) tabel frekuensi. Tabel induk adalah tabel yang berisi semua data yang tersedia secara terperinci. Tabel ini biasa dibuat untuk melihat kategori data secara keseluruhan. Tabel teks adalah tabel yang telah diringkaskan untuk suatu keperluan tertentu. Tabel ini biasanya diletakkan dalam teks keterangan yang dibuat. Tabel frekuensi adalah tabel yang menyajikan berapa kali sesuatu hal terjadi. 3. Pengertian Analisis Data

Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. Step pertama dalam analisa adalah membagi data atas kelompok atau kategori-kategori. Kategori tidak lain dari bagian-bagian. Beberapa ciri dalam membuat kategori, adalah: a. Kategori harus dibuat sesuai dengan masalah dan tujuan penelitian. b. Kategori harus lengkap c. Kategori harus bebas dan terpisah d. Tiap kategori harus berasal dari satu kaidah klasifikasi e. Tiap kategori harus dalam satu level. Kategori harus sesuai dengan masalah penelitian, sehingga kategori tersebut dapat mencapai tujuan penelitian dalam memecahkan masalah. Dengan demikian, analisa yang dibuat akan sesuai dengan keinginan untuk memecahkan masalah. Kategori yang dibuat juga harus dapat menguji hipotesa yang dirumuskan.

8

Kategori harus lengkap, yang berarti bahwa semua subjek atau responden harus termasuk ke dalam kategori tersebut. Kategori juga harus bebas dan terpisah nyata. Tiap individu atau objek harus termasuk dalam satu kategori saja. Peneliti harus dapat membuat variabel sedemikian rupa sehingga tiap objek dapat dimasukkan dalam satu kategori, dan hanya satu kategori saja.

E. Saran-saran Implementasi

1. Strategi Implementasi Untuk mengimplementasikan konsep-konsep yang Anda pelajari dalam kegiatan pembelajaran 1, sebaiknya melakukan hal-hal berikut:

a. Baca referensi lain, yang memberikan penjelaskan mengenai pengertian pengolahan data dan maknanya bagi proses penarikan kesimpulan. b. Carilah, angket yang telah disebarkan dan diisi oleh responden, kemudian olah data data dari angket tersebut dengan berlandaskan pada langkah-langkah pengolahan data yang dijelaskan dalam kegiatan pembelajaran 1.

2. Evaluasi Implementasi Untuk mengetahui tingkat kebenaran dari konsep-konsep yang Anda terapkan, sebaiknya Anda melakukan pembahasan dengan rekan sejawat, dan diskusikan mengenai hal-hal yang dianggap sulit untuk dipahami. Solusi lainnya, Anda juga bisa juga membaca referensi lainnya.

F. Tes Formatif

Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A, B, C atau D

9

1. Proses menggiring data lapangan ke dalam makna penelitian, disebut … a. tabulasi data b. editing data c. pengolahan data d. analisis data 2. Pertanyaan yang mendasar dalam analisis data, adalah… a. kemengapaan b. berapa c. apa d. dimana

3. Proses mencek kembali data jawaban responden sebelum diolah, termasuk ke dalam kegiatan… a. editing b. tabulasi c. coding sheet d. triangulasi 4. Kodefikasi melalui sistem komputerisasi, menggunakan sistem… a. SPSS b. Modular c. Coding sheet d. Excel 5. Berikut adalah ciri-ciri pengkategorian data, kecuali… a. kategori harus lengkap b. kategori harus bebas dan terpisah c. kategori harus dalam satu level d. kategori harus heterogen

10

Kegiatan Belajar 2 ANALISIS KORELASI

A. Standar Kompetensi Petatar mampu menjelaskan jenis-jenis analisis korelasi dalam praktek penelitian. B. Kompetensi Dasar Setelah mempelajari kegiatan pembelajaran 2, petatar mampu: 1. Menjelaskan karakteristik analisis simetris 2. Menjelaskan karakteristik analisis asimetris 3. Menjelaskan karakteristik analisis timbal balik C. Daftar Referensi Moh. Nazir. (1985). Metode Penelitian. Jakarta: Ghalia Indonesia. Nasution. (1996). Metode Penelitian Naturalistik Kualitatif. Bandung: Tarsito -------------. (2003). Metode Research (Penelitian Ilmiah). Jakarta: Bumi Aksara

D. Ringkasan Materi
1. Analisis Korelasi Simetris

Apabila sebuah variabel berhubungan dengan variabel yang lain, tetapi adanya variabel tersebut bukan disebabkan atau bukan dipengaruhi oleh variabel yang lain, hubungan yang demikian disebut hubungan simetris. Hubungan simetris tersebut, dapat terjadi jika: a. Kedua variabel merupakan akibat dari suatu faktor yang sama; b. Kedua variabel merupakan indikator dari sebuah konsep yang sama; c. Hubungan yang terjadi disebabkan oleh faktor kebetulan saja. Misalnya seorang peneliti menganalisis dua buah variabel, yaitu meningkatnya penggunaan pupuk oleh petani dan meningkatnya jumlah radio yang dimiliki oleh petani. Meningkatnya penggunaan pupuk tidak dipengaruhi oleh meningkatnya jumlah radio di desa, tetapi peningkatan jumlah pupuk dan peningkatan jumlah radio disebabkan oleh sebuah faktor

11

yang sama, yaitu meningkatnya pendapatan petani. Hubungan antara kedua variabel di atas merupakan hubungan simetris saja. Hubungan simetris lainnya bisa saja berbentuk indikator dari sebuah konsep. Misalnya hubungan antara frekuensi membaca surat kabar dengan frekuensi menonton TV. Hubungan tersebut adalah hubungan simetris, karena frekuensi membaca surat kabar dan frekuensi menonton TV merupakan indikator terhadap konsep sentuhan media massa (mass media exposure). Hubungan simetris juga ditunjukkan dengan kehadiran dua variabel atau lebih secara beriringan yang disebabkan oleh faktor fungsional. Misalnya hubungan antara petani dengan kerbau pembajak, antara mahasiswa dengan dosen. Kehadiran dosen yang diiringi dengan kehadiran mahasiswa memperlihatkan hubungan simetris. Hubungan yang terjadi secara kebetulan juga termasuk hubungan yang simetris. Secara kebetulan, misalnya semua murid yang duduk di bangku depan dalam kelas tidak lulus ujian akhir. Hubungan antara duduk di bangku depan dan tidak lulus adalah hubungan simetris. 2. Analisis Korelasi Asimetris

Terdapat juga sejenis hubungan antara variabel di mana satu variabel mempengaruhi variabel yang lain, tetapi hubungan tersebut tidak timbal balik. Hubungan tersebut dapat berasal dari hubungan antar konsep. Hubungan antara variabel yang terjadi secara asimetris berjenis-jenis banyaknya. Pendekatan terhadap jenis hubungan asimetris dapat saja dari sudut berapa buah variabel yang berhubungan, atau dari sifat-sifat variabel tersebut yang berhubungan satu dengan yang lain. Ditinjau dari jumlah variabel yang berhubungan, maka hubungan asimetris dapat dibagi atas hubungan antara dua variabel, dan hubungan multivarian. Ditinjau dari sifat-sifat variabel yang mempengaruhi sifat variabel lain, maka jenis hubungan asimetris dapat dibagi atas: - Hubungan antara cara dan tujuan - Hubungan antara stimulus dan responsi - Hubungan antara watak dengan responsi - Hubungan antara prasyarat dan akibat - Hubungan antara ciri dengan tingkah laku atau watak - Hubungan yang tetap ada antara dua variabel

a. Hubungan Asimetris Berdasarkan Ciri

12

Pertama-tama mari kita lihat hubungan antara cara dan tujuan. Dalam hal ini cara merupakan variabel independen dan tujuan merupakan variabel dependen. Misalnya, hubungan asimetris antara konsep “rajin” dan “sukses”. Rajin mempengaruhi sukses, dan konsep ini menghasilkan hubungan asimetris antara variabel, yaitu “jumlah jam belajar per hari” mempengaruhi variabel “nilai ujian” atau “frekuensu kopulasi per minggu” mempengaruhi “jumlah anak” dan sebagainya. Jenis hubungan kedua adalah hubungan asimetris antara stimulus dan responsi. Stimulus merupakan variabel independen dan responsi adalah variabel dependen. Misalnya hubungan antara konsep “kesuburan tanah” dan “produktivitas”. Atau hubungan antara “dosis pupuk” (stimulus) dengan “produksi padi per hektar” (responsi). Pengaruh devaluasi terhadap peningkatan ekspor, pengaruh metode mengajar dengan prestasi belajar, pengaruh jarak tanam dengan produksi, pengaruh sinar matahari pagi terhadap penyakit rheumatik, dan pengaruh-pengaruh sejenis, merupakan hubungan asimetris antara stimulus dengan responsi. Hubungan ketiga adalah hubungan antara watak dan responsi. Yang dimaksud dengan watak adalah kecenderungan yang datangnya dari dari dalam untuk memperlihatkan responsi terhadap sesuatu, seperti sikap, nilai, kemampuan, dorongan, kepercayaan, dan sebagainya. Di lain pihak, stimulus datangnya dari luar. Responsi yang terjadi karena pengaruh watak dapat dilihat dari perilaku inovatif, perilaku politik, penggunaan pupuk, dan sebagainya. Misalnya hubungan antara konsep partisipasi (watak) dengan perilaku inovatif (responsi) dari petani. Hal ini dapat ditunjukkan oleh pengaruh “frekuensi menghadiri ceramah pertanian” dengan “penggunaan pupuk”. Atau pengaruh “frekuensi menghadiri rapat Golkar” dengan “memilih Golkar dalam Pemilihan Umum”. Hubungan asimetris lainnya adalah hubungan antara prasyarat dengan akibat yang terjadi. Misalnya, harga buku impor akan murah jika pajak impor buku dihapuskan. Hubungan antara jaminan hukum dan kebebasan mimbar juga merupakan hubungan antara prasyarat serta akibat yang ditimbulkannya. Hubungan antara ciri dengan tingkah laku atau watak juga merupakan hubungan yang asimetris. Yang dimaksud dengan ciri adalah sifat subjek yang tidak berubah seperti jenis kelamin, suku, kebangsaan, dan sebagainya. Misalnya, pendidikan mempengaruhi perilaku sosial. Pendapatan mempengaruhi perilaku ekonomi, dan sejenisnya. Hubungan asimetris lainnya, adalah yang selalu tetap ada antara dua variabel. Jika satu variabel muncul, maka variabel lain harus muncul pula, karena kedua hubungan tersebut tetap ada. Makin tua tanaman tahunan, makin banyak pula daunnya. Makin besar suatu

13

universitas makin bertambah rumit pula organisasinya.

b. Menurut Jumlah Variabel yang Berhubungan Hubungan asimetris dapat juga dibagi menurut jumlah variabel yang berhubungan. Dengan pendekatan ini, maka terdapat dua jenis hubungan asimetris, yaitu: - hubungan bivariat - hubungan multivariat Hubungan asimetris bivariat adalah hubungan yang terjadi yang menyangkut hanya dua variabel. Dalam hal ini, hubungan yang terjadi adalah antara sebuah variabel dependen dan sebuah variabel independen. Sudah jelas kedua variabel tersebut harus dianggap sebagai variabel yang amat penting dalam analisa yang dibuat, karena masih ada variabel-variabel lain yang mempengaruhinya tetapi variabel-variabel tersebut tidak dimasukkan ke dalam hubungan. Hubungan bivariat sebenarnya jarang terjadi. Karena itu, jika dihubungkan satu variabel dependen dengan sebuah variabel independen, maka harus dianggap bahwa variabel-variabel lain adalah konstan. Pola hubungan multivariat, adalah hubungan yang terjadi menyangkut lebih dari dua variabel. Dalam hal ini, terdapat sebuah variabel dependen dan dua atau lebih variabel independen. Misalnya, terdapat hubungan asimetris antara jumlah beras yang diminta dengan harga beras, pendapatan, dan harga barang-barang lain. Jika dianalisa hubungan antara jumlah biaya dengan produksi, maka hubungan yang dianalisa adalah hubungan bivariat. Jika dianalisa konsumsi daging dengan pendapatan dan pendidikan, maka hubungan asimetris adalah hubungan multivariat. Dalam mengadakan analisa asimetris, peneliti dapat juga menggunakan model matematik untuk menyederhanakan hubungan yang terjadi. Misalnya, jika ingin dilihat variabel-variabel yang mempengaruhi penawaran dari beras, maka model dapat didasarkan pada teori yang menyatakan bahwa penawaran dari beras bergantung dari harga beras, harga barangbarang lainnya, dan cuaca, dan sebagainya. Secara matematis, hubungan tersebut dapat diformulasikan sebagai berikut:

14

Fungsi di atas bisa dibentuk linier ataupun nonlinier (kuadrat, pangkat tiga, dan sebagainya). Hubungan yang selalu dikaji adalah hubungan linier, yaitu:

3. Analisis Korelasi Timbal Balik

Di samping hubungan simetris dan asimetris, ada jenis korelasi lainnya yang dapat dianalisis. Hubungan tersebut dinamakan hubungan timbal balik. Jika ada dua buah variabel X dan Y yang berhubungan, maka hubungan antara X dan Y tersebut mempunyai hubungan timbal balik, jika hubungannya mempunyai dua arah. Dengan perkataan lain, X mempengaruhi Y dan sebaliknya Y mempengaruhi X, disebut juga sebagai hubungan bolak balik. Dalam hubungan bolak balik, kita tidak tahu yang mana sebab dan yang mana akibat. Jika pada suatu ketika variabel X mempengaruhi Y, maka pada waktu lain, variabel Y mempengaruhi X. Misalnya, hubungan antara “investment” dan “keuntungan”. Investment dapat mempengaruhi keuntungan, tetapi keuntungan juga dapat mempengaruhi investment. Pendapatan dapat mempengaruhi pendidikan, dan sebaliknya pendidikan dapat pula mempengaruhi pendapatan.

15

E. Saran-saran Implementasi

1. Strategi Implementasi

Untuk memahami dan mampu mengimplementasikan konsep-konsep tentang analisis korelasi, maka Anda disarankan untuk merumuskan judul-judul penelitian, yang menggambarkan adanya a. Analisis simetris b. Analisis asimetris c. Analisis timbal balik

2. Evaluasi Implementasi

Hasil pekerjaan Anda mengenai judul-judul penelitian yang mewakili ketiga jenis analisis korelasi di atas, diskusikan dengan kelompok belajar, dan lakukan revisi. F. Tes Formatif

Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A, B, C atau D

1. Dalam sebuah penelitian, menggambarkan korelasi dua variabel yang tidak saling mempengaruhi, maka penelitian tersebut sebaiknya menggunakan analisis… a. timbal balik b. simetris c. asimetris d. silang 2. Penelitian berjudul “hubungan metode mengajar terhadap aktivitas siswa dalam belajar”. Metode mengajar dalam penelitian tersebut, dinamakan variabel… a. bebas b. terikat c. interprening

16

d. mediator 3. Berikut adalah ciri-ciri dari hubungan simetris, kecuali… a. kedua variabel merupakan akibat dari suatu faktor yang sama b. kedua variabel merupakan indikator dari sebuah konsep yang sama c. hubungan yang terjadi disebabkan oleh kebetulan saja d. hubungan antara variabel bersifat independen 4. Sebuah penelitian, “hubungan pemberian insentif dengan loyalitas, disipllin, dan kinerja pegawai”. Untuk menganalisis data penelitian tersebut, sebaiknya menggunakan analisis… a. Bivariat b. Multivariat c. Regresi linier d. Multiple Regresi

5. Manakah pernyataan berikut yang menunjukkan pengertian analisis korelasi timbal balik? a. analisis yang digunakan untuk memaknai dua variabel yang saling mempengaruhi b. analisis yang digunakan untuk memaknai pengaruh variabel X terhadap variabel Y c. analisis yang digunakan untuk memaknai hubungan dua atau lebih variabel d. analisis yang digunakan untuk memaknai perbedaan nilai antara dua variabel

17

Kegiatan Belajar 3 ANALISIS SOSIOMETRIK DAN SEMANTIK

A. Standar Kompetensi Petatar mampu memahami konsep analisis sosiometrik dan analisis semantik. B. Kompetensi Dasar Setelah mempelajari kegiatan pembelajaran 3, petatar mampu: 1. Menjelaskan langkah-langkah operasional analisis sosiometrik 2. Menjelaskan langkah-langkah operasional analisis semantik C. Daftar Referensi Moh. Nazir. (1985). Metode Penelitian. Jakarta: Ghalia Indonesia. Nasution. (1996). Metode Penelitian Naturalistik Kualitatif. Bandung: Tarsito -------------. (2003). Metode Research (Penelitian Ilmiah). Jakarta: Bumi Aksara

D. Ringkasan Materi

1. Analisis Sosiometrik

Analisis sosiometrik adalah analisis dalam mengadakan pilihan. Pilihan tersebut, dapat saja mengenai pilihan terhadap orang, terhadap partai politik, pilihan terhadap kelompok minoritas, pilihan terhadap pengaruh, pilihan terhadap garis komunikasi dan sebagainya. Secara umum, analisis sosiometrik dapat dilakukan dengan tiga cara, yaitu:

a. Analisis dengan Matriks Sosiometrik Matrik tidak lain dari pengaturan angka dalam suatu segi empat. Matrik sosiometrik, adalah matrik yang memuat angka-angka dalam penentuan pilihan, dan matrik ini mempunyai kolom dan jajar (baris) yang sama. Angka dalam matriks dinamakan elemen atau unsur dari matrik tersebut. Jika jumlah subjek adalah n, maka matrik sosiometrik mempunyai n x n

18

unsur. Jika jajar matrik adalah 1, 2, …, i dan kolomnya adalah 1, 2, …, j, maka tiap elemen atau unsur matrik dapat kita sebut aij. Dengan perkataan lain, a11 adalah unsur matrik pada jajar (baris) 1 dan kolom 1: a42 adalah unsur matrik pada jajar (baris) 4 kolom 2. Misalnya kepada 8 orang murid disuruh memilih 3 orang murid yang disukainya, yaitu: - yang paling disukainya diberi angka 3 - yang disukainya diberi angka 2 - yang disukainya lebih rendah diberi angka 1 - yang tidak terpilih diberi angka 0 Angka-angka tersebut dapat dibuat dalam matriks sosiometrik, misalnya si A memilih si B yang paling disukainya, si D yang kedua disukainya, dan si E yang nomor 3 disukainya, maka angka-angka nilai ranking dijadikan sebagai unsur dari matriks. Sesudah semua nilai terkumpul, maka matriks dapat disusun sebagai berikut:

A A B C D E F 0 0 0 0 0 0

B 3 0 3 3 3 3

C 0 3 0 2 2 0

D 2 2 1 0 0 1

E 1 0 0 1 0 2

F 0 1 2 0 1 0

Dalam matriks tersebut, kita baca, bahwa si A memilih si B sebagai yang paling disukainya (dengan ranking 3), si D sebagai kesukaannya nomor dua (ranking 2) dan si E yang ketiga (ranking 1). Si C memilih B sebagai paling yang disukainya (ranking 1). Jika dibaca menurut kolom, maka matriks tersebut berarti bahwa: B terpilih oleh semua murid lainnya. Si A yang paling tidak disenangi oleh semua murid, karena tidak ada satu orang pun yang memilih dia. Dari penjumlahan di atas dapat dilihat bahwa B adalah murid yang paling populer. Ia dipilih oleh semua murid-murid lain, dan setiap pilihan mempunyai nilai 3. Yang paling tidak populer adalah si B, karena tidak ada satu orang pun yang memilih dia. b. Analisis dengan Indeks Sosiometrik Banyak indeks telah dipergunakan dalam analisa sosiometrik. Dua indeks yang paling sederhana adalah:

19

1) indeks status pilihan; Indeks status pilihan memperlihatkan bagaimana baik atau buruknya sesuatu subjek pilihan. Indeks ini mempunyai rumus sebagai berikut:

dimana: n = jumlah sampel P1 = total pilihan kepada subjek I ISP1 = indeks status pilihan subjek I 2) Indeks derajat kepaduan (cohisiveness) dalam situasi pilihan tidak terbatas Berbeda dengan matriks, status pilihan yang menyangkut pilihan terhadap perorangan, maka indeks derajat keterpaduan memperlihatkan derajat kepaduan dari kelompok. Dalam memilih, subjek dapat saja dibatasi untuk memilih beberapa anggota kelompok saja atau jumlahnya tidak dibatasi. Subjek diberi instruksi untuk memilih dan mengadakan ranking pilihan terhadap semua anggota kelompok. Yang pertama adalah situasi pilihan terbatas, sedangkan keadaan kedua adalah situasi pilihan tidak terbatas. Pada situasi dimana pilihan tidak dibatasi, rumus untuk mencari indeks derajat kepaduan, adalah:

c. Analisis dengan Sosiogram Seperti telah diketahui, i dan j selalu berhubungan, baik hubungan sepihak atau hubungan mutual. Hubungan ini dapat ditulis sebagai i H j. Hubungan ini dapat saja: i adalah kawan j, i mendominasi j, i mempengaruhi j, i berkomunikasi dengan j, sebagainya. Simbolnya dapat dibuat secara lebih spesifik.

20

2. Analisis Semantik

Dalam analisa perbedaan semantis, peneliti dihadapkan kepada kajian skala yang telah diberikan pada sifat-sifat bipolar, baik dalam kategori evaluasi, potensi ataupun kegiatan. Hasil skor rata-rata dari konsep menurut skala tertentu, dituangkan dalam sebuah matriks A, dimana unsur aij merupakan skor dari faktor i, dengan konsep j, dan i diletakkan pada jajar (baris), sedangkan konsep diletakkan pada kolom. Analisa dapat dikerjakan dengan menggunakan analisa varian, tetapi analisa sering dilakukan adalah dengan cara yang lebih mudah, yaitu dengan menggunakan analisa jarak klaster ataupun analisa skor faktor. E. Saran-saran Implementasi

1. Strategi Implementasi Untuk mengimplementasikan konsep-konsep yang Anda pelajari dalam kegiatan pembelajaran 3, Anda dapat melakukan hal-hal berikut: a. Lakukan pengamatan terhadap posisi murid-murid yang Anda ajar dengan menggunakan teknik sosiometris b. Untuk melaksanakan pemetaan sosiometris tersebut, buatlah angket dengan atau pertanyaan dengan memberikan dua pilihan jawaban (teman yang disenangi dan teman yang tidak disenangi). 2. Evaluasi Implementasi Untuk mengevaluasi pelaksanaan teknik sosiometrik yang telah Anda lakukan, maka Anda dapat melakukan diskusi kelompok dengan rekan sejawat, terutama mengenai analisa perhitungannya. Buatlah rangkuman hasil diskusi dengan rekan sejawat tersebut, sebagai bahan refleksi untuk meningkatkan pemahaman Anda tentang teknik analisa sosiometrik! F. Tes Formatif

Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A, B, C atau D

1. Untuk mengetahui posisi atau status sosial anggota populasi dalam suatu populasi, sebaiknya menggunakan teknik analisa… a. korelasi b. sosiometrik

21

c. semantik d. statistik 2. Angka dalam matrik disebut,… a. varian b. variabel c. elemen d. komponen

3. Untuk mengetahui posisi kelompok dalam suatu populasi, sebaiknya menggunakan teknik… a. indeks keterpaduan b. indeks matriks c. sosiometrik tunggal d. semantik

4. Berikut adalah syarat-syarat data yang dapat dianalisis dengan menggunakan teknik semantis, kecuali… a. Skala bipolar b. Kategori evaluasi c. Kategori potensi d. Kategori proses 5. Individu yang mendapatkan pilihan terbanyak dalam suatu populasi, disebut… a. star b. sampel c. variabel d. elemen

22

Kegiatan Belajar 4 ANALISIS ANALISIS DATA DESKRIPTIF

A. Standar Kompetensi Petatar mampu memahami langkah-langkah analiisis data deskriptif B. Kompetensi Dasar Setelah selesai mempelajari kegiatan pembelajaran 4, petatar mampu: 1. Menjelaskan penerapan konsep metode statistik secara tepat 2. Menjelaskan perbedaan tingkat-tingkat pengukuran dalam metode statistik C. Daftar Referensi Arikunto, (1998). Prosedur Penelitian Suatu Pendekatan Praktek, Rineka Cipta, Jakarta. John. W. Best. (1992). Metodologi Penelitian Pendidikan, Usaha Nasional, Surabaya.

D. Ringkasan Materi
1. Pengertian metode statistik

Para ahli mengatakan bahwa, statistik merupakan seperangkat teknik matematik untuk mengumpulkan, mengorganisasi, menganalisis dan menginterpretasi data angka. Metode statistik digunakan untuk membuat deskripsi dan analisis. Metode Statistik diterapkan secara tepat didasarkan pada jawaban-jawaban dari pertanyaan-pertanyaan yang perlu Anda pahami sebagai berikut: a. Fakta-fakta apakah yang akan dikumpulkan untuk memberikan informasi yang dibutuhkan rangka menjawab hipotesis? b. Bagaimana fakta itu akan diseleksi, dikumpulkan, diorganisasikan dan dianalisis? c. Asumsi-asumsi apakah yang mendasari metodologi statistik yang hendak dipakai? d. Kesimpulan-kesimpulan apakah yang hendak ditarik secara valid dari analisis data? Tujuan akhir dari penggunaan statistik dalam mengorganisasi dan menganalisis data

23

penelitian adalah mengembangkan generalisasi yang bisa digunakan untuk memperjelas fenomena dan memprediksi peristiwa pada masa yang akan datang.

2. Tingkat-tingkat pengukuran

Didasarkan pada sifat variabel dan ketepatan instrumen penelitian yang digunakan, tingkat pengukuran atau skala pengukuran, dibedakan menjadi empat macam yaitu:

a. Skala Nominal, merupakan skala pengukuran yang menggambarkan perbedaan berbagai hal berdasarkan pada kategori-kategori, tidak menunjukkan adanya kriteria urutan tinggi rendah dalam kedudukan. Skala nominal ini adalah metode kuantifikasi tingkat terendah. Contoh: setiap anggota dalam tim sepak bola, jenis kelamin ( pria, wanita), guru utama, guru madya, guru muda, agama, tingkat pendidikan dan lain sebagainya. Itu semua hanya merupakan kategori dalam kelompok, tidak merupakan tingkatan paling tinggi sampai ke paling rendah.

b. Skala Ordinal, merupakan skala yang menyatakan perbedaan jumlah dan tingkatnya. Bisa pula merupakan urutan kedudukan klasifikasi yang bisa dinyatakan “lebih besar daripada atau lebih kecil daripada”. Data ordinal dinyatakan dalam bentuk posisi relatif atau urutan kedudukan dalam suatu kelompok: ke 1, ke 2, ke 3, ke 4, dan seterusnya. Ukuran ordinal dinayatakan dalam harga mutlak. Dapat Anda perhatikan contoh skala ordinal yang digambarkan sebagai berikut:

Nama subyek Nono Supriyatno Hasan Rohyadi Undang Budiman Wawan Surawan

Tinggi Selisih(Cm.) Jenjang(ranking) badan(Cm.) 172 169 165 160 158 3 4 5 2 1 2 3 4 5

Tabel 1.5 Contoh skala ordinal

24

c. Skala Interval, merupakan suatu skala yang didasarkan pada unit-unit pengukuran yang sama, menunjukkan besar kecilnya suatu sifat atau karakteristik tertentu. Skala interval tidak memiliki harga nol mutlak. Misalnya perbedaan jarak karakteristik yang dimiliki siswa yang mencapai skor 90 dan 91, diasumsikan sama dengan perbedaan jarak karakteristik yang dimiliki oleh siswa yang mencapai skor 70 dan 71. Skala interval menunjukkan besarnya karakteristik yang sebenarnya.

d. Skala Rasio, sebenarnya skala ini memiliki interval yang sama dengan skala interval, namun masih ada ciri lainnya yaitu bahwa, skala rasio memiliki harga nol mutlak, misalnya: titik nol pada skala sentimeter, menunjukkan tidak adanya panjang atau tinggi sama sekali. Ciri lainnya lagi dari skala rasio ini, yaitu skala rasio memiliki kualitas bilangan nyata (riil) yang dapat dijumlahkan, dikurangi, dikalikan, dibagi yang dinyatakan dalam hubungan rasio. Contoh: 10 gram sama dengan dua kali lima gram, tiga gram adalah separo dari enam gram, dan seterusnya. 3. Data Parametrik dan data Nonparametrik

Penggunaan cara pengolahan data menurut statistik, harus dapat dipahami adanya dua jenis data, yaitu data parametrik dan data nonparametrik. a. Data parametrik, adalah jenis data yang terukur, menggunakan tes statistik yang diasumsikan bahwa, data tersebut memiliki distribusi normal atau mendekati normal. Tes parametrik digunakan untuk data berskala interval ataupun data berskala rasio. b. Data nonparametrik, adalah jenis data yang dihitung atau diranking. Tes statistik nonparametrik merupakan tes bebas distribusi, tidak berdasarkan pada asumsi bahwa populasinya berdistribusi normal. Tabel berikut menunjukkan ikhtisar tingkat-tingkat deskripsi kuantitatif dan jenis-jenis analisis statistik yang sesuai untuk setiap pengukuran ( W. Besst, 1982 : 252). Tabel 2.5 Ikhtisar tingkat-tingkat deskripsi kuantitatif dan jenis analisis statistik yang sesuai untuk setiap pengukuran

25

4. Analisis Deskriptif dan Analisis Inferensial

a. Analisis Deskriptif, analisis statistik deskriptif membatasi lingkup generalisasinya hanya pada kelompok individu tertentu yang diobservasi, kesimpulannya tidak diperluas atau tidak berlaku bagi kelompok lain. Sekalipun antara kelompok yang diobservasi dengan kelompok lain terdapat kesamaan, tidak bisa kita menggeneralisasikannya berlaku pada kelompok lain tersebut. Dengan demikian data deskriptif hanya menggambarkan satu kelompok dan generalisasinya hanya untuk kelompok itu sendiri. Analisis deskriptif sangat cocok digunakan pada penelitian tindakan atau actin research.

b. Analisis Inferensial, analisis statistik inferensial selalu berkaitan dengan proses sampling dan pemilihan sekelompok kecil (sampel) yang diasumsi berhubungan dengan kelompok besar (populasi) tempat sampel itu diambil. Tujuan dilakukan analisis statistik inferensial, yaitu untuk penarikan kesimpulan tentang populasi didasarkan pada hasil observasi sampel. Dalam analisis ini, statistik dihitung dari sampel yang digunakan untuk memperkirakan parameter dan mengenakan nilai pada populasi tempat sampel itu diambil. Dengan demikian dapat dilakukan perkiraan tentang karakteristik populasi melalui analisis karakteristik sampel yang diambil dari populasi itu. 5. Organisasi Data

Untuk memudahkan analisis dan interpretasi, data hasil penelitian memerlukan proses

26

pengorganisasian atau orgtanisasi data. Data yang belum diorganisasi terlebih dahulu, akan sulit diinterpretasi. Perhatikanlah contoh berikut.

Agus S, Dedi P.

60

Sadiah, Ana L, Reni

78

Wahwan, Hasti, Sinta

90

Anjar, Anny, Rita S,

70

Rosyid, Dadan

88

Rangkaian skor-skor tersebut kita susun berdasarkan urutan besarnya yaitu: 60 88 78 70 60 Susunan tersebut diatas mencerminkan adanya susunan yang lebih “enak”, dan mudah dikenali bahwa skor tertinggi 90, skor terendah 60 dan skor tengah 78. Sehingga mencari rentang skor (selisish antara skor tertinggi dengan skor terendah, ditambah satu) dapat kita tetapkan secara mudah. Contoh lain tentang data tak-berkelompok dapat diorganisasi seperti contoh pertama, misalnya dapat Anda perhatikan tabel 3.5 berikut: Skor 37 siswa SMU dalam tes pelajaran Biologi 98 88 85 80 78 76 70 60

97 87 84 80 78 75 70 57

27

95 87 82 80 78 73 67

93 85 82 80 77 72 67

90 85 82 80 76 70 64

Distribusi data berkelompok, akan lebih jelas jika skor-skornya dikelompokkan dengan penggunaan kolom yang memuat frekuensi. Data demikian dapat disajikan dalam tabel frekuensi dengan interval-interval kelas yang bebeda, bergantung pada jumlah dan rentang (range) skor-skor yang ada. Untuk memperjelas gambaran tersebut, coba perhatikan contohnya yang tertera dalam tabel 4.5 dibawah ini. Tabel 4.5 Skor tes mata pelajaran Bahasa Inggris (interval 3)

Interval Lajar Frekuensi (f) Skor (tally) 2 97 - 99 1 94 - 96 1 91 - 93 2 88 - 90 5 85 - 87 4 82 - 84 5 79 - 81 6 76 - 78 2 73 - 75 4 70 - 72 2 67 - 69 1 64 - 66 0 61 - 63 1 58 - 60 1 55 - 57 N = 37

Meliputi skor-skor 97 98 99 94 95 96 91 92 93 88 89 90 dan seterusnya

Interval skor yang sering digunakan pada umumnya adalah interval 10. Interval yang jumlah satuannya ganjil, akan mudah ditentukan titik tengahnya karena berupa bilangan bulat. Coba perhatikan contoh berikut.

28

Interval ganjil : 5 6 7 8 9 ( titik tengah = 7) (5 unit skor) Interval genap : 8 9 10 11 ( titik tengah = 9,5) (4 unit skor) Berdasarkan contoh distribusi skor dalam tabel 4.5 diatas, maka dapat diketahui: Skor tertinggi = 98 Skor terendah = 57 Maka rentang = (98 – 57) + 1 = 42 Intervalnya adalah membagi rentang dengan 15 (ditentukan berdasarkan jumlah interval berkisar antara 10 sampai 20). Interval = 42 : 15 = 2,80, maka 2,80 dibulatkan = 3 (pilih interval 3) E. Saran-saran Implementasi

1. Strategi Implementasi a. Buatlah perencanaan pelatihan bersama kelompok belajar Anda, cari contoh sebanyak mungkin data tentang hasil pembelajaran, lakukan pelatihan mengorganisasikan data yang Anda peroleh itu. b. Jka Anda guru, coba upayakan tanamkan kebiasaan pada siswa untuk belajar mengorganisasikan data. 2. Evaluasi Implementasi Untuk mengukur kemampuan Anda mengenai materi pembelajaran 4 ini, dari data yang telah Anda kumpulkan, lakukan analisis dan maknai hasilnya. F. Tes Formatif

Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A, B, C atau D

1. Berikut adalah pertanyaan-pertanyaan yang perlu dipahami peneliti dalam melaksanakan analisis statistik, kecuali… a. Fakta-fakta apakah yang akan dikumpulkan untuk memberikan informasi yang dibutuhkan rangka menjawab hipotesis? b. Bagaimana fakta itu akan diseleksi, dikumpulkan, diorganisasikan dan dianalisis? c. Asumsi-asumsi apakah yang mendasari metodologi statistik yang hendak dipakai?

29

d. Siapakah yang melaksanakan pengumpulan data?

2. Data lapangan yang menggambarkan tinggi badan, berat badan, termasuk ke dalam skala pengukuran… a. nominal b. ordinal c. interval d. rasio

3. Data yang diperoleh bersumber dari sampel penelitian di bawah 30 orang, maka analisis statistik yang tepat menggunakan… a. parametrik b. non parametrik c. inferensial d. deskriptif

4. Analisis terhadap sampel yang diasumsikan dapat membuat kesimpulan yang berlaku untuk populasi, maka menggunakan analisis statistik… a. parametrik b. non parametrik c. inferensial d. deskriptif

5. Analisis yang hanya menghasilkan kesimpulan yang berlaku pada sampel yang diteliti, disebut teknik analisis… a. parametrik b. non parametrik c. inferensial d. deskriptif

30

Kegiatan Belajar 5 PENGUKURAN TENDENSI SENTRAL DAN DISPERSI

A. Standar Kompetensi Petatar mampu memahami tentang ukuran-ukuran statistik yang berhubungan dengan pengolahan data. B. Kompetensi Dasar Setelah selesai mempelajari materi pada kegiatan pembelajaran 5, patatar mampu: 1. Menjelaskan pengukuran tendensi sentral atau rata-rata 2. Menjelaskan pengukuran dispersi C. Daftar Referensi Arikunto, (1998). Prosedur Penelitian Suatu Pendekatan Praktek, Rineka Cipta, Jakarta. John. W. Best. (1992). Metodologi Penelitian Pendidikan, Usaha Nasional, Surabaya.

D. Ringkasan Materi
1. Pengukuran Tendensi Sentral Ukuran rata-rata dalam statistik banyak ragamnya. Dalam penelitian pendidikan hanya tiga macam ukuran rata-rata yang sering digunakan yaitu, mean atau rata-rata hitung, median dan mode. Sekarang coba perhatikan masing-masing dari ketiga ukuran rata-rata yang dimaksud. a. Mean (M), sering disebut juga sebagai rata-rata hitung dari suatu distribusi. Contoh yang sudah dikenal sehari-hari misalnya rata-rata nilai rapor. Menghitung mean caranya adalah membagi jumlah total semua skor dengan jumlah unit-unit atau satuan skor. Dengan demikian dapat ditulis rumus matematisnya adalah:

31

dimana: M = Mean,

= jumlah X N = Skor-skor dalam suatu distribusi = Jumlah unit-unit skor

Contoh: X

6 5 4 3 2 1 = 21 N=6

Rumus mean akan beda jika datanya adalah data berkelompok, maka rumus mean itu menjadi:

dimana : = Titik tengah dari tiap intewrval f = Frekuensi (Jumlah skor pada tiap interval).

Contoh metode menghitung mean dalam data berkelompok dengan interval 3, coba perhatikan sebagai berikut.

X

f

f

32

13 – 15 10 – 12 7–9 4–6 1–3

1 4 2 6 3

14 11 8 5 2

14 44 16 30 6 f =110 N = 16 M = 6,88 = titik tengah interval

Sekarang bandingkan dengan contoh metode menghitung mean dengan data tunggal berikut. X 14 12 12 10 10 8 7 6 6 5 5 4 4 3 3 2

X= 111

33

Ternyata tampak bahwa hanya sedikit terjadi perbedaan skor mean yang dihitung dengan kedua metode itu. Sekarang kita tahu bahwa neanmerupakan ukuran yang paling berguna dari semua ukuran statistik, sehingga mean sebagai dasar untuk pengukuran-pengukuran statistik penting yang lainnya. b. Median (Md), median merupakan suatu titik (tidak harus selalu skor) yang membatasi separo skor bagian atas dan separo skor bagian bawah suatu distribusi. Untuk menentukan median yaitu dengan cara mengamati distribusi, tidak usah menghitungnya. Perhatikan contohnya sebagai berikut.

Contoh di atas merupakan distribusi dengan jumlah skornya ganjil, sehingga skor tengah (4) merupakan mediannya. Namun bila suatu distribusi dengan jumlah skornya genap, maka titik tengah antara kedua skor yang terletak di tengan distribusi itu. Perhatikan contohnya sebagai berikut.

Pada suatu distribusi tertentu, median mungkin merupakan ukuran tendensi sentral yang lebih nyata daripada mean

34

Sekarang perhatikan contoh lagi untuk lebih memperjelas Anda sebagai berikut. Di suatu sekolah swasta dengan lima orang guru tetap, gaji mereka (fiktif) sebagai berikut. Guru A 500.000 rupiah Guru B 380.800 rupiah Guru C 380.400 rupiah Guru D 380.200 rupiah Guru E 380.000 rupiah

2.021.400 rupiah

Rata-rata (mean) gaji kelompok tersebut digambarkan dengan penekanan yang bebeda oleh median gaji mereka (380.400 rupiah) daripada oleh mean gaji mereka (442.800 rupiah) yang sangat jauh berbeda dari keempat gaji guru itu. Dalam hal ini bila dibandingkan dengan mean (M), maka median (Md) kurang sensitif terhadap harga atau skor ekstrim pada setiap ujung distribusi. c. Mode (Mo), adalah skor yang paling sering terjadi atau paling sering muncul dalam suatu distribusi. Letaknya dapat diketahui dengan cara mengamati dari pada menghitung. Dalam suatu distribusi data berkelompok, diasumsikan bahwa mode menjadi skor tengah interval yang memiliki frekunsi paling banyak. Perhatikan contoh berikut.

35

Bisa saja dalam suatu distribusi terdapat lebih dari satu mode. Jika demikian maka distribusi tersebut disebut distribusi bimodel. Jika distribusi itu memiliki lebih dari dua mode, maka disebut distribusi multimodel. 2. Pengukuran Dispersi

Kita tahu bahwa ukuran tendensi sentral menggambarkan lokasi di sepanjang skala yang berurutan. Hal ini merupakan karakteristik distribusi data yang memerlukan analisis statistik lebih lanjut. Berikut ini contoh skor-skor yang ditarik dari dua kelompok siswa.

Kelompok I Siswa Widya Bella Fandi Fajar wahyudi Skor
100 90 80 70 60

Kelompok II Kelas I II III IV V Siswa Fauzi Jojon Tuminah Mahfud Unang Skor 82 81 80 79 78 =400 N=5 Kelas III III III III III

=400 N=5

Md = 80

Md = 80

Contoh tersebut menunjukkan bahwa Mean (M) dan Median (Md) dari kedua kelompok itu persis sama. Dengan demikian menunjukkan bahwa rata-rata tidak sepenuhnya menggambarkan perbedaan prestasi antara siswa kelompok I dan siswa kelompok II. Untuk membandingkan performan para siswa dari kedua kelompok tersebut, perlu menggunakan ukuran dispersi skor. 3. Deviasi dari Mean (x kecil)

Suatu skor yang dinyatakan sebagai jarak skor tersebut dari mean, dinamakan skor deviasi. Secara matematis, rumusnya:

36

x = (X - M) Jika suatu skor berada diatas mean, maka skor deviasinya bertanda positif, tetapi jika berada dibawah mean, maka skor deviasinya bertanda negatif. Perhatikan contoh berikut. Misalkan perbandingan skor-skor dari dua kelompok siswa yang dapat digambarkan sebagai berikut:

Kelompok I Siswa Agus Unang Rina Hasim Udin Skor
100 90 80 70 60

Kelompok II Siswa Sutarno Yeni Dodo Fadilah Kusnadi = 400 Skor 82 81 80 79 78 (X-M)=x +2 +1 0 -1 -2 =0

(X-M)=x +20 +10 0 -10 -20 =0

= 400
N kelompok I= 5, M kelompok I = 80 N kelompok II = 5 M kelompok II = 80

Dari contoh tersebut dapat diamati bahwa, jumlah deviasi skor dari mean adalah 0 atau dapat ditulis: (X - M) = 0 , jadi =0

Berdasarkan hal tersebut, dapat didefinisikan bahwa, mean adalah nilai dalam suatu distribusi yang jumlah skor deviasinya adalah sama dengan nol. E. Saran-saran Implementasi

1. Strategi Implementasi Buatlah suatu pelatihan bersama secara berkelompok untuk berlatih mengimplementasikan perhitungan tendensi sentral dan dispersi. Gunakan data skor nilai suatu mata pelajaran di SD atau SMP. 2. Evaluasi Implementasi

37

Untuk mengetahui tingkat kemampuan Anda dalam melakukan perhitungan tendensi, koreksikan hasil pengerjaan Anda oleh rekan sejawat yang mengerti langkah-langkah perhitungan tendensi!

F. Tes Formatif

Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda silang (x) pada pilihan A, B, C atau D 1. Rata-rata hitung dari suatu distribusi, disebut… a. Mean b. Mode c. Frekuensi d. Modus 2. Skor yang sering muncul, disebut… a. Mean b. Mode c. Frekuensi d. Modus 3. Distribusi yang memiliki dua atau lebih mode, disebut… a. Distribusi bimodel b. Distribusi multimodel c. Distribusi frekuensi d. Distribusi varian 4. Skor yang dinyatakan sebagai jarak skor mean disebut… a. deviasi b. frekuensi c. mode d. mean

38

5. Berikut adalah pengukuran tendensi sentral, kecuali… a. Mean b. Mode c. Modus d. Frekuensi

39

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->