You are on page 1of 25

TEKNIK ANALISIS DATA A.

Analisis Data Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta menyingkatkan data sehingga mudah untuk dibaca. Menurut Patton, 1980 (dalam Lexy J. Moleong 2002: 103) menjelaskan bahwa analisis data adalah proses mengatur urutan data, mengorganisasikanya ke dalam suatu pola, kategori, dan satuan uraian dasar. Sedangkan menurut Taylor, (1975: 79) mendefinisikan analisis data sebagai proses yang merinci usaha secara formal untuk menemukan tema dan merumuskan hipotesis (ide) seperti yang disarankan dan sebagai usaha untuk memberikan bantuan dan tema pada hipotesis. Jika dikaji, pada dasarnya definisi pertama lebih menitikberatkan pengorganisasian data sedangkan yang ke dua lebih menekankan maksud dan tujuan analisis data. Dengan demikian definisi tersebut dapat disintesiskan menjadi: Analisis data proses mengorganisasikan dan mengurutkan data ke dalam pola, kategori dan satuan uraian dasar sehingga dapat ditemukan tema dan dapat dirumuskan hipotesis kerja seperti yang didasarkan oleh data. 1. Statistika Deskriptif dan Inferensial Statistika deskriptif adalah statistika yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi. Statistika inferensial adalah teknik statistik yang digunakan untuk menganalisis data atau sampel dan hasilnya diberlakukan untuk populasi. Statistik ini akan cocok digunakan bila sampel diambil dari populasi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan secara random. 2. Statistik Parametris dan Nonparametris Statistik parametris digunakan untuk menguji parameter populasi melalui statistik, atau menguji ukuran populasi melalui sampel. Parameter populasi itu meliputi: rata-rata dengan notasi (mu), simpangan baku (sigma), dan

varians

. Sedangkan statistiknya meliputi: rata-rata (X bar), simpangan .

baku s, varians

Statistik non parametris tidak menguji parameter populasi, tetapi menguji distribusi. Penggunaan statistik parametris dan nonparametris tergantung pada asumsi dan jenis data yang akan dianalisis. Statistika parametris memerlukan banyak asumsi. Asumsi yang utama adalah data yang akan dianalisis 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 nonparametris tidak menuntut banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi normal. Oleh karena itu statistik parametris memiliki kekuatanyang lebih daripada statitistik nonparametris. B. Langkah-langkah Analisis Data Setelah data terkumpul dari hasil pengumpulan data, perlu segera digarap oleh peneliti, khususnya yang bertugas mengolah data. Di dalam buku-buku lain sering disebut pengolahan data. Ada yang menyebut data preparation, ada pula data analysis. Secara garisa besar, pekerjaan analisis data meliputi langkahlangkah: 1. Persiapan Kegiatan dalam langkah persiapan ini antara lain: a. Mengecek nama dan kelengkapan identitas pengisi. Apalagi, instrumennya anonim, perlu sekali dicek sejauh mana atau identitas apa saja yang sangat diperlukan bagi pengolahan data lebih lanjut. b. Mengecek kelengkapan data, artinya memeriksa isi instrumen pengumpulan data (termasuk pula kelengkapan lembaran instrumen). c. Mengecek macam isian data, jika di dalam instrumen termuat sebuah atau beberapa iten yang diisi tidak tahu atau isian lain bukan yang dikehendaki

peneliti, padahal isian yang diharapkan tersebut merupakan variabel pokok, maka item perlu didrop. Contoh : Sebagian dari penelitian kita dimaksudkan untuk melihat hubungan antara pendidikan orang tua dengan prestasi belajar murid. Setelah angket kembali dan isiannya kita cek, beberapa murid mengisi tidak tahu pendidikan orang tuanya, sebagian jawabannya meragukan dan sebagian lain dikosongkan. Dalam keadaan seperti ini maka maksud mencari hubungan pendidikan orang tua dengan prestasi belajar lebih baik diurungkan saja, dalam arti itemnya didrop, dan dihilangkan dari analisis. Yang dilakukandalam langkah persiapan ini adalah memilih atau menyortir data sedemikian rupa sehingga hanya data yang terpakai saja yang tinggal. Langkah persiapan bermaksud merapikan data agar bersih, rapi dan tinggal mengadakan pengolahan lanjutan atau menganalisis. 2. Pengolahan Data a. Skoring Setiap angket harus diskor dengan cara yang sama dan kriteria yang sama. Cara menskor yang paling baik adalah dengan dilakukan secara manual karena lebih teliti dan memiliki sensifitas yang tinggi jika terjadi penyimpangan. Akan tetapi jika dalam jumlah besar seperti pengambilan skor dari hasil angket ujian masuk ke perguruan tinggi, cara yang paling tepat adalah dengan menggunakan jasa komputer. Prinsip metode melakukan skor, baik yang dilakukan dengan komputer maupun manual adalah sama. Mereka mengelompokan dari jawaban yang ada dan kemudian

menempatkannya pada tempat yang semestinya. Yang perlu diperhatikan dalam skoring adalah perlu adanya ketepatan yang tinggi atau dengan kata lain, dengan kata lain kesalahan yang ditimbulkan oleh procedure harus minimal.

Kompeksitas proses skoring data pada umumnya tergantung dari jenis angket jawaban yang kembali termasuk misalnya angket tertutup atau angket terbuka. Melakukan skoring dari hasil kuesioner tertutup pada umumnya lebih mudah dan lebih cepat jika dibandingkan dengan hasil kuesioner yang terbuka atau jawaban bebas. Dengan angket tertutup, jawaban sudah diberikan alternatif dengan kelompok jawaban yang sudah ada. Untuk angket tertutup, jawabannya masih berupa uraian luas. Oleh karena itu perlu dilakukan dengan cara disaring dan dikelompokkan menurut jenis dan kategori jawaban. Hasil skoring ini perlu dicek kembali agar memiliki ketepatan yang tinggi, karena jika dicek ada kemungkinan terjadi kesalahan dalam melakukan skoring yang dapat berakibat terjadinya kesalahan pada langahlangkah selanjutnya. b. Tabulasi Setelah instrumen diskor, hasilnya ditransfer dalam bentuk yang lebih ringkas dan mudah dilihat. Mencatat skor secara sistematis akan memudahkan pengamatan data dan memperoleh gambaran analisisnya. Dari tabulasi, analisis data dapat dilakukan dengan cara yang sederhana yaitu dengan menggunakan prinsip analisis deskripsi, yaitu mencari jumlah skor, nilai rerata, standar penyimpangan, dan variasi penyebarannya. Data dapat pula ditampilkan dalam bentuk grafis untuk melihat ganbaran secara komprehensif. Menurut Nazir (2005;415), membuat tabulasi tidak lain dari memasukkan data ke dalam tabel-tabel, dan mengatur angka-angka sehingga dapat dihitung jumlah kasus dalam berbagai-bagai kategori. 1. Bagian-bagian Tabel Tabel terdiri dari kolom dan baris (jajar). Tabel yang sederhana mempunyai 4 bagian penting yaitu: 1) Nomor dan Judul tabel

Nomor dan judul tabel terletak di bagian paling atas dari tabel. Judul harus jelas, lengkap, sesuai dengan isi tabel dan tidak terlalu panjang. 2) Stub Stub adalah bagian paling kiri dari tabel, termasuk kepada kolom tetapi tidak termasuk pada jajar(baris) total. Dalam stub terdapat keteranganketerangan yang menjelaskan secara terperinci angka-angka pada jajar (baris) dalam body (badan) tabel. 3) Box head Box head, merupakan tempat dimana kepala kolom ditempatkan Box head memberi penjelasan secara terperinci tentang hal-hal gambaran yang terdapat pada tiap kolom dalam tabel (Body). 4) Body (badan) Judul Box head

Stub Body (Badan)

Total Footnote Sumber Tabel juga memiliki kotak tempat total. Tempat total ini terdiri dari total baris, total kolom dan juga grand total. Disamping itu, pada bagian bawah tabel juga ditempatkan footnote (jika ada), dan dibawahnya ditempatkan catatan tentang sumber data. 2. Jenis-Jenis Tabel Ada beberapa jenis tabel yang sering digunakan, antara lain: 1) Tabel Induk (master table)

Tabel induk adalah tabel yang berisi semua data yang tersedia secara terperinci. Tabel ini biasa dibuat untuk melihat kategori data secara keseluruhan. 2) Tabel Teks (text table) Tabel teks (teks table), adalah tabel yang telah diringkaskan untuk suatu keperluan tertentu. Tabelni biasanya diletekkan dalam teks keterangan yang dibuat. 3) Tabel Frekuensi. Tabel frekuensi adalah tabel yang menyajikan berapa kali sesuatu hal terjadi. Kategori dinyatakan dalam kelas tertentu dan terdapat dalam stub. Kelas atau kelompok diletekkan dalam kolom kedua, dan jika diinginkan suatu persentase dinamakan tabel frekuensi relatif, sedangkan jika angka kumulatif yang digunakan, maka tabel tersebut dinamakan tabel frekuensi kumulatif 3. Sifat-Sifat Tabel Sifat-sifat sebuah tabel menurut Nazir - Jelas - Merupakan suatu unitas - Akurat - Ekonomis - Memperlihatkan semua isi tabel secara jelas dan terang. 4. Cara Membuat Tabel langsung Selain memindahkan data yang sudah diberi kode kedalam coding sheet atau kedalam kartu tabulasi, data juga dapat dipindahkan langsung dari daftar pertanyaan kedalam tabel. Cara ini adalah cara yang termudah lebih-lebih untuk data yang variabelnya tidak lebih dari 100 buah. Tabel yang dibuat adalah tabel induk, dimana pada stub diurutkan jumlah responden sedangkan pada box head ditempatkan berjenis-jenis variabel. Tabel ini bentuknya panjang sekali dan dapat digunakan berlembarlembar.

Jika analisis data adalah membandingkan dua kelompok, maka data ditempatkan dalam kelompok yang berbeda. Di samping membandingkan antara penguasaan keterampilan antara dua kelompok, seorang peneliti dapat juga membandingkan misalnya kebutuhan kompetensi keselamatan kerja dengan kompetensi komunikasi. Dengan menggunakan prinsip tabulasi ini, seorang peneliti akan dapat menentukan arah selanjutnya teknik analisis apa yang diperlukan, tergantung dengan tujuan analisis data yang hendak dicapai. G.E.R. Burroughas mengemukakan klafikasi analisis data sebagai berikut: 1. Tabulasi data (the tabulation of the data) 2. Penyimpulan data (the summarizing of the data) 3. Analisis data untuk tujuan testing hipotesis 4. Analisis data untuk tujuan penarikan kesimpulan Termasuk ke dalam kegiatan tabulasi antara lain: 1. Memberikan skor (scoring) terhadap item-item yang perlu diberi skor. Misalnya tes, angket bentuk pilihan ganda dan sebagainya. 2. Memberikan kode terhadap item-item yang tidak diberi skor a. Jenis kelamin : laki-laki diberi kode 1 Perempuan diberi kode 0 b. Tingkat pendidikan: - Sekolah Dasar diberi kode 1 - Sekolah Menengah Pertama diberi kode 2 - Sekolah Menengah Atas diberi kode 3 - Perguruan Tinggi diberi kode 4. c. Banyaknya penataran yang pernah diikuti dikelompok dan diberi kode atas: - Mengikuti lebih dari 10 kali, diberi kode 1 - Mengikuti antara 1 sampai dengan 9 kali, diberi kode 2 - Tidak pernah mengikuti penataran diberi kode 0

3. Mengubah jenis data, disesuaikan atau dimodifikasikan dengan teknik analisis yang akan digunakan. Misalnya: - Data interval diubah menjadi data ordinal dengan membuat tingkatan. - Data ordinal atau data interval diubah menjadi data diskrit 4. Memberikan kode (coding) dalam hubungan dengan pengolahan data jika akan menggunakan komputer. Dalam hal ini pengolahan data memberikan kode pada semua variabel, kemudian mencoba menentukan tempatnya di dalam coding sheet (coding form), dalam kolom beberapa baris ke beberapa. Apabila akan dilanjutkan, sampai kepada petunjuk penempatan setiap variabrl pada kartu kolom (punc cord). Contoh pedoman pengkodean untuk penelitina tentang buku catatan murid adalah: X1. Kepandaian murid Pandai 1 = nilai rata-rata (kolom 02) Pandai 2 = nilai bahasa Indonesia (kolom 03) Pandai 3 = frekuensi tidak naik kelas X2. Latar belakang orang tua Pendiko Pekerjo Dukungan = pendidikan orang tua (kolom 05 + 06) = pekerjaan orang tua (kolom 07 + 08) = pemberian buku dengan segera (kolom 09)

X3. Kepedulian guru terhadap catatan Pedugu 1 Pedugu 2 Pedugu 3 Pedugu t = kepedulian guru fisik (kolom 10a) = kepedulian guru bahasa (kolom 10b) = kepedulian guri isi (kolom 10c) = kepedulian guru total (kolom 10 d)

X4. Kepedulian orang tua terhadap catatan Peduor 1 Peduor 2 Peduor 3 Peduor t = kepedulian orang tua fisik (kolom 11a) = kepedulian orang tua bahasa (kolom 11b) = kepedulian orang tua isi (kolom 11c) = kepedulian orang tua total (kolom 11t)

Y1. Kualfis

= kualitas fisik (jumlah kolom 12, 13, 14, 15, 16, 17, 24, 25, 26)

Y2. Kualbas Y3. Kualisi YT. Kualtot c. Deskripsi Data

= kualitas bahasa (jumlah kolom 18, 19, 20) = kualitas isi (jumlah kolom 21, 22, 23) = kualitas catatan total (jumlah kolom 12 s.d 26)

Yang dimaksud 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. 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 mendeskripsikan 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 data yang paling sederhana dan sering digunakan oleh seorang peneliti atau pengembang adalah menganalisis data yang ada dengan menggunakan prinsip-prinsip deskriptif. Dengan menganalisis secara deskriptif ini, mereka dapat mempresentasikan secara lebih ringkas, sederhana, dan lebih mudah dimengerti. Yang termasuk analisis deskriptif pada umumnya termasuk mengukur tendensi sentral, mengukur variabilitas, mengukur hubungan, mengukur perbandingan, dan mengukur posisi suatu skor. a. Mengukur Tendensi Sentral Yang termasuk mengukur sentral tendensi itu termsuk menghitung: Mode atau skor yang paling sering muncul disbanding skor-skor lainnya

Median atau merupakan titik atau skor yang posisinya membagi 50 persen di atas dan 50 persen di bawah Mean merupakan rerata skor dari data yang ada dimana: Pengamatan ke-i = Mean b. Mengukur Variabilitas Setelah rerata dihitung biasanya seorang peneliti juga menghitung variabilitas atau jarak penyebaran surat skor terhadap garis mean tersebut. Yang termasuk mengukur variabilitas itu di antaranya mengukur: Varian dimana: = Nilai pengamatan variabel ke-i = Rata-rata (mean) = Varian Standar deviasi adalah akar dari varian Quartil Desil Persentil c. Mengukur Perbandingan dan Mengukur Posisi 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 tabel. Tujuan utamanya adalah agar para peneliti atau pengembang dapat dengan mudah menyimpulkan apa arti semua

fenomena yang terjadi di lapangan. Yang perlu diperhatikan dalam menampilkan suatu data adalah seorang peneliti atau pengembang harus memahami tentang jenis variabel yang digunakan dalam TNA maupun dalam penelitian. Variabel tersebut termasuk variabel diskrit atau kategorik hasil produksi, jenis kelamin, dan sebagainya. Variabel kontinu yaitu variabel yang selalu berubah pada setiap dimensi waktu, umur, motivasi, perkembangan akan tuntutan mutu, dan sebagainya. Fungsi deskripsi data adalah untuk mengadministrasi dan

menampilkan ringkasan yang ada sehingga memudahkan pembaca lain mengerti substansi dan makna dari tampilan data tersebut. Misalkan untuk skor lima siswa: Adi = 1 Budi = 2 Cinta = 3 Ini berarti jumlah subjek atau N = 5 Dewi = 4 Jumlah total atau Edi =5

Rerata atau X =

Deviasi baku SD = Dimana jarak setiap setiap skor dari rerata SS = Dari contoh di atas, Jika X 1 2 3 4 5 ________________ X2 1 4 9 16 25 ____________

Deviasi baku SS

Korelasi Menunjukkan Tingkat Hubungan Untuk menggambarkan tingkat atau kuat lemahnya hubungan ditunjukkan oleh besarnya koefisien. Besarnya koefisien = +1, 0, dan -1. Contoh korelasi Pearson Nama Adi Budi Cinta Desi Edi X 1 2 3 4 5 15 r
[
( ) ( )

Y 2 3 4 3 5 17

X2 1 4 9 16 25 55

Y2 4 9 16 9 25 63

XY 2 6 12 12 25 57

][

)(

Hal ini dapat diartikan bahwa tingkat hubungan antara dua kelompok skor = 0,83 r2 = 0,69 Hubungan dua kelompok skor X dan Y ditentukan sebesar 0,69 sedangkan 0,31 ditentukan oleh faktor lain di luar perhitungan tim terencana. Membandingkan Dua Kelompok Bebas Misalkan grup X1 = 3, 4, 5, 6, 7 grup X2 = 2, 3, 3, 3, 4 Digunakan rumus statistika:

)(

Ingat bahwa Dan X1 3 4 5 6 7

X12 9 16 25 36 49

X2 2 3 3 3 4

X22 4 9 9 9 16

)(

Untuk menginterpretasikan harga t dibandingkan dengan harga ttabel Untuk p = 0,05; df = 5+5-2 maka ttabel = 2,306 thitung > ttabel -------------- Jadi, perbedaan kedua kelompok adalah signifikan. Membandingkan Dua Kelompok Yang Terkait Formula t

Nama Adi Budi Cinta Desi Edi

X1 2 3 4 5 6

X2 4 5 4 7 10

D +2 +2 0 +2 +4 4 4 0 4

D2

16

Untuk menghasilkan interpretasi maka thitung tersebut dikomparasikan dengan ttabel untuk itu hendaknya dilihat pada ttabel dengan indikator seperti berikut. p = 0,05; df == n 1 = 5 1 = 4 ttabel (0,05.4) = 2,776 Jadi, thitung > ttabel. Berarti dari skor terkait dapat disimpulkan perbedaan signifikan. d. ji Statistika (Inferensi) Sehubungan dengan adanya persyaratan yang harus dipenuhi sebelum peneliti boleh menentukan teknik analisis statistik yang digunakan, pada bab ini akan disajikan dua cara saja untuk memeriksa keabsahan sampel untuk diterapi teknik tertentu, yaitu: uji normalitas dan uji homogenitas. 1. Uji Normalitas Banyak cara yang dapat digunakan untuk melakukan pengujian normalitas sampel, namun akan dibahas dua macam cara, yaitu pengujian normalitas dengan kertas probabilitas normal dan dengan rumus chikuadrat. a. Uji normalitas dengan kertas probabilitas normal Apabila dari penelitian sudah terkumpul data lengkap, maka untuk pengujian normalitas dilalui langkah-langkah sebagai berikut: 1. Membuat tabel distribusi frekuensi 2. Menentukan batas nyata tiap-tiap kelas interval

3. Mencari frekuensi kumulatif dan frekuensi kumulatif relatif (dalam persen) 4. Dengan skala sumbu mendatar dan sumbu menegak,

menggambarkan grafik dengan data yang ada, pada kertas probabilitas normal. Contoh distribusi frekuensi yang akan diuji normalitasnya adalah sebagai berikut: Kelas Interval Batas Atas Nyata Frekuensi Frekuensi Kumulatif Frekuensi Kumulatif dalam % 35 37 32 34 29 31 26 28 23 25 20 22 17 19 14 - 16

37,5 34,5 31,5 28,5 25,5 22,5 19,5 16,5

1 2 9 13 14 20 6 5

70 69 67 58 45 31 11 5

100,00 98,57 95,71 82,85 64,29 44,29 15,71 7,14

Dengan angka-angka yang ada pada tabel distribusi diletakkan titik-titik frekuensi kumulatif relatif pada kertas probabilitas yang telah disediakan pada buku-buku statistik. Jika letak titik-titik berada pada garis lurus atau hampir lurus, maka dapat disimpulkan dua hal: a. Mengenai data itu sendiri Dikatakan bahwa data itu berdistribusi normal atau hampir normal (atau dapat didekati oleh distribusi normal) b. Mengenai populasi dari mana data sampel diambil Dikatakan bahwa populasi dari mana data sampel itu diambil ternyata berdistribusi normal atau hampir berdistribusi normal, atau

dapat didekati oleh distribusi normal. Jika titik-titik yang diletakkan tidak menunjukkan terletak pada garis lurus maka dapat disimpulkan bahwa data atau sampel yang diambil tidak berasal dari populasi normal. Dari tabel contoh pengujian normalitas data dengan kertas probabilitas normal, kita mempunyai harga-harga untuk batas atas nyata (37,5 ; 34,5 ; dan sebagainya) dan frekuensi dalam persen (100,00 ; 98,57 ; dan sebagainya). Angka-angka batas nyata, kita letakkan pada garis dasar kertas probabilitas normal dari kiri ke kanan urut dari harga yang paling kecil. Angka-angka frekuensi kumulatif dalam persen dituliskan pada garis tegak. Oleh karena angka-angka yang ditulis pada garis terlalu kecil, maka kita harus hati-hati. Harap kita sadari bahwa pembagian jarak pada garis tegak memang tidak sama. Langkah berikutnya adalah meletakkan titik-titik potong antara garis yang menegak pada batas atas nyata dengan garis yang mendasar dari titik frekuensi komulatif. Langkah terakhir adalah

menghubungkan titik-titik potong yang ada. b. Uji Normalitas dengan Rumus Chi-Kuadrat Data yang terkumpul (yang notebene harus merupakan data jenis interval), disusun dalam satu distribusi frekuensi terlebih dahulu. Pada uraian berikut ini disampaikan contoh tabel distribusi frekuensi mengenai isi prestasi belajar matematika siswa-siswa dari SD X dan SD Y yang berjumlah 70 orang sebagai sampel dari siswa-siswa SD di suatu daerah. Langkah-langkah kerja: 1. Menentukan batas-batas interval. Untuk kelas interval pertama, batas nyata adalah 37,5 dituliskan pada garis di atas kelas intervalnya. Selanjutnya untuk datas atas kelas interval berikutnya dituliskan diantara kelas-kelas interval agar tampak bahwa angkaangka tersebut memang batas-batas kelas interval. Demikianlah

maka untuk kelas interval paling bawah, atas bawah nyata dituliskan pada garis di bawahnya. 2. Menentukan titik tengah interval (X) sejajar dengan kelas interval yang bersangkutan: 36, 33, 30, 27, 24, 21, 18, dan 15. 3. Menuliskan frekuensi (f) bagi tiap-tiap kelas interval, sejajar dengan kelas interval yang bersangkutan. 4. Menentukan fX hasil kali frekuensi dengan titik tengah. Berdasarkan jumlah fX dapat dihitung rerata dan standar deviasi. Setelah dihitung ditemukan X = 24,1 dan SD = 4,31. 5. Dengan menggunakan rerata dan standar deviasi yang telah diketahui, maka langkah selanjutnya adalah menghitung angka standar atau z-score batas nyata kelas interval. Oleh karena z-score dituliskan sejajar atau segaris dengan batas nyata. 6. Menentukan batas daerah dengan menggunakan tabel luas daerah di bawah lengkung normal standar dari 0 ke z. Caranya adalah mencari judul kolom pada baris pertama menunjuk pada angka kedua setelah koma, pada z-score. Bilangan empat angka yang terletak di perpotongan kolom dan baris adalah bilangan yang menunjukkan batas daerah. Untuk menuliskan menjadi batas daerah terlebih dahulu harus ditambahkan dengan nol koma di depannya. Demikianlah maka untuk setiap z-score dicarikan batas daerahnya ke tabel Lampiran III buku ini seperti dengan cara yang telah di contohkan. Contoh: z-score 3,11 dari tabel terdapat batas luas daerah adalah 4991. 7. Dengan diketahui batas daerah dapat diketahui luas daerah tiap-tiap interval, yaitu selisih dari kedua batasnya. Caranya adalah dengan mengurangi bilangan batas atas dengan bilangan batas bawah. Jadi, bilangan yang di atas dikurangi bilangan yang di bawahnya. 8. Luas daerah menggambarkan persentase bagian bandingannya dengan luas seluruh kurva yang berjumlah 100%. Bilangan yang

menunjukkan luas daerah ini kemudian dikalikan dengan bilangan 100. Bilangan hasil perkalian dengan 100 itulah frekuensi yang diharapkan (fh) dari perhitungan chi-kuadrat yang akan dilakukan. 9. Dengan menggunakan rumus chi-kuadrat diperlukan biaya bilangan yang menunjukkan frekuensi yang diobservasi (fo) dan frekuensi yang diharapkan (fh). Di dalam tabel kerja telah tertera bilanganbilangan di maksud. Frekuensi yang diobservasi (fo) adalah frekuensi pada setiap kelas interval tersebut. Dengan menggunakan rumus Chi-kuadrat yang telah disajikan di depan dapatlah diperoleh harga X2 = 11,7434. Jika harga X2 yang diperoleh lebih besar dari harga kritik X2 yang ada pada tabel maka data yang diperoleh tidak berdistribusi normal. Dan sebaliknya jika harga X2 lebih kecil dari harga X2 pada tabel, justru data yang kita peroleh tersebar dalam distribusi normal. Dari tabel harga kritik chikuadrat diketahui bahwa dengan d.b = k 3(8-5), harga X2 dalam interval kepercayaan 99% adalah 15,1 . 11,7434 < 15,1. Jadi data dalam sebaran normal. Dengan selesainya langkah ini,maka selesai sudahlah noemalitas data dengan rumus chi-kuadrat. 2. Uji Homogenitas Sampel Perlu kiranya peneliti menguji kesamaan (homogenitas) beberapa bagian sampel, yakni seragam tidaknya variansisampel-sampel yang diambil dari populasi yang sama. Pengujian homogenitas sampel menjadi sangat penting apabila peneliti bermaksud melakukan generalisasi untuk hasil penelitiannya serta penelitian yang data penelitiannya diambil dari kelompok-kelompok terpisah yang berasal dari satu populasi. Ada bermacam-macam cara untuk mengadakan pengujian

homogenitas sampel. Dalam menguji homogenitas sampel, pengetesan didasarkan atas asumsi bahwa apabila varians yang dimiliki oleh sampelsampel yang bersangkutan tidak jauh berbeda, maka sampel-sampel tersebut cukup homogen.

Analisis Varians Ada dua macam analisi variansi, yaitu analisi variansi klasifikasi tunggal dan analisis variansi klasifikasi jamak atau ganda. 1. Analisis Variansi Klasifikasi Tunggal Ada beberapa pengertian dalam menggunakan analisis variansi klasifikasi tunggal, tidak terdapat variabel baris. Yang ada hanya variabel kolom. Juga disebut analisis variabel satu jalan. Sebelum mengadakan perhitungan nilai F, maka perlu dibuat tabel persiapan. Rumus-rumus untuk masing-masing pengertian serta contoh perhitungannya adalah sebagai berikut: Suatu kelas, siswa-siswanya berasal dari 3 daerah, yaitu kota, pinggiran kota dan desa. Dilihat dari prestasi bidang studi X, maka nilainya adalah sebagai berikut. Kota (A) 7 8 6 7 7 7 Pinggiran Kota (B) Desa (C)

6 7 7 6 5 5

5 6 4 5 4 6

Pengertian dan rumus-rumus yang diperlukan dalam tabel persiapan seperti ini: Sumber Variansi (SV) Kelompok (K) Jumlah Kuadrat (JK) Derajat Kebebasan (db) dbk - k 1 Mean Kuadrat (MK)

Dalam (d)

dbd N K

Total (T)

dbt N 1

Keterangan: NK = jumlah subjek dalam kelompok K = banyaknya kelompok N = jumlah subjek seluruhnya

faktor koreksi yang muncul berkali-kali Harga Fo(harga F observasi) dicari dengan membagi MK dengan Mb. Derajat kebebasan yang digunakan untuk melihat tadel F adalah dbk lawan dbd. Jika dinyatakan dalam rumus maka: dengan dbF

= dbK lawan dbd. Melihat dbf ini, maka cara melihat tabel F berbeda dengan cara melihat tabel-tabel lain dengan menguji harga F-nya. Harga-harga Ft, yaitu F teoritik tertera dalam tabel F dalam 2 angka adalah pada taraf signifikansi 1% dan 5%. Angka kolom menunjukkan db dari MK pembilang sedangkan angka baris menunjukkan db dari MK penyebut. Cara untuk menetukan kesimpulan sebagai berikut: Jika Fo Ft 1 % 1. Harga Fo yang Jika Fo Ft 5 % Jika Fo < Ft 5 %

1. Harga Fo yang

1.

Harga

Fo

yang

diperoleh sangat signifikan 2.Ada perbedaan mean secara sangat dignifikan

diperoleh sangat signifikan

diperoleh signifikan

tidak

2.Ada perbedaan mean secara sangat dignifikan

2.Ada perbedaan mean yang tidak dignifikan

3. Hipotesis nihil (Ho) ditolak

3. Hipotesis nihil (Ho) ditolak

3. Hipotesis nihil (Ho) diterima

4. p < 0,01 atau = 0,01

4. p < 0,05 atau = 0,05

4. p > 0,05

P singkatan dari proportion of inference error Menurut teori lama, jika harga Fo tidak signifikan, maka perhitungan analisis variansi nya hanya berhenti sekian. Tetapi apabila harga Fo yang diperoleh sangat signifikan atau signifikan, maka pekerjaan perlu dilanjutkan dengan pengujian lain, yaitu uji t. Pengujian ini dimaksudkan untuk melihat perbedaan mean antara kelompok. Akan tetapi menurut teori baru, harga Fo signifikan maupun tidak, tetap lanjutkan dengan pengujian perbedaan mean. Perbedaan t yang digunakan adalah:

Derajat kebebasan uji t ini adalah (n1 + n2 2) 2. Analisis Variansi Klasifikasi Ganda Analisis variansi klasifikasi ganda adalah analisi variansi yang tidak hanya mempunyai satu variabel kelompok, maka dalam analisi variansi ganda kita juga memiliki variabel baris. Dengan demikian, akan diperoleh interaksi antara kolom dengan baris. Contoh :

Penelitian A Varabel I Variabel II Variabel III 3 klasifikasi 4 klasifikasi 4 klasifikasi

Tentang bagaimana cara menetkan letak variabel sebagai baris ataukah kolom, diserahkan kepada peneliti sendiri. Hanya untuk memperoleh kotak sel mendatar, kiranya dapat diusahakan bahwa banyaknya deretan sel ke kanan lebih sedikit dibandingkan dengan yang ke bawah. Langkah-langkah menggunakan analisis variansi klasifikasi ganda adalah: Langkah 1 Data yang diperoleh melalui angket, pengamatan, wawancara, tes atau dokumentasi atau kombinasi metode-metode tersebut dipilih yang berhubungan dengan variabel, dikelompokkan mana variabel bebas 1, variabel bebas 2, variabel bebas 3 dan seterusnya dam mana variabel terikat. Data data tersebut dituliskan dalam tabel induk. Langkah 2 Membuat tabel persiapan analisi variansi dengan terlebih dahulu membuat kerangka sel berdasarkan klasifikasi yang ada pada tiap variabel. Sesudah itu memasukkan data variabel terikat ke dalam selsel sesuai dengan data bebas masing-masing subjek. Langkah 3 Membuat tabel statistik dengan kerangka yang sama persis susunannya dengan tabel persiapan analisis variansi ditambah kolom statistik dan kolom serta baris jumlah. Yang perlu dicari dalam mengisi tabel statistik ini adalah sebagai berikut: 1. N 2. = banyaknya subjek dalam tiap sel (N tidak harus sama) = jumlah skor (X) dalam satu sel

3. X 4.

= rata-rata skor variabel terikat untuk setiap sel


2

= jumlah kor setelah masing-masing dikuadratkan

Langkah 4 Menurut tabel ringkasan analisis variansi dengan judul kolom, sumber variasi, jumlah kuadrat (JK). Derajat kebebasan (db), mean kuadrat (MK), harga Fo, dan peluang galat (P). Untuk mengisi kolom-kolom dalam tabel tersebut perlu dilakukan perhitungan seperti hal nya analisis variansi klasifikasi tunggal. Perbedaannya adalah bahwa pada analisis variansi ganda ini sumber variasinya bukan hanya kelompok atau kelompok, dalam dan total saja, tetapi sesuai dengan banyaknya variabel ditambah kombinasinya. Langkah 5 Berdasarkan atas harga-harga pada Fo dan p yang tertera tabel persiapan hanya analisis variansi, diambil kesimplan penelitian. Beberapa kondisi yang menorong untuk melakukan inferensi adalah: 1. Keterbatasan dana, tenaga, dan waktu merupakan alasan klasik yang sering dilakukan para peneliti untuk menggunakan inferensi dalam analisis data. 2. Menggunakan konsep populasi dan sampel dalam kegiatan pengambilan data; 3. Melakukan testing hipotesis 4. Melakukan generalisasi hasil yang diperoleh Skala pengukuran Dalam penelitian pendidikan maupun sosial, ada empat cara mengukur suatu data yang sering ditemui, yaitu: 1. Skala nominal

Skala nominal adalah tingkatan pengukuran yang paling sederhana. Dasar penggolongan ini agar category yang tidak tumpang tindih (mutually exclusive) dan tuntas (exhaustive). Angka yang ditunjuk untuk suatu kategori tidak merefleksikan bagaimana kedudukan kategori tersebut terhadap kategori lainnya, tetapi hanyalah sekedar label atau kode sehingga skala yang diterapkan pada data yang hanya bias dibagi ke dalam kelompok-kelompok tertentu dan pengelompokan tersebut hanya dilakukan untuk tujuan identifikasi. Contoh: penggolongan mobil ke dalam kategori sedan, van, mini van, truk, dan bus. Atau penggolongan jenis kelamin, suku dsb. 2. Skala ordinal Skala ini memungkinkan peneliti untuk mengurutkan respondennya dari tingkatan yang paling rendah ke tingkatan paling tinggi menurut atribut tertentu. skala yang diterapkan pada data-data yang dapat dibagi dalam berbagai kelompok dan kita bisa membuat peringkat di antara kelompok tersebut. Contoh: sebuah product yang diproduksi sebuah pabrik dapat dikategorikan ke dalam skala sangat bagus, bagus, dan kurang bagus. 3. Skala interval Seperti halnya ukuran ordinal, ukuran interval adalah mengurutkan orang atau objek berdasarkan suatu atribut. Interval atau jarak yang sama pada skala interval dipandang sebagai mewakili interval atau jarak yang sama pula pada objek yang diukur. skala yang diterapkan pada data yang dapat dirangking dan dengan peringkat tersebut kita bisa mengetahui perbedaan di antara peringkat-peringkat tersebut dan kita bisa menghitung besarnya perbedaan itu. namun harus diperhatikan bahwa dalam skala ini perbandingan rasio yang ada tidak diperhitungkan. Contoh : Nilai mahasiswa A mempunyai IP 4, B,3,5, C,3, D,2,5, E,2, maka interval antara mahasiswa A dan C ( 4 3 = 1) adalahsama dengan interval antara mahasiswa C dan E ( 3 2 = 1) 4. Rasio : suatu bentuk interval yang jaraknya ( interval ) tidak dinyatakan sebagai perbedaan nilai antar responden, tetapi antara

seorang dengan nilai nol absolute, karena ada titik nol maka perbandingan ratio dapat ditentukan. Contoh kalau Harga Produk X sebesar Rp. 3.000 dan Produk Y sebesar Rp 6.000 maka peneliti dapat menyimpulkan bahwa Produk Y 2 kali lebih mahal di banding Produk X. 4. Skala rasio Karakteristik yang dimiliki oleh tiga alat ukur tersebut di atas yaitu membedakan, mengurutkan, dan menjumlah-mengurangi dimiliki oleh skala ukur rasio ini. Skal ukur rasio juga mempunyai titik awal yaitu titik sebagai awal pengukuran sehingga dengan alat ukur ini sifat-sifat perkalian, pembagian, pengurangan, dan penjumlahan dimiliki.

You might also like