EKSTRA

Selasa, 14 Agustus 2012

PENGENALAN JENIS DATA, ANALISIS DATA, PENGUJIAN HIPOTESIS, DAN PENARIKAN KESIMPULAN


MAKALAH

PENGENALAN JENIS DATA, ANALISIS DATA, PENGUJIAN HIPOTESIS, DAN PENARIKAN KESIMPULAN

Makalah Disusun Guna Memenuhi Tugas Perkuliahan
Mata Kuliah Metodologi Penelitian Pendidikan yang Diampu Oleh:
1.      Prof. Dr. Sunandar, M.Pd
2.      Prof. Dr. Abu Su’ud
3.      Dr. Suwandi, M.Pd

Disusun Oleh:
               MUDHOFAR       (11510017)



PROGRAM STUDI MANAJEMEN PENDIDIKAN
PROGRAM PASCASARJANA (PPs)
IKIP PGRI SEMARANG

 
 2012
 
 
 
KATA PENGANTAR
Puji syukur penulis panjatkan ke hadirat Allah Yang Maha Kuasa, karena atas rahmat-Nya tulisan ini dapat selesai pada waktunya. Penulis juga mengucapkan banyak terima kasih kepada Prof. Dr. Sunandar, M.Pd, Prof. Dr. Abu Suud, Dr. Suwandi, M.Pd, selaku dosen pembimbing mata kuliah Metodologi Penelitian Pendidikan Program Pascasarjana Manajemen Pendidikan IKIP PGRI Semarang.
Dalam kaitannya menyusun suatu penelitian perlu diperhatikan cara penyajian data, metode analisis data, penyebaran,dan pengujian hipotesis. Maka, pada kesempatan ini penulis berusaha mendalami proses analisis serta pengujian hipotesis.
Semoga dalam penulisan makalah ini, penulis dan peserta perkuliahan dapat memperoleh pemahaman mengenai metode analisis data dan pengujian hipotesis pada penelitian pendidikan, serta dapat memberi manfaat yang lain bagi para pembaca. Baik saran maupun tegur sapa tentu penulis terima dengan dengan senang hati serta ungkapan terimakasih yang tulus.

                                                                                        Semarang, 26 April 2012
                                                                                        Penulis















ii
 
 

BAB I
PENDAHULUAN
A.   Latar Belakang Masalah
Meotodologi Penelitian kuantitatif dengan teknik statistiknya diakui mendominasi analisis penelitian sejak abad ke-18 sampai abad ini. Dengan semakin canggihnya teknologi komputer, berkembang teknik-teknik analisis statistik yang mendukung pengembangan penelitian kuantitatif. Metodologi penelitian kuantitatif statistik menjadi lebih bergengsi daripada metodologi penelitian kuantitatif. Lebih-lebih bila diperhatikan pula pada sejumlah kenyataan bahwa ada sementara calon ilmuwan yang menggunakan metodologi kualitatif dengan alasan dan bukti ketidakmampuannya di dalam menggunakan teknik-teknik analisis statistik.
Pada segi lain, karena bergengsinya metodologi penelitian kuantitatif dengan teknik-teknik statistiknya, banyak ilmuwan ataupun pakar ilmu yang tenggelam ke dalam teknik-teknik analisis yang canggih, sehingga melupakan kelemahan di damping keunggulan filsafat dan teori metodologi penelitian yang melandasinya.
Secara garis besar, dapat dijelaskan bahwa metodologi penelitian kuantitatif mulai dengan menetapkan obyek studi yang spesifik, dieliminasikan dari totalitas atau konteks besarnya sehingga menjadi ekplisist atau jelas obyek studinya. Sesudah itu, baru disusun kerangka teori sesuai dengan obyek studi spesifiknya. Dari situ, dapat ditelorkan hipotesis atau problematik penelitian, instrumen pengumpulan data, teknik sampling serta teknik analisisnya. Selain itu juga dapat ditentukan rancangan metodologik lainnya seperti penetapan batas signifikansi, teknik-teknik penyesuaian jika ada kekurangan atau kekeliruan di dalam hal data, adminstrasi, analisis, dan semacamnya. Dengan kata lain, semua dirancang dan direncanakan secara matang sebelum peneliti terjun ke lapangan untuk melakukan kegiatan penelitiannya.

B.     Perumusan Masalah
Berdasarkan uraian latar belakang di atas maka dapat dirumuskan masalah sebagai berikut:
1.      Apa definisi dari data statistik?
2.      Bagaimana cara penyajian data dan metode analisis data?
3.      Bagaimana cara menganalisis data secara deskriptif?
4.      Apa saja persyaratan uji dan uji hipotesis?

C.    Tujuan Penulisan
Tujuan dari penulisan makalah ini, mahasiswa mampu menganalisis data, menguji hipotesis, serta menarik kesimpulan.

BAB II
PEMBAHASAN
A.      Pengertian Data dan Informasi
Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan masih memerlukan adanya suatu pengolahan. Data bisa berujut suatu keadaan, gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-simbol lainnya yang bisa kita gunakan sebagai bahan untuk melihat lingkungan, obyek, kejadian ataupun suatu konsep.
Informasi merupakan hasil pengolahan dari sebuah model, formasi, organisasi, ataupun suatu perubahan bentuk dari data yang memiliki nilai tertentu, dan bisa digunakan untuk menambah pengetahuan bagi yang menerimanya. Dalam hal ini, data bisa dianggap sebagai obyek dan informasi adalah suatu subyek yang bermanfaat bagi penerimanya. Informasi juga bisa disebut sebagai hasil pengolahan ataupun pemrosesan data. Data bisa merupakan jam kerja bagi karyawan perusahaan. Data ini kemudian perlu diproses dan diubah menjadi informasi.
Jika jam kerja setiap karyawan kemudian dikalikan dengan nilai per-jam, maka akan dihasilkan suatu nilai tertentu. Jika gambaran penghasilan setiap karyawan kemudian dijumlahkan, akan menghasilkan rekapitulasi gaji yang harus dibayar oleh perusahaan. Penggajian merupakan informasi bagi pemilik perusahaan. Informasi merupakan hasil proses dari data yang ada, atau bisa diartikan sebagai data yang mempunyai arti. Informasi akan membuka segala sesuatu yang belum diketahui
Data dapat diartikan sebagai catatan tentang karakteristik dari objek amatan atau peristiwa pada suatu waktu atau kurun waktu tertentu baik berupa angka atau simbol.
Kata “Data” sendiri berasal dari bahasa Yunani “datum” yang berarti fakta, dan di dalam kamus bahasa Inggris ditulis “data”. “Data” yang digunakan dalam bahasa Indonesia berasal dari bahasa Inggris.
Data merupakan kenyataan yang menggambarkan suatu kejadian-kejadian dan kesatuan nyata. Kejadian adalah sesuatu yang terjadi pada saat tertentu. Kesatuan nyata adalah berupa sesuatu objek nyata seperti tempat, benda dan orang yang betul-betul ada dan terjadi.
Dari Pengertian Data diatas maka dapat dikatakan bahwa Data adalah deskripsi dari sesuatu dan kejadian yang kita hadapi.
Data (tunggal datun) adalah bahan keterangan tentang sesuatu objek penelitian yang diperoleh di lokasi penelitian. Definisi data sebenarnya mirip dengan definisi informasi, hanya saja informasi lebih ditonjolkan segi pelayanan, sedangkan data lebih menonjolkan aspek materi.

B.       Penyajian Data
Penyajian data adalah semua bahan atau keterangan yang diperlukan untuk menulis karangan. Data ini disebut informasi, setelah dievaluasi kebenarannya, data akan menjadi fakta. Cara penyajian data antara lain
1.      Wawancara
2.      Angket
3.      Observasi
4.      Penelitian Lapangan
5.      Penelitian Pendapat
6.      Pnelitian Kepustakaan
Keenam cara ini kita bisa mengumpulkan infromasi yang kita butuhkan, saya akan mengulasnya satu persatu.
1.      Wawancara
Wawancara (bahasa Inggris: interview) merupakan percakapan antara dua orang atau lebih dan berlangsung antara yang mewawancarai dan yang diwawancarai.
Tujuan dari wawancara adalah untuk mendapatkan informasi dimana sang pewawancara melontarkan pertanyaan-pertanyaan untuk dijawab oleh orang yang diwawancarai.
Wawancara memiliki batas-batas metodologis yang harus dipatuhi oleh pewawancara. Beberapa faktor utama dalam wawancara adalah: bagaimana kemampuan pewawancara, apa isi wawancara, bagaimana situasi wawancara, dan bagaimana kesiapan responden.
Berikut diagram faktor-faktor yang mempengaruhi keberhasilan wawancara (Masri Singarimbun dan Sofyan Effendi, Metode Penelitian Survey, Jakarta: LP3ES, 1989. Hal 193)










SITUASI WAWANCARA
·     Waktu
·     Tempat
·     Kehadiran orang lain
·     Sikap masyarakat
 



RESPONDEN
·     Karakterisitik sosial
·     Kemapuan menangkap pertanyaan
·     Kemapuan menjawab pertanyaan
 

PEWAWANCARA
·     Karakteristik sosial
·     Keterampilan berwawancara
·     Motivasi
·     Rasa aman
 



 







                                                           








ISI  WAWANCARA
·     Peka untuk ditanyakan
·     Sukar untuk ditanyakan
·     Sumber kekhawatiran

 
 







2.      Angket
Pengumpulan data melalui daftar pertanyaan yang disisipkan secara tertulis dan dijawab secara tertulis. Dengan angket penelitian dapat memperoleh data yang cukup banyak yang tersebar secara merata dalam wilayah yang akan diamati.

3.      Observasi
Pengamatan langsung kepada obyek yang akan diteliti, dilakukan dalam waktu singkat. Observasi dapad dilakukan mendahului pengumpulan daya melalui angket atau penelitian lapangan. Tujuan dari observasi ini adalah untuk mendapatkan gambaran yang tepat mengenai obyek penelitian sehingga dapat disusun daftar Quizsioner yang tepat.
Hal-hal yang perlu diperhatikan dalam melakukan pengamatan (observasi) yaitu: 1). Hal-hal apa yang hendak diamati, 2). Bagaimana mencatat pengamatan, 3). Alat bantu pengamatan, 4). Bagaimana mengatur jarak antara pengamat dan objek yang diamati.

4.      Penelitian Lapangan
Usaha pengumpulan data dan informasi secara intensif ke lapangan penelitian, disertai analisis dan pengujian kembali atas semua data yang telah dikumpulkan.

5.      Penelitian Pendapat
Penelitian Pendapat merupakan proses pengamatan yang terjadi berulang-ulang sehingga dapat timbul bermacam-macam pendapat atau kesimpulan sesuai dengan jumlah pengamatan atas peristiwa yang sama.

6.      Penelitian Kepustakaan
Penelitian Kepustakaan adalah usaha mengumpulkan keterangan atau informasi melalui bahan yang telah ditulis, Dalam penelitian ini penulis harus sanggup mengadakan seleksi dari bermacam-macam tulisan, memilih, menimbang, menolak, dan menyusun kembali bahan-bahan itu kedalam suatu bentuk akhir.

C.    Metode Analisis Data
1.      Analisa Metode Dependen
Metode dependen merupakan metode yang digunakan untuk menganalisis ada atau tidaknya hubungan antara dua kelompok variabel. Dalam metode dependen dapat diklasifikasikan berdasarkan jumlah variable independen (dapat satu atau lebih variabel), jumlah variabel dependen (dapat satu atau lebih variabel), tiga skala pengukuran yang digunakan untuk variabel independen (dapat berupa skala metrik atau non metrik), dan tipe skala pengukuran yang digunakan untuk variabel dependen (dapat berupa skala metrik atau non metrik).
Variabel dependen merupakan variable terikat sedangkan variabel independen merupakan variable bebas.  Dalam metode dependen ini ada beberapa metode analisa yang digunakan. Hal tersebut tergantung dari jumlah variabel dari masing-masing kategori.

2.      Analisa Metode Interdependen
Dalam metode interdependen, tidak ada variabel atau sejumlah variabel yang memprediksi atau menjelaskan variabel-variabel lainnya. Dalam hal ini tidak ada variabel bebas atau independen variables maupun dependen variables atau variabel terikat. Tujuannya adalah mengetahui susunan dari seluruh variabel yang diteliti.
Dalam jenis analisa menggunakan metode interdependensi ini kita tidak dapat mengetahui secara jelas dalam membedakan antara variable dependen dan variabel independennya. Hal ini dikarenakan kedua jenis variable tersebut saling ketergantungan.

D.    Analisis Deskriptif
1.      Ukuran Pemusatan
a.      Rata-rata hitung ( Mean)
Rata-rata hitung adalah ukuran pemusatan yang sering digunakan. Kelemahan ukuran rata-rata hitung jika digunakan sebagai ukuran pemusatan adalah apabila ada data yang sangat ekstrim. Rata-rata dari sekumpulan data yang banyaknya n adalah jumlah data dibagi dengan banyaknya data.
Keterangan:
n = banyaknya data
xi = data ke-i

Rata-rata dari data distribusi frekuensi
Apabila data disajikan dalam tabel distribusi frekuensi maka rataan dirumuskan sebagai berikut.
Keterangan:
 fi = frekuensi untuk nilai xi
xi = titik tengah interval ke-i

b.      Nilai tengah (Median )
Nilai tengah adalah nilai yang berada ditengah data yang telah terurut.
Median untuk data tunggal
Median adalah suatu nilai tengah yang telah diurutkan. Median dilambangkan Me. Untuk menentukan nilai Median data tunggal dapat dilakukan dengan cara:
1)      Mengurutkan data kemudian dicari nilai tengah,
2)      Jika banyaknya data besar, setelah data diurutkan, digunakan rumus:
a)        Apabila n ganjil maka Me = data ke n/2,
b)        Apabila n genap maka Me = (data ke n/2 + data ke (n/2 +1))/2
Jika datanya dalam bentuk tabel distribusi frekuensi maka nilai tengah  dapat ditentukan dengan:
a.       Tentukan dulu interval yang memuat median yaitu interval yang memuat data ke (n+1)/2 jika data ganjil, atau data ke-n/2 jika data genap
b.      Tentukan nilai median dengan :
Keterangan:
b2 = tepi bawah kelas median
c = lebar kelas
N = banyaknya data
F = frekuensi kumulatif kurang dari sebelum kelas median
f = frekuensi kelas median

c.      Modus
Modus ialah nilai yang paling sering muncul atau nilai yang mempunyai frekuensi tertinggi.
Jika suatu data hanya mempunyai satu modus disebut unimodal dan bila memiliki dua modus disebut bimodal, sedangkan jika memiliki modus lebih dari dua disebut multimodal. Modus dilambangkan dengan Mo.
Apabila datanya sudah dikelompokkan dalam table distribusi frekuensi maka:
a.       Tentukan interval modus , yaitu interval yang frequensinya paling besar
b.      Modus data dirumuskan sebagai berikut:
Keterangan:
b0 = tepi bawah kelas modus
l = lebar kelas (lebar kelas) modus
d1 = selisih frekuensi kelas modus dengan kelas sebelumnya
d2 = selisih frekuensi kelas modus dengan kelas sesudahnya

d.     Rata-rata terbobot
Tiap kasus atau frekuensi dikalikan dengan bobot, kemudian dibagi dengan jumlah bobot.
e.      Rata-rata ukur
Dalam masalah bisnis dan ekonomi seringkali diperlukan data untuk mengetahui rata-rata persentasi tingkat perubahan sepanjang waktu


2.      Ukuran Penyebaran
Ukuran penyebaran adalah suatu ukuran baik parameter atau statistic untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.
Mengapa kita mempelajari ukuran penyebaran tersebut? Karena kita merasa bahwa mengetahui nilai tengah saja kurang cukup, tanpa disertai dengan pengetahuan tentang seberapa besar data tersebut menyebar disekitar nilai tengahnya. Dengan memahami unsur penyebaran data diharapkan kita tidak menarik kesimpulan yang salah.
a.       Range (Jarak)
Range adalah ukuran yang paling sederhana dari ukuran penyebaran. Range merupakan perbedaan antar nilai terbesar dan terkecil dalam suatu kelompok data baik data populasi atau sampel. Semakin kecil ukuran range menunjukkan karakter yang lebih baik, karena data mendekati pada nilai pusat dan kompak.
1)      Data yang tidak dikelompokkan
Range = Nilai terbesar – Nilai terkecil
2)      Data yang dikelompokkan
Range adalah selisih antar batas atas dari kelas tertinggi dengan batas bawah dari kelas terendah.

b.      Deviasi rata-rata
1)      Data yang tidak dikelompokkan
MD = Σ |X -X|
                                    N
MD      : deviasi rata-rata
X         : nilai setiap data pengamatan
X         : nilai rata-rata hitung dari seluruh nilai pengamatan
N         : jumlah data atau pengamatan dalam sampel/populasi
Σ          : lambang penjumlahan
||           : lambang nilai mutlak

2)      Data yang dikelompokkan
Deviasi rata-rata untuk data berkelompok dirumuskan sebagai berikut:
        MD = Σ f|X -X|
                       N
MD      : deviasi rata-rata
F          : jumlah frekuensi setiap kelas
X         : nilai setiap data pengamatan
X         : nilai rata-rata hitung dari seluruh nilai pengamatan
N         : jumlah data atau pengamatan dalam sampel/populasi
Σ          : lambang penjumlahan
||           : lambang nilai mutlak


3.      Variansi dan Simpangan Baku
Varians & standar deviasi adalah sebuah ukuran penyebaran yang menunjukkan standar penyimpangan atau deviasi data terhadap nilai rata-ratanya.
Varians adalah rata-rata hitung deviasi kuadrat setiap data terhadap rata-rata hitungnya.








Varians
 



 












a.       Data yang tidak dikelompokkan
Varians Populasi
σ2   : varians populasi
X   : nilai setiap data pengamatan
µ    : nilai rata-rata hitung dari dalam populasi
N   : jumlah data atau pengamatan dalam populasi
Σ    : lambang penjumlahan
Varians sampel
s 2   : varians sampel
X   : nilai setiap data pengamatan
X   : nilai rata-rata hitung dari dalam sampel
N   : jumlah data atau pengamatan dalam sampel
Σ    : lambang penjumlahan
b.      Data yang dikelompokkan
Sedang untuk standar deviasi berkelompok adalah sebagai berikut

E.     Persyaratan Uji dan Uji Hipotesis
1.      Uji Normalitas Data
Uji normalitas dilakukan untuk mengetahui apakah data suatu variabel normal atau tidak. Data yang berdistribusi normal merupakan salah satu syarat dilakukannya parametrik-test, sedangkan data yang tidak berdistribusi normal tentu saja analisisnya menggunakan non-parametrik test.
Pengujian normalitas data ada dua macam, yaitu uji normalitas menggunakan Liliefors test, dan uji normalitas dengan menggunakan Chi Square. Berikut langkah-langkahnya kami bahas satu persatu.
a.       Langkah-langkah pengujian Liliefors
1)      Menentukan hipotesis
Ho : Data berdistribusi normal
H1 : Data tidak berdistribusi normal
2)      Membuat kriteria, Ho diterima jika Dhitungtabel
.
3)      Membuat tabel untuk penghitungan Dhitung dengan urutan sebagai berikut:
a)      Menyusun data dari kecil ke besar
b)      Memeriksa data berapa kali munculnya bilangan-bilangan itu (frekuensi harus ditulis).
c)      Dari frekuensi disusun frekuensi kumulatifnya.
d)     Menghitung proporsinya.
e)      Menghitung nilai Z untuk mengetahui Theoritical proportion pada tabel Z.
Nilai Z:
Keterangan:
Xi = data yang sudah diurutkan
S = simpangan baku sampel

f)       Menghitung Theoritical proportion
g)      Membandingkan antara Empirical proportion dengan Theoritical proportion, kemudian mencari selisih terbesar di dalam titik observasi antara kedua proporsi tersebut.
h)      Mencari selisih terbesar diluar titik observasi.
i)        Menghitung Dtabel dengan a = 0,05.
b.      Langkah-langkah pengujian dengan Chi Square
1)      Merumuskan formula hipotesis
Ho : Data berdistribusi normal
Ha : Data tidak berdistribusi normal


2)      Menentukan taraf nyata (a) Untuk mendapatkan nilai chi-square tabel


 


dk = k – 3
dk = Derajat kebebasan
k = banyak kelas interval
3)      Menentukan Nilai Uji Statistik


Keterangan :
Oi = frekuensi hasil pengamatan pada klasifikasi ke-i
Ei = Frekuensi yang diharapkan pada klasifikasi ke-i
4)      Menentukan Kriteria Pengujian Hipotesis








 










5)      Memberikan kesimpulan
2.      Uji Homogenitas Varians Data
Uji homogenitas varians digunakan untuk membandingkan dua buah peubah bebas. Kriteria yang digunakan adalah apabila nilai hitung X2 > nilai tabel X2. Maka H0 yang menyatakan varians homogen ditolak, dalam hal lainnya diterima. Rumus uji statistik yang digunakan adalah:



 


Keterangan:
Si2        = Varians tiap kelompok data
dbi       = n -1 = Derajat kebebasan tiap kelompok
B         = Nilai Barlett = (Log S2gab)(Σdbi)
S2gab       = Varians gabungan =


 




Bentuk hipotesis statistik yang akan diuji adalah:
H0        : s12 = s22 = s32 =  ... = si2, artinya semua kelompok dalam peubah memiliki variasi skor yang sama (homogen)
H1        : Paling tidak ada satu kelompok dalam peubah yang variansinya berbeda dari yang lainnya.
Langkah-langkah uji homogenitas adalah sebagai berikut:
a.       Menentukan kelompok-kelompok data, dan menghitung varians untuk tiap kelompok tersebut.
b.      Membuat tabel pembantu untuk memudahkan proses perhitungan.
c.       Menghitung varians gabungan.
d.      Menghitung log dari varians gabungan.
e.       Menghitung nilai Barlett.
f.       Menghitung nilai
g.      Menentukan nilai dan titik kritis.
h.      Membuat kesimpulan.

3.      Uji korelasi
Teknik analisis korelasi merupakan bagian dari teknik pengukuran asosiasi (measure of association) yang berguna untuk mengukur kekuatan hubungan dua variabel (atau lebih). Terdapat beberapa teknik analisis korelasi, diantaranya yang paling terkenal dan digunakan secara luas diseluruh dunia ialah teknik analisis korelasi Pearson dan Spearman.
Korelasi merupakan teknik analisis yang digunakan untuk mengukur kekuatan hubungan dua variabel. Korelasi tidak secara otomatis menunjukkan hubungan kausalitas antar variabel. Hubungan dalam korelasi dapat berupa hubungan linier positif dan negatif. Interpretasi koefesien korelasi  akan menghasilkan makna kekuatan, signifikansi dan arah hubungan kedua variabel yang diteliti. Untuk melihat kekuatan koefisien korelasi didasarkan pada jarak yang berkisar antara 0 -1. Untuk melihat signifikansi hubungan digunakan angka signifikansi / probabilitas / alpha. Untuk melihat arah korelasi dilihat dari angka koefisien korelasi yang menunjukkan positif atau negatif.
Teori Korelasi
1.    Korelasi dan Kausalitas
           Ada perbedaan mendasar antara korelasi dan kausalitas. Jika kedua variabel dikatakan berkorelasi, maka kita tergoda untuk mengatakan bahwa variabel yang satu mempengaruhi variabel yang lain atau dengan kata lain terdapat hubungan kausalitas. Kenyataannya belum tentu. Hubungan kausalitas terjadi jika variabel X mempengaruhi Y. Jika kedua variabel diperlakukan secara simetris (nilai pengukuran tetap sama seandainya peranan variabel-variabel tersebut ditukar)  maka meski kedua variabel berkorelasi tidak dapat dikatakan mempunyai hubungan kausalitas. Dengan demikian, jika terdapat dua variabel yang berkorelasi, tidak harus terdapat hubungan kausalitas.
Terdapat dictum yang mengatakan “correlation does not imply causation”. Artinya korelasi tidak dapat digunakan secara valid untuk melihat  adanya hubungan kausalitas dalam variabel-variabel. Dalam korelasi aspek-aspek yang melandasi terdapatnya hubungan antar variabel mungkin tidak diketahui atau tidak langsung. Oleh karena itu dengan menetapkan korelasi dalam hubungannya dengan variabel-variabel yang diteliti tidak akan memberikan persyaratan yang memadai untuk menetapkan hubungan kausalitas kedalam variabel-variabel  tersebut. Sekalipun demikian bukan berarti bahwa korelasi tidak dapat digunakan sebagai indikasi adanya hubungan kausalitas antar variabel. Korelasi dapat digunakan sebagai salah satu bukti adanya kemungkinan terdapatnya hubungan kausalitas tetapi tidak dapat memberikan indikasi hubungan kausalitas seperti apa jika memang itu terjadi dalam variabel-variabel yang diteliti, misalnya model recursive, dimana X mempengaruhi Y atau non-recursive, misalnya X mempengaruhi Y dan Y mempengaruhi X.
Dengan untuk mengidentifikasi hubungan kausalitas tidak dapat begitu saja dilihat dengan kaca mata korelasi tetapi sebaiknya menggunakan model-model yang lebih tepat, misalnya regresi, analisis jalur atau structural equation model
4.      Korelasi dan Linieritas
Terdapat hubungan erat antara pengertian korelasi dan linieritas. Korelasi Pearson, misalnya, menunjukkan adanya kekuatan hubungan linier dalam dua variabel. Sekalipun demikian jika asumsi normalitas salah maka nilai korelasi tidak akan memadai untuk membuktikan adanya hubungan linieritas. Linieritas artinya asumsi adanya hubungan dalam bentuk garis lurus antara variabel. Linearitas antara dua variabel dapat dinilai melalui observasi scatterplots bivariat. Jika kedua variabel berdistribusi normal dan behubungan secara linier, maka  scatterplot berbentuk oval; jika tidak berdistribusi normal scatterplot tidak berbentuk oval.
Dalam praktinya kadang data yang digunakan akan menghasilkan korelasi tinggi tetapi hubungan tidak linier; atau sebaliknya korelasi rendah tetapi hubungan linier. Dengan demikian agar linieritas hubungan dipenuhi, maka data yang digunakan harus mempunyai distribusi normal. Dengan kata lain, koefesien korelasi hanya merupakan statistik ringkasan sehingga tidak dapat digunakan sebagai sarana untuk memeriksa data secara individual.
Asumsi dasar korelasi diantaranya seperti tertera di bawah ini:
1.     Kedua variabel bersifat independen satu dengan lainnya, artinya masing-masing variabel berdiri sendiri dan tidak tergantung satu dengan lainnya. Tidak ada istilah variabel bebas dan variabel tergantung.
2.     Data untuk kedua variabel berdistribusi normal. Data yang mempunyai distribusi normal artinya data yang distribusinya  simetris sempurna. Jika digunakan bahasa umum disebut berbentuk kurva bel. Menurut Johnston (2004) ciri-ciri data yang mempunyai distribusi normal ialah sebagai berikut:
3.     Kurva frekuensi normal menunjukkan frekuensi tertinggi berada di tengah-tengah, yaitu berada pada rata-rata (mean) nilai distribusi dengan kurva sejajar dan tepat sama pada bagian sisi kiri dan kanannya. Kesimpulannya, nilai yang paling sering muncul dalam distribusi normal ialah rata-rata (average), dengan setengahnya berada dibawah rata-rata dan setengahnya yang lain berada di atas rata-rata.
4.     Kurva normal, sering juga disebut sebagai kurva bel, berbentuk simetris sempurna.
5.     Karena  dua bagian sisi dari tengah-tengah benar-benar simetris, maka frekuensi nilai-nilai diatas rata-rata (mean) akan benar-benar cocok dengan frekuensi nilai-nilai di bawah rata-rata.
6.     Frekuensi total semua nilai dalam populasi akan berada dalam  area dibawah kurva.  Perlu diketahui bahwa area total dibawah kurva mewakili kemungkinan munculnya karakteristik tersebut. 
7.     Kurva normal dapat mempunyai bentuk yang berbeda-beda. Yang menentukan bentuk-bentuk tersebut adalah nilai rata-rata dan simpangan baku (standard deviation) populasi.
8.      
5.      Uji Perbedaan
1.    t-test
Adalah teknik analisa statistik yang dipakai untuk melihat ada tidaknya perbedaan “mean” dari dua kelompok sampel.
a.       Jika dua kelompok sampelnya berasal dari distribusi sampel yang berbeda (dari populasi yang berbeda), maka teknik analisa yang digunakan adalah Independent Samples Test
b.      Jika sampelnya berasal dari distribusi sampel yang sama, maka teknik analisa yang digunakan adalah Paired Samples Test atau Correlated Samples
2.    Independent Samples Test
3.    Paired Samp

6.      Analisis Variandan analisis jalur
Analisis varian (ANOVA) adalah suatu metode untuk menguraikan keragaman total data menjadi komponen-komponen yang mengukur berbagai sumber keragaman. ANOVA digunakan apabila terdapat lebih dari dua variabel. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktek, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).
Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean).
Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan percobaan:
1.    Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
2.    Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya digunakan satu penduga (estimate) untuk varians dalam contoh
3.    Masing-masing contoh saling independen, yang harus dapat diatur dengan perancangan percobaan yang tepat
4.    Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.
Sering kali kita menghadapi banyak rata-rata (lebih dari dua rata-rata). apabila kita mengambil langkah pengujian perbedaan rata-rata tersebut satu persatu (dengan t test) akan memakan waktu, tenaga yang banyak. di samping itu, kita akan menghadapi risiko salah yang besar. untuk itu, telah ditemikan cara analisis yang mengandung kesalahan lebih kecil da dapat menghemat waktu serta tenaga yaitu dengan ANOVA (Analisys of variances).
Pada dasarnya pola sample dapat dikelompokkan menjadi:
1.    seluruh sample, baik yang berada pada kelompok pertama sampai dengan yang ada di kelompok lain, berasal dari populasi yang sama. untuk kondisi ini hipotesis nol terbatas pada tidak ada efek dari treatment (perlakuan)
2.    sample yang ada di kelompok satu berasal dari populasi yang berbeda dengan populasi sample yang ada di kelompok lainnya. untuk kondisi ini hipotesis nol dapat berbunyi: tidak ada efek treatment antar kelompok.
Ada 2 macam uji anova, yaitu :
1.    Uji Anova satu arah (One way anova)
2.    Uji Anova dua arah (Two way anova)
One way anova digunakan untuk menguji hipotesis rata-rata k sampel, bila pada setiap sampel itu hanya terdiri atas satu kategori, sedangkan two way anova digunakan untuk menguji hipotesis rata-rata k sampel, bila setiap sampel terdiri atas lebih dari satu kategori.
Tabel Ringkasan One Way Anova
Data sampel 1
Data sampel 2
Data sampel 3










Tabel Ringkasan Two Way Anova
Kategori
Sampel 1
Sampel 2
Sampel 3
Kategori A



Kategori B



Kategori C




Tabel Ringkasan Uji Anova
Sumber Variasi
dk
JK
RJK
Fh
F tabel
Keputusan
Rata-rata
1
JK rata-2
JK rata-2 / 1


Bandingkan F h & F t.
Antar kelompok
k – 1
JK  antar
JK antar / k – 1 
RJK antar / RJK dal
Lihat  F tabel
F h  F t =
H o ditolak
Dalam kelompok
 (ni – 1)
JK dal
JK dal /
 (ni – 1)



Total
 ni
JK tot
-
-
-
-



Langkah perhitungan dalam uji anova :
1.    Derajat bebas (dk).
dk rata-rata                        = 1
dk antar kelompok            = k – 1
dk dalam kelompok          =  (ni – 1)
dk total                              =  ni
2.      Jumlah kuadrat ( JK )
    ( Jumlah skor tiap-tiap kelompok ) 2
JK rata-2   = ---------------------------------------------
                                Jumlah seluruh subyek
                       ( Xi )2
JK rata-2   = ------------
                        n

                       ( Xi 2 )
JK antar     = --------------  - JK rata-2
                             ni

JK total     =  ( Xi 2 )

JK dalam   = JK tot – JK rata-2 – JK antar

3.      Rata-rata jumlah kuadrat ( RJK ).

                       JK rata-2
RJK rata-2 = --------------
                       dk rata-2

     JK antar
RJK antar  = --------------
                        dk antar
                       JK dalam
RJK dalam            = --------------
                       dk dalam
4.      Nilai F hitung ( F h ).
                           RJK antar
F hitung     = ----------------------
                          RJK  dalam
5.      Nilai F tabel ( F t ).
Nilai F tabel dilihat pada tabel F dengan menggunakan  dk antar kelompok sebagai  dk pembilang dan dk dalam kelompok sebagai dk penyebut sesuai dengan taraf kesalahan () yang diinginkan.
6.      Pengambilan keputusan.
Apabila  F h  F t , maka Ho ditolak
Analisi Jalur
Pengertian analisis jalur
Analisis jalur ialah suatu teknik untuk menganalisis hubungan sebab akibat yang tejadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel tergantung tidak hanya secara langsung tetapi juga secara tidak langsung”. (Robert D. Retherford 1993
Analisis jalur merupakan pengembangan langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi tingkat kepentingan (magnitude) dan signifikansi (significance) hubungan sebab akibat hipotetikal dalam seperangakat variabel.” (Paul Webley 1997)
Model perluasan regresi yang digunakan untuk menguji keselarasan  matriks korelasi dengan dua atau lebih model hubungan sebab akibat yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab. Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai variabel tergantung (pemberi respon) sedang yang lain sebagai penyebab. Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga penghitungan uji keselarasan statistik. (David Garson, 2003)
Prinsip-prinsip dasar analisis jalur
1.    Hubungan antar variabel bersifat linear (gunakan uji hipotesis kelayakan model dgn menggunakan angka sig atau F untuk pengaruh gabungan dan uji t untuk pengaruh parsial)
2.    Data berskala interval (scaled values dalam SPSS) 
3.    Tidak boleh terjadi multikoliniearitas
4.    Adanya recursivitas. Semua anak panah mempunyai satu arah, tidak boleh terjadi pemutaran kembali (looping).
5.    Terdapat ukuran sampel yang memadai (>100) 
Tipe model-model jalur
1.    Tipe Regresi Berganda (Model Satu Jalur)
2.    Model Mediasi (Model Dua Jalur)
Y2
 
   
3.    Model Kompleks (Model lebih dari dua jalur)
BAB III
PENUTUP
Data adalah sesuatu yang belum mempunyai arti bagi penerimanya dan masih memerlukan adanya suatu pengolahan. Data bisa berujut suatu keadaan, gambar, suara, huruf, angka, matematika, bahasa ataupun simbol-simbol lainnya
Penyajian data adalah semua bahan atau keterangan yang diperlukan untuk menulis karangan. Data ini disebut informasi, setelah dievaluasi kebenarannya, data akan menjadi fakta. Cara penyajian data antara lain: Wawancara, Angket, Observasi, Penelitian Lapangan, Penelitian Pendapat, Penelitian Kepustakaan.
Metode analisis data digolongkan menjadi dua diantaranya, Metode dependen merupakan metode yang digunakan untuk menganalisis ada atau tidaknya hubungan antara dua kelompok variabel. Dalam metode interdependen, tidak ada variabel atau sejumlah variabel yang memprediksi atau menjelaskan variabel-variabel lainnya. Ukuran penyebaran adalah suatu ukuran baik parameter atau statistic untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.
Sedangkan dalam menentukan uji hipotesis dapat dicari melalui statistika pendahuluan (uji homogenitas dan uji normalitas), serta uji hubungan, uji perbedaan dan analisis varians.










DAFTAR PUSTAKA
Bungin, Burhan. 2004. Metodologi Penelitian Kuantitatif. Jakarta: Kencana Prenada Media Group
Sudjana. 2002. Metoda Statistika. Bandung: Tarsito Bandung.































iii
 
 

Tidak ada komentar:

Posting Komentar