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
|
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)
|
||||||||
|
||||||||
|
||||||||
 |
||||||||
|
||||
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.
|
|||||
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)
|
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
http://mathedu-unila.blogspot.com/2010/12/pengertian-data.html unduh
20 april 2012
http://samisayoga.wordpress.com/2010/04/06/penyajian-data/ unduh
20 april 2012
Sudjana.
2002. Metoda Statistika. Bandung:
Tarsito Bandung.
|