Translate

PENGOLAHAN DAN ANAILISIS DATA

Oleh:
Nugraha Setiawan*)

 


1. Prosedur Pengolahan dan Analisis Data


Tujuan pokok dilaksanakannya penelitian adalah untuk menjawab pertanyaan pertanyaan penelitian. Untuk mencapai tujuan pokok tersebut antara lain harus melalui proses pengolahan dan analisis data. Alur kerjanya, yang dimulai dari pengumpulan hingga interpretasi data dapat dilihat pada ilustrasi berikut ini :


Ilustrasi Proses Pengolahan dan Analisis Data


Pengumpulan Data
(Kuesioner)
clip_image001
Editing Data
dan
Koding Data
clip_image001
Pengolahan Data
Entry Data
Editing Data
clip_image001
Analisis Data
Statistika Deskriptif
Statistika Inferensial
clip_image001
Interpretasi Data


*) Pengajar Metodologi Penelitian Sosial pada Jurusan Sosial Ekonomi Fakultas Peternakan
dan Peneliti pada Pusat Penelitian Kependudukan UNPAD.


2. Pengumpulan dan Pengolahan Data


Pengumpulan Data:

Sebelum melakukan pengolahan data, ada bebarapa tahap yang harus dilakukan. Sedangkan setelah analisis data yaitu suatu proses penyederhanaan data, maka dapat dilakukan interpretasi data dengan mudah. Kuesioner merupakan alat pengumpul data yang digunakan untuk survai, guna memudahkan proses selanjutnya, sebaiknya dalam kuesioner telah tersedia kolom untuk koding.


Editing Data:

Data lapangan yang ada dalam kuesioner perlu diedit, tujuan dilakukannya editing adalah untuk: (1) Melihat lengkap tidaknya pengisian kuesioner. (2) Melihat logis tidaknya jawaban. (3) Melihat konsistensi antar pertanyaan.

 

index


Koding Data:


Dilakukan untuk pertanyaan-pertanyaan: (1) Tertutup, bisa dilakukan pengkodean sebelum ke lapangan. (2) Setengah terbuka, pengkodean sebelum dan setelah dari lapangan. (3) Terbuka, pengkodean sepenuhnya dilakukan setelah selesai dari lapangan.


Pengolahan Data:


Paling tidak ada dua hal yang perlu dilakukan ketika melakukan pengolahan data: (1) Entry data, atau memasukan data dalam proses tabulasi. (2) Melakukan editing ulang terhadap data yang telah ditabulasi untuk mencegah terjadinya kekeliruan memasukan data, atau kesalahan penempatan dalam kolom maupun baris tabel.


3. Analisis dan Interpretasi Data


Hal penting yang perlu diingat dalam melakukan analisis data adalah mengetahui dengan tepat penggunaan alat analisis, sebab jika kita tidak memenuhi prinsip-prinsip dari pemakaian alat analisis, walaupun alat analisisnya sangat canggih, hasilnya akan salah diinterpretasikan dan menjadi tidak bermanfaat untuk mengambil suatu kesimpulan. Model-model statistika untuk keperluan analisis data telah begitu berkembang, dari model-model statistika deskriptif hingga ke statistika inferensial non parametrik dengan persyaratan yang lebih “lunak “ dibandingkan dengan statistika parametrik yang sangat ketat dengan persyaratan-persyaratan tertentu dan sulit dipenuhi dalam kerangka penelitian sosial.


Ketika kita memutuskan untuk melakukan analisis data menggunakan alat statistika, ada beberapa hal yang perlu diperhatikan antara lain:

  1. Dari mana data diperoleh, apakah berasal dari sampel (melalui proses sampling) atau dari populasi (dengan cara sensus)
  2. Jika berasal dari sampel apa teknik sampling yang digunakan, apakah termasuk kelompok sampling probabilitas atau non probabilitas.
  3. Memakai skala apa data diukur, apakah menggunakan skala nominal, ordinal, interval, atau rasio.
  4. Bagaimana hipotesis yang dibuat apakah perlu dilakukan pengujian satu arah atau dua arah kalau memakai statistika inferensial.


Statistika Deskriptif sebagai Alat Analisis:


Statistika Deskriptif merupakan metode atau alat analisis yang biasa digunakan untuk menyederhanakan data agar mudah dipahami. Penyajiannya bisa dalam bentuk tabel, baik tabel frekuensi maupun tabel silang atau dalam bentuk diagram dan grafik seperti diagram batang, kurva dll. Statistika deskriptif dapat diterapkan baik untuk data yang berasal dari sampel maupun populasi, juga untuk sampel yang diambil dengan sampling probabilitas maupun non probabilitas, serta bisa digunakan untuk semua skala pengukuran dari mulai yang paling lemah (nominal) hingga skala rasio. Statistika Deskriptif sering digunakan untuk mengukur gejala pemusatan, dan
dispersi atau simpangan data. Termasuk ukuran gejala pusat antara lain: modus, median, persentil, mean atau rata-rata. Tergolong ukuran dispersi data antara lain: rentang (maksimum - minimum), deviasi standard, koefisien variasi. Jika dikaitkan dengan skala pengukuran dari data yang dianalisis, statistika deskriptif yang cocok digunakan adalah:


1. Skala Nominal : Modus, Frekuensi
2. Skala Ordinal : Median, Persentil, Rentang
3. Skala Interval : Mean, Deviasi Standard
4. Skala Rasio : Mean, Koefisien Variasi (ukuran dispersi relatif)


Statistika Nonparametrik sebagai Alat Analisis:


Dalam analisis data penelitian-penelitian sosial saat ini sering digunakan Statistika Nonparametrik. Statistika ini termasuk dalam ketegori Statistika Inferensial, yang dipakai untuk menafsirkan parameter (populasi) berdasarkan statistik (sampel) melalui pengujian statistik atau yang lebih dikenal dengan Uji Signifikansi.

Beberapa hal yang perlu diperhatikan sebelum menggunakan Statistika Nonparametrik antara lain:

  1. Penggunaan Statistika Nonparametrik hanyalah untuk data penelitian yang berasal dari sampel, sebab jika data penelitian berasal dari populasi (sensus) hasil pengukurannya berupa parameter, dengan demikian tidak perlu ditafsirkan lagi tetapi bisa langsung diinterpretasikan.
  2. Statistika Nonparametrik mensyaratkan pengambilan data dengan cara random, karena di dalamnya mengandung kaidah-kaidah probabilitas.
  3. Perhatikan hipotesis penelitian, karena hipotesis tersebut mengindikasikan apakah pengujian (uji signifikansi) harus dilakukan satu sisi atau dua sisi.
  4. Perhatikan dengan cermat, apakah penelitian kita terdiri atas kasus satu sampel, dua sampel, atau lebih dari dua sampel.
  5. Jika penelitian merupakan kasus dua sampel atau lebih, perhatikan dengan lebih teliti, apakah merupakan sampel yang berpasangan atau tidak
    berpasangan.

Beberapa pengujian nonparametrik berikut akan dikelompokkan berdasarkan sampel penelitian, dan tersedia dalam paket software SPSS (Statistical Package for Social Sciences) yang banyak digunakan dalam penelitian sosial dengan cara operasi yang relatif mudah.


1. Kasus Satu Sampel : Misalnya kita ingin melakukan penelitian untuk meneliti apakah betul sekolah-sekolah favorit telah secara adil memberi kesempatan kepada pria dan wanita, atau kepada semua masyarakat dari berbagai tingkat ekonomi. Uji signifikansi yang bisa digunakan antara lain:

  • Uji Binomial : Digunakan untuk menguji perbedaan proporsi sebuah populasi, jika data berskala nominal dan hanya memiliki dua kategori
  • Uji Chi-Kuadrat Sampel Tunggal : Digunakan untuk menguji perbedaan proporsi sebuah populasi, jika data berskala nominal dan memiliki lebih dari dua kategori.
  • Uji Kolmogorov-Smirnov Sampel Tunggal : Digunakan untuk menguji perbedaan proporsi sebuah populasi, jika data berskala ordinal.


2. Kasus Dua Sampel Berpasangan : Misalnya kita ingin melakukan penelitian prestasi atau perilaku siswa sebelum dan setelah dilakukan perubahan kurikulum. Jadi sampel yang sama diukur dua kali, pertama dilakukan pengukuran terhadap prestasi atau perilaku sebelum perubahan
kurikulum, dan kedua pengukuran prestasi atau perilaku siswa dilakukan setelah perubahan kurikulum. Uji signifikansi yang bisa digunakan antara lain:

  • Uji Mc-Nemar : Digunakan untuk menguji perbedaan proporsi dua populasi yang berpasangan, jika data berskala nominal dan hanya memiliki dua kategori.
  • Uji Tanda : Digunakan untuk menguji perbedaan nilai tengah ranking dua populasi yang berpasangan, jika data berskala ordinal.
  • Uji Tanda Wilcoxon : Digunakan untuk menguji perbedaan nilai tengah ranking dua populasi yang berpasangan dengan lebih halus, jika data berskala ordinal.


3. Kasus Dua Sampel Tidak Berpasangan : Misalnya kita ingin melakukan penelitian prestasi atau perilaku siswa antara dua sekolah yang berbeda atau antara dua kota yang berbeda atau antara sekolah di pedesaan dan perkotaan. Dengan demikian untuk masing-masing sampel hanya diukur satu kali, tetapi dengan model pengukuran yang sama. Uji signifikansi yang bisa digunakan antara lain:

  • Uji Chi-Kuadrat Dua Sampel Berpasangan : Digunakan untuk menguji perbedaan proporsi dua populasi yang tidak berpasangan, jika data berskala nominal dengan dua atau lebih dari dua ketegori.
  • Uji U Mann-Whitney : Digunakan untuk menguji perbedaan nilai tengah ranking dua populasi yang tidak berpasangan, jika data berskala ordinal.
  • Uji Kolmogorov-Smirnov Dua Sampel : Digunakan untuk menguji “sembarang” perbedaan (median, dispersi, dan skewness) dua populasi yang tidak berpasangan, jika data berskala ordinal.


4. Kasus “k” (Lebih dari Dua) Sampel Berpasangan : Misalnya kita ingin melakukan penelitian terhadap optimisme para dosen dengan menilai kebijakan pimpinan universitas, pada masa jabatan 3 orang rektor yang berbeda. Para dosen yang dinilai optimismenya, serta ditanya penilaianya terhadap ketiga rektor adalah kelompok (sampel) dosen yang sama. Uji signifikansi yang bisa digunakan antara lain:

  • Uji Q Cochran : Digunakan untuk menguji perbedaan proporsi k buah populasi yang berpasangan, jika data berskala nominal dan hanya memiliki dua kategori.
  • Uji Varian Ranking Friedman : Digunakan untuk menguji perbedaan nilai tengah ranking k buah populasi yang berpasangan, jika data berskala ordinal.


5. Kasus “k” (Lebih dari Dua) Sampel Tidak Berpasangan : Misalnya kita ingin melakukan penelitian terhadap optimisme mahasiswa dengan menilai kebijakan pimpinan universitasnya sendiri pada tiga universitas yang berbeda. Mahasiswa ditanya mengenai optimismenya serta penilaianynya terhadap rektornya masing-masing, jadi sampel adalah kelompok mahasiswa yang
berbeda. Uji signifikansi yang bisa digunakan antara lain:

  • Uji Chi-Kuadrat k Sampel Tidak Berpasangan : Digunakan untuk menguji perbedaan proporsi k populasi yang tidak berpasangan, jika data berskala nominal dengan dua atau lebih dari dua ketegori.
  • Uji Median : Digunakan untuk menguji perbedaan median k buah populasi yang tidak berpasangan, jika data berskala ordinal.
  • Uji Varian Ranking Kruskal-Wallis : Digunakan untuk menguji perbedaan nilai tengah ranking k buah populasi yang tidak berpasangan, jika data berskala ordinal.


6. Pengukuran Korelasi dan Uji Signifikansinya : Dalam sebuah penelitian kadang kala kita ingin mengetahui apakah ada hubungan antara variabel satu dengan yang lainnya, untuk keperluan tersebut sering digunakan pengukuran korelasi. Besarnya koefisien korelasi (r), serta arah dari koefisien (negatif atau positif) dapat dipakai sebagai indikasi kuat tidaknya hubungan antara dua buah variabel serta bagaimana arah hubungannnya.


Hal yang perlu dipahami dalam penggunaan ukuran korelasi adalah, bahwa koefisien korelasi yang dihasilkan tidak otomatis menunjukkan bahwa variabel yang satu berpengaruh terhadap variabel lain, tetapi hanya menunjukkan tingkat asosiasi kuat lemahnya hubungan, sementara penentuan variabel indpenden dan dipenden ditentukan berdasarkan teori.


Jika pengukuran korelasi didasarkan pada sampel, koefisien korelasi adalah statistik, untuk menjawab apakah angka korelasi tersebut berlaku juga dalam populasinya sebagai parameter, perlu dilakukan pengujian signifikansi. Kalau berdasarkan hasil pengujian angkanya signifikan, maka koefisien korelasi sebagai statistik bisa diebut sama dengan parameter-nya.


Pengukuran korelasi yang biasa digunakan dalam penelitian sosial aantara lain:

  • Koefisien Kontingensi (C) : Digunakan untuk mengukur keeratan hubungan antara dua variabel yang berskala nominal. Misalnya apakah ada hubungan antara proporsi jenis kelamin murid SMA dengan proporsi keinginan mereka untuk melanjutkan pendidikan ke perguruan tinggi pada jurusan eksata dan non eksata.
  • Koefisien Korelasi Rank Kendall (t) : Digunakan untuk mengukur keeratan hubungan antara dua variabel yang berskala ordinal. Misalnya apakah ada hubungan antara ranking test masuk SMP dengan dengan ranking di semester pertama kelas 1 SMP.
  • Koefisien Korelasi Rank Sperman (rs) : Digunakan untuk mengukur keeratan hubungan antara dua variabel yang berskala ordinal. Pengukuran korelasi ini lebih banyak digunakan karena metodenya yang lebih sederhana.

Tidak ada komentar:

Posting Komentar

 

Terbaru

Masukkan Email Anda

Archives

Info Web

Google PageRank Checker Powered by  MyPagerank.Net