Analisis Data Kuantitatif Statistik Deskriptif dan Statistik Inferensial

Makalah Metode Penelitian

Analisis Data Kuantitatif

Statistik Deskriptif dan Statistik Inferensial

Disusun Oleh:

Leroy Holman Siahaan (7316130267)

Melinda Putri (7316130269)

PROGRAM STUDY PENDIDIKAN BAHASA

PROGRAM PASCASARJANA (S2)

UNIVERSITAS NEGERI JAKARTA

2013

BAB I

PENDAHULUAN

1.    Pengertian Analisis Data

Analisis data merupakan salah satu proses penelitian yang dilakukan setelah semua data yang diperlukan dikumpulkan secara lengkap guna memecahkan permasalahan yang diteliti. Analisis data merupukan langkah keempat dalam penelitian ilmiah. Data yang sudah dikumpulkan kemudian diolah dan dianalisis baik menggunakan teknik statistic maupun tidak[1]. Tujuan dari analisis data adalah untuk menguji hipotesis serta menjawab pertanyaan penelitan. Analisis data sebagai proses yang merinci usaha secara formal untuk menemukan tema dan membangun hipotesis (ide) seperti yang disarankan oleh data dan sebagai upaya untuk menunjukan dukungan pada tema dan hipotesis[2]. Ketajaman dan ketepatan dalam penggunaan alat analisis sangat menentukan keakuratan pengambilan kesimpulan, karena itu kegiatan analisis data merupakan kegiatan yang tidak dapat diabaikan begitu saja dalam proses penelitian. Kesalahan dalam menentukan alat analisis dapat berakibat fatal terhadap kesimpulan yang dihasilkan dan hal ini akan berdampak lebih buruk lagi terhadap penggunaan dan penerapan hasil penelitian tersebut. Dengan demikian, pengetahuan dan pemahaman tentang berbagai teknik analisis mutlak diperlukan bagi seorang peneliti agar hasil penelitiannya mampu memberikan kontribusi yang berarti bagi pemecahan masalah sekaligus hasil tersebut dapat dipertanggungjawabkan secara ilmiah.

Secara garis besarnya, teknik analisis data terbagi ke dalam dua bagian, yakni analisis data kuantitatif dan kualitatif. Yang membedakan kedua teknik tersebut hanya terletak pada jenis datanya. Untuk data yang bersifat kualitatif (tidak dapat diangkakan) maka analisis yang digunakan adalah analisis kualitatif, sedangkan terhadap data yang dapat dikuantifikasikan dapat dianalisis secara kuantitatif, bahkan dapat pula dianalisis secara kualitatif.

Makalah ini secara spesifik akan membahas mengenai analisis data kuantitatif. Analisis data kuantitatif menggunakan pendekatan statistik.tingkat pekerjaannya (tahap yang ada dalam kegiatan statistik), statistik sebagai ilmu pengetahuan dapat dibedakan menjadi 2 golongan, yaitu: (1) Statistik Deskriptif dan (2) Statistik Inferensial[3].

1.2.   Rumusan Masalah

-          Apa itu statistik deskriptif?

-          Apa itu statistik inferensial?

1.3.   Tujuan

-          Mengetahui apa itu statistik deskriptif

-          Mengetahui apa itu statistik inferensial

BAB II

PEMBAHASAN

2.1. Landasan Teori

Penjabaran hasil penelitian dalam statistik terdapat dua langkah yaitu dengan menjabarkan hasil-hasil penelitian berupa fenomena–fenomena yang telah diteliti secara deskriptif (Statistik Deskriptif), dan dari hasil penjabaran data-data tersebut secara deskriptif diolah untuk menguji hipotesis, kemudian diambil keputusan (Statistik Inferensial).

Dari pengertian kedua jenis statistik tersebut dapat ditemukan 6 (enam) fungsi statistik[4] :

a.       Pengumpulan data (data collection atau collection of data).

b.      Penyusunan, pengolahan atau pengorganisasian data (summarizing).

c.       Tabulasi dan penyajian atau penggambaran data (tabulation and report).

d.      Analisis data (data analyzing atau analyzing of data).

e.       Penarikan kesimpulan (conclusion), pembuatan perkiraan (estimation), atau penyususan ramalan (prediction).

f.       Melakukan generalisasi penelitian terhadap sampel, kepada populasi.

Dari uraian diatas tampak jelas bahwa statistik deskriptif memiliki (4) empat fungsi , yaitu fungsi a sampai dengan fungsi d . Sedangkan statistik inferensial  memiliki 6 (enam) fungsi, yaitu fungsi a sampai dengan fungsi f.

Sebelum mempelajari statistik inferensial seorang peneliti  harus mempelajari statistik deskriptif terlebih dahulu agar terjadi pemahaman yang komprehensif dari awal hingga kesimpulan hasil dari data yang dianalisa.

2.2. Statistik deskriptif

Statistik adalah sebuah susunan prosedur untuk mendeskripsikan, mensintesiskan, menganalisa, dan menginterpretasikan data kuantitatif[5]. Deskreptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul. Tahap pertama menganalisi data adalah mempersiapkan data itu sendiri. Lalu, tahapan dalam mempersiapkan data itu dimulai dengan menilai data, membuat codebook, menentukan tipe skor yang digunakan, memilih program komputer, memasukan data kedalam program untuk dianalisis dan membersihkan data[6].

2.2.1. Menilai data.

Ketika mengumpulkan data pada sebuah instrumen atau checklist, dibutuhkan beberapa sistem untuk menilaidata. Menilai data itu sendiri diartikan bahwa peneliti memberikan skor berupa angka ke masing-masing respon kategori untuk masing-masing pertanyaan pada instrumen yang digunakan untuk mengumpulkan data. Contohnya: orang tua merespon pertanyaan survey berikut. ”para siswa diberikan kesempatan untuk memilih sekolahnya sendiri”. Maka orang tua akan memilih jawaban

.......................... (Sangat setuju) (5)

...........................(Setuju) (4)

............................(Ragu-ragu) (3)

............................(Tidak setuju) (2)

............................(Sangat tidak setuju) (1)

Angka-angkat pada masing-masing respon jawaban itu adalah nilai/skor data. Setelah memberikan nilai pada data, selanjutnya adalah membuat codebook. Codebook adalah daftar variabel atau pertanyaan yang mengindikasikan bagaimana peneliti akan memberikan skor pada respon dari instrumen atau checklist[7]. Contohnya:

variable 1. Gender--- (1) male, (2) female.

variable 2. Parents--- (1) married, (2) divorced, (3) separated.

2.2.2. Menentukan tipe-tipe data untuk dianalisis

Peneliti menentukan apa tipe skor yang digunakan dari instrumen sebelum menyusun suatu analisis skor. Hal ini penting karena tipe dari skor akan mempengaruhi bagaimana  cara memasukan data ke dalam file komputer untuk dianalisis. Sebagai contoh ada 3 jenis skor, yaitu; single item scores, summed scores on a scale, dan net or differece score.

-                          Single item scores adalah skor masing-masing individu untuk masing-masing pertanyaan.

-                          Summed scores adalah jumlah skor individu pada keseluruhan pertanyaan pada variabel yang sama . peneliti menjumlahkan semua skor individu untuk menghitung skor keseluruhan sebuah variabel.

-                          Difference Score adalah skor pada studi kuantitatif yang mempresentasikan suatu perbedaan atau perubahan pada masing-masing individu.

2.2.3. Memilih Program statistik.

Peneliti memilih program statistik untuk menganalisis data mereka setelah mereka memberikan nilai pada data tersebut. Beberapa petunjuk yang bisa diikuti untuk memilih program statistik[8].

-                 Mencari program dengan dokumentasi tentang bagaimana menggunakan program (tutorial).

-                 Kemudahan dalam penggunaan adalah salah satu faktor penting dalam memilih sebuah program.

-                 Mencari program yang memiliki tipe statistik yang akan menjawab pertanyaan penelitian dan hipotesis.

-                 Pastikan bahwa program bisa menganalisis jumlah data dalam database.

-                 Pilih program dengan kemampuan menampilkan grafik dan tabel yang bisa digunakan dalam laporan penelitian.

-                 Pilih program yang digunakan dikampus, maka akan mudah untuk berkonsultasi ketika muncul pertanyaan.

2.2.4. Memasukan data

Memasukan data dilakukan ketika peneliti mentransfer data dari respon-respon pada instrumen ke suatu file komputer untuk kemudian dianalisis.

2.2.5. merapikan dan menyikapi data yang hilang

Merapikan data adalah proses memeriksa data untuk skor yang diluar barisan yang diterima. Satu cara untuk melakukan hal ini adalah memeriksa dengan melihat langsung data.

Data yang hilang adalah data yang hilang pada database karena peserta tidak memberikan data. Ada beberapa cara untuk menyikapi data yang hilang, pertama adalah memiliki instrumen yang bagus yang membuat semua peserta bersedia melengkapi dan bisa menjawab semua pertanyaan jadi, data hilang tidak akan terjadi. Kedua, eliminasi peserta dengan skor yang hilang dari data analisis dan hanya memasukan peserta dengan data yang komplit. Atau bisa dengan memasukan angka untuk data yang hilang pada database. Ketika variabelnya adalah variabel kategori, bisa memasukan nilai ”-9” untuk semua data yang hilang. Namun ketika variabelnya kontinue, prosesnya mejadi lebih kompleks[9].

2.3. Statistik Deskriptif

Terdapat 3 ide dalam deskriptif statistik yang membantu merangkum keseluruhan kecendrungan hasil atau tendensi pada data. 3 ide tersebut adalah Tendensi Pokok, Variabilitas, dan Relative Standing[10].

Figure 1. Contoh kerangka statistik dalam penelitian pendidikan

Statistik Deskriptif

Tendensi Pokok Mean Median Mode

Variabilitas Variance Standard deviation Range

Relative Standing z Score Percentile ranks

 

2.3.1.Tendensi Pokok

Tendensi pokok adalah rangkuman angka yang mepresentasikan satu nilai dalam satu distribusi skor. Tendesi Pokok terdiri atas skor rata-rata (mean), skor tengah (median), dan skor yang paling sering muncul (mode)[11]. Dibawah ini adalah gambaran perhitungan tendensi pokok.

Tabel 1. Satistik Deskriptif skor siswa

Score (X)	z Score		Rank
60	-1.57		10.0
64	-1.28		20.0
75	-49		30.0
76	-.42		50.0
76	-.42		50.0
83	+.09		60.0
93	+.81		70.0
94	+.92		80.0
98	+1.22		90.0
99		+1.24	100

Sum = 818                     Variance= 173.96

Mode = (76)                   Standard Deviation= 13.18

Median = (79.5)             Z Score= raw score - mean/SD

Mean = (81.8)                Range; minimum= 60; maksimum= 99

Variance (SD2) =

Mean adalah statistic deskriptif yang paling popular digunakan untuk mendeskripsikan respon dari semua peserta terhadap item-item dalam instrumen. Untuk menghitung jumlah mean, total skor dibagi oleh jumlah peserta. Pada table 1 diatas, nilai mean adalah 81.8. Sedangkan Median adalah nilai tengah dari semua skor. Cara penghitungannya adalah skor dibagi menjadi dua bagian, 50% pada bagian atas dan 50% pada bagian bawah. Seperti pada table 1 diatas;

raw score:  60, 63, 75, 76, 76, 83, 93, 94, 98, 99

                                                                    Median

Median pada skor diatas adalah antara 76 dan 83. Selisih antara kedua nilai tersebut adalah 79.5, maka nilai median pada table 1 tersebut adalah 79.5. Setelah nilai mean dan median ditentukan, dapat pula ditentukan nilai mode.

Mode adalah nilai yang paling sering muncul pada baris skor. Pada table 1 diatas, nilai mode adalah 76, karena skor 76 frekuensinya adalah 2 dari total jumlah 10 skor. Sedangkan pada table 2 dibawah ini, nilai mode digunakan untuk mengetahui skor paling umum dalam berbagai nilai pada suatu variable[12].

Table 2. Statistik Deskriptif untuk variabel kategori, “Peer Group Affiliation”

Valid		Frequency	Percent	Valid Percent	Cumulative Percent
	Athletes	12	24.0	24.0	24.0
	Singers	14	28.0	28.0	52.0
	Punkers	13	26.0	26.0	78.0
	Other	11	22.0	22.0	100.0
	Total	50	100.0	100.0

Grafik 1. Peer Group Affiliation

Pada grafik diatas, terlihat bahwa kategori “Singers” frekuensinya lebih banyak dibandingkan kategori lainnya. penggunaan mode sangat berarti pada informasi variabel kategori seperti pada grafik 1 diatas.

2.3.2. Variabilitas

Variabilitas mengindikasikan penyebaran skor dalam satu distribusi. Ada 3 hal pada variabilitas yang perlu dipahami, yaitu: (1) Range, (2) Variance, (3) Standar Deviation. 3 hal tersebut mengindikasikan jumlah dari variabilitas dalam satu distribusi skor. Range adalah perbedaan antara skor tertinggi dan terendah pada item dalam satu instrument. Seperti pada table 1. Nilai terendah adalah 60 dan nilai tertinggi adalah 99, maka nilai range pada skor tersebut adalah 39 poin.

Variance mengindikasikan penyebaran skor disekitar nilai mean. Cara menghitung variance adalah sebagai berikut[13]:

-       Hitung selisih antara nilai mean dan baris skor untuk masing-masing individu

-       Kuadratkan hasil selisih nilai tersebut untuk masing-masing individu

-       Jumlahkan nilai hasil kuadrat skor untuk semua individu

-       Lalu, hasilnya dibagi dengan total jumlah individu

Contoh dari varian dapat dilihat pada table 1 Statistik Deskriptif skor siswa. Nilai variance berguna untuk menghitung Standard Deviation. Standard deviation menyediakan informasi yang berguna dan sebagai indicator dari penyebaran skor. Standar Deviation adalah kuadrat dari variance dan arti dari Standard deviation menjadi jelas ketika digambarkan pada grafik distribusi teoritis skor.

2.3.3. Relative Standing

Relative Standing adalah statistik yang menggambarkan satu skor berhubungan ke satu kelompok skor. Pada Relative standing terdapat Percentile Rank dan z Score. Percentile Rank adalah persentase peserta dalam distribusi skor tertentu atau dibawah skor tertentu. Sedangkan z Score adalah bentuk popular dari skor standar. Skor standar adalah perhitungan skor yang menghubungkan peneliti untuk membandingkan skor dari skala yang berbeda-beda. Nilai mean dan standard deviation pada z Score adalah 0 dan 1. Nilai z Score memberikan keuntungan kepada peniliti untuk bisa membandingkan skor dari satu instrumen ke skor dari instrumen yang lain. Menggunakan skor yang standar juga penting untuk menghitung statistic. Prosedurnya adalah skor standar tersebut dikurangi dengan nilai mean, lalu dibagi dengan standard deviation.

2.4. Statistik Inferensial

Tugas utama statistika inferensial adalah melakukan estimasi, menguji hipotesis, dan mengambil keputusan. Inference is the process of drawing conclusions about a population on the basis of measurements or observations made on a sample of individuals from the population[14] (Statistik Inferensial adalah proses penarikan kesimpulan terhadap populasi berdasarkan ukuran atau observasi yang ditarik dari sampel).

Bagian-bagian yang termasuk kategori dalam statistik inferensial adalah statistik Parametris dan statistic nonparametis. Secara hirarki letak statistic inferensial (Inferential Statistic) tertuang dalam figure 2 sebagai berikut

Figure 2. Examples of the Family of Statistics in Educational Research.

Dari bagan diatas diketahui bahwa turunan statististik inferensial adalah parametik dan non paremetris[15].

Penggunaan statistik parametris dan nonparametris tergantung pada asumsi dan jenis data yang akan dianalisis. “Statistik parametris memerlukan terpenuhi banyak asumsi. Asumsi yang utama adalah data yang dianalisis harus berdistribusi normal. Statistik nonparametris tidak menuntut terpenuhi banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi normal”[16].

2.4.1. Statistik Parametrik

Parametrik berarti parameter. Parameter adalah indicator dari suatu distribusi hasil pengukuran. Indikator dari distribusi pengukuran berdasarkan statistik parametrik digunakan untuk parameter dari distribusi normal. Apa yang dimaksud dengan distribusi normal? Bagaimana mengetahui sebuah data berdistribusi normal atau tidak? Hal ini penting sekali untuk diketahui karena berdasarkan normal atau tidaknya distribusi ini baru dapat ditentukan apakah uji statistik parametrik atau  nonparametrik yang digunakan.

Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika[17]. Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk lonceng.

Grafik 2. Contoh gambar yang menunjukkan data berdistribusi normal

Contoh metode statistik parametris diantaranya adalah uji-t (1 atau 2 sampel), perancang percobaan (One-Way Anova),(2-way ANOVA)[18].

2.4.2. Statistik Nonparametrik

Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 1942.[19] Metode statistik non-parametric merupakan metode statistik yang dapat digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode statistik parametrik, terutama yang berkaitan dengan distribusi normal. Istilah lain yang sering digunakan untuk statistic nonparametrik adalah statistik bebas distribusi (distribution-free statistics) dan uji bebas asumsi (assumption-free test). Statistik nonparametrik banyak digunakan pada penelitian-penelitian sosial. Data yang diperoleh dalam penelitian sosial pada umunya berbentuk kategori atau berbentuk rangking. Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran datapopulasi. Uji statistik ini disebut juga sebagai statistik bebas sebaran  (distribution  free). 

BAB III

KESIMPULAN

Analisis data kuantitatif merupakan tahapan yang dilakukan dalam proses penelitian kuantitatif setelah semua data terkumpul. Namun dalam prosesnya, peneliti tidak hanya menghitung statistik, tetapi juga terlibat didalamnya adalah mempersiapkan data-data yang akan dianalisis, proses analisis data itu sendiri, kemudian melaporkan hasil analisisnya, dan terkahir adalah mendiskusikannya. Dengan kata lain, analisis data kuantitatif ini terdiri dari beberapa tahap.

Sebelum menganalisis data kuantitatif, ada beberapa pertanyaan yang akan mengarahkan kita kepada tahap-tahap analisis data tersebut. Pertama, bagaimana merencanakan mengatur data sebelum menganalisisnya?. Kedua, pertanyaan apa yang diharapkan terjawab dengan analisis data?. Ketiga, bagaimana mempresentasikan hasilnya?. Keempat, bagaimana menyusun interpretasi dari hasil analisis data?.

Statistik Deskriptif adalah tahap analisis data yang hanya sampai pada penyajian data. Lalu data tersebut diolah dalam statistik inferensial. Pada statistic inferensial, kemudian diuji normalitas data. Jika data tersebut berdistribusi normal maka menggunakan statistik parametris , jika tidak nonparametris. Tahap terakhir dari hasil uji parametik atau non parametik adalah untuk menentukan uji hipotesis.

DAFTAR PUSTAKA

1.      Anas Sudijono, Pengantar Statistik Pendidikan. Jakarta: Rajawali Pers, 2011.

2.      Anderson , D.W., Vault, V.D. & Dickson, C.E. Problems and Prospects for the Decades Ahead: Competency Based Teacher Education . Berkeley: McCutchan Publishing Co. 1999.

3.      Creswell, J.W. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008.

4.      Emzir, Metodology Penelitian Pendidikan. Jakarta: Rajawali Pers, 2013.

5.      Gay. L.r., Mills. G. E., Airasian. P., Educational Research: Competencies for Analysis and Applications. Ninth Edition. New Jersey: Pearson Education, 2009. p. 303.

6.      Mundir H. Statistik Pendidikan. Yogyakarta: Pustaka Pelajar, 2013.

7.      Sugiyono. Metode Penelitian Pendidikan Alfabeta: Bandung, 2010.

8.      StatSoft, “StatSoft, Inc” Statistica Product Line: http://www.statsoft.com/textbook/nonparametric-statistics/ (diakses 28 September 2013).

9.      Wikipedia, “Wikimedia Foundation, Inc,” Wikipedia Online.       http://id.wikipedia.org/wiki/Distribusi_normal. (diakses 27 September 2013).                                                                                     

10.  Robert Bogdan and Steven J. Taylor, Introduction to Qualitative Research Method – A Phenomenological Approach to the Social Sciences. New York: John Wiley & Sons, 1975.

---

[1] Emzir, Metodology Penelitian Pendidikan (Jakarta: Rajawali Pers, 2013)

[2] Robert Bogdan and Steven J. Taylor, Introduction to Qualitative Research Method – A Phenomenological Approach to the Social Sciences (New York: John Wiley & Sons, 1975)

[3]  Anas Sudijono, Pengantar Statistik Pendidikan (Jakarta: Rajawali Pers, 2011)

[4] Dr. H. Mundir, Statistik Pendidikan (Yogyakarta: Pustaka Pelajar, 2013), h. 5.

[5] Gay. L.r., Mills. G. E., Airasian. P., Educational Research: Competencies for Analysis and Applications. Ninth Edition. New Jersey: Pearson Education, 2009. p. 303.

[6]  Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 183.

[7] Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 184

[8] Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 186

[9]  Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 190

[10] Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 191.

[11] Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 191

[12] Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 193

[13] Creswell, J.W.. Educational Research: Planning, Conducting, and Evaluating Quantitative and Qualitative Reesearch. New Jersey: Pearson Education, Inc, 2008. p. 194.

[14]. B. S. Everitt, The Cambridge Dictionary Of Statistics New York: Cambridge University Press, 2002,  h. 18. 

[15]. B. S. Everitt, The Cambridge Dictionary Of Statistics (New York: Cambridge University Press, 2002),  h. 18. 

[16] Prof. Dr. Sugiyono, Metode Penelitian Pendidikan ( Alfabeta: Bandung, 2010), h. 210.

[17]Wikipedia, “Wikimedia Foundation, Inc,” Wikipedia Online;   http://id.wikipedia.org/wiki/Distribusi_normal (diakses 27 September 2013).

[18] Sugiyono, op. cit., h.213

[19]StatSoft, “StatSoft, Inc” Statistica Product Line:    http://www.statsoft.com/textbook/nonparametric-statistics/ (diakses 28 September 2013).