Makalah Analisis Data Kuantitatif
Pendahuluan
Dalam metode penelitian ilmiyah analisis data merupakan bagian yang sangat penting. Dengan analisis data, maka data dapat dimaknai sehingga berguna untuk memecahkan masalah-masalah yang diteliti dalam suatu penelitian. Pendekatan analisis kuantitatif merupakan salah satu tehnik penganalisisan data dengan menggunakan analisis statistik yang tertentu yakni data yang dikumpulkan berjumlah diklasifikasikan kedalam kategori-kategori. Pada analisis data ini menyajikan suatu ukuran yang dapat melakukan penarikan kesimpulan apakah perbedaan atau hubungan memiliki signifikansi yang tepat dan diambil cukup representatif untuk infrensi terhadap populasi tertentu. Tehnik-tehnik statistik juga dapat digunakan dalam pengujian hipotesa-hipotesa yang telah dirumuskan, maka statistik banyak sekali menolong peneliti dalam mengambil keputusan untuk menerima atau menolak suatu hipotesa.[1]
Sebaiknya peneliti harus melakukan analisis terhadap data yang dikumpulkan di lapangan (field research) dan peneliti juga harus melewati proses pengolahan data terlebih dahulu. Menurut Neuman adapun proses data kuntitatif dapat dibagi dengan tiga tahap: coding data; entering data dan cleaning data.[2] Dalam makalah ini akan di bahas bagaimana proses data kuantitatif secara ringkas sebagai berikut ini dengan tahapan pengkodean dan pemasukan data, analisis data dan pengujian teori.
B. Pembahasan
1. Proses Pengolahan Data
a. Coding Data / Pengkodean Data
Pengkodean adalah pemberian lambang tertentu dapat berupa nomor atau angka dalam suatu lembaran tabulasi yang sudah dikumpulkan dan dapatlah dilakukan pengolahan data dengan melalui coding data. Dan yang dimaksud dengan coding disini adalah usaha mengklasifikasikan jawaban-jawaban para responden menurut macam-macamnya.[3] Klasifikasiitu dilakukan dengan jalan menandai masing-masing jawaban itu dengan tanda kode tertentu, lazimnya dalam bentuk angka. Disini setiap macam jawaban (atau secara teknis disebut “setiap kategori jawaban”) pada dasarnya berarti menetapkan kategori mana yang sebenarnya tepat bagi sesuatu jawaba tertentu itu.
Contoh dalam suatu penelitian di ajukan antara lain sebuah pertanyaan yang berbunyi, “bagaimanakah kesan saudara terhadap kebersihan kota ini? Menanggapi pertanyaan ini, para responden akan memberikan jawaban-jawaban yang tentu saja tidak akan terumus dalam rumusan yag seragam,. Ragam-ragam jawaban itu mungkin akan berbunyi sebagai berikut:
“Wah! Kebersihan kota ini menyedihkan sekali”
“Minta ampun, deh!
“Saya kira cukup bersih“.
“Dikatakan bersih sih sulit; mau dikatakan kotor kok yang sulit“.
“Boleh jugalah“
“Ah, entahlah ya!“
“Dibandingkan dengan keadaan tahun lalu tampakya ada kemajuan.“
Kita andaikan saja dalam contoh ini jawaban-jawaban tersebut di atas telah di edit, maka jawaban-jawaban itu telah siap untuk di kode. Dalam tahap coding ini, jawaban yang beragam-ragam (atau dalam istilah teknisnya „yang tak berstruktur“) itu harus digolong-golongkan menurut macam-macamnya kedalam kategori-kategori.[4] Neuman menyebutkan bahwa coding data ini diartikan adalah memberikan tanda-tanda ulang secara sistematis daftar jawaban kedalam suatu format yang mudah dipahami.[5]
Data yang dikumpulkan dapat berupa angka, kalimat pendek atau panjang, ataupun hanya „ya“ atau „tidak“. Untuk memudahkan analisis maka jawaban-jawaban tersebut perlu diberi kode. Pemberian kode kepada jawaban sangat penting artinya, jika pengolahan data dilakukan dengan computer. Mengkode jawaban adalah menaruh angka pada tiap jawaban.[6]
Pemberian kode dapat diakukan dengan melihat jenis pertanyaan dan jawaban, dalam hal ini dapat dibedakan:
1) Jawaban yang berupa angka
2) Jawaban dari pertanyaan tertutup
3) Jawaban pertanyaan semi terbuka
4) Jawaban pertanyaan terbuka
5) Jawaban pertanyaan kombinasi
Dalam pembahasan ini pengkodean data dilakukan pada jawaban angket berupa angka.
Jawaban responden bisa dalam bentuk angka. Pertanyaan tentang pendapatan perbulan, jawabannya sudah pasti dalam bentuk angka. Misalnya Rp 149.500,-. Begitu juga dalam mengukur berat, misalnya berat tongkol jagung, maka jawabannya sudah jelas dalam bentuk angka. Begitu juga angka dalam produksi, luas garapan dan sebagainya. Untuk jawaban dalam bentuk angka ini, maka angka untuk kode adalah angka jawaban itu sendiri.[7]
Jawaban kode
Luas : 4,5 hektar 45
Berat : 74,3 kg 743
Pendapatan : Rp 22.500,- 22500
Umur : 52 tahun 52
Jika jawabannya sudah dalam bentuk interval angka, maka angka-angka tersebut perlu diberi kode tersendiri. Misalnya:
Luas antara 0,5 ha – 10 ha kodenya 15
Luas antara 1,1 ha – 3,0 ha kodenya 16
Luas 3,0 ha kodenya 17
Pengkodean data dilakukan pada jawaban angket tertutup. Contoh coding data pada angket di bawah ini:
I. Identitas responden
1.Apakah jenis kelamin anda? 1
a. Laki-laki
b.Perempuan 2
2. Jenis media yang anda gunakan
a. TV
b.Radio 3
c. Surat kabar
d. Internet
e. Komputer
f. Program khusus
3. Cara memperoleh media yang digunakan
a. Berlangganan 4
b. Meminjam dari teman
c. Membaca di kantor
Dalam pengkodean data; peneliti diharuskan untuk menggunakan kode buku (dokumen pedoman) agar pengolahan data selanjutnya bisa lebih efisien dan tidak terjadinya kemungkinan pengulangan dalam pengolahan data.[8]
b. Entering data / pemasukan data
Pemasukan data ini adalah suatu cara dalam membuat kode dengan menggunakan computer pada IBM coding sheet. Coding sheet adalah lembaran kertas yang mempunyai 80 kolom dan 25 baris. Jika data yang dikode melebihi dari 80 kolom, maka cara yang dilakukan adalah, pertama menyambung data responden tersebut ke baris kedua. Kedua menyambung kode pada baris yang sama kelembaran kedua dari coding sheet.
Sebelum kode dimasukkan dalam coding sheet maka terlebih dahulu ditentukan kolom-kolom berupa yang digunakan oleh variabel dan bagian format-formatnya. Hal ini diatur dalam buku kode (sebagai panduan dalam mengisi kode kedalam coding sheet).
c. Cleaning data
Melakukan pengecekan kembali untuk melihat keakuratan coding data. Cleaning data terdiri dari possibel code cleaning dan contingensi cleaning.[11] Possible code cleaning adalah mengecek seluruh kategori variable pada tiap-tiap kode. Sedangkan contingensi cleaning meliputi cross-clossifying dua variable dan melihat dengan kemungkinan pada logika.[12]
2. Analisis Data Kuantitatif
Analisis data kuantitaif dibedakan menurut banyaknya variable; hasil suatu variable; hasil satu variable (univariat), hasil dua variable (multivariat). Sebelum analisis data dilakukan peneliti diharuskan untuk mengetahui terlebih dahului jenis data apa yang akan di analisis. Kemudian penetuan tehnik yang sesuai. Sebagaimana yuang tertera di bawah ini.[13]
Jenis Data
Distribusi Frekuaensi
Ukuran Pemusatan
Variabilitas
Nominal
1. Distribusi frekuensi
2. Grafik balok
1. Modus
Ordinal
1. Distribusi frekuensi
2. Histogram
3. Poligon
4. Ogive Median
Modus Rentangan
Rentangan kuartilpersotil
Interval
1.Distribusi frekuensi
2.Histogram
3.Poligon
4. Ogive
1. Mean
2. Median
3. Modus Koefisien variasi
Variasi simpangan baku
Rentangan kuartil
Rentangan
Ratio
1. Distribusi frekuensi
2. Histogram
3. Poligon
4. Ogive
Mean
Median
Modus Koefosien variasi
Variasi simpangan baku
Rentangan kuartil
Rentangan
(1) Hasil Satu Variabel
penelitian yang hanya mengenai satu variable biasanya dianalisis secara deskriptif dengan statistik sederhana yaitu distribusi frekuensi; frekuensi mutlak; frekuensi relative (presentase), grafik dan tabel. Kmudian mencari ukuran variabilitas: range, percentile dan standart devisi. Kemudian disesuaikan dengan jenis data.[14]
Penyusunan dan penyajian yang berbentuk frekuensi atau grafik dapat memberikan deskripsi umum tentang penampilan keseluruhan satuan data. Dan untuik mendapatkan ciri khas tertentu dalam nilai bilangan peneliti dapat menggunakan ukuran pemusatan. Menurut Neuman ukuran pemusatan itu diukur dengan dua cara:
Ukuran tendensi sentral / ukuran pemusatan yang terdiri dari tiga cara
Mode
Mode dapat digunakan oleh skala nominal, ordinal inkrual dan rasio mode ini merupakan nilai-nilai yang muncul paling banyak didalam distribusi.[15] Contoh : distribusi skor frekuensi adalah 3,4,7,13,8,4,2 maka mode adalah 4.
Median : nilai tengah 20, 40, 50, 60, 70. mediannya adalah 50.
Median dapat digunakan oleh skala ordinal, interval dn ratio. Median menunjukkan nilai distribusi yang menjadi batas antara nilai lebih besar dan kurang dari nilai batas.
Contoh : distribusi skor frekuensi adalah 3,4,7,13,8,4,2. maka median adalah antara 13 dan 7, jadi (13 + 7) / 2 = 10.
Mean
Mean digunakan oleh skala ordinal, interval dan rasio. Mean dikenal dengan nilai rata-rata skor distribusi. Untuk mengetahui hasil mean, kita harus menjumlahkan semua skor distribusi lalu dibagi dengan banyaknya subjek yang memiliki nilai, dengan rumus :
X = ∑X
N
Contoh : distribusi skor frekuensi (2 + 4 + 7 + 13 + 8 + 4 + 2) / 7 = 5,71
Variabilitas ukuran dengan tiga cara:
Range
Range adalah jarak nilai tertinggi dengan nilai terendah, dengan rumus:
R = X1 - Xr
Contoh : distribusi skor frekuensi 3,4,7,13,8,4,2. R = 13 – 2 = 11.
Persentase disebut juga deviasi kuartil yaitu menentukan jarak antara kuartil atas dengan bawah dalam distribusinya. Rumusnya adalah:
QD = Q3 – Q1
2 Standart deviasi
Standart deviasi adalah deviasi nilai atau simpangan setiap nilai dari rata-rata kelompoknya dengan rumus:
SD = ∑ (X – X)2
N
Jika dalam penelitian mempunyai lebih dari satu kelompok maka, skor asli harus dirubah sebagai ‘jarak nilai dari rerata diukur dengan standar deviasinya”. Rumusnya adalah:
2 = X – x
SD
(2) Hasil dari dua variable
Hasil dari dua variable ini mencari hubungan antara variable satu dengan variable kedua yaitu variable independent. Hubungan antara variable ini dapat dilihat dengan menggunakan scattegram atau grafik yang menjelaskan hubungan antar dua variable lebih akurat.
Jika data yang telah disampaikan di atas dicari korelasinya dengan rumus simpangan, maka tabelnya seperti dibawah ini, dengan nilai-nilai yang diperlukan adalah: X, Y, x, y, xy, x2 dan y2. untuk dapat mencari nilai X, Y dan seterusnya terlebih dahulu harus dicari rerata X dan rerata Y. Adapun X = 6,2 dan Y = 6,7.
Berdasarkan atas data-data yang tertera dalam tabel tersebut, maka koefisien korelasi dapat dicari dengan rumus korelasi dengan rumus simpangan sebagai berikut:
rxy = ∑xy
√(∑x2) (∑y2)
rxy = 4,6
√(9.6) (4.1)
= 4.6 = 4.6 = 0.7337
√39.36 6.27
Keterangan :
rxy = Koefisien korelasi yang di cari
x = Simpangan setiap x dari rerata x (x – x)
y = Simpangan setiap y dari rerata y (y – y)
xy = Perkalian x dengan y
x2 = x dikuadratkan
y2 = y dikuadratkan
Ternyata koefisien korelasinya yang diperoleh agak berbeda dengan harga yang dicari dengan rumus angka kasar, hal ini wajar disebabkan karna terjadinya pembulatan-pembulatan sekian angka dibelakang koma.[17]
3. Pengujian Teori
pengujian teori dapat dilakukan setelah dilakukan analisis data yang telah dikumpulkan. Pengujian ini dapat dilakukan berdasarkan rumusan hipotesa yang diajukan sebab diketahui hipotesa itu sendiri adalah terdiri dari adanya proposisi yang mencoba menggambarkan secara ringkas tentang fenomena permasalahan yang didasarkan pada teori yang ada.
Salah satu contoh pengujian tentang hipotesa yang diajukan adalah, „misalnya seorang guru bahasa Indonesia sedang meneliti hubungan seringnya pertanyaan-pertanyaan yang diajukan. Secara teratur dalam interval tertentu dengan keterampilan siswa merawi prosa yang diajukan“.
Ρ xy = 1 6 T = 1 – 6/2
N (N2 – 1) 10 (102 - 1)
= 1 – 72 = 0.92
990
Untuk menerima atau menolak hipotesa haruslah dihitung signifikansi dengan menggunakan tabel statistik dari spearman.
ρ1 = α
2 bila ditentukan lebih dahulu α = 0.05, maka I = α = 0.975
2
Karena N = 10, maka tabel di baca pada baris N = 10, kolom 0.975 hasil bacaan itu adalah ρ = 0.6364. Kesimpulannya adalah ρ = 99 % atau korelasi itu sangat signifikan.