Setelah
data hasil penelitian dikumpulkan oleh peneliti (tentunya dengan menggunakan
berbagai teknik pengumpulan data),
langkah selanjutnya yang dapat dilakukan oleh peneliti adalah bagaimana
menganalisis data yang telah diperoleh tadi. Langkah ini diperlukan karena
tujuan dari analisis data adalah untuk menyusun dan menginterpretasikan data (kuantitatif) yang
sudah diperoleh.
Di
dalam melakukan data kuantitatif ini, terdapat suatu proses dengan beberapa
tahap yang sebaiknya dilakukan oleh
seorang peneliti pemula. Penehapan seperti ini sebenarnya tidak baku dan
tergantung pada kepentingan peneliti. Misalnya pada saat ini sudah banyak mesin
pengolah data yang tidak manual lagi sehingga tidak perlu melakukan tahap
pertama. Namun demikian, untuk mempermudah, tahap analisis data kuantitatif
dapat digambarkan pada table di bawah ini.
Tahapan
dalam Analisis Data Kuantitatif
A. Pengkodean Data (Data Coding)
Data
coding merupakan proses penyusunan secara sistematis
data mentah (yang ada dalam kuisioner) ke dalam bebtuk yang mudah dibaca oleh
mesin pengolah data seperti computer. Contoh:
Pertanyaan
di dalam kuisioner
Bagaimana pendapat anda tentang Prodi PGMI STAIN
Tulungagung?
A. Sangat
Baik
B. Baik
C. Cukup
Baik
D. Tidak
Baik
E. Sangat
Tidak Baik
Pemberian
kode
Bagaimana pendapat anda tentang Prodi PGMI STAIN
Tulungagung?
5. Sangat
Baik
4. Baik
3. Cukup
Baik
2. Tidak
Baik
1. Sangat
Tidak Baik
Huruf-huruf
yang ada pada pertanyaan di ubah menjadi kode angka. Pemberian kode ini
didasarkan pada asumsi bahwa Prodi PGMI STAIN Tulungagung diaktakan Sangat Baik
apabila nilai Sangat Baik melebihi nilai Baik, Cukup Baik, Tidak Baik, dan
Sangat Tidak Baik.
Untuk
pertanyaan yang bentuknya terbuka, misalya:
Apa
alasan sodara tidak setuju dengan adanya Prodi PGMI di STAIN Tulungagung?......
Maka
jawaban yang diperoleh dari responden harus di inventarisir terlebih dulu,
untuk kemudian di berikan kode sesuai dengan kepentingan peneliti.
Hal
yang harus diperhatikan oleh peneliti ketika membuat kode jawaban adalah kode
jawaban harus baku dan konsisten (tidak berubah-rubah). Hal ini dimaksudkan
agar hasil penelitian ketika dilakukan indeks atau skala memiliki validitas
yang tinggi. Oleh karena itu, bagi peneliti pemula diperlukan semacam buku yang
memuat kode-kode, atau sering disebut buku kode.
B. Pemindahan Data ke Komputer (Data
Entering)
Data
entering adalah memindahkan data yang telah di ubah
menjadi kode ke dalam mesin pengolah data. Caranya dengan membuat coding sheet (lembar kode), direct entry, optical scan sheet, (seperti lember isisan computer menggunakan
pensil 2B), dan CATI (Computer Assisted
Telephone Interviewing). Jenis yang terakhir ini biasa dipergunakan pada
saat polling melalui telepon.
Sementara itu, program computer yang dapat dipakai untuk mengolah data, antara
lain SPSS (Sttistical Package for Social Science), Microstat, Survey Mete,
STATS Plus, SAS, Microquest, dan lain-lain.
C. Pembersihan Data (Data Cleaning)
Data
cleaning adalah memastikan bahwa seluruh data yang telah
dimasukkan kedalam mesin pengolah data sudah sesuai dengan yang sebenarnya.
Disini peneliti memerlukan adanya ketelitian dan akurasi data. Caranya dengan possible code cleaning, contingency cleaning,
dan modifikasi (melakukan pengkodean kembali data yang asli).
Possible
code cleaning adalah melakuakan perbaikan kesalahan
pada kode yang jelas tidak mungkin ada akibat salah memasukkan kode. Contoh:
jenis kelamin hanya terdiri dari dua kode, yaitu kode 1 untuk laki-laki dan
kode 2 untuk perempuan, atau kode 0 untuk laki-laki dan kode 1 untuk perempuan, atau
sebaliknya karena variabel ini berskala nominal. Namun, dalam kode yang
dimasukkan kedalam computer, tertera kode 7. Maka kode ini salah dan harus
dilihat kembali pada kuesioner asli.
Sementara itu contingency
cleaning lebih rumit dibandingkan dengan possible code cleaning. Kesalahan ini terjadi akibat adanya
struktur kuesioner yang harus dijawab oleh khusus sebagian orang saja,
sedangkan yang lain tidak. Misalnya pertanyaan tentang jumlah anak yang
dimiliki oleh seorang perempuan. Pertanyaan ini khusus ditanyakan pada
perempuan. Namun, adakalanya terdapat pula keteledoran sehingga responden yang
laki-lakipun ikut ditanyakan.
Modifikasi adalah melekukan pengodean kembali (recode) data yang asli. Misalnya
ternyata jenis kelamin seperti kode di atas, yaitu 1 untuk laki-laki dan 2
untuk perempuan diubah menjadi kode 0 untuk laki-laki dan 1 untuk perempuan.
D. Penyajian Data (Data Output)
Data
output adalah hasil pengolahan data. Bentuk hasil
pengolahan data tersebut adalah sebagai berikut.
1. Numerik
(dalam bentuk angka)
Hasil pengolahan data yang yang berupa numeric
dapat disajikan dalam bentuk tabel
frekuensi dan tabel silang.
Contoh tabel frekuensi
Kategori
|
Frekuensi
|
Persentase
|
Laki-laki
|
125
|
62,5%
|
Perempuan
|
75
|
37,5%
|
Jumlah
|
200
|
100%
|
Contoh tabel silang
Jenis kelamin
|
Tingkat Pendidikan
|
Total
|
||
Rendah
|
Menengah
|
Tinggi
|
||
Laki-laki
|
75 (60,48%)
|
35 (28,23%)
|
14 (11,29%)
|
124 (100%)
|
Perempuan
|
35 (44,87%)
|
12 (15,39%)
|
31 (39,74%)
|
78 (100%)
|
Total
|
110 (54,46%)
|
47 (23,27%)
|
45 (22,28%)
|
202 (100%)
|
2. Grafik
(dalam bentuk gambar)
Penyajian data
dengan menggunakan grafik atau gambar lebih menarik jika dibandingkan penyajian
data dengan menggunakan tabel frekuensi maupun tabel silang. Namun penyajian
data menggunakan gambar atau grafik juga memiliki kelemahan, yaitu adanya
informasi yang hilang. Pembuatan garfik harus memperhatikan tingkat pengukuran
yang dipergunakan. Penggunaan grafik yang tepat berdasarkan tingkat pengukuran
dapat dilihat pada tabel berikut:
Skala
|
Grafik
|
Nominal
|
Piechart
Bargraph
|
Ordinal
|
Piechart
Bargraph
|
Interval
|
Histogram
Poligon
Ogive
|
Rasio
|
Histogram
Poligon
Ogive
Stem-leaf plots
Scatter Plots
|
E. Penganalisisan data (Data
Analizing)
Penganalisisan
data merupakan suatu proses lanjutan dari proses pengolahan data untuk melihat
bagaimana menginterpretasikan data, kemudian menganalisis data dari hasil yang
sudah ada pada tahap hasil pengolahan data. Penjelasan lebih lengkap tentang
pengijian statistik dan cara-cara perhitunganya dapat dibaca pada buku-buku
statistik. Analisis terhadap hasil
pengolahan data dapat berbentuk sebagai berikut.
1.
Analisis Univariat
Analisis
univariat adalah analisis terhadap satu variabel.
2.
Analisis Bivariat
Seperti telah
disebutkan di atas, hubungan antara dua variabel dapat digambarkan dalam bentuk
tabel silang. Dalam membuat tabel sialng ini, peneliti harus mengetahui
bagaimana arah hubungan yang ada dalam hubungan bivariat tersebut.
3.
Analisis Multivariat
Secara umum jenis
analisis multivariat dapa di bedakan menjadi dua jenis, yaitu:
a.
Tabel Silang
b.
Elaborasi
Penggunaan tabel silang pada analisis multivariat tidak
jauh berbeda dibandingkan dengan analisis bivariat. Tabel silang pada analisis
multivariat memiliki satu atau lebih
variabel tanbahan yang berfungsi sebagai variabel kontrol.
Selain membuat tabel silang, pada pengujian multivariat
kita juga dapat menggunakan elaborasi, yaitu cara yang dilakukan untuk
membandingkan hubungan antara dua variabel dengan hubungan antara variabel yang
sudah di belah dengan variabel kontrol. Elaborasi dapat dilakukan dengan
melihat hasil pada presentase tabel atau juga melihat kekuatan hubungan melalui
uji statistik seperti yang telah di jelaskan di atas.
F.
Pengujian Hipotesis
Langkah
selanjutnya dalam bagian analisis ini adalah bagaimana melakukan pengujian
terhadap hipotess yang telah di rumuskan sebelumnya. Ada beberapa tahap yang
harus dilakukan dalam melakukan pengujian hipotesis, yaitu:
1.
Merumuskan hipotesis.
2.
Menetapkan tes statistik yang akan digunakan.
3.
Menetapkan tingkat signifikansi (misalnya 1%, 5%, atau 10%).
4.
Melakukan perhitungan ststistik (misalnya menggunakan program SPSS).
5.
Mengambil kesimpulan.
Sumber: Bambang Prasetyo, dkk. 2008. Metode Penelitian Kuantitatif: Teori dan Aplikasi. Jakarta: PT
Grafindo Persada
terbantu.
ReplyDelete