Anda di halaman 1dari 46

MAKALAH

TEKNIK ANALISIS DATA

Diajukan kepada Program Pascasarjana Universitas Negeri Yogyakarta


Untuk Memenuhi Tugas Mata Kuliah
Metodologi Penelitian Pendidikan

Dosen Pengampu:
Dr. Haryanto, MPd

Disusun Oleh:
Rafiud Ilmudinulloh (NIM.17707251003)
Wisnu Candrawati (NIM.17707251014)

PROGRAM STUDI TEKNOLOGI PEMBELAJARAN


PROGRAM PASCASARJANA
UNIVERSITAS NEGERI YOGYAKARTA
2017
BAB I

PENDAHULUAN

A. Latar Belakang Masalah


Penelitian terbagi menjadi dua macam, yakni penelitian kualitatif dan kuantitatif. Dimana
masing-masing jenis penelitian memiliki cirri tersendiri, baik dari segi tujuan, isi, data, sumber
maupuan analisis datanya. Karena masing-masing penelitian memiliki tujuan (purpose) yang
berbeda-beda. Sehingga dari setiap penelitian memiliki cara atau teknik analisis data yang
berbeda-beda.
Melakukan sebuah penelitian pastinya tidak luput dari yang namanya analisis data. Yaitu
kegiatana menelaah, menjelaskan data hasil yang didapatkan ke dalam sebuah narasi melalui
proses tertentu. Dimana nantinya akan didapatkan tujuan dari sebuah penelitian itu sendiri.
Yaitu membuktikan sebuah teori baru atau mengungkapkan sebuah teori baru untuk dapat
dimanfaatkan di halayak umum. Tidak hanya bermanfaat untuk peneliti sendiri tetapi dengan
tujuan utama adalah untuk kemakmuran orang-orang pada umumnya.
Menurut sifatnya, data sendiri dibagi menjadi dua jenis, yaitu data kualitatif dan data
kuantitatif. Dimana keduanya memiliki cirri khas tesendiri. Sehingga dari masing-masing
tersebut membutuhkan teknik atau langkah untuk melakukan analisi yang berbeda-beda.
Sehingga dibuatlah makalah ini untuk menjelaskan bagaimana teknik analisis data penelitian,
baik itu penelitian yang bersifat kualitatif maupaun penelitian kuantitatif.

B. Rumusan Masalah
1. Apa pengertian teknik analisis data?
2. Bagaimana teknik analisis data kuantitatif?
3. Bagaimana teknik analisis data kualitatif?
C. Tujuan
1. Memahami pengertian teknik analisis data
2. Memahami teknik analisis data kuantitatif
3. Memahami teknik analisis data kuantitatif
BAB II

PEMBAHASAN

A. Pengertian Teknik Analisis Data


Pengeretian analisis data menurut (Bogdan& Biklen, 1982) adalah upaya yang dilakukan
dengan jalan bekerja dengan data, mengorganisasikan data, memilah-milahnya menjadi satuan
yang dapat dikelola, mensintesiskanya, mencari dan menemukan pola, menemukan apa yang
penting dan apa yang dipelajari, dan memetuskan apa yang dapat diceritakan kepada orang
lain.
Analisis data menurut (Seiddel, 1998), proses perjalanan sebagai berikut:
1. Mencatat yang menghasilkan catatan lapangan, dengan hal itu diberi kode agar sumber
datanya tetap dapat ditelusuri,
2. Mengumpulkan, memilah-milah, mengklasifikasikan, mensintesiskan, membuat ikstisar,
dan membuat indeksnya.
3. Berpikir, dengan jalan membuat agar kategori data itu mempunyai makna, mencari dan
menentukan pola dan hubungan-hubungan, dan membuat temuan-temuan umum.
Bogdan dan Taylor (1975:79) mendefinisikan analisis data sebagai proses yang merinci
usaha secara formal untuk menemukan tema dan merumuskan hipotesis kerja (ide) seperti yang
disarankan oleh data dan sebagai usaha untuk memberikan bantuan pada tema dan hipotesis
kerja itu.
Proses analisis data dalam penelitian kualitatif dimulai sejak sebelum peneliti memasuki
lapangan. Kemudian analisis data dilanjutkan pada saat peneliti berada di lapangan sampai
peneliti menyelesaikan kegiatan di lapangan. Analisis dilakukan terhadap data hasil studi
pendahuluan, atau data sekunder, yang akan digunakan untuk menentukan fokus penelitian.
Namun hal ini bersifat sementara dan akan berkembang setelah peneliti di lapangan

B. Teknik Analisis Data Kualitatif


Analisis data dalam penelitian kualitatif akan berlangsung bersamaan dengan bagian-
bagian lain dari pengembangan penelitian kualitatif, yaitu pengumpulan data dan penulisan
temuan. Analisis data dalam penelitian kualitatif dilakukan sejak sebelum memasuki lapangan,
selama di lapangan dan setelah selesai di lapangan.
1. Analisis Sebelum di Lapangan
Peneliti kualitatif telah melakukan analisis data sebelum peneliti memasuki lapangan.
Analisis dilakukan terhadap data hasil studi pendahuluan, atau data sekunder, yang akan digunakan
untuk menentukan fokus penelitian. Namun demikian fokus penelitian ini masih bersifat
sementara, dan akan berkembang setelah peneliti masuk dan selama di lapangan.
2. Analisis Selama di Lapangan Model Miles and Huberman
Analisis data dalam penelitian kualitatif, dilakukan pada saat pengumpulan data
berlangsung, dan setelah selesai pengumpulan data dalam periode tertentu. Pada saat wawancara,
peneliti sudah melakukan analisis terhadap jawaban yang diwawancarai. Bila jawaban yang
diwawancarai setelah dianalisis terasa belum memuaskan, maka peneliti akan melanjutkan
pertanyaan lagi, sampai tahap tertentu, diperoleh data yang dianggap kredibel. Miles and
Huberman dalam Sugiyono (2007: 337), mengemukakan bahwa aktivitas dalam analisis data
kualitatif dilakukan secara interaktif dan berlangsung secara terus menerus sampai tuntas, sehingga
datanya sudah jenuh. Aktivitas dalam analisis data, yaitu data reduction, data display, dan
conclusion drawing/verification. Langkah-langkah analisis ditunjukkan pada gambar berikut:

Berdasarkan gambar tersebut terlihat bahwa, setelah peneliti melakukan pengumpulan


data, maka peneliti melakukan antisipatori.
a. Reduksi Data
Data yang diperoleh dari lapangan jumlahnya cukup banyak, untuk itu maka perlu dicatat
secara teliti dan rinci. Mereduksi data berarti merangkum, memilih hal-hal yang pokok,
memfokuskan pada hal-hal yang penting, dicari tema dan polanya dan membuang yang tidak perlu.
Reduksi data adalah proses analisis untuk memilih, memusatkan perhatian, menyederhanakan,
mengabstraksikan serta mentransformasikan data yang muncul dari catatan-catatan lapangan.
Reduksi data dilakukan dengan pertimbangan bahwa data yang diperoleh dari lapangan jumlahnya
cukup banyak,untuk itu perlu di pilih sesuai dengan kebutuhan dalam pemecahan masalah
penelitian. Dengan demikian data yang telah direduksi akan memberikan gambaran yang lebih
jelas, dan mempermudah peneliti untuk melakukan pengumpulan data selanjutnya, dan
mencarinya bila diperlukan.
Dalam mereduksi data, setiap peneliti akan dipandu oleh tujuan yang akan dicapai. Tujuan
utama dari penelitian kualitatif adalah pada temuan. Oleh karena itu, kalau peneliti dalam
melakukan penelitian, menemukan segala sesuatu yang dipandang asing, tidak dikenal, belum
memiliki pola, justru itulah yang harus dijadikan perhatian peneliti dalam melakukan reduksi data.
Reduksi data merupakan proses berpikir sensitif yang memerlukan kecerdasan dan
keluasan dan kedalaman wawasan yang tinggi. Bagi peneliti yang masih baru, dalam melakukan
reduksi data dapat mendiskusikan pada teman atau orang lain yang dipandang ahli. Melalui diskusi
itu, wawasan peneliti akan berkembang, sehingga dapat mereduksi data-data yang memiliki nilai
temuan dan pengembangan teori yang signifikan. Reduksi data membuat data yang tadinya tidak
jelas menjadi lebih jelas dan sistematis. Hal ini akan mempermudah peneliti dalam analisis
selanjutnya

Cara mereduksi data:


1) Memilih data yang dianggap penting
2) Membuat kategori data, pada ilustrasi diatas dibuat tiga kategori yaitu huruf besar, huruf kecil
dan angka.
3) Mengelompokan data pada setiap kategori
b. Penyajian Data
Setelah data direduksi, maka langkah selanjutnya adalah mendisplaykan data. Dalam
penelitian kualitatif, penyajian data bisa dilakukan dalam bentuk uraian singkat, bagan, hubungan
antar kategori, flowchart dan sebagainya. Dalam hal ini Miles and Huberman dalam Sugiyono
(2007: 341) menyatakan “the most frequent form of display data for qualitative research data in
the past has been narrative text”. Yang paling sering digunakan untuk menyajikan data dalam
penelitian kualitatif adalah dengan teks yang bersifat naratif.
Dengan mendisplaykan data, maka akan memudahkan untuk memahami apa yang terjadi,
merencanakan kerja selanjutnya berdasarkan apa yang telah difahami tersebut. “looking at displays
help us to understand what is happening and to do some thing further analysis or caution on that
understanding ( Miles and Huberman dalam Sugiyono, 2017: 341). Selanjutnya disarankan, dalam
melakukan display data, selain dengan teks yang naratif, juga dapat berupa grafik, matrik, network
(jejaring kerja) dan chart.

c. Verifikasi Data
Langkah ke tiga dalam analisis data kualitatif adalah penarikan kesimpulan dan verifikasi.
Kesimpulan awal yang dikemukakan masih bersifat sementara, dan akan berubah bila tidak
ditemukan bukti-bukti yang kuat yang mendukung pada tahap pengumpulan data berikutnya.
Tetapi apabila kesimpulan yang dikemukakan pada tahap awal, didukung oleh bukti-bukti yang
valid dan konsisten saat peneliti kembali ke lapangan mengumpulkan data, maka kesimpulan yang
kredibel.
Saat peneliti terjun ke lapangan, biasanya banyak bentuk dan ragam gejala atau informasi
yang ditemui, tetapi tidak semua data dapat diproses atau diambil sebagai pendukung focus
penelitian, atau mengarah pada tercapainya kesimpulan. Data yang dapat diproses untuk analisis
lebih lanjut harus abash, berbobot dan kuat. Memilih data tersebut harus menggunakan metode
yang variatif dan tepat, seorang peneliti dapat menilai melalui beberapa metode :
1) Mengecek representativeness atau keterwakilan data
2) Mengecek data dari pengaruh peneliti
3) Mengecek melalui triangulasi
4) Melakukan pembobotan bukti dari sumber data-data yang dapat dipercaya
5) Membuat perbandingan atau mengkontraskan data
6) Penggunaan kasus ekstrim yang direalisasi dengan memaknai data negatif
Kesimpulan dalam penelitian kualitatif yang diharapkan adalah merupakan temuan baru
yang sebelumnya belum pernah ada. Temuan dapat berupa deskripsi atau gambaran suatu objek
yang sebelumnya masih remang-remang atau gelap sehingga setelah diteliti menjadi jelas, dapat
berupa hubungan kausal atau interaktif, hipotesis atau teori.
Hasil komponen tersebut dapat digambarkan sebagai berikut :
3. Analisis Data Selama di Lapangan Model Spradley
a. Analisis Domain
Setelah peneliti memasuki obyek penelitian yang berupa situasi sosial yang terdiri atas
place, actor dan activity (PAA), selanjutnya melaksanakan observasi partisipan, mencatat hasil
observasi dan wawancara, melakukan observasi deskriptif maka langkah selanjutnya adalah
melakukan analisis domain. Spradley dalam Sugiyono (2017: 347) meyatakan “Domain analysis
is the first type of ethnographic analysis, In later steps we will consider taxonomic analysis, which
involves a search for the way cultural domains are organize, the componential analysis, which
involves a search for the attributes of terms in each domain. Finally, we will consider theme
analysis, which involves a search for the relationship among domain and for how they are linked
to the cultural scene as whole”.
Analisis domain merupakan langkah pertama dalam penelitian kualitatif. Langkah
selanjutnya adalah analisis taksonomi yang aktifitasnya adalah mencari bagaimana domain yang
dipilih itu dijabarkan menjadi lebih rinci. Selanjutnya analisis komponensial aktivitasnya adalah
mencari perbedaan yang spesifik setiap rincian yang dihasilkan dari analisis taksonomi. Yang
terakhir adalah analisis tema, yang aktivitasnya adalah mencari hubungan di antara domain dan
bagimana hubungannya dengan keseluruhan, selanjutnya dirumuskan dalam suatu tema atau judul
penelitian.
Analisis domain pada umumnya dilakukan untuk memperoleh gambaran yang umum dan
menyeluruh tentang situasi sosial yang diteliti atau obyek penelitian. Dalam analisis ini informasi
yang diperoleh belum mendalam, masih di permukaan, namun sudah menemukan domain-domain
atau kategori dari situasi sosial yang diteliti. Suatu domain adalah merupakan kategori budaya
terdiri atas tiga elemen yaitu: cover term, included term dan semantic relationship. Cover term
adalah nama suatu domain budaya, included term nama-nama yang lebih rinci yang ada dalam
suatu kategori, Elemen ketiga dari seluruh domain budaya adalah hubungan antar kategori.
Mencari hubungan semantic ini merupakan hal yang penting untuk menemukan berbagai domain
budaya.
Untuk menemukan domain dari konteks sosial/obyek yang diteliti, Spradley menyarankan
untuk melakuan analisis hubungan semantic antar kategori, yang meliputi Sembilan tipe.Tipe
hubungan ini bersifat universal, yang dapat digunakan untuk berbagai jenis situasi sosial.
Kesembilan hubungan semantic tersebut adalah strict inclusion (jenis), spatial (ruang), cause effect
(sebab akibat), rationale (rasional), location for action (lokasi untuk melakukan sesuatu), function
(fungsi), Means-end (cara mencapai tujuan), sequence (urutan), attribution (atribut).
b. Analisis Taksonomi
Setelah peneliti melakukan analisis domain, sehingga ditemukan domain-domain atau
kategori dari situasi sosial tertentu, maka selanjutnya domain yang dipilih oleh peneliti dan
selanjutnya ditetapkan sebagai fokus penelitian, perlu diperdalam lagi melalui pengumpulan data
di lapangan. Pengumpulan data dilakukan secara terus menerus melalui pengamatan, wawancara
mendalam dan dokumentasi sehingga data yang terkumpul menjadi banyak. Oleh karena itu pada
tahap ini diperlukan lagi yang disebut dengan analisis taksonomi.
Analisis taksonomi adalah analisis terhadap keseluruhan data yang terkumpul berdasarkan
domain yang telah ditetapkan. Dengan demikian domain yang telah ditetaokan menjadi cover term
oleh peneliti dapat diurai secara lebih rinci dan mendalam melalui analisis taksonomi ini. Hasil
analisis taksonomi dapat disajikan dalam bentuk diagram kotak (box diagram), diagram garis dan
simpul (lines and node diagram) dan out line.
c. Analisis Komponensial
Pada analisis komponensial, yang dicari untuk diorganisasikan dalam domain bukanlah
keserupaan dalam domain, tetapi justru yang memiliki perbedaan atau yang kontras. Data ini dicari
melalui observasi, wawancara dan dokumentasi yang terseleksi. Dengan teknik pengumpulan data
yang bersifat triangulasi tersebut, sejumlah dimensi yang spesifik dam berbeda pada setiap elemen
akan dapat ditemukan. Sebagai contoh dalam analisis taksonomi telah ditemukan berbagai jenjang
dan jenis pendidikan. Berdasarkan jenjang dan jenis pendidikan tersebut, selanjutnya dicari elemen
yang spesifik dan kontras pada tujuan sekolah, kurikulum, peserta didik, tenaga kependidikan dan
sistem manajemennya.
d. Analisis Tema Budaya
Analisis tema atau discovering cultural themes, sesungguhnya merupakan upaya mencari
“benang merah” yang mengintegrasikan lintas domain yang ada (Sanapiah Faisal dalam Sugiyono,
2007: 360). Dengan ditemukan benang merah dari hasil analisis domain, taksonomi, dan
komponen tersebut, maka selanjutnya akan dapat tersusun suatu “konstruksi bangunan” situasi
sosial/obyek penelitian yang sebelumnya masih gelap atau remang-remang, dan setelah dilakukan
penelitian, maka menjadi lebih terang dan jelas.
Berdasarkan analisis tema budaya tersebut selanjutnya dapat disusun judul penelitian baru,
apabila judul dalam proposal berubah setelah peneliti memasuki lapangan.

C. Teknik Analisis Data Kuantitatif


Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat dua
macam statistik yang digunakan untuk analisis data dalam penelitian, yaitu statistik dekriptif
dan statistic inferensial. Statistik Inferensial meliputi statistik parametris dan statistik non
parametris.
1. Statistik Deskriptif
Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan
cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana
adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau
generalisasi. Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya) jelas akan
menggunakan statistik deskriptif dalam analisisnya. Tetapi bila penelitian dilakukan pada
sampel, maka analisisnya dapat menggunakan statistic deskriptif maupun inferensial.
Statistik deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data sampel,
dan tidak ingin membuat kesimpulan yang berlaku untuk populasi di mana sampel diambil.
Tetapi bila peneliti ingin membuat kesimpulan yang berlaku untuk populasi, maka teknik
analisis yang digunakan adalah statistic inferensial.
Statistika deskriptif digunakan untuk mendeskripsikan data atau membuat ringkasan
pada tahap pertama analisis data, misalnya survei dengan angket, prosedur analisis
kemungkinan hanya menggunakan perhitungan dan interprestasi statistika deskriptif.
Dengan menggunakan statistic deskriptif peneliti dapat mendeskripsikan data yang
“banyak” dengan angka-angka (indeks) yang simple tapi penuh arti. Apabila indeks
tersebut dihitung dari data sempel (untuk mendeskripsikan data dari sampel), maka
nilainya disebut statistic, dan apabila dihitung dari data populasi (mendeskripsikan data
populasi) disebut parameter.
Termasuk dalam statistik deskriptif antara lain adalah penyajian data melalui table,
grafik, diagram lingkaran, pictogram, perhitungan modus, median, perhitungan desil,
persentil, perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi,
perhitungan presentase.
a. Penyajian Data
1) Penyajian Data Dalam Bentuk Tabel
Tabel merupakan salah satu alat bantu untuk merangkum gagasan tertentu atau
menyusun data menurut sistematika tertentu sehingga mudah dimengerti tanpa
penjelasan yang panjang. Dalam setiap table berisi judul tabel, judul setiap kolom,
nilai-nilai data dalam setiap kolom, dan sumber dari mana data itu diperoleh.

2) Penyajian Data Dalam Bentuk Grafik


Selain mengguankan tabel, penyajian data yang cukup komunikatif adalah dengan
grafik. Adapun jenis-jenis grafik yang biasa digunakan dalam penyajian data
adalah:
a) Grafik Garis
Grafik garis merupakan grafik yang biasa digunakan untuk memaparkan suatu
perkembangan dari keadaan yang diteliti. Prosesnya bisa naik dan turun yang
akan terlihat secara visual melalui garis dalam grafik. Grafik garis membentuk
garis vertical yang menunjukan jumlah (frekuensi) dan garis horizontal
menunjukan variable
Chart Title
6
5
4
3
2
1
0
Category 1 Category 2 Category 3 Category 4

Series 1 Series 2 Series 3

b)

b) Grafik Batang
Grafik batang dapat menggunakan gambar 2D ataupun 3D. grafik batang biasa
digunakan untuk melihat perbedaan tingkat nilai dari beberapa aspek di dalam
suatu data. Selain itu grafik batang memiliki gambaran yang sederhana dan
mudah dipahami.
Chart Title
6
5
4
3
2
1
0
Category 1 Category 2 Category 3 Category 4
Series 1 Series 2 Series 3

Grafik Batang 2D

Chart Title

5
4
3
Series 3
2
Series 2
1
Series 1
0
Category 1 Category 2 Category 3 Category 4

Series 1 Series 2 Series 3

Grafik Batang 3D

3) Penyajian Data Dalam Bentuk Diagram


Data sering disajikan dalam bentuk diagram, adapun jenis diagram yang
digunakan dalam statistic deskriptif adalah diagram lingkaran.
a) Contoh Diagram Lingkaran
Sales

1st Qtr 2nd Qtr 3rd Qtr 4th Qtr

4) Penyajian Data Dalam Bentuk Pictogram


Data yang disajikan dalam bentuk gambar. Di dalam bidang koordinat (salib
sumbu) XY dinyatakan dengan gambar-gambar dengan ciri khusus untuk suatu
karakteristik. Contohnya untuk menyatakan jumlah peduduk pada tahun-tahun
tertentu, dapat digambarkan berupa gambar orang secara sederhana.
b. Perhitungan Modus
Modus adalah nilai dari beberapa data yang mempunyai frekuensi tertinggi atau nilai
yang sering muncul dari sekumpulan data.
1) Modus Data Tidak Berkelompok
Untuk menghitung modus pada data tunggal, kita cukup mencari nilai yang paling
sering muncul diantara sebaran data.
2) Modus Data Berkelompok
Rumus :

b : batas – bawah – nyata kelas interval yang memiliki frekuensi terbanyak.


p : panjang kelas interval.
b1 : frekuensi pada kelas modus (frekuensi pada kelas interval terbanyak)
b2 : frekuensi kelas modus dikurangi frekuensi kelas interval berikutnya

c. Perhitungan Median
Median (Me) adalah nilai tengah dari kelompok data yang telah disusun dari data
terkecil sampai data terbesar atau sebaliknya.
1) Median Tidak Berkelompok
Dapat dirumuskan sebagai berikut:

Dimana :
n : jumlah data
Apabila bilangan ganjil maka median terletak ditengah data.
Rumus : Median = X[(n+1)/2]
Apabila bilangan genap maka median data adalah rata-rata dari dua skor yang
ditengah.
Rumus : Median = (X[n/2] + X[(n/2) + 1])/2

2) Median Data Berkelompok


Rumus :

Dimana :
Bb : Batas bawah nilai kelas yang mengandung median
P : Panjang kelas
n : jumlah data
f : Banyak frekuensi kelas median
Jf : Jumlah dari semua frekuensi kumulatif sebelum kelas median

d. Penyebaran Data
Ukuran penyebaran data adalah ukuran dari seraingkaian atau sekelompok data yang
menunjukkan seberapa jauh nilai-nilai dari sekelompok data tersebut menyimpang dari
nilai rata-ratanya. Bila dalam sekelompok dan penyebaran kecil, maka data bersifat
homogen dan begitu juga sebalik jika penyenaranya besar.
1) Daerah Jangkauan
Selisih antara nilai terbesar dan terkecil dari serangkaian data:
a) Data Tunggal
Rumus: 𝑹 = 𝒙𝒎𝒂𝒙 − 𝒙𝒎𝒊𝒏
Ket.
R = daerah jangkauan
Xmax = nilai terbesar dari serangkaian data
Xmin = nilai terkecil dari serangkaian data

b) Data Kelompok
Rumus : 𝑹𝒌 = 𝑩𝒎𝒂𝒙 − 𝑩𝒎𝒊𝒏
Ket.
Rk = Daerah jangkauan
Bmax = batas atas kelas dari kelas tinggi
Bmin = batas bawah kelas dari kelas terendah
2) Simpangan Rata-Rata
Nilai rata-rata dari harga mutlak semua simpangan terhadap rata-rata (mean)
kelompok.
a) Simpangan Rata-rata Data Tunggal
̅|
∑|𝑿𝒊− 𝑿
Rumus : 𝑺𝑹 = 𝒏
Ket.
SR = simpangan rata-rata
X = data pengamatan
̅
𝑋 = rata-rata data
b) Simpangan Rata-rata Data Kelompok
∑𝒇 𝑿
Rumus : 𝑺𝑹 = ∑𝒇
→|𝒕𝒊 − 𝒙
̿ | = |𝒙|
Ket.
SR = simpangan rata-rata
X = data pengamatan
̅
𝑋 = rata-rata data
3) Varians dan simpangan baku
Salah satu teknik statistik yang digunakan untuk menjelaskan homgenitas
kelompok.Varians merupakan jumlah kuardat semua devisiasi nilai-nilai individual
terhadap rata-rata kelompok. Akar varians disebut standar devisiasi.
Jarak antara nilai Individu disebut simpangan
𝜎 = 𝑆impangan baku populasi
𝜎2 = Vairans Populasi
𝑠 = 𝑆impangan baku sampel
𝑠2 = Vairans sampel
Dengan rumus untuk populasi sebagai berikut:
∑(𝑥𝑖 −𝑥̅ )2
𝜎2 = 𝑛

Simpangan bakunya:

∑(𝑥𝑖 −𝑥̅ )2
𝜎=√ 𝑛

Rumus untuk sampel:


∑(𝑥𝑖 −𝑥̅ )2
𝑠2 = 𝑛−1

Simpangan bakunya:

∑ 𝑥𝑖 −𝑥̅
𝑠=√ 𝑛−1

4) Kuartil
Kuartil merupakan sekumpulan data yang dibagi menjadi empat bagian yang sama
setelah disusun mulai dari yang terkecil sampai yang terbesar. Terdapat tiga jenis
kuartil yaitu kuartil bawah (K1), kuartil tengah (K2), kuartil atas ( K3).
a) Kuartil Data Tidak Berkelompok
Kuartil data tidak berkelompok dapat dirumuskan sebagai berikut :
𝑖 (𝑛 + 1)
𝐾𝑖 =
4
Dimana :
K : Nilai kuartil
n : data
Langkah-langkah menghitung kuartil dari sekumpulan data adalah sebagai berikut:
 Menyusun data yang terkecil hingga terbesar
 Menetukan letak kuartil
 Menghitung K1, K2, K3
b) Kuartil Data Berkelompok
Kuartil data berkelompok dapat dirumuskan sebagai berikut :
Dimana :
Ki : Nilai Kuartil ke-i
Bb : Batas bawah kelas yang mengadung nilai kuartil
P : Panjang kelas
i : letak kuartil ke ..i
Jf : Jumlah dari semua frekuensi kumulatif sebelum kelas kuartil

5) Persentil
Persentil adalah sekumpulan data yang telah disusun mulai dari yang terkecil
sampai yang terbesar, kemudian dibagi menjadi serratus bagian yang sama.
Adapun symbol yang menggambarkan adalah P1’ P1’….P99’
a) Persentil Data Tunggal
Letak presentil ke I, diberi simbol LPi dan nilai dari persentil di tentukan dengan
rumus di bawah ini:
𝑖(𝑛 + 1)
𝑃𝑖 =
10
Ket.
P1 = letak persentil
i = persentil ke…i
n = data
b) Persentil Data Kelompok
Letak presentil ke i untuk data kelompok diberi simbol LPi dan nilai dari persentil
di tentukan dengan rumus di bawah ini:

𝑖. 𝑛⁄
100 − 𝑗𝑓
𝑃𝑖 = 𝐵𝑏 + 𝑃 ( )
𝑗

Ket.
Pi = nilai persentil ke..1
Bb = batas bawah kelas yang mengandung nilai persentil
P = panjang kelas
i = persentil ke…i

2. Statistik Inferensial
Statistika inferensial yaitu metode yang berhubungan dengan analisis data pada
sampel dan hasilnya dipakai untuk generalisasi pada populasi. Penggunaan statistika
inferensial didasarkan pada peluang (probability) dan sampel yang dianalisis diperoleh
secara acak dan random (Nisfiannoor, 2009: 4). Menurut Naga dalam Nisfiannoor (2009:
4) menyatakan bahwa tugas dari statistika inferensial adalah melakukan estimasi, menguji
hipotesis, dan mengambil keputusan.
Menurut Subagyo dan Djarwanto (2005: 2) menyatakan statistika induktif adalah
bagian statistika yang membahas analisis dan penyimpulan dari hasil analisis ini.
Kesimpulan dibuat berdasarkan hasil analisis yang dilakukan terhadap data yang sudah
terkumpul.
Nisfiannoor, (2009: 4) mengemukakan penggolongan statistika inferensial dapat
digolongkan menjadi dua, yaitu:
a. Statistika Parameterik
Penggunaan teknik statistika parametrik didasarkan pada asumsi bahwa data yang
diambil mempunyai distribusi normal dan jenis data yang digunakan interval atau rasio.
b. Statistika non-Parametrik
Penggunaan statistika nonparametrik tidak mengharuskan data yang diambil
mempunyai distribusi normal dan jenis data yang digunakan dapat nominal dan ordinal.

a. Parametrik
1) Korelasi
Analisis korelasional bertujuan untuk mengukur hubungan antar dua variabel
(X dan Y). keeratan hubungan antar X dan Y disebut koefisiensi korelasi dan
dilambangkan dengan ‘r’. nilai ‘r’ berada diantara -1 sampai +1. Nilai r
dikatakan positif jika garis X naki maka Y naik. Nilai r dikatakan negative jika
X naik maka Y turun atau sebaliknya.
Syarat :
- Jenis/tingkat data interval atau rasio.
- Distribusi data normal dan linier.
Berikut adalah gambar peta korelasi antara variabel X dan variabel Y yang
dapat dilihat dari pancaran titik atau momen.

a) Korelasi positif sempurna (r = +1)


Titik-titiknya berada persis di garis lurus dan bergerak dari kiri bawah
sampai kanan atas tanpa ada titik yang berada diluar garis. Dalam penelitian
ilmu sosial sangat jarang terjadi jenis korelasi seperti ini.

b) Korelasi negative sempurna (r =-1)


Titik-titik yang ada persis digaris lurus namun titik-titik tersebut
bergerak dari kiri atas sampai kanan bawah tanpa ada titik yang
keluar dari garis korelasi. Dalam penelitian sosial sangat jarang
terjadi jenis korelasi seperti ini.

c) Tidak ada korelasi (r = 0)


Titik-titik yang tersebar tanpa pola. Dari sebaran titik-titik dapat
dilihat bahwa ada data X yang tinggi, tapi data Y rendah;data X
rendah, tapi data Y tinggi; dan data X sama dengan data Y.

d) Korelasi positif (0<r<+1)


Titik-titik yang ada bergerak dari kiri bawah sampai kanan atas,
tetapi tidak semua persis berada pada garis. Pada sebaran data ini,
terlihat ada pola tertentu yang kebanyakan bila data X naik maka
data Y juga naik, meskipun ada kenaikan data X tetapi tidak disertai
kenaikan dari data Y.

e) Korelasi negative (-1<r<0)


Titik-titik yang ada bergerak dari kiri atas ke kanan bawah tetapi
tidak semuanya persis berada digaris. Pada sebaran data ini terlihat
ada pola tertentu dimana jika data X naik maka data Y turun,
meskipun masih ada kenaikan pada data X yang tidak disertai
turunnya data Y.
Contoh :

Korelasi positif (-1<r<+1)


Diketahui :
Tujuan penelitian mengetahui adanya hubungan antara nilai ujian statistik
dengan nilai ujian SPSS. Diperoleh sampel sebanyak 34 mahasiswa.

Ho = tidak ada hubungan antara nilai ujian statistik dengan nilai ujian
SPSS.
Ha = ada hubugan antara nilai ujian statistik dengan nilai ujian SPSS.
Langkah-langkah perhitungan menggunakan SPSS 20 :

1) Isi variabel nama pada Variable View dan Input data tabel Data
View SPSS.
Gambar 2.1(isi nama pada variabel view)

Gambar 2.2( input data pada data view)

2) Uji Normalitas
Klik Analyze , klik Nonparametric tests, dan pilih 1-sample K-S.

Gambar 2. 3(uji normalitas)

Kemudian klik nilai ujian statistik dan nilai ujian spss dan Drag ke
kolom Test Variable List (sebelah kanan).
Gambar 2. 4 (pindah variabel ke kolom test variable list)

Klik ok dan hasilnya seperti ini.

Gambar 2. 5 (out put uji normalitas)

Bila nilai signifikansi (p) >0.05, maka data normal. Bila (p) <0,05
maka data tidak normal. Diketahui nilai signifikansi (p) uji statistik
adalah 0,921>0,05 dan nilai signifikansi (p) ujian SPSS adalah
0,312> 0,05. Nilai signifikansi ujian statistik dan ujian SPSS
berdistribusi normal.

3) Uji Korelasi (Karl Pearson)


Klik Analyze, klik Correlate dan pilih Bivariate.
Gambar 2. 6(uji korelasi bivariate)

Kemudian Drag nilai ujian statistik dan SPSS ke kolom variables


(bagian kanan) dan klik option centang mean dan standart
deviations.

Gambar 2. 7 (uji korelasi berdasarkan mean dan simpangan baku).

Klik Ok dan berikut adalah hasilnya.


Hasil korelasi antar kedua variabel adalah 0.783 dengan signifikansi
0,000. Pengujian dilakukan dengan 2 tailed dengan kasus yang
terjadi, 34. Bila r mendekati angka satu 1, maka hal itu menunjukkan
adanya hubungan yang kuat.
Interpretasi data :
Pearson korelation = 0,783 dan sig (p) = 0,000. Dimana p < 0,01,
dengan demikian Ho : ditoak dan Ha = diterima.
Jadi : terdapat hubungan positif dan signifikan antara nilai statistik
dengan nilai SPSS. Makin tinggi nilai ujian statistik, maka akan
semakin tinggi nilai ujian SPSS. Sebaliknya makin rendah nilai
ujian statistik maka makin rendah pula nilai ujian SPSS.
Catatan :
** pada nilai korelasi merujuk pada taraf signifikansi 1%.
*pada nilai korelasi merujuk pada taraf signifikansi 5%.

Korelasi Ganda
Diketahui :
Tujuan penelitian untuk melihat hubungan antara taraf kecerdasan (IQ) dan
kecerdasan emosional (EQ) dengan prestasi kerja pada 34 karyawan di
perusahaan W.
Ho = tidak ada hubungan antara IQ dan EQ dengan prestasi kerja.
Ha = terdapat hubungan antara IQ dan EQ dengan prestasi kerja.
Langkah – langkah perhitungan menggunakan SPSS 20 :
1) Isi nama variabel pada kolom variable view dan input data pada
kolom data view.

Gambar 2. 8 (hasil imput data)

2) Uji normalitas
Klik Analyze , klik Nonparametric tests, dan pilih 1-sample K-S.

Gambar 2. 9(uji normalitas korelasi ganda)

Kemudian klik nilai ujian statistik dan nilai ujian spss dan Drag ke
kolom Test Variable List (sebelah kanan).
Gambar 2. 10 (pindah variabel ke kolom test variable list)

Klik ok dan hasilnya seperti ini.

Gambar 2. …(out put uji nomalitas korelasi ganda)


Bila nilai signifikansi (p) >0.05, maka data normal. Bila (p) <0,05
maka data tidak normal.
3) Uji Korelasi (Karl Pearson)
Klik Analyze, klik Correlate dan pilih Bivariate.

Gambar 2. 11(uji korelasi ganda bivariate)


Kemudian Drag nilai ujian statistik dan SPSS ke kolom variables
(bagian kanan) dan klik option centang mean dan standart
deviations.

Gambar 2.12 (uji korelasi ganda berdasarkan mean dan simpangan


baku).

Klik Ok dan berikut adalah hasilnya.

- Korelasi taraf kecerdasan intelektual (IQ) denga prestasi kerja diperoleh


r = 0,006 dan p = 0.974 > 0,05 maka Ho : diterima dan Ha : ditolak,
artinya tidak ada hubungan antara taraf kecerdasan intelektual (IQ)
dengan prestasi belajar.
Interpretasi :
Semakin tinggi taraf kecerdasaan intelektual (IQ), belum tentu
semakin tinggi prestasi kerja. Begitu pula sebaliknya. (korelasi
positif tetapi tidak signifikan).
- Korelasi taraf kecerdasan emosional (EQ) dengan prestasi kerja
diperoleh r = 0,31 dan p = 0,860 > 0,05 maka Ho : diterima dan Ha :
ditolak. Artinya tidak ada hubungan antara taraf kecerdasan emosional
(EQ) dengan prestasi kerja.
Interpretasi :
Semakin tinggi taraf kecerdasan emosional (EQ) belum tentu
semakin tinggi prestasi kerjanya. Begitu pula sebaliknya. (korelasi
positif tetapi tidak signifikan).

2) Regresi
Analisis regresi bertujuan untuk megetahui pengaruh IV (independent
variable) terhadap DV (dependant variable) dan bagaimana kriterium
(dependent variable) dapat diprediksikan melalui predicator (independent
variable), secara induvidu (parsial) maupun secara bersamaan (simultan).
- Linier regression : digunakan untuk melakukan pengujian hubungan
antara 1 DV dengan 1 IV.
- Multiple regression : digunakan untuk menganalisa antara 1 DV dan
beberapa (lebih dari 1) IV.
Syarat :

- Jenis data/tingkatan data interval dan rasio.


- Distribusi normal dan linier.
Data : korelasi dan regresi.
Contoh :

Regresi Linier sederhana


Diketahui :

Tujuan penelitian mengetahui adanya pengaruh antara pelayanan terhadap


kepuasan. Diperoleh sampel sebanyak 15 orang.

1) Isi variabel nama pada Variable View dan Input data tabel Data
View SPSS.
2) Uji nomalitas.
3) Uji regresi linier sederhana
Klik Analyze, klik Regression dan pilih Linier.
Gambar 2.14 (uji regresi linier sederhana)

Setelah itu, pindahkan pindahkan variabel pelayanan ke kotak


independent dan pindahkan variabel kepuasan ke kotak dependent.

Gambar 2.15 (centang model fit)

Selanjutnya klik Plots dan pada kotak standart residual plots


centang histogram dan normal probability plot.
Gambar 2.16 (centang histogram dan normal probability plot)

Klik continue dan ok, berikut hasilnya.

Nilai 9.091 merupakan nilai konstanta (a) yang menunjukkan bahwa


jika tidak ada kenaikan pelayanan maka kepuasan akan mencapai
9,091. Sedangkan 0.801 X merupakan koefisiensi regresi yang
menunjukkan bahwa setiap ada penambahan 1 nilai/angka untuk
pelayanan maka aka nada kenaikan 0,801. Angka 0,848 pada
standardized coefficients (beta) menunjukkan tingkat korelasi
antara pelayanan dengan kepuasan.
Nilai t merupakan nilai yang berguna untuk pengujian, apakah
pengaruh pelayanan terhadap kepuasan benar-benar signifikan atau
tidak.
Kesimpulan :
t = 5.764 dan sig (p) = 0,000. Dimana p < 0,01 sehingga Ho : ditolak
dan Ha : diterima.
Interpretasi
Jadi terdapat pengaruh yang signifikan dari pelayanan terhadap
kepuasan.
3) Uji t
Uji t adalah salah satu tes parametrik yang diformulasikan oleh William
Seely Gosset pada tahun 1915. Istilah Uji “t” diambil dari huruf terahir
nama belakangnya Gosset. Uji t juga dikenal dengan istilah “Student t”
karena pada saat itu William menggunakan nama samara student dalam
menguji rumusnya. Uji t digunakan untuk menguji kebenaran atau
kepalsuan Ho (Hipotesis nihil) yang menyatakan bahwa antaran dua mean
tidak terdapat perbedaan yang signifikan atau terdapat perbedaan tapi hanya
bersifat kebetulan atau tidak signifikan.
Syarat :

- Data DV berbentuk interval atau rasio.


- Distribusi data normal dan homogen.
Contoh :

Regresi Linier sederhana


Diketahui :

Tujuan penelitian mengetahui apakah ada perbedaan IPK (Indeks Prestasi


Komulatif) antar anggota DPM (dewan Perwakilan Mahasiswa) dan BEM
(Badan Esekutif Mahasiswa) dengan jumlah sample 14 orang.

1) Isi variabel nama pada Variable View dan Input data tabel Data
View SPSS.
2) Uji nomalitas.
3) Uji beda
Klik Analyze, klik compare Means, dan klik Independent-Sample
T-Test.

Gambar 2.17 (uji Independent-Sample T Test)


Kemudian pindahkan variabel IPK ke kolom Test Variable dan
pindahkan variabel ORMAWA ke kolom Gruping Variable.

Gambar 2.18 (kolom test variable dan kolom grouping variable).

Klik Definite Groups.


Use Specified Values : Group 1 = ketik 1, Group 2 = ketik 2.

Gambar. 2.19 (definite group)

Klik Continue dan klik Ok dan berikut hasilnya .


Kesimpulan :
T dengan equal variance not assumed = 1,857 dan signifikansi (p) = 0,097. Maka t =
1,587 dan p = 0,097 > 0,05 sehingga Ho : diterima dan Ha : ditolak sehinga tidak
terdapat perbedaan rata-rata IPK antar anggota BEM dan DPM.

4) Anova Satu Jalur.


Penggunaan analisis ini sesuai dengan penelitian yang menguji rata-rata
lebih dari dua kelompok.
Syarat :
- Data IV berjenis nominal dan interval.
- Data DV berjenis interval atau rasio.
- Distribusi data normal dan homogen.
Contoh :

Anova Satu Jalur


Diketahui :

Tujuan penelitian mengetahui apakah ada perbedaan nilai ujian para siswa
ditinjau dari metode mengajar yang diterapkan. Metode mengajar yang
diterapkan adalah Metode A, Metode B dan Metode C.
Ho = tidak ada perbedaan nilai ujian antara siswa yang mengikuti metode
A,B dan C.

Ha = terdapat perbedaan nilai ujian antar siswa yang mengikuti metode A,B
dan C.
1) Isi variabel nama pada Variable View dan Input data tabel Data
View SPSS.
2) Uji nomalitas.
3) Uji anova satu jalur.
Klik Analyze, klik Compare Means dan pilih One-Way Anova.

Gambar 2.20 (Uji anova satu jalur)

Klik nila pindahkan ke kotak dependent List.Dan klik metode


pindahkan ke kotak faktor.

Gambar 2.21 (pidahkan kedua variabel pada kolomnya)

Kemudian pilih Options : statistik = isi dengan descriptive dan


Homogeneity of Variance Test. Continue dan Ok.

Berikut hasilnya :
F = 1,293 dan p = 0,308 > 0,05 sehingga Ho = diterima dan Ha = ditolak sehingga tidak terdapat
perbedaan nilai ujian antara siswa yang mengikuti metode belajar A,B dan C. jika hasil
ANOVA menunjukkan tidak ada perbedaan maka analisis tidak dilanjutkan ke uji post hoc,
begitu pun sebaliknya.

b. Non Parametrik
a. Korelasi Spearman
Metode korelasi jenjang ini dikemukakan oleh Carl Spearman pada tahun
1904. Metode ini diperlukan untuk mengukur keeratan hubungan antara dua
variable dimana dua variabel itu tidak mempunyai joint normal distribution
dan conditional variance tidak diketahui sama. Korelasi rank dipergunakan
apabila pengukuran kuantitatif secara eksak tidak mungkin/sulit dilakukan.
Korelasi Spearman Rank ini biasanya digunakan untuk sampel dalam
ukuran yang lebih kecil, yaitu sampai dengan 30 sampel. Misalnya:
mengukur tingkat moral, tingkat kesenangan, tingkat motivasi.
Syarat :
- Data tidak berdistribusi normal.
- Mengukur hubungan dua variabel yang tidak linier.
- Data berlevel ordinal.
Cara perhitungan SPSS :
1) Seperti biasanya, langkah pertama buka program SPSS kemudian klik
Variable View, pada tampilan ini kita akan memberikan nama dan
kelengkapan untuk variabel penelitian.

Gambar 2.22. Tampilan Variable View SPSS


2) Langkah berikutnya klik menu Analyze lalu pilih Correlate kemudian
pilih Bivariate.

Gambar 2.23 Tampilan Analyze SPSS


3) Maka dilayar akan muncul kotak dialog “Bivariate Correlations” lalu
masukan Nilai dan Produksi ke dalam Variables secara bersamaan dan
atur Two-tailed dan Flag significant correlations serta berikan tanda
centang pada pilihan Spearman lalu Klik Ok.

Gambar 2.24 Tampilan Bivariate Correlations


4) Maka akan muncul output “Korelasi Spearman” sebagai berikut:
Correlations
Nilai Produksi
Correlation Coefficient 1.000 .869**
Spearman's rho Nilai Sig. (2-tailed) . .001
N 10 10
Correlation Coefficient .869** 1.000
Produksi Sig. (2-tailed) .001 .
N 10 10
**. Correlation is significant at the 0.01 level (2-tailed).

Gambar 2.25. Tampilan Korelasi Spearman


Pada α=0,05 dengan pengujian dua arah untuk n = 10 menurut tabel nilai
ρs(0,05)= 0,648. Jadi karena rs = 0,869 > ρs (0,05) = 0,648 diputuskan H0
ditolak. Ada korelasi positif yang nyata antara nilai tes dengan jumlah
satuan yang diprodusir.

b. Korelasi Kenda Tau


Korelasi Kendal Tau (τ) digunakan untuk mencari hubungan atau menguji
signifikansi hipotesis asosiatif antara dua variabel atau lebih bila datanya
berskala ordinal. Perbedaan teknik Korelasi Kendal Tau (τ) ini dengan
Korelasi Spearman Rank adalah, bahwa teknik uji Korelasi Kendal Tau (τ)
dapat digunakan untuk sampel yang lebih besar, yaitu sampel yang lebih
dari 10.
Syarat :
- Data tidak berdistribusi normal.
- Mengukur hubungan dua variabel yang tidak linier.
- Data berlevel ordinal.

Cara Perhintungan SPSS :


Penggunaan Hitung dengan SPSS
1) Seperti biasanya, langkah pertama buka program SPSS kemudian klik
Variable View, pada tampilan ini kita akan memberikan nama dan
kelengkapan untuk variabel penelitian.

Gambar 2.25. Tampilan Variable View SPSS


2) Langkah berikutnya klik menu Analyze lalu pilih Correlate kemudian
pilih Bivariate.
Gambar 2.26 Tampilan Analyze SPSS
3) Maka dilayar akan muncul kotak dialog “Bivariate Correlations” lalu
masukan Nilai dan Produksi ke dalam Variables secara bersamaan dan
atur Two-tailed dan Flag significant correlations serta berikan tanda
centang pada pilihan Kendall Tau lalu Klik Ok.

Gambar 2.27. Tampilan Bivariate Correlations


4) Maka akan muncul output “Korelasi Kendall Tau” sebagai berikut:
Correlations
IQ Nilai
Correlation Coefficient 1.000 .753**
IQ Sig. (2-tailed) . .000
N 25 25
Kendall's tau_b
Correlation Coefficient .753** 1.000
Nilai Sig. (2-tailed) .000 .
N 25 25
**. Correlation is significant at the 0.01 level (2-tailed).

Gambar 2.28. Tampilan Korelasi Kendall Tau


Pada α=0,05 dengan pengujian dua arah untuk n = 25 menurut tabel nilai τ
(0,05)= 0,708. Jadi karena τ = 0,753 > τ (0,05) = 0,708 diputuskan H0
ditolak. Ada korelasi positif yang nyata antara nilai tes dengan tingkat IQ
siswa SMA.

c. Analisi Komparasi Mann-Whitney


Uji median dari dua kelompok. Dependent variabel memiliki level ordinal.
Uji ini dapat juga dijadikan alternative dari Independent-Sample T test
karena data tidak berdistribusi normal.
Penggunaan Hitung dengan SPSS
1) Seperti biasanya, langkah pertama buka program SPSS kemudian klik
Variable View, pada tampilan ini kita akan memberikan nama dan
kelengkapan untuk variabel penelitian.

Gambar 1. Tampilan Variable View SPSS


2) Langkah berikutnya klik menu Analyze lalu pilih NonParametric Tests
kemudian pilih 2 Independent Samples.

Gambar 2. Tampilan Analyze SPSS


3) Maka dilayar akan muncul kotak dialog “Test for Several Independent
Samples” lalu masukan Skor ke dalam Test Variable List dan
Pengetahuan ke dalam Grouping Variable dan atur Range 1-2 serta
berikan tanda centang pada pilihan Mann-Whitney lalu Klik Ok.
Gambar 3. Tampilan Test for Several Independent Samples

4) Maka akan muncul output “Mann-Whitney Test” sebagai berikut:


Ranks
Pengetahuan N Mean Rank Sum of Ranks
Sentra A 4 3.25 13.00
Skor Sentra B 6 7.00 42.00
Total 10
Test Statisticsa
Skor
Mann-Whitney U 3.000
Wilcoxon W 13.000
Z -1.931
Asymp. Sig. (2-tailed) .054
Exact Sig. [2*(1-tailed Sig.)] .067b
a. Grouping Variable: Pengetahuan
b. Not corrected for ties.

Gambar 4. Tampilan output Mann Whitney Test


Berdasarkan pengujian di atas dapat disimpulkan bahwa tingkat
pengetahuan petani yang dekat dengan Pusat Pemasaran (Sentra B) lebih
tinggi dari petani yang berada jauh dari Pusat Pemasaran (Sentra A).

d. Analisis Komparasi Kruskal-Wallis


Uji ini diperlakukan sebagai alternative dari One Way ANOVA untuk uji
non parametrik bila data tidak berdistribusi normal.

Penggunaan Hitung dengan SPSS


5) Seperti biasanya, langkah pertama buka program SPSS kemudian klik
Variable View, pada tampilan ini kita akan memberikan nama dan
kelengkapan untuk variabel penelitian.

Gambar 1. Tampilan Variable View SPSS


6) Langkah berikutnya klik menu Analyze lalu pilih NonParametric Tests
kemudian pilih 2 Independent Samples.
Gambar 2. Tampilan Analyze SPSS
7) Maka dilayar akan muncul kotak dialog “Test for Several Independent
Samples” lalu masukan Skor ke dalam Test Variable List dan
Pengetahuan ke dalam Grouping Variable dan atur Range 1-2 serta
berikan tanda centang pada pilihan Mann-Whitney lalu Klik Ok.

Gambar 3. Tampilan Test for Several Independent Samples

8) Maka akan muncul output “Mann-Whitney Test” sebagai berikut:


Ranks
Pengetahuan N Mean Rank Sum of Ranks
Sentra A 4 3.25 13.00
Skor Sentra B 6 7.00 42.00
Total 10
Test Statisticsa
Skor
Mann-Whitney U 3.000
Wilcoxon W 13.000
Z -1.931
Asymp. Sig. (2-tailed) .054
Exact Sig. [2*(1-tailed Sig.)] .067b
a. Grouping Variable: Pengetahuan
b. Not corrected for ties.
Gambar 4. Tampilan output Mann Whitney Test
Berdasarkan pengujian di atas dapat disimpulkan bahwa tingkat pengetahuan petani
yang dekat dengan Pusat Pemasaran (Sentra B) lebih tinggi dari petani yang berada
jauh dari Pusat Pemasaran (Sentra A).
BAB III

PENUTUP

A. Kesimpulan
1. Teknik analisis data adalah upaya yang dilakukan dengan jalan bekerja dengan data,
mengorganisasikan data, memilah-milahnya menjadi satuan yang dapat dikelola,
mensintesiskanya, mencari dan menemukan pola, menemukan apa yang penting dan apa
yang dipelajari, dan memetuskan apa yang dapat diceritakan kepada orang lain.
2. Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat dua
macam statistik yang digunakan untuk analisis data dalam penelitian, yaitu statistik
dekriptif dan statistik inferensial.
3. Statistika deskriptif digunakan untuk mendeskripsikan data atau membuat ringkasan pada
tahap pertama analisis data, misalnya survei dengan angket, prosedur analisis kemungkinan
hanya menggunakan perhitungan dan interprestasi statistika deskriptif.
4. Statistika inferensial yaitu metode yang berhubungan dengan analisis data pada sampel dan
hasilnya dipakai untuk generalisasi pada populasi. Penggunaan statistika inferensial
didasarkan pada peluang (probability) dan sampel yang dianalisis diperoleh secara acak
dan random. Statistika inferensial dibagia menjadi dua yaitu, paramterik dan non
parametrik.
5. Analisis data dalam penelitian kualitatif akan berlangsung bersamaan dengan bagian-
bagian lain dari pengembangan penelitian kualitatif, yaitu pengumpulan data dan penulisan
temuan. Analisis data dalam penelitian kualitatif dilakukan sejak sebelum memasuki
lapangan, selama di lapangan dan setelah selesai di lapangan.
6. Analisis sebelum memasuki lapangan dilakukan terhadap data hasil studi pendahuluan,
atau data sekunder, yang akan digunakan untuk menentukan fokus penelitian.
7. Aktivitas dalam analisis data selama di lapangan model Miles and Huberman , yaitu data
reduction, data display, dan conclusion drawing/verification.
8. Analisis data selama di lapangan model Spradley yaitu analisis domain, analisis taksonomi,
analisis komponensial, dan analisis tema budaya.
DAFTAR PUSTAKA

Muhammad, Nisfiannoor. 2009. Pendekatan Statistik Modern. Jakarta: Salemba Humanika.

Sugiyono. 2007. Metode Penelitian Pendidikan: Pendekatan Kuantitatif, Kualitatif dan R&D.
Bandung: Alfabeta.