Analisis dan Interpretasi Data

A.Pendahuluan
Analisis data juga bisa diartikan sebagai kegiatan evaluator setelah mereka mengumpulkan
data atau informasi yang diperlukan.evaluator dalam langkah ini mengadministrasi sejak data
masih merupakan data kasar hingga menjadi data halus dengan cara mengelompokkkan data
perolehan ke dalam setiap variable atau ubahan. Kegiatan analisis data ini memerlukan
kecermatan agar para evaluator tetap dapat mengendalikan dan mengelola data dengan baik.
Gagal melakukan administrasi data dengan secara sistematis bisa menjadikan program atau
proyek yang dinilai menjadi kacau. Akibatnya data sulit dianalisis dan interpretasi menjadi sia
sia atau tidak bermakna sehingga hasil pekerjaan evaluasi tidak berarti. Tujuan Administrasi
informasi evaluatif diantaranya adalah :
1) Mengurutkan data sesuai dengan masukan data pada tim evaluator
2) Mengelompokkan data sesuai dengan ubahan informasi
3) Memasukkan data ke paket program analisis data
4) Menentukan informasi yang relevan atau menuju ke langkah interpretasi data yang lebih
sistematis dan intensif.

Data evaluasi program dapat dibedakan menjadi dua macam data, yaitu data kuantitatif dan data
kualitatif.
1. Data Kuantitatif
Data kuantitatif merupakan data atau informasi yang diperoleh dari program atau proyek yang
dinilai, serta dialihkan dari fenomena program atau proyek melalui bentuk angka.
Fenomena angka kemudian di administrasi, termasuk dikelompokkan dalam variable atau
ubahan sebelum dianalisis lebih jauh. jika data dikumpulkan secara kuantitatif , evaluator perlu
memahami langkah penting dalam proses analisisnya. Untuk itu, evaluator perlu
mengelompokkan dalam beberapa macam kelompok variable,misalnya variabel data
dikumpulkan dalam tabel dibawah. Data dikelompokkan menjadi seperti variabel level
kebijakan,variabel aspek, indicator, sumber data, dan metode atau alat. Dari hasil administrasi
informasi tersebut semua data yang dikelompokkan dalam variabel dideskripsikan menurut
beberapa batasan penting dalam analisis deskriptif.
a. Analisis deskriptif
Dalam analisis deskriptif, beberapa batasan tersebut termasuk dalam tendensi sentral
dianataranya adalah seperti berikut:
1. Mean atau rerata adalah nilai yang diperoleh dari menjumlahkan seluruh skor dibagi
dengan jumlah sampel.
2. Median dari sekelompok pengukuran merupakan nilai tengah pengukuran ketika semua
data telah diatur secara menurun dari skor terbesar ke skor terkecil atau menaik dari skor
terkecil menuju ke skor terbesar .
3. Mode adalah nilai yang sering muncul dalam satu distribusi data.
4. Juling atau skewed merupakan bentuk distribusi yang ditentukan oleh posisi mean.
Skewed atau juling merupakan hubungan antara mean terhadap median dan mode juga
memiliki makna yang penting dalam pengambilan keputusan dari analisis diskriptif. Juling
positif jika mean > (lebih besar) dari median dan mode, sedangkan sekumpulan data dikatakan
sebagai juling negatif jika posisi mean < (lebih kecil) dari median dan mode distribusi normal
dengan bentuk genta sempurna ketika posisi mean = median d = mode.
5. Simpang baku merupakan jarak antara skor individual terhadap rerata distribusi atau
simpang baku merupakan nilai positif dari akar varians yang menunjukkan ukuran penyebaran
suatu data, sedangkan varians merupakan jarak sebaran data antara rerata kuadrat dengan mean
masing masing skor item dalam populasi.
Z
Data kasar yang diperoleh dari lapangan masih susah dimaknai, cara lain yang masih menjadi
bagian integral analisis deskriptif yaitu dengan menggambarkannya dalm bentuk diagram atau
gambar misalnya melalui diagram histogram untuk ubahan kontinu diagram batang atau bar
chart untuk ubahan diskrit.
Kelima batasan penting diatas merupakan gambaran analisis statistic deskriptif dengan data
kuantitatif. Informasi yang lebih luas termasuk misalnya kuartil,desil,dan persentil dapat
diakses dalam buku yang dipublikasikan penulis yang sama dengan judul Statistika
pendidikan: untuk penelitian dan pengelolaan diklat.

b.Analisis inferensial

Analisis statistika inferensial merupakan analisis kuantitatif lainnya yang digunakan oleh para
evaluator ketika menggunakan data dari suatu sampel dan hasilnya digunakan untuk
menggenaralisasi populasi evaluasi. Dalam prosesnya evaluator membandingkan antara hasil
hitungan misalnya (koefisien r atau nilai t dari hasl hitung) dengan hasil kritis (koefisien r dan
t), yang diperoleh dari tabel distribusi yang relevan dengan tingkat signifikan antara a=0,05
sampai, a=0,01. Pada sub bagian ini diuraikan secara ringkas beberapa macam formulasi
statistika inferensial.
1. Analisis korelasi
Analisis korelasi merupakan formula statistika inferensial yang sering digunakan oleh para
evaluator untuk mencari apakah ada hubungan variabel dalam suatu studi. Tujuan utamanya
adalah untuk menentukan besarnya koefisien korelasi yang diberi symbol r. nilai koefisien
korelasi r adalah symbol koefisien korelasi product moment. Besarnya koefisien korelasi antara
-1>0>+1. Tanda plus minus 1 menunjukkan bahwa koefisien korelasi terbesar atau sempurna.
Disamping itu, tanda[+] dan [-] menunjukkan arah hubungan dua variabel. Tanda (-1) berarti
ada hubungan terbalik diantara ubahan yang berkolerasi , sedangkan tanda (+) berarti ada
hubungan searah antara dua ubahan yang berkolerasi.
2. Analisis regresi
Analisis regresi bisa berupa simple dan multiple regression atau regresi sederhana dan ganda
untuk menggambarkan proses di mana beberapa ubahan bebas digunakan untuk memprediksi
 ubahan yang lain(ubahan terikat). Analisis regresi pada umumnya banyak ditemui dalam
penelitian pendidikan penelitian perilaku dan dibidang ekonomi, terutama ketika para evaluator
ingin memprediksi nilai satu variabel atau ubahan terikat atas dasar beberapa ubahan bebas
yang telah diketahui. Analisis regresi mempunyai empat macam asumsi penting. Keempat
asumsi tersebut, yaitu sebagai berikut:
- Ubahan terikat (dependent variable) merupakan ubahan random atau acak
- Ubahan bebas dan ubahan terikat berhubungan secara linier
- Varian kedua ditribusi yang berkaitan adalah sama.jika estimasi internal digunakan dalam
analisis regresi, masih diperlukan lagi satu asumsi tambahan, yaitu bahwa kedua ubahan
diambil dari populasi yang berdistribusi normal.

Analisis regresi biasanya menggunakan model persamaan ajabar, diaman persamaan estimasi
dikembangkan melalui formula matematis yang mengubungkan ubahan yang sudah diketahui
dengan ubahan yang belum diketahui. Kemudian,setelah bentuk hubungan ditentukan, analisis
regresi dapat digunakan untuk menentukan derajat estimasi dari ubahan yang ada. Dalam
mempresentasikan persamaan regresi,pada umumnya seorang peneliti dapat membedakannya
menjadi dua macam, yaitu:
- Deterministic
- Undeterministic models.
Pertama, model yang paling sederhana yang berhubungan dengan ubahan terikat Y pada ubahan
bebas tunggal X, model prediksinya diberikan dengan persamaan garis lurus seperti berikut:

Ŷx =α+ βX
Keterangan :

Ŷ =nilai estimasi variabel terikat dengan ubahan bebas X

x

Α =nilai koefisien intersep garis ketika X=0

Β =sudut miring ( slope) garis regresi
X =besarnya variabel bebas

Untuk analisis korelasi ganda, formula koefisien korelasi ganda digunakan untuk mengitung
besarnya hubungan dua ubahan bebas atau lebih.koefisien korelasi ganda dapat dihitung dengan
menggunakan formula seperti berikut:
r2 =SSb/α
∑Y2
Atau koefisien korelasi dapat juga dihitung dengan menggunakan formula seperti berikut:
 r2=1- (n-k-1)S2yl.2.3….k
(n-1)S2y
Di Mana:
Sy21.2.3…k =merupakan simpang baku taksiran Y untuk nilai nilai X
Sy2 =Merupakan simpang baku Y

Apabila nilai korelasi sederhana ataupun parsial sudah ditemukan , koefisien korelasi ganda
dapat ditentukan dengan formula seperti berikut:

r2= r2y2 + r2y2-2ry2. ry2

1-ry2