BAB 7

ANALISIS DAN INTERPRETASI DATA KUANTITATIF

Statistik bisa jadi merupakan tantangan. Walaupun demikian
perhitungan statistik hanyalah satu langkah dalam menganalisis data.
Analisis juga mencakup penyiapan data untuk analisis, melaksanakan
analisis, melaporkan hasil-hasilnya dan mendikusikan hasil-hasil tersebut.
Pada akhir bab ini anda diharapkan akan mampu :
 Mendeskripsikan proses penyiapan dan pengorganisasian data
anda untuk dianalisis
 Mengidentifikasi prosedur-prosedur untuk menganalisis
pertanyaan-pertanyaan penelitian secara deskripif
 Mengidentifikasi prosedur-prosedur untuk menganalisis
pertanyaan-pertanyaan dan hipotesis-hipotesis penelitian secara
inferensial
 Mengenal bagaimana merancang dan menyajikan hasil-hasilnya
dalam bentuk tabel, diagram, dan bagian hasil penelitian
 Mendeskripsikan bagian pembahasan dari laporan penelitian yang
memberikan interpretasi terhadap hasil-hasil penelitian

Maria selalu bergulat dengan Matematika. Sehingga ketika ia perlu

menganalisis data dari angket, ia bertanya-tanya “Apakah saya akan
mampu menganalisis data-data saya?”Ia pun mengunjungi professor yang
mengajar statistik pendahuluan untuk mempelajari apa yang harus ia
lakukan. Ia berharap guru besarnya tersebut berbicara tentang statistik
apa yang akan digunakan oleh Maria. Sebaliknya guru besarnya
mengajukan pertanyaan-pertanyaan berikut : Bagaimana anda
merencanakan dan mengorganisasikan data-data anda sebelum data-
data tersebut anda analisis? Pertanyaan-pertanyaan apa yang anda
harapkan untuk dijawab dengan analisis data-data anda itu? Bagaimana
anda menyajikan hasil penelitian anda dalam laporan anda? Bagaimana
anda memberikan struktur terhadap interpretasi terhadap hasil-hasil
penelitian anda? Maria sekarang menyadari bahwa analisis data itu terdiri
dari beberapa langkah.

BAGAIMANA ANDA MENYIAPKAN DATA UNTUK ANALISIS?

Langkah pertama adalah mengorganisasikan data untuk analisis.
Penyiapan dan pengorganisasian data untuk analisis dalam penelitian
kuantitatif terdiri dari memberikan skor terhadap data dan membuat buku
kode, menentukan tipe skor yang akan digunakan, menyeleksi program
komputer dalam rangka menginput data ke dalam program-program
analisis dan pembersihan data.

Memberikan Skor Terhadap Data

Apabila anda mengumpulkan data dengan menggunakan instrumen atau
ceklist, anda memerlukan sebuah sistem penskoring data. Scoring data
(penskoran data) bermakna bahwa para peneliti menentukan skor
numerik (atau nilai) kepada masing-masing kategori jawaban untuk setiap
pertanyaan dalam instrumen yang digunakan dalam pengumpulan data.
Contoh, misalkan para orangtua menjawab pertanyaan-pertanyaan
yang anda ajukan dalam survey untuk mengukur sikap mereka terhadap
pilihan sekolah untuk anak-anak mereka di sebuah kawasan. Sebuah
pertanyaan berbunyi:
Harap ditandai jawaban anda terhadap pernyatan berikut secara
tepat:
“para siswa sebaiknya diberi kesempatan untuk memilih sekolah
yang mereka inginkan”
------------- sangat setuju
------------- setuju
------------- tak tentu
------------- tidak setuju
------------- sangat tidak setuju

Umpamakan seorang orangtua menandai “Setuju”. Skor numeric apa

yang akan diberikan terhadap jawaban seperti ini sehingga anda akan
memberikan skor yang sama terhadap semua orang yang menjawab
“setuju”?. Untuk menganalisis data-data ini, anda perlu memberikan skor
terhadap jawaban-jawaban seperti 5=sangat setuju, 4=setuju, 3=tak
tentu, 2= tidak setuju, 1=sangat tidak setuju. Berdasarkan angka-angka
ini orangtua yang memberikan jawaban setuju akan mendapatkan skor 4.
Beberapa petunjuk bisa membantu anda dalam rangka memberikan
angka terhadap pilihan-pilihan jawaban:
 Untuk skala-skala kontinyu (lihat bab 6, dengan asumsi skalanya
interval), anda seharusnya memberikan skor secara konsisten
terhadap masing-masing pertanyaan dengan menggunakan sistem
penomoran yang sama. Dalam contoh di atas, anda harus secara
konsisten memberikan skor terhadap skala seperti “sangat setuju”
sampai pada “sangat tidak setuju” skor lima sampai skor 1.
 Untuk skala-skala kategorikal seperti “Tingkat atau kelas apa yang
anda ajar?:
____ sekolah menengah atas, __________ sekolah menengah
pertama, __________ sekolah dasar”, anda secara mana suka bisa
memberikan angka yang masuk akal seperti 3=sekolah menengah
atas, 2= sekolah menengah pertama, dan 1=sekolah dasar.
Walaupun demikian aturan yang baik adalah makin positif
jawabannya akan makin tinggi kategori informasinya atau akan
makin tinggi angka yang diberikan.
 Untuk membuat pemberian skor ini mudah, anda bisa memberikan
angka-angka sebelumnya yang terdapat dalam instrumen bagi
pilihan-pilihan jawaban seperti contoh berikut:
Harap berikan jawaban anda terhadap pertanyaan ini :
“anak-anak kelas 4 SD harus diuji kemampuan Matematikanya
------------- (5) sangat setuju
------------- (4) setuju
------------- (3) tak tentu
------------- (2) tidak setuju
------------- (1) sangat tidak setuju

Disini anda bisa melihat bahwa angka-angka sudah ditentukan

terlebih dahulu dan anda tahu bagaimana menskor masing-masing
pilihan jawaban tersebut. Kadang-kadang anda bisa menyuruh para
partisipan untuk mengisi dalam lingkaran untuk jawaban-jawaban
dengan menggunakan “bubble sheets” (bulatan) seperti yang
digunakan untuk membantu penskoran dalam mengevaluasi dosen
 dalam mata kuliah tertentu. Apabila mahasiswa menghitamkan
lingkaran-lingkaran pada halaman itu anda bisa menscan jawaban-
jawaban mahasiswa untuk keperluan analisis. Bila anda
menggunakan instrumen yang tersedia secara komersial,
perusahaan akan selalu memberikan petunjuk penskoran untuk
mendeskripsikan bagaimana instrumen itu harus diberi skor.
 Salah satu prosedur yang dapat membantu anda dalam
memberikan skor terhadap jawaban itu adalah dengan jalan
membuat buku kode. Codebook (buku kode) adalah daftar dari
variabel-variabel atau pertanyaan-pertanyaan yang
mengindikasikan bagaimana si peneliti memberi kode atau memberi
skor terhadap jawaban-jawaban dalam instrumen atau ceklist.
Sebuah contoh dari buku kode itu diperlihatkan oleh Diagram 7.1.
Perhatikan bahwa masing-masing variabel diberikan nama
(misalnya tingkat atau kelas) yakni definisi ringkas dari sebuah
variabel (tingkat atau kelas dari mahasiswa) diberikan, dan angka
diberikan untuk masing-masing pilihan jawaban (misalnya 10 =
kelas 10; 11=kelas 11, 12 = kelas 12.

Menentukan Tipe Skor Untuk Dianalisis

Perhatikan kembali Diagram 7.1. Variabel 9, Depresi, terdiri dari skor atas
dasar penjumlahan semua butir dalam sebuah instrumen. Sebelum
melakukan analisis skor-skor, para peneliti harus terlebih dahulu
mempertimbangkan tipe skor yang digunakan dalam instrumen mereka.
Hal ini penting karena tipe skor itu akan berpengaruh terhadap
bagaimana anda meng-enter data dalam sebuah file komputer untuk
dianalisis.
Tabel 7.1 memperlihatkan 3 tipe skor untuk 6 orang mahasiswa: skor
berbutir tunggal, jumlah skor pada sebuah skala, atau skor bersih atau
perbedaan skor.

Skor Berbutir Tunggal

Untuk sebuah penelitian anda boleh jadi mengkaji skor berbutir tunggal. A
single item score (skor yang berbutir tunggal) adalah skor yang
diberikan kepada masing-masing pertanyaan untuk masing-masing
partisipan di dalam sebuah penelitian. Skor-skor ini memberikan analisis
rinci dari jawaban masing-masing orang terhadap masing-masing
pertanyaan dalam sebuah instrumen. Dalam sebuah penelitian para
peneliti bertanya kepada individu-individu pada sebuah pertemuan
sekolah di sebuah wilayah, “Apakah anda akan menjawab iya atau tidak
untuk penghapusan pajak dalam pemilihan yang akan diadakan pada hari
Selasa mendatang?” Dalam menskor data-data tersebut si peneliti akan
memberikan nilai 1 terhadap jawaban tidak dan nilai 2 untuk pertanyaan
iya dan membuat catatan terhadap bagaimana masing-masing individu
memberikan jawaban terhadapa masing-masing pertanyaan. Dalam Tabel
7.1 keenam partisipan masing-masing memiliki skor untuk pertanyaan 1,
2, dan 3.

Penjumlahan Skor
Dalam kasus-kasus lain kita boleh jadi perlu menjumlahkan jawaban
terhadap semua pertanyaan yang terdapat dalam instrumen seperti skor
berskala Tabel 7.1. Penjumlahan ini terjadi karena butir-butir soal secara
individual boleh jadi menggambarkan perspektif seorang partisipan. Di
samping itu para partisipan bisa jadi salah paham terhadap pertanyaan
tunggal atau si peneliti boleh jadi membuat redaksi pertanyaan
sedemikian rupa sehingga jawabannya berisi bias. Ringkasnya, jawaban-
jawaban terhadap pertanyaan-pertanyaan tunggal bisa jadi tidak reliabel
dan tidak secara tepat mencerminkan skor seorang individu
(sebagaimana dibicarakan dalam Bab 6). Satu solusi terhadap masalah ini
adalah membuat skala atas dasar jawaban-jawaban terhadap pertanyaan-
pertanyaan tunggal. Summed score (penjumlahan jawaban) adalah skor-
skor dari seorang individu yang dijumlahkan dari beberapa pertanyaan
yang mengukur variabel yang sama. Para peneliti menjumlahkan butir-
butir secara individual untuk menghitung skor menyeluruh dari sebuah
variabel. Seperti diperlihatkan pada Tabel 7.1 ketiga partisipan yakni Jane,
Jim dan John memberikan jawaban terhadap lima pertanyaan. Si peneliti
menjumlahkan skor masing-masing individu untuk mendapatkan skor
tunggal bagi sebuah variabel yang mencakup kelima pertanyaan.

Perbedaan Skor
Skor-skor penjumlahan untuk masing-masing individu digunakan untuk
mendapatkan skor test secara menyeluruh yang dapat dibandingkan dari
satu periode ke periode lainnya. Net different scores adalah skor-skor
di dalam penelitian kuantitatif yang menggambarkan perbedaan atau
perubahan skor masing-masing individu. Perubahan itu boleh jadi lebih
bermakna ketimbang perubahan-perubahan lainnya. Sebuah perubahan
kecil pada skor yang tinggi bisa jadi lebih bermanfaat ketimbang
perubahan yang besar pada skor yang rendah. Contoh, perubahan yang
kecil dari 98 ke 99 berskala 100 mungkin bisa lebih bermakna ketimbang
perubahan dari 46 ke 66 pada skala yang sama (skala 100). Dalam
ekperimen para peneliti sering mengumpulkan skor-skor pada sebuah
instrumen sebelum penelitian dimulai (waktu 1) dan sesudah penelitian
berakhir (waktu 2). Si peneliti mengumpulkan skor-skor ini atas dasar
pretest dan postest, yang merupakan pengukuran yang biasa
dikumpulkan selama penelitian eksperimen. Pada tabel 7.1, untuk masing-
masing keenam partisipan itu kita melihat skor pretest untuk Matematika
skor penjumlahan dari semua butir-butir dalam test sebelum satu unit
pembelajaran Matematika diajarkan. Kita juga melihat untuk masing-
masing partisipan skor postest untuk Matematikan tersebut, skor yang
dijumlahkan pada akhir sebuah unit yang merupakan pencerminan skor
menyeluruh dari test akhir atau postest. Skor bersih memperlihatkan
seberapa banyak kinerja masing-masing partisipan menjadi lebih baik
antara pretest dan postest.

Memilih Program Statistik

Setelah data-data diskor, para peneliti memilih sebuah program komputer
untuk menganalisis data-data mereka. Para peneliti akademis biasanya
menggunakan program-program statistik kampus mainframe computer
atau program-program statistik yang tersedia pada mikro komputer.
Dengan tersedianya dan murahnya biaya program perangkat lunak
komputer anda bisa melakukan analisis secara nyaman dengan
menggunakan komputer di rumah. Bagian yang paling susah adalah
menentukan paket perangkat lunak yang akan digunakan. Ada beberapa
petunjuk yang bisa diikuti untuk memilih program-program statistik
tersebut (Lihat Leedy & Ormrod, 2001, sebagai tambahan).
 Cari sebuah program yang memiliki petunjuk tentang bagaimana
menggunakan program tersebut. Program-program tersebut sering
memiliki tutorial yang memungkinkan anda secara mudah
mempelajari karakteristik kunci dan mempraktekannya dengan
menggunakannya serentetan data yang sudah disediakan. Pelatihan
tanpa bayar sering tersedia di beberapa situs website.
 Mudahnya digunakan merupakan faktor penting ketika memilih
sebuah program. Pull down menus dan pengentrian data yang
gampang membuat sebuah program mudah untuk digunakan.
 Cari sebuah program yang mencakup tipe-tipe statistik yang dapat
anda gunakan untuk menjawab pertanyaan-pertanyaan dan
hipotesis-hipotesis penelitian anda.
 Yakinilah bahwa program tersebut bisa menganalisis sejumlah data
dalam database anda. Pertimbangkan berapa banyak partisipan dan
jumlah variabel secara maksimum yang anda perlukan dalam analisis
anda. Sebuah program sebaiknya mengakomodasi secara baik data-
data yang hilang (missing) untuk seseorang partisipan. Cari sebuah
program yang memiliki fleksibilitas dalam menangani data, bisa
membaca data dalam banyak format (misalnya, angka dan huruf)
dan bisa membaca file yang diimport dari spreadsheets atau
database.
 Cari sebuah program dengan kapabilitas untuk menghasilkan output
berupa grafik dan tabel yang bisa anda gunakan dalam laporan
penelitian anda.
 Apabila anda perlu membeli program perangkat lunak bandingkan
harga untuk masing-masing program. Program-program khusus
 untuk mahasiswa sering tersedia (walaupun program ini memiliki
keterbatasan dalam test-test statistik) dengan biaya yang murah.
 Pilih sebuah program yang digunakan oleh kampus anda sehingga
anda bisa mencari bantuan untuk menjawab pertanyaan-pertanyaan
yang mungkin muncul. Beberapa program boleh jadi memberikan
dukungan teknis untuk membantu menjawab pertanyaan-pertanyaan
tersebut, tetapi ini memerlukan waktu yang relatif lebih banyak dan
lebih mahal biayanya.
Dengan kriteria ini dalam benak kita, program-program statistik apa
yang paling sering dan umum tersedia? Beberapa website memberikan
informasi yang rinci tentang berbagai analisis statistik dari program-
program komputer yang tersedia. Beberapa program-program yang sering
digunakan adalah:
 Minitabl3 (www.minitab.com). Ini adalah paket perangkat lunak
statistik interaktif yang tersedia dari Minitab Inc, 3081 Enterprise
Drive, State College, PA 16801-3008.
 StatView (www.statview.com). Ini program perangkat lunak lain yang
populer yang tersedia dari SAS Institute, Inc., SAS Campus Drive,
Cary, NC 27513-2414.
 SYSTAT (www.spssscience.com). Ini paket statistik interaktif yang
komprehensif yang tersedia dari SPSS Science, Inc., 233 S. Wacker
Drive, 11th Floor, Chicago, IL 60606-6307.
 SAS/STAT (www.sas.com). Ini adalah program statistik dengan
peralatan sebagai komponen yang terintegrasi dari produk sistem
SAS yang tersedia dari SAS Institute Inc., SAS Campus Drive, Cary,
NC 27513-2414.
 Statistical Package for the Social Sciences (SPSS) Student Version
11.0 for Windows and Version 6.0 for Macintosh (www.spss.com). Ini
adalah program analisis yang murah, profesional bagi mahasiswa
didasarkan pada versi yang profesional tersedia dari SPSS Science,
Inc., 233 S. Wacker Drive, 11th Floor, Chicago, IL 60606-6307.

Menginput Data
Setelah memilih program statistik langkah anda selanjutnya adalah meng-
enter data-data dari instrumen atau cheklist ke dalam program-program
komputer. Inputting the data (menginput data) terjadi ketika peneliti
mentransfer data-data dari jawaban-jawaban terhadap instrumen-
instrumen ke dalam file komputer untuk analisis. Bagi mereka yang baru
dalam proses ini, tabel ini sama dengan tabel spreadsheet yang
digunakan dalam banyak paket-paket perangkat lunak (misanya excel).
Tabel 7.2 memperlihatkan sebuah database yang kecil untuk 50 orang
siswa yang berpartisipasi dalam penelitian tentang penggunaan
tembakau di sekolah. Anda telah melihat variabel-variabel dalam
database ini dalam buku kode yang ditampilkan pada diagram 7.1. Bila
anda cermati Tabel 7.1 terlihat bahwa tabel tersebut berisikan cells-cells
dalam bentuk baris dan kolom yang ke dalamnya si peneliti menginput
data untuk analisis. Anda akan melihat pada kolom pertama diperlihatkan
angka untuk masing-masing partisipant yang diikuti oleh nomor
identifikasi yang diberikan kepada masing-masing ke 50 orang siswa.
dalam kolom-kolom yang lain adalah variabel-variabel yang oleh si
peneliti diukur (misalnya jender, tingkat/kelas, orangtua, dan seterusnya).
Dengan menggunakan buku kode para peneliti memberikan angka
kepada masing-masing jawaban yang memperlihatkan skor pada masing-
masing variabel. Di halaman bagian bawah dari lembaran tersebut dicatat
informasi (dijumpai dalam buku kode) yang memberikan yang
mengaitkan antara angka dan jawaban yang terdapat dalam
instrumen. Nama-nama variabel itu pendek dan sederhana tetapi
deskriptif sifatnya (tidak lebih dari 8 huruf untuk SPSS seperti untuk
jender, merokok, atau mengunyah tembakau).
Proses pengimputan data ke dalam tabel ini (George 7 Mallery 2001)
membuat database SPSS sebagai berikut:
 Masukkan data dari skor-skor yang terdapat di dalam instrumen ke
dalam cell-cell tabel dengan jalan memilih cell dan mengetikkan nilai
yang tepat. Masukkan data-data baris per baris untuk masing-masing
individu dan gunakan kolom untuk nilai bagi masing-masing variabel.
Values adalah angka-angka yang diberikan kepada pilihan-pilihan
 jawaban untuk sebuah variabel (misalnya 1= laki-laki, dan 2 =
wanita).
 Beri masing-masing partisipan nomor identifikasi dan tempatkan
nomor ini pada kolom pertama dan gunakan nomor-nomor atau
angka-angka ini pada kolom 1 dengan menggunakan SPSS (misalnya,
001, 002, 003, atau 343, 344, 345). Nomor anda sendiri boleh jadi
mencerminkan tiga digit terakhir dalam nomor kartu penduduk
(misalnya, 343, 344, 345) atau sesuatu nomot identifikasi yang lain.
 Dalam SPSS, anda melihat judul kolom sebagai variabel: var001,
var002, var003, dan seterusnya. Daripada menggunakan judul-judul
tersebut gantikan nama-nama itu dengan variabel sendiri (misalnya
var002 diganti dengan jender).
 Anda juga bisa memberikan nama kepada nilai-nilai dan variabel-
variabel sehingga print out anda akan berisikan nama-nama ini dan
diperolehnya cara yang mudah untuk mengidentifikasi informasi
anda. Anda bisa juga memberikan nama terhadap variabel-variabel
anda seperti “orangtua”, atau nilai-nilai untuk variabel ini, seperti
“kawin”, “bercerai”, dan “berpisah”.

Membersihkan dan Menghitung Data-data Yang Hilang

Setelah meng-enter data ke dalam tabel-tabel komputer, anda perlu
menentukan apakah terdapat kesalahan di dalam data atau ada data-data
yang missing atau hilang. Kesalahan-kesalahan terjadi apabila partisipan
dalam penelitian anda memberikan skor di luar rentangannya bagi
sesuatu variabel atau anda menginput angka yang salah ke dalam tabel-
tabel data. Data-data yang hilang boleh jadi terjadi ketika data-data
instrumennya hilang, atau individu-individu melompati pertanyaan-
pertanyaan. Para partisipan tidak hadir ketika pengumpulan data-data
observasi atau individu-individu menolak untuk menjawab pertanyaan-
pertanyaan yang sensitif. Untuk alasan-alasan etika anda melaporkan
bagaimana data-data yang hilang ini ditangani sehingga para
pembacanya bisa memberikan interpretasi yang tepat terhadap hasil
penelitian (George & Mallery, 2001). Karena masalah-masalah ini bisa
terjadi anda perlu membersihkan data dan menentukan bagaimana
memperlakukan data-data yang hilang.

Membersihkan Database
Cleaning the data adalah proses menginspeksi data untuk melihat skor
atau nilai yang berada di luar rentangan nilai yang diharapkan. Salah
satu cara melakukan ini adalah dengan jalan menginspeksi tabel-tabel
data secara visual. Untuk database yang besar distribusi frekuensinya
akan memberikan rentangan skor untuk mendeteksi jawaban-jawaban
yang berada diluar rentangan yang diharapkan. Contoh, para partisipan
boleh jadi memberikan angka enam untuk jawaban untuk skala “sangat
setuju” ke “sangat tidak setuju” padahal pilihannya cuma lima.
Alternatifnya si peneliti boleh jadi mengetikkan skor untuk seorang
partisipan “3” untuk gender, sedangkan nilai yang sah adalah “1” untuk
wanita dan “2” untuk pria.
Prosedur yang lain adalah menggunakan SPSS dan menjalankan
program pengurutan kasus dari angka yang besar ke angka yang kecil
untuk masing-masing variabel. Proses ini menyusun nilai-nilai dari sebuah
variabel dari angka yang paling kecil ke angka yang paling besar yang
memungkinkan anda untuk secara mudah mendeteksi rentangan yang
keliru atau kasus-kasus yang salah nomor. Apapun prosedurnya,
penampakan visual dari data-data itu akan membantu membersihkan
data-data dan membebaskannya dari kesalahan-kesalahan yang nampak
sebelum anda memulai analisis data.

Menilai Database Untuk Menentukan Data-Data Yang Hilang

Anda perlu meneliti database anda kalau-kalau ada data yang hilang.
Data-data yang hilang akan mengakibatkan berkurangnya jumlah individu
dalam analisis data dan karena kita ingin sebanyak mungkin orang
termasuk di dalam analisis kita perlu mengoreksi sejauh mungkin
terhadap data-data yang hilang. Missing data adalah data-data yang
hilang di dalam database karena partisipan tidak memberikannya.
 Bagimana anda harus menangani data-data yang hilang ini?
Pendekatan yang paling kentara adalah agar memiliki instrumen yang
bagus yang akan diisi oleh masing-masing individu dan mampu menjawab
pertanyaan-pertanyaan sehingga data-data yang hilang tidak mungkin
terjadi. Dalam beberapa penelitian anda bisa menghubungi individu-
individu untuk menentukan kenapa mereka tidak memberikan jawaban
terhadap sesuatu pertanyaan. Apabila individu-individu itu tidak
memberikan jawaban, pastilah terjadi kesalahan dalam pengumpulan
data anda yang mengindikasikan perencanaan yang kurang baik dalam
rancangan penelitiannya.
Walaupun demikian, anda harus mengantisipasi bahwa pertanyaan-
pertanyaan bisa dihilangkan atau beberapa orang partisipan tidak
memberikan informasi dengan alasan apapun. Dalam hal ini anda
memiliki beberapa pilihan yaitu :
 Anda bisa menghilangkan para partisipan dengan skornya yang
hilang itu dari analisis data dan memasukkan hanya para
partisipan dengan data-data yang komplit dan lengkap. Praktek
seperti ini pada dasarnya akan menyebabkan berkurangnya jumlah
partisipan secara keseluruhan dalam analisis data anda.
 Anda bisa mengganti angka-angka dari data-data yang hilang di
dalam database untuk masing-masing individu. Apabila
variabelnya adalah kategorikal, ini berarti mengganti sebuah nilai
seperti “-9”, untuk semua nilai-nilai yang hilang dalam tabel data.
Apabila variabelnya kontinu (misalnya atas dasar skala interval),
prosesnya menjadi lebih rumit. Dengan menggunakan SPSS, si
peneliti bisa membuat program komputer itu mengganti sebuah
nilai untuk masing-masing skor yang hilang, seperti angka rata-
rata, untuk pertanyaan bagi semua partisipan penelitian. Anda bisa
mengganti sampai kira-kira 15% dari data-data yang hilang itu
dengan skor tanpa mengubah temuan-temuan statistik secara
menyeluruh (George & Mallery, 2001). Prosedur-prosedur statistik
yang lebih advanced (lanjut) juga tersedia dalam rangka
 mengidentifikasi angka-angka penganti bagi data-data yang hilang
(lihat Gall, Borg, & Gall, 1996).

BAGAIMANA ANDA MENGANALISIS DATA?

Setelah anda mempersiapkan dan menyusun data-datanya anda siap
menganalisisnya. Anda menganalisis data-data dalam rangka menjawab
masing-masing pertanyaan dan hipotesis penelitian anda. Kembali kita
pada tipe-tipe pertanyaan dan hipotesis penelitian pada bab 5. Untuk
pertanyaan-pertanyaan atau hipotesis-hipotesis dalam penelitian
kuantitatif anda perlu :
 Mendeskripsikan kecenderungan data untuk variabel tunggal atau
pertanyaan pada instrumen anda (misalnya “Apa self-esteem dari
siswa sekolah menengah pertama?” untuk menjawab pertanyaan ini
anda perlu statistik dekriptif yang memperlihatkan tendensi-tendensi
umum yang terdapat dalam data (mean, mode, median), distribusi
skor (varian, standar deviasi, dan rentangan nilai), atau
perbandingan bagaimana sebuah skor berhubungan dengan skor-
skor lainnya (z skor, pencentile rank). Kita juga bisa mendeskripsikan
masing-masing variabel kita: independen, dependen, kontrol, atau
perantara.
 Membandingkan dua atau lebih kelompok dari sisi variabel
independen dalam hal variabel dependen (misalnya, “bagaimana
anak laki-laki dibandingkan anak perempuan dalam hal self-esteem
mereka?”). Untuk menjawab pertanyaan ini kita memerlukan statistik
inferensial yang memungkinkan untuk menganalisis data dari sebuah
sampel untuk mengambil kesimpulan tentang sebuah populasi yang
tak diketahui. Kita menilai apakah perbedaan-perbedaan antar
kelompok itu (angka rata-rata mereka) atau hubungan antara
variabel-variabel jauh lebih besar atau lebih kecil dari apa yang kita
harapkan untuk keseluruhan populasi, seandainya kita bisa meneliti
keseluruhan populasi tersebut.
  Mengaitkan dua atau lebih variabel (misalnya “apalah self-esteem
berhubungan dengan sikap yang optimistik”). Untuk menjawab
pertanyaan ini kita juga menggunakan statistik inferensial.
 Mengetes hipotesis tentang perbedaan antar kelompok atau
hubungan antara variabel-variabel (misalnya, “anak laki-laki memiliki
self-esteem yang lebih tinggi dari anak-anak perempuan” atau “self
esteem memprediksi sikap optimistik yang dimiliki oleh anak-anak
sekolah menengah pertama”). Untuk menjawab pertanyaan ini
statistik inferensial juga digunakan.

Dengan demikian, kita mendeskripsikan hasil-hasil dari varaiabel

tunggal atau pertanyaan atau kita menyimpulkan hasil-hasil dari sebuah
sampel terhadap sebuah populasi. Dalam semua pertanyaan dan
hipotesis penelitian kuantitatif kita meneliti para individu yang disampel
dari sebuah populasi. Walaupun demikian dalam pertanyaan-pertayaan
deskriptip kita meneliti hanya variabel tunggal satu demi satu; dalam
analisis inferensial kita menganalisis variabel-variabel jamak pada waktu
yang bersamaan. Juga dari perbandingan antar kelompok atau
menghubungkan variabel-variabel kita bisa membuat prediksi tentang
variabel-variabel itu. Kita bisa menguji hipotesis berkaitan dengan prediksi
dengan membandingkan kelompok-kelompok atau mengaitkan variabel-
variabel.

Lakukan Analisis Deskriptif

Bagaimana anda menganalisis data untuk mendeskripsikan
kecenderungan? Gunakan statistik, menghitung nilai-nilai yang didasarkan
kepada angka-angka. Banyak buku-buku yang memberikan rincian
tentang berbagai statistik, penghitungannya, dan asumsi-asumsinya
(misalnya, Abelson, 1995; Gravetter & Wallnau, 2000; Wright, 1997).
Disini kita memfokuskan diri pada yang biasanya digunakan dalam
penelitian pendidikan.
Memilih Test-Test Statistik Deskriptif
Statistik deskriptif akan membantu anda menyarikan kecenderungan
secara menyeluruh atau tendesi dari data-data anda, memberikan
pemahamanan tentang berbagai skor yang mungkin anda miliki, dan
memberikan pemahaman tentang posisi sebuah skor dibandingkan
dengan skor-skor lainnya. Ketiga hal ini adalah central tendency,
variability, kedudukan relatif. Diagram 7.2 memperlihatkan prosedur-
proseur statistik yang dapat anda gunakan untuk memberikan informasi
seperti ini.

Mengukur Tendesi Sentral (measures of central tendency) adalah

angka-angka yang merupakan sarian yang melambangkan sebuah nilai-
tunggal di dalam distribusi skor-skor yang ada (Vogt, 1999). Angka-angka
ini melambangkan sebuah nilai rata-rata (mean), titik tengah dari
sejumlah skor (median), atau skor yang paling sering terjadi (mode).
Dalam penelitian kuantitatif, para peneliti biasanya melaporkan ketiga
ukuran ini. Tabel 7.3 memperlihatkan perbedaan antara ketiga ukuran ini
masing-masing untuk 10 orang siswa yang skornya tentang depresi yang
kita miliki.
Mean atau rata-rata adalah statistik yang paling populer yang
digunakan untuk mendeskripskan jawaban semua partisipan terhadap
butir-butir dalam sebuah instrument. Untuk menghitung rata-rata anda
menjumlahkan sebuah skor yang ada kemudian membaginya dengan
jumlah atau banyaknya skor. Pada tabel 7.3 anda membagi jumlah skor
keseluruhan (818) dengan 10 (jumlah siswa) sehingga mendapatkan rata-
rata (mean sebesar 81.10). Dalam mengkalkulasikan skor-skor tipe
lainnya untuk statistik yang lebih rumit rata-rata atau mean ini
memegang peranan yang sangat penting. Rapikan bahwa skor pada tabel
7.3 itu bersifat kontinue dan melaporkan sebuah sampel dari 10 buah skor
berkenaan dengan depresi. Rata-rata ini memberikan kepada kita sebuah
angka rata-rata untuk semua skor.
 Kita boleh jadi ingin mengetahui skor-skor yang berhadapan dengan
posisi tengah diantara semua skor yang ada. Skor ini disebut median.
Skor median membagi seluruh skor itu mengurutkannya dari skor yang
paling tinggi ke skor yang paling rendah dalam dua bagian. 50% dari skor
terletak di atas median dan 50% terletak dibawah median. Menghitung
skor ini, peneliti menampilkan semua skor berurutan dari yang tinggi ke
yang rendah atau sebaliknya, kemudian menentukan skor mana yang
disebut median itu yakni berada di antara kedua kelompok skor itu.
Median pada tabel 3. 1 adalah parohan antara angka 76 dan 83, yakni
79.5. Ada lima skor yang berada di atas 79.5 dan lima skor lagi berada
dibawahnya. Para peneliti sering melaporkan skor median ini, tetapi
manfaat skor tersebut agak terbatas.
Walaupun demikian skor mode memberikan informasi yang
bermanfaat. Mode adalah skor yang muncul paling sering dalam
sejumlah skor. Ia digunakan apabila peneliti ingin mengetahui skor yang
paling banyak jumlahnya dalam sekumpulan skor yang ada. Dalam tabel
7.3 skor yang paling sering muncul adalah 76, dan itu dimiliki oleh 2 orang
siswa dari 10 orang siswa. Para peneliti menggunakan mode untuk
melaporkan variabel-variabel yang bersifat kategorikal. Perhatikan tabel
7.4. disini ada variabel kategorikal tentang afiliasi kelompok teman
sejawat dari para siswa. Dengan melihat tabel tersebut kita bisa
menentukan bahwa “para penyanyi” lebih banyak jumlahnya ketimbang
dari kelompok lainnya (N = 14). Modenya adalah “penyanyi” karena
mereka diwakili oleh lebih banyak siswa ketimbang oleh kelompok-
kelompok lainnya (atlit=4, singer=3, punkers=2, dan yang lainnya=1)
dan skor rata-ratanya 137/50= 2.74, ini sebenarnya bukan rata-rata
karena tidak ada sebuah kelompok pun yang diberi angka ini. Dengan
demikian apabila kita memiliki informasi kategorikal mode melaporkan
informasi yang bermakna, akan tetapi rata-ratanya tidak.

Ukuran Variabilitas Variabilitas menyatakan sebaran skor dalam

sebuah distribusi. Range (rentangan), variance (varoansi), dan standard
deviasi semua menyatakan jumlah variabilitas dalam sebuah distribusi
skor. Informasi ini membantu kita melihat bagaimana terpencarnya
jawaban-jawaban terhadap butir-butir pertanyaan dalam sebuah
instrumen. Variabilitas juga memainkan peranan yang sangat penting
dalam banyak penghitungan-penghitungan statistik yang lebih rumit.
Kita bisa melihat sejauh mana skor-skor itu bervariasi dengan jalan
melihat range (jarak antara skor tertinggi dan terendah). Range of
scores (rentangan nilai) adalah perbedaan antara skor tertinggi dan skor
terendah dari butir-butir sebuah instrumen. Dalam tabel 7.3 kita melihat
bahwa skor-skor berjarak dari yang terendah 60 ke yang tertinggi 99,
sebesar 39 poin.
The variance (variansi) menyatakan sebaran skor seputar rata-rata.
Untuk menghitungnya relatif mudah:
 Cari perbedaan antara mean dan skor mentah untuk masing-
masing individu
 Pangkat duakan perbedaan tersebut untuk masing-masing individu
 Jumlahkan pangkat dua masing-masing skor itu
 Bagi dengan jumlah individu
Dalam contoh tabel 7.3 variansinya sama dengan 173.96. Informasi ini
tidak banyak berarti tapi bermanfaat ketika menghitung statistik yang
lebih lanjut. Akar pangkat dua dari variansi, standar deviasi (SD) tidak
memberikan informasi yang bermanfat dan kita perlakukan angka
tersebut sebagai indikator dari sebaran nilai. Dalam tabel 7.3, standar
deviasinya adalah 13,90. Apabila skor-skor tersebut memiliki standar
deviasi 3,90, kita mengatakan bahwa variansi skor itu berada di seputar
rata-rata kurang dari 13,90.
Makna dari standar deviasi menjadi jelas ketika kita membuat grafik
dari sebuah distribusi skor secara teoritis sebagaimana diperlihatkan
dalam Diagram 7.3 ini disebut distribusi normal atau kurva probabilitas
normal (normal distribution atau normal probability curve). Dalam
kenyataanya skor aktual bisa jadi tidak sesuai dengan distribusi normal ini
(misalnya distribusi gaji), akan tetapi apabila kita mengambarkan rata-
rata dari banyak sampel dan menghitung rata-rata gaji untuk setiap
sampel maka kita mendapatkan umpamanya 5.000 buah angka rata-rata
maka distribusinya akan mengambarkan distribusi normal.
Memperhatikan kembali diagram 7.3 bagian yang dihitamkan
memperlihatkan persentase skor-skor yang cenderung berada pada jarak
antara masing-masing standar deviasi dari mean. Contoh, 60% dari skor
berada pada +1 SD (34%) dan -1 SD (34%) standar deviasi dari mean:
95% antara +2 SD (13.5% + 34%) dan -2 SD (13.5% + 34%). Anda juga
bisa mengasosiasikannya dengan skor-skor presentile, z score, t score
dengan masing-masing standar deviasinya.
Percentile memberikan tipe statistik dedskriptif lainnya. Measures
of relative standing adalah statistik yang mendeskripsikan sebuah skor
kaitannya dengan sekelompok skor tertentu. Dalam diagram 7.3, 2.28%
dari skor berada pada dua standar deviasi dibawah rata-rata. Dengan
mengetahui dimana sebuah skor berada dalam sebuah distribusi
merupakan kunci untuk keperluan pengujian hipotesis. Dua buah statistik
yang sering digunakan adalah persentile skor dan z score.
Ukuran dari posisi relatif adalah percentile score. Percentile rank
(percentile skor) dari sebuah skor tertentu adalah persentase partisipan
dalam sebuah distribusi skor yang berada pada atau dibawah skor
tertentu. Anda menggunakan angka tersebut untuk menentukan dimana
dalam sebuah distribusi skor, skor seorang individu berada dalam
kaitannya dengan skor-skor lainnya. Dalam tabel 7.3 kita melihat bahwa
seorang individu dengan skor 94 berada pada percentile ke 80, dengan
20% para partisipan memiliki skor di atas skor individu ini, dan 80% dari
partisipan memiliki skor pada atau berada dibawah individu ini.
Ukuran yang lain dari posisi yang relatif ini adalah skor standar. A
standar score (skor standar) adalah skor yang dihitung yang
memungkinkan seorang si peneliti membandingkan skor-skor dari skala-
skala yang berbeda. Penghitungan ini mencakup mentransformasikan
skor mentah menjadi skor yang memiliki makna relatif. A z score adalah
bentuk skor standar yang populer yang memiliki rata-rata nol dari standar
deviasi 1. Ini menghasilkan sebuah z score yakni skor standar yang
bermanfaat untuk memungkinkan anda membandingkan skor-skor dari
sebuah instrumen terhadap skor-skor dari instrumen yang lain. Dengan
menggunakan skor-skor standar ini merupakan juga kunci dari
penghitungan berbagai tipe statistik. Prosedurnya adalah menetapkan
sebuah skor, menguranginya dengan mean, dan membaginya dengan
standar deviasi. Dalam tabel 7.3 kita melihat bahwa seseorang dengan
skor 60 memiliki z score -1.57, atau skor yang berarti satu setengah
standar deviasi dibawah rata-rata atau mean.

Melakukan Analisis Inferensial

Statistik deskriptif membantu anda menganalisis pertanyaan-pertanyaan
deskriptif. Walaupun demikian, apabila anda membandingkan kelompok
atau mengaitkan dua atau lebih variabel analisis inferensial perlu anda
gunakan. Gagasan utamanya adalah untuk melihat skor dari sisi sampel
dan menggunakan hasilnya untuk menarik inferensi (generalisasi) atau
membuat prediksi tentang populasi. Ingat dari bab 6 bahwa kita sering
mengadakan penelitian tidak meliputi keseluruhan populasi karena
besarnya sampel dan biayanya kita sering meneliti sebuah sampel yang
telah dipilih secara cermat dari populasi.
Apabila anda meneliti sampel ini anda akan mendapatkan skor,
beberapa pendekatan tersedia untuk menentukan apakah skor-skor
sampel merupakan estimasi yang bagus dari skor-skor populasi (lihat
Vogt, 2005). Tanyakanlah kepada diri anda sendiri :
1. Apakah skor sampel (misalnya perbedaan rata-rata antara dua
kelompok) barangkali merupakan estimasi yang salah dari rata-
rata populasi itu? Prosedur yang anda gunakan untuk mengkaji
pertayaan ini adalah dengan melakukan pengujian hipotesis.
Hypothesis testing (pengujian hipotesis) adalah prosedur untuk
memuat kesimpulan tentang hasil penelitian dengan jalan
membandingkan nilai yang teramati dari sebuah sampel dengan
nilai populasi untuk menentukan apakah tidak dapat perbedaan
atau tidak ada hubungan antara nilai-nilai tersebut. Ini adalah cara
tradisional untuk menguji apakah rata-rata sampel merupakan
estimasi yang baik dari rata-rata populasi. Ia memberikan jawaban
ya atau tidak: Apakah rata-rata sampel merupakan estimasi
 populasi yang bagus atau tidak. Karena kita tidak akan pernah
membuktikan bahwa sampel adalah estimasi yang bagus makanya
kita mencoba membangun apakah estimasi itu salah.
2. Sejauh mana kita percaya bahwa skor sampel kita itu benar? Ini
disebut pendekatan confidence interval. A confidence interval
or internal estimate adalah jarak antara nilai-nilai statistik paling
atas dan paling bawah yang konsisten dengan data-data yang
teramati yang cenderung mencakup rata-rata populasi aktual.
Dalam pendekatan ini anda menentukan sebuah interval atau jarak
dimana skor populasi anda yang cenderung di mana nilai populasi
itu berada. Dalam makna ini condifence interval memberikan
keluasan yang lebih besar ketimbang pengujian hipotesis dalam
bentuk ya atau tidak.
3. Apakah skor sampel atau perbedaan antara dua kelompok memiliki
makna praktis? Ini disebut pendekatan effect size (besarnya
pengaruh). Effect size atau besarnya pengaruh adalah cara
mengidentifikasi makna praktis dari konklusi tentang perbedaan
kelompok atau tentang hubungan antara variabel-variabel dalam
penelitian kuantitatif. Besarnya pengaruh memperlihatkan kepada
kita besarnya perbedaan nilai-nilai sampel dan memungkinkan kita
membuat suatu penilaian tentang apakah konklusi tadi significant
atau tidak berdasarkan pada pengetahuan kita tentang ukuran-
ukuran, para partisipan dan upaya-upaya pengumpulan data.
Alasan kenapa kita memiliki lebih dari satu pendekatan adalah
bahwa dewasa ini beberapa peneliti merasa bahwa jawaban
terhadap pengujian hipotesis ya atau tidak terhadap pertanyaan-
pertanyaan dan hipotesis kuantitatif menyebabkan terjadinya mis-
insterpretasi dan kesalahan (Finch, Cumming & Thomason, 2001).
Confidence interval dan effect size memberikan cara membaca
dan menginterpretasikan hasil-hasil penelitian secara lebih praktis.
Dewasa ini dalam melaporkan hasil penelitian, kita perlu
memanfaatkan ketiga tipe estimasi populasi ini: pengujian
 hipotesis, konfidence interval, effect size (Willkinson & Task Force
on Statistical Inference, 1999).

Pengujian Hipotesis
Ada lima langkah dalam pengujian hipotesis: (a) mengidentifikasi
hipotesis null dan hipotesis alternatif, (b) menentukan level of
significance, atau alpha level, (c) mengumpulkan data, (d) menghitung
statistik sampel, dan (e) membuat keputusan untuk menolak atau
menerima hipotesis null.
1. Mengidentifikasi hipotesis null dan hipotesis alternatif. Sebagaimana
anda mungkin masih ingat pada bab 5 hipotesis null adalah prediksi
tentang populasi dan biasanya dinyatakan dengan menggunakan
kata-kata “tidak adanya perbedaan (atau tidak adanya hubungan
atau asosiasi). Walaupun demikian hipotesis alternatif menyatakan
perbedaan (atau hubungan atau asosiasi) dan arah perbedaan ini
bisa positif atau negatif (alternative directional hypothesis) atau
positif atau negatif (alternative non-directional hypothesis).
Kembali pada data-data siswa sekolah menengah pada tabel 7.2
anda berkemungkinan merumuskan hipotesis null dan hipotesis
alternatifnya sebagai berikut:
Hipotesis Null:
Tidak terdapat perbedaan antara orang-orang yang perokok dan
bukan perokok dalam hal skor depresi.
Hipotesis alternatif (non-directional dan directional)
Terdapat perbedaan antara orang-orang perokok dan orang-orang
yang tidak perokok dalam hal skor depresi mereka.
(atau dirumuskan dengan cara lain):
Para perokok lebih banyak mengalami depresi ketimbang yang tidak
perokok.
2. Menentukan level of singnificance atau alpha level dalam rangka
menolak hipotesis null. Apabila kita mengumpulkan sejumlah rata-
rata sampel dan apabila hipotesisnya benar (tidak ada perbedaan),
distribusi teoritis cenderung mendekati kurva normal berbentuk bell
(lonceng) sebagaimana diperlihatkan oleh diagram 7.4. Dalam
diagram ini sebuah kurva normal memperlihatkan distribusi rata-rata
sampel dari semua kemungkinan apabila hipotesis nolnya benar. Kita
mengharapkan kebanyakan dari rata-rata (mean) kita berada di
pusat kurva bila hipotesisnya benar. Akan tetapi sejumlah kecil
berada pada daerah-daerah yang ekstrim (kiri atau kanan). Dengan
kata-kata lain kita berharap bahwa bagi setiap sampel orang-orang
perokok dan non perokok skor depresinya sama tapi dalam jumlah
yang persentasinya kecil anda berkemungkinan menemukan hal
yang berbeda seperti anda lihat ada daerah-daerah yang ditandai
dengan tanda hitam pada masing-masing ujung kurva. Kita
mengharapkan akan ada probabilitas yang sangat rendah bahwa skor
itu akan berada di daerah ini.
Sebuah standar diperlukan untuk daerah-daerah probabilitas yang
rendah ini untuk menandainya secara persis di dalam kurva ini. Ini
disebut menentukan tingkat signifikansi. A significance level (or
alpha level) adalah tingkat probabilitas yang mencerminkan resiko
maksimum yang ingin anda ambil bahwa perbedaan-perbedaan yang
teramati itu terjadi secara kebetulan. Biasanya tingkat ini ditentukan
0,01 (1 dari 100 kali skor sampel terjadi karena kebetulan) atau 0,05
(5 dari 100 kali skor sampel terjadi karena kebetulan). Ini berarti
bahwa 1 dari 100 kali (atau 5 dari 100 kali nilai probabilitas yang
sangat rendah yang teramati apabila hipotesis nullnya benar. Dalam
beberapa situasi perlu ditentukan tingkat aplhanya bahkan lebih kecil
(rendah dari 0,01 atau 0,05). Umpamakan seorang peneliti menguji
pengaruh dari obat-obatan yang memiliki efek samping yang sangat
berbahaya. Tingkat alphanya bisa jadi ditentukan lebih rendah untuk
menolaknya, misalkan 0,001, apabila obat itu memiliki pengaruh
samping yang merusak bagi penderita penyakit kanker ketimbang
tingkat apha yang lebih tinggi misalnya 0,05 apabila obat tersebut
memiliki pengaruh samping yang kurang berbahaya untuk orang-
orang dengan penyakit acne.
 Daerah kurva normal untuk nilai-nilai probabilitas yang rendah jika
hipotesis nullnya benar disebut daerah kritis (critical region).
Apabila data-data sampel (perbedaan antara perokok dan tidak
perokok dalam hal depresi) berada pada daerah kritis, hipotesis
nullnya ditolak. Ini berarti bahwa “tidak ada perbedaan”
sebagaimana yang dinyatakan dalam hipotesis null kita menemukan
hipotesis alternatifnya yang benar: “terdapat perbedaan”
Juga perhatikan dalam diagram 7.4 bahwa daerah kritis ini yang
ditandai oleh tingkat signifikansi terjadi pada kedua ujung kurva. Bila
daerah kritis untuk menolak hipotesis null dibagi menjadi dua daerah
pada ujung distribusi sampel, kita memiliki two-tailed test of
significance (uji signifikansi dua arah) (Vogt, 1999). Walaupun
demikian, apabila kita menempatkan daerah itu hanya pada satu
ujung untuk menolak hipotesis null kita memiliki one-tailed test of
significance (uji signifikansi satu arah). Anda menggunakan uji satu
arah apabila penelitian terdahulu memperlihatkan arah yang
mungkin (misalnya hipotesis alternatif terarah). Sebaliknya uji
signifikansi dua arah lebih konservatif, atau lebih berat karena
daerah penolakan pada ujung manapun dari kurva akan lebih rendah
daripada daerah penolakan pada uji satu arah. Kita mengatakan
bahwa uji satu arah memiliki lebih besar kekuatan dengan makna
bahwa kita akan lebih cenderung menolak hipotesis null.
3. Mengumpulkan data. Anda mengumpulkan data dengan jalan
menggunakan instrumen atau merekam tingkah laku pada lembaran
ceklist untuk para partisipan. Kemudian seperti dibicarakan pada
bab-bab sebelumnya, anda melakukan pengkodean terhadap data
dan menginputnya ke dalam file komputer untuk analisis.
4. Hitung statistik sampel. Berikutnya dengan menggunakan program-
program komputer anda menghitung statistik atau nilai ρ dan
menentukan apakah ia berada di dalam atau diluar daerah kritis. A ρ
value (nilai ρ) adalah probabilitas bahwa sebuah hasil terjadi secara
kebetulan apabila hipotesis nullnya benar. Setelah menghitung nilai ρ
tersebut, kita membandingkannya dengan nilai di dalam tabel yang
biasanya terletak pada halaman belakang dari buku-buku statistik
pada umumnya (misalnya Gravetter & Wallnau, 2000) apakah
pengujian anda satu arah atau dua arah dan derajat kebebasan bagi
uji statistik kita (atau melihat hasil print out dari nilai ini). Degrees
of freedom (df) (tingkat kebebasan) yang digunakan dalam uji
statistik biasanya jumlah skor dikurang satu. Contoh untuk sebuah
sampel skor, df = n-1. Tingkat kebebasan menentukan jumlah skor di
dalam sebuah sampel yang bebas untuk bervariasi karena rata-rata
sampel menentukan pembatasan terhadap variabilitas sampel.
Dalam sebuah sampel skor, apabila nilai rata-ratanya diketahui
semua skornya kecuali satu bisa bervariasi (misalnya bebas satu
sama lain dan memiliki nilai), karena satu skor dibatasi oleh rata-rata
sampel (Gravetter & Wallnau, 2007).
Bagian yang paling sukar adalah menentukan uji statistik apa yang
akan digunakan. Tabel 7.5 memperlihatkan uji-uji statistik yang biasa
dipakai di dalam penelitian pendidikan. tujuh buah pertanyaan perlu
dijawab sebelum kita sampai kepada menentukan uji statistik yang
tepat (juga lihat Rudestan & Newton, 1992, untuk kriteria yang
sama).
 Apakah anda ingin membandingkan kelompok/mengaitkan
variabel-variabel di dalam hipotesis atau pertanyaan penelitian
anda?
 Berapa banyak variabel bebas yang anda miliki dalam sebuah
pertanyaan atau hipotesis penelitian?
 Berapa banyak variabel terikat yang anda miliki dalam sebuah
pertanyaan atau hipotesis penelitian? Biasanya para peneliti hanya
menggunakan satu variabel bebas, atau apabila variabel bebasnya
banyak masing-masing variabel dianalisis satu demi satu.
 Apakah anda secara statistik melakukan kontrol terhadap covariat
dalam analisis anda terhadap hipotesis dan pertanyaan penelitian?
 Bagaimana anda mengukur variabel-variabel bebas? Ingat dalam
bab 6 ada dua jenis skala: kategorikal (nominal dan ordinal) dan
skala continu (interval/rasio)
  Bagaimana anda mengukur variabel-variabel terikat? Sama dengan
variabel-variabel bebas identifikasi apakah variabel-variabel terikat
merupakan variabel-variabel kategorikal atau variabel kontinu.
 Apakah skor-skor variabel anda itu terdistribusi secara normal
yakni bisakah anda mengansumsikan bila skor-skor itu dibuat
grafiknya, terdistribusi seperti kurva normal? Statistik tertentu
telah dirancang untuk bisa dilakukan paling tepat dengan data-
data yang terdistribusi secara normal dan statistik-statistik lainnya
akan lebih baik digunakan terhadap data-data yang terdistribusi
secara tidak normal (lihat lampiran c untuk informasi tambahan
tentang distribusi yang tidak normal).
Dengan ketujuh pertanyaan ini test statistik apa yang akan anda
gunakan untuk meneliti hipotesis-hipotesis null ini?
“tidak terdapat perbedaan antara perokok dan orang yang tidak
merokok dalam hal skor depresinya”
“tidak terdapat perbedaan antara perokok dan orang yang tidak
merokok dan afiliasi kelompok teman sejawat”
Untuk hipotesis pertama anda memilih t test dan untuk hipotesis
kedua chi-kuadrat. Bisakah anda mengidentifikasi kesimpulan apa
yang diambil dalam memilih kedua uji statistik ini berdasarkan
tujuh kriteria di atas?
5. Membuat keputusan tentang menerima atau menolak hipotesis null.
Misalkan anda telah menghitung test statistik untuk kedua test
hipotesis tersebut dengan menggunakan data-data yang dilaporkan
sebelumnya dalam tabel 7.2, misalkan anda menggunakan SPSS
versi 14.0 dan memiliki print out seperti tergambar dalam tabel 7.6.
Dalam tabel 7.6 anda membandingkan orang perokok dan yang
bukan perokok dalam hal skor depresi mereka. Test statistik yang
dihitung adalah analisis t test dan hasilnya menyatakan bahwa 26
orang yang tidak merokok memiliki rata-rata 69,77 dalam hal skor
depresi, sedangkan 24 orang perokok memiliki rata-rata 79,79 ini
dengan perbedaan 10,02 diantara kedua kelompok itu. Test
signifikansi dua arah memperlihatkan nilai t = -7.49 dengan 48 df
(derajat kebebasan), dengan menghasilkan nilai ρ probabilitas = 0,00
(ρ = 0,00). Nilai ρ signifikan karena ia lebih rendah dari nilai alpha =
0,05. Apabila nilai ρ nya lebih rendah dari alpha ini berarti hipotesis
nullnya ditolak; apabila nilai ρ nya itu lebih besar dari nilai alpha, ini
berarti hipotesis nulnya diterima. Kemudian kesimpulan kita adalah
terdapat perbedaan antara mereka yang bukan perokok dan yang
merokok dalam hal tingkat depresi mereka, kita menolak hipotesis
null (terdapat perbedaan) dan menerima hipotesis alternatif
(terdapat perbedaan).
Dalam membuat pernyataan ini kita mengikuti prosedur berikut :
a) Lihat pada nilai test statistik dan nilai ρ nya. Anda bisa
menemukan nilai ρ ini pada print out.
b) Tentukan apakah nilai ρ yang teramati lebih rendah atau lebih
tinggi dari nilai ρ yang diperoleh dari distribusi skor untuk statistik
dengan derajat kebebasan tertentu dan dengan test satu atau dua
arah pada tingkat signifikan tertentu. Anda bisa menentukan nilai
tabel untuk ρ secara manual dengan membandingkan nilai statistik
dengan nilai tabel distribusi untuk statistik atau anda bisa minta
bantuan program komputer untuk mengidentifikasi nilai ρ yang
teramati, dan anda bisa menginterpretasi apakah nilai tersebut
lebih tinggi atau lebih rendah dari nilai alpha.
c) Tentukan apakah hipotesis nullnya ditolak atau diterima. Kita perlu
menentukan apakah nilai ρ secara statistik signifikan untuk
menolak atau menerima hipotesis null. Statistical
significance(signifikansi secara statistik) adalah apabila nilai
ρ dari skor yang teramati lebih rendah dari nilai alpha yang sudah
ditentukan sebelumnya oleh si peneliti.

Contoh lain dengan menggunakan statistik chi-kuadrat

diperlihatkan oleh tabel 7.7. test statistik ini menguji apakah
mereka-mereka yang tidak perokok dan yang perokok dalam hal
peer group affiliation/afiliasi kelompok teman sejawat. Tabel pada
bagian atasnya memperlihatkan cell yang berisikan informasi
 frekuensi yang teramati pada masing-masing cell dan frekuensi
yang diharapkan. Contoh, untuk atlit kita mengharapkan 6,2
individu yang tidak merokok dibandingkan dengan 8 individu yang
perokok. Test statistik chi-kuadrat Pearson = 1.71 dengan df = 3
menghasilkan nilai ρ (tingkat signifikansi) sebesar .635. Pada ρ =
0,05 angka 0,635 tidaklah secara statistik signifikan, dan
kesimpulan kita adalah kita gagal menolak hipotesis null. Kita
menyimpulkan bahwa tidak terdapat perbedaan antara mereka
yang merokok dan tidak perokok dalam hal afiliasi kelompok
teman sejawat. Walaupun boleh saja kita mengantisipasi bahwa
kelompok “punkers” memiliki lebih banyak mereka yang merokok
ketimbang mereka yang tidak perokok atau kelompok atlit memiliki
lebih banyak mereka yang tidak perokok ketimbang yang merokok,
test statistik kita tidak menemukan hasil seperti itu.

Kesalahan Potensial Dalam Hasil Penelitian

Dalam kedua contoh ini, uji t dan uji kuadrat, hasil yang kita peroleh
bisa jadi memiliki kesalahan. Coba pertimbangkan empat buah hasil yang
mungkin terjadi selama pengujian hipotesis. Keempat kemungkinan ini
diperlihatkan pada tabel 7.8. Kolom dalam tabel ini memperlihatkan dua
kondisi aktual permasalahan di dalam populasi : Tidak ada perbedaan
antara perokok dan non perokok dalam hal skor depresi (dikatakan
dengan cara lain, para perokok dan non perokok sama-sama mengalami
depresi), atau terdapat perbedaan antara perokok dan non perokok dalam
hal skor depresi mereka. Informasi yang terdapat dalam rows
memperlihatkan dua keputusan yang dibuat oleh si peneliti berdasarkan
pada data-data aktual : menolak hipotesis null atau gagas menolak
hipotesis null.
Dari kedua faktor ini kita memiliki empat kemungkinan hasil –dua
kemungkinan kesalahan yang mungkin terjadi dan dua hasil positif yang
mungkin terjadi di dalam pengujian hipotesis:
 1. Si peneliti menolak hipotesis null (tidak terdapat perbedaan) ketika
nilai-nilai populasi menunjukkan tidak ada pengaruh. A type I
error (kesalahan tipe pertama) terjadi ketika hipotesis null ditolak
oleh si peneliti padahal itu benar. Probabilitas dari rata-rata
kesalahan ini disebut alpha.
2. Si peneliti bisa berbuat kesalahan dengan jalan tidak bisa menolak
hipotesis null. A type II error (kesalahan tipe kedua) terjadi ketika
si peneliti gagal menolak hipotesis null padahal terdapat pengaruh
aktual di dalam populasi. Probabilitas dari rata-rata kesalahan ini
disebut beta. Secara praktis kesalahan tipe kedua ini dianggap
tidak terlampau bermasalah dibandingkan tipe pertama, karena
gagal menolak hipotesis null (menemukan tidak terdapatnya
perbedaan) kurang melenceng dibandingkan menolak hipotesis
null (menemukan perbedaan). Dalam penelitian pendidikan kita
perlu berhati-hati berkenaan dengan pernyataan “terdapat
perbedaan” padahal sebenarnya tidak terdapat perbedaan.
3. Si peneliti bisa menolak hipotesis null ketika ia seharusnya
menolak karena memang mendapat pengaruh. Ini merupakan
keputusan yang benar, dan karenanya tidak terdapat kesalahan.
The power dalam pengujian hipotesis kuantitatif sebenarnya
merupakan probabilitas menolak hipotesis null yang salah secara
benar (probability of correctly rejecting a false null hypothesis).
4. Si peneliti bisa gagal menolak hipotesis null yang seharusnya tidak
ditolak karena memang tidak adanya pengaruh.
Perkiraan penggunaan Confidence Intervals
Pada tabel 7.6 dan 7.7 kita memiliki dua jenis uji statistik inferensial, satu
menolak hipotesis null yang lainnya gagal menolak hipotesis null.
Walaupun keputusan menolak atau gagal menolak hipotesis null
memberikan informasi yang berguna, ini tidak menyatakan besaran atau
perbedaan dalam skor rata-rata, terutama apabila hipotesis nullnya
ditolak (seperti dalam contoh uji t). Dengan demikian kita kembali kepada
condifence interval untuk bisa membantu kita menentukan betapa besar
perbedaan yang ada dan untuk mengestimasi a range of acceptable
values.
Confidence interval memberikan informasi tambahan tentang
pengujian hipotesis kita. Confidence interal atau interval estimate adalah
jarak antara nilai-nilai statistik tertinggi dan terendah yang konsisten
dengan data-data teramati dan yang berisikan rata-rata populasi aktual.
Karena rata-rata hanyalah merupakan estimasi nilai-nilai populasi nilai-
nilai tersebut memang tidak pernah diketahui secara persis, dan rata-rata
sampel menyatakan angka estimasi dari rata-rata populasi, makanya
penting untuk mempertimbangkan range of values di seputar rata-rata
sampel dari sejumlah sampel. Para peneliti menetapkan konfidence
interval di seputar nilai rata-rata sampel untuk mengilustrasikan range of
potential scor yang mungkin terjadi. Tambahan lagi hal ini dinyatakan
dalam bentuk persen seperti 95% (95 dari 100), dari nilai populasi akan
berada di dalam range of interval ini. Di samping itu interval ini
diidentifikasi sebagai batas atas dan batas bawah, yakni nilai-nilai yang
mendefinisikan range of interval itu.
Kembali kepada tabel 7.6 lagi, program komputer melaporkan 95%
confidence interval untuk perbedaan antara rata-rata dua kelompok.
Apabila anda menarik sejumlah sampel dari populasi maka 95% dari
perbedaan rata-rata sampel tersebut akan berada di antara batas nilai
paling rendah dan batas nilai paling tinggi. seperti dilaporkan di dalam
statistik untuk uji t. Ini memperlihatkan bahwa jika kita mengumpulkan
data dari sejumlah sampel mahasiswa sekolah menengah kita mungkin
bisa mengestimasi bahwa 95% dari skor depresi akan berada antara
-12.71, dan -7.33, sekitar perbedaan -10.02 untuk skor rata-rata perokok
dan non perokok (69.77- 79.79 = -10.02). Untuk mengetahui range ini
akan memberikan estimasi yang akurat dari nilai-nilai populasi dan ia juga
memberikan informasi tambahan berkenaan dengan hasil pengujian
hipotesis.
Menentukan Besarnya Pengaruh
Penting diketahui apakah uji statitik significant atau tidak (melalui nilai p)
dan range dari skor yang dapat diterima (konfidence interval) tapi juga
untuk mengkuantifikasikan besarnya perbedaan antara dua rata-rata atau
dua variabel. Ukuran praktis dari perbedaan tersebut adalah dengan
melihat perbedaannya dan menentukan apakah perbedaan tersebut
bermakna secara praktis. Ini merupakan prosedur mengkalkulasi atau
menghitung besarnya pengaruh. Besarnya pengaruh mengidentifikasi
kebermaknaan dari kesimpulan-kesimpulan tentang perbedaan kelompok
atau hubungan antara variabel-variabel dalam sebuah penelitian
kualitatif. Perhitungan dari koefisien ini berbeda untuk masing-masing uji
statistik. Untuk analisis variansi (ANOVA) contohnya besarnya pengaruh
(eta2) diukur dengan menggunakan persentase variansi yang disebabkan
oleh variable yang diteliti. Phi, sebagaimana digunakan dalam uji chi
kuadrat, adalah ukuran asosiasi dari besarnya pengaruh. Ukuran-ukuran
lainnya besarnya pengaruh bagi uji-uji statistik lainnya menggunakan
prosedur penghitungan yang berbeda seperti omega 2 atau Cohen’s D
(APA, 2001). Apabila kita menguji skor rata-rata dari dua kelompok
besarnya pengaruh 0,5 (atau setengah standar deviasi) atau lebih besar
sering digunakan sebagai standar.
Kita bisa menghitung besarnya pengaruh antara kelompok-kelompok
dalam contoh penelitian penggunaan tembakau di kalangan siswa sekolah
menengah. Misalnya peneliti mengkaji rata-rata seperti dalam tabel 7.6
dan melihat bahwa skor rata-rata berbeda sebesar 10.02, sebuah
perbedaan yang cukup besar dalam skala 100. Secara lebih tepat kita
menghitung besarnya pengaruh dan melaporkannya dalam bentuk satuan
atau unit deviasi standar. Untuk uji t, besarnya pengaruh (ES) dapat
dihitung dengan menggunakan persamaan berikut:
ES = Mean (rata-rata)perokok – Mean (rata-rata) non perokok /Standar
Deviasiweighted
dimana standar deviasiweighted diperoleh dari rata-rata standar deviasi
perokok dan non perokok, dengan mempertimbangkan besarnya
kelompok.
Dengan menggunakan rumus ini, kita lihat dalam tabel 7.6 besarnya
pengaruh dilaporkan 2.154. Ini berarti bahwa rata-rata perokok dua
standar deviasi lebih tinggi dari rata-rata non perokok dalam hal skor
depresi. Ini merupakan perbedaan yang sangat besar dalam prakteknya.
Kembali kita kepada ilustrasi kita yang kedua, sebagaimana yang
diperlihatkan dalam analisis chi kuadrat tabel 7.7, kita melihat besarnya
pengaruh atau koefisien phi merupakan ukuran dari besarnya asosiasi
antara dua variabel kategorikal (dua buah variabel nominal). Nilai 0.85
menyatakan asosiasi yang lemah, dan kita memiliki bukti tambahan
bahwa para perokok dan non perokok tidak berbeda dalam hal peer group
affiliation (afiliasi kelompok sejawat).

BAGAIMANA ANDA MELAPORKAN HASIL PENELITIAN

Ketika para peneliti menyelesaikan pengujian statistiknya selanjutnya
mereka membuat penyajian hasil dalam bentuk tabel dan angka-angka
serta melaporkan hasilnya dalam bentuk diskusi atau pembahasan. Anda
bisa memasukan hasil ini ke dalam bagian yang berjudul “Hasil-hasil
Penelitian”. Beberapa hal mungkin bisa membantu anda dalam membuat
bagian ini serta membantu anda memahami isi dari bagian hasil
penelitian yang sudah dipublikasikan.
Bagian ini sebaiknya menangani atau menanggapi masing-masing
pertanyaan dan hipotesis penelitian. Pendekatan yang biasanya
digunakan, menjawab masing-masing pertanyaan dan hipotesis penelitian
satu demi satu secara berurutan sesuai dengan apa yang dikemukakan
pada bagian awal penelitian. Dalam melaporkan hasil-hasil penelitian si
peneliti juga harus mencermati temuan-temuan statistik tanpa mengambil
implikasi yang lebih luas atau makna yang lebih luas dari temuan-temuan
statistik tersebut. Selanjutnya bagian ini juga mencakup ringkasan data
ketimbang data-data mentah (misalnya skor-skor aktual dari masing-
masing individu). Bagian hasil-hasil penelitian ini mencakup:
 Tabel yang menyarikan informasi statistik
 Diagram-diagram (ada chart, gambar-gambar, lukisan-lukisan)
yang memperlihatkan variabel dan hubungan-hubungannya
 Penjelasan rinci tentang hasil-hasil statistik
Tabel
Peneliti memperlihatkan data dalam bentuk tabel yang menyarikan hasil-
hasil statistik dalam rangka kaitannya dengan pertanyaan dan hipotesis
penelitian. A table adalah sebuah ringkasan data kuantitatif yang
disusun ke dalam rows dan columns (lihat tabel 7.6 dan tabel 7.7).
Biasanya tabel-tabel untuk melaporkan hasil-hasi penelitian ini berisikan
informasi kuantitatif, tetapi tabel tersebut bisa jadi juga berisikan
informasi berbentu teks seperti ringkasan dari penelitian-penelitian inti
yang ditemukan dalam studi kepustakaan (dan yang dicantumkan pada
bagian awal dari sebuah penelitian, sebelum hasil-hasil penelitian. Salah
satu keuntungan dari menggunakan tabel-tabel ini adalah tabel-tabel
tersebut bisa membuat keringkasan dari data-data yang jumlahnya besar
sekali dalam ruangan yang terbatas. Berikut adalah beberapa petunjuk
bagaimana membuat tabel :
 Walaupun anda bisa menyajikan lebih dari satu uji-uji statistik dalam
sebuah tabel petunjuk umumnya adalah menyajikan satu tabel untuk
masing-masing uji statistik. Walaupun demikian anda kadang-kadang
juga bisa menggabungkan data-data dari analisis statistik yang
berbeda ke dalam sebuah tabel. Contoh : semua data-data deskriptif
(mean, standar deviasi dan range) bisa digabungkan ke dalam
sebuah tabel. Walaupun demikian anda harus menyajikan masing-
masing uji statistik inferensial dalam sebuah tabel.
 Para pembaca seharusnya bisa memahami dengan mudah makna
dari suatu tabel. Tabel-tabel sebaiknya menyusun data-data ke
dalam rows dan columns dengan judul-judul yang sederhana dan
jelas. Juga judul tabel harus secara tepat menyajikan informasi yang
ada dalam tabel dan merupakan sebuah deskriptif yang lengkap.
 Penting diketahui rincian taraf statistik untuk statistik deskiptif dan
inferensial untuk dilaporkan dalam tabe-tabel. Dengan
memperhatikan tabel-tabel dalam jurnal-jurnal ilmiah yang biasanya
memberikan model untuk digunakan bagi taraf signifikansi yang
diperlukan untuk masing-masing uji statistik. Tambahan lagi
Publication Manual of the American Psychological Association (APA,
2001) memberikan contoh-ontoh tentang rincian taraf signifikansi
 yang dilaporkan dalam tabel-tabel deskriptif (misalnya mean, standar
deviasi, N, atau jumlah partisipan) dan tabel-tabel inferensial
misalnya korelasi, ANOVA dan regresi). Sebagai bantuan tambahan
anda bisa melihat out put uji statistik yang biasa digunakan oleh
SPSS (misalnya George & Mallery, 2001).
 Para penulis biasanya melaporkan apakah catatan-catatan yang
memberikan kualifikasi, penjelasan, atau memberikan informasi
tambahan dalam tabel-tabel yang kiranya bermanfaat bagi para
pembaca. Catatan-catatan ini sering mencakup informasi tentang
besarnya sampel yang dilaporkan dalam penelitian, nilai-nilai
probabilitas yang digunakan dalam pengujian hipotesis dan tingkat
signifikansi aktual bagi uji statistik.
Diagram
Dalam rangka membedakan antara tabel dan diagram tidak selamanya
jelas. Tabel mencakup ringkasan dari data-data kuantitatif sedang
diagram menyajikan informasi dalam bentuk grafik atau gambar-gambar
visual (APA, 2001). Dengan demikian, a figure (diagram) adalah
ringkasan dari informasi kuantitatif yang disajikan sebagai chart, grafik,
atau gambar yang memperlihatkan hubungan antara skor-skor atau
variabel-variabel. Tabel biasanya lebih disenangi ketimbang diagram
(APA, 2001) karena tabel memperlihatkan informasi yang lebih banyak
dalam bentuk yang lebih sederhana.
Diagram cocok untuk menyajikan informasi secara visual dalam
bentuk grafik dan gambar-gambar pada bagian hasil penelitian. The
Publication Manual of the American Psychological Association (APA, 2001)
menyarankan beberapa standar untuk merancang sebuah diagram yang
bagus. Sebuah diagram yang bagus :
 Augmens, ketimbang duplikat dari teks
 Memperlihatkan fakta-fakta yang essensial
 Menghilangkan rincian-rincian visual yang menganggu
 Mudah dibaca dan dimengerti
 Sejalan dengan dan dipersiapkan dengan gaya yang sama
sebagaimana halnya diagram yang sama pada artikel yang sama
  Dirancang dan dibuat dengan cermat (hal. 177)
Beberapa jenis diagram ditemukan dalam penelitian-penelitian
pendidikan :
 Bar charts, yang menggambarkan kecenderungan dan distribusi
data (lihat diagram pada tabel 7.4)
 Scatterplots, yang mengilustrasikan perbandingan dari dua skor
yang berbeda dan bagaimana skor itu masing-masing regues atau
berbeda dari rata-rata (lihat diagram 12.1). Informasi ini berguna
untuk mengidentifikasi outliers atau upper atau lower ceiling
effects dari skor-skor tersebut.
 Line graphs, yang memperlihatkan interaksi antara dua variabel
dalam sebuah eksperimen (lihat diagram 11.5).
 Charts, yang memperlihatkan hubungan yang rumit antara
variabel-variabel dalam rancangan penelitian korelasional (lihat
diagram 12.3).
The Publication Manual of the American Psychological Association (APA,
2001) memberikan ilustrasi tentang line graphs, bar graphs, scatterplots,
dan model-model correlational chart path model. Dalam kesemua contoh-
contoh ini the figure caption ditempatkan dibawah diagram tersebut. Ini
berbeda dari judul tabel yang ditempatkan di atas tabel.
Menyajikan Hasil Penelitian
Walaupun tabel dan diagram menyarikan informasi dari uji-uji statistik si
peneliti perlu mendeksripsikan dengan rinci hasil-hasil dari masing-masing
uji statistik. Dalam penyajian hasil-hasil penelitian, si peneliti menyajikan
informasi yang rinci tentang hasil-hasil penelitian tertentu yang berasal
dari analisis statistik deskriptif dan inferensial. Proses ini memerlukan
penjelasan tentang hasil-hasil utama dari masing-masing uji statistik dan
menyajikan informasi ini degan menggunakan bahasa yang dapat
diterima di lingkungan peneliti kuantitatif.
Untuk hasil dari masing-masing uji statistik ini, si peneliti menyarikan
temuan-temuan dalam satu atau dua kalimat. Kalimat-kalimat tersebut
harus berisikan statistik yang diperlukan dalam rangka memberikan
gambaran yang lengkap tentang hasil tersebut. Kalimat tersebut juga
harus mencantumkan informasi yang dipelukan dalam melaporkan hasil-
hasil dari masing-masing uji statistik. Apa yang menyajikan informasi
yang memadai tergantung pada tipe statistik tertentu. Secara minimum :
 Melaporkan apakah uji hipotesis significant atau tidak
 Memberikan informasi penting tentang uji statistik
 Mencakup bahasa yang biasa digunakan dalam melaporkan hasil-
hasil statistik
Informasi tentang uji statistik misalnya bisa mencakup laporan
tentang derajat kebebasan (df) dan besarnya sampel untuk uji statistik
chi-kuadrat, dan rata-rata dan standar deviasi (APA, 2001).
Diagram 7.5 memperlihatkan contoh-contoh dari pernyataan-
pernyataan tentang hasil penelitian yang tergambar dari statistik
deskriptif dan inferensial. Untuk statistik deskriptif (rata-rata, standar
deviasi, dan range) memperlihatkan informasi yang bermanfaat tentang
hasil penelitian. Untuk statistik inferensial informasi seperti taraf alpha
yang digunakan nilai p aktual daerah kritis untuk penolakan hipotesis,
hasil uji statistik, derajat kebebasan (df) dan besarnya pengaruh harus
dilaporkan. Konfidence interval juga harus dilaporkan (Wilkinson & Tasks
Force on Statistical Inference, 1999).
BAGAIMANA ANDA MEMBAHAS HASIL-HASIL PENELITIAN
Setelah melaporkan dan menjelaskan hasil-hasil penelitian secara rinci,
para penliti mengakhiri penelitian merka dengan membuat ringkasan
temuan-temuan kunci dari penelitian tersebut, mengembangkan
penjelasan terhadap hasil-hasil penelitian, mengungkapkan keterbatasan-
keterbatasan penelitian, dan membuat rekomendasi berkenaan dengan
tindaklanjut penelitian tersebut.
Membuat Keringkasan Hasil-Hasil Utama
Dalam proses pemberian interpretasi terhadap hasil-hasil penelitian, para
peneliti mula-mula membuat keringkasan temuan-temuan utama dan
menyajikan implikasi-implikasi umum tentang penelitian untuk sesuatu
kelompok audien. Sebuah keringkasan (summary) pernyataan yang
meninjau ulang konklusi-konklusi utama untuk masing-masing pertanyaan
penelitian atau hipotesis penelitian. Keringkasan ini berbeda dari hasil
penelitian yang menyajikan konklusi-konklusi umum bukan khusus.
Konklusi-konklusi khusus tentang hasil penelitian mencakup rincian tes-
tes statistik yang digunakan, tingkat signifikansi dan besarnya pengaruh.
Konklusi-konklusi umum menyatakan secara menyeluruh apakah hipotesis
ditolak atau apakah pertanyaan penelitian didukung atau tidak.
Penelitian diakhiri oleh pernyataan para peneliti berkenaan dengan
implikasi penelitian secara positif. Implikasi (implication) adalah saran-
saran tentang pentingnya penelitian bagi kelompok audiens yang
berbeda. Implikasi ini mengelaborasikan signifikansi penelitian bagi para
audiens seperti diungkapkan pada awalnya di dalam bagian rumusan
masalah (Lihat Bab 3). Sekarang, bahwa penelitian sudah berakhir si
peneliti berada pada posisi mengadakan refleksi (memberikan kesan)
tentang pentingnya penelitian.

Menjelaskan Kenapa Hasil Penelitian Terjadi

Sesudah keringkasan ini, para peneliti menjelaskan kenapa hasil-hasil
penelitian mereka itu terjadi seperti apa adanya. Sering penjelasan ini
didasarkan pada prediksi-prediksi yang dibuat berdasarkan suatu teori
atau kerangka konseptual yang memberi arah pada perumusan
pertanyaan-pertanyaan dan hipotesis penelitian. Di samping itu,
penjelasan-penjelasan ini bisa juga mencakup pembahasan bahan
kepustakaan yang ada dan yang memperlihatkan bagaimana hasil-hasil
penelitian didukung ataupun ditolak oleh penelitian-penelitian terdahulu.
Dengan demikian anda akan sering menemukan kajian tentang penelitian
terdahulu disajikan oleh penulis dalam bagian ini. Bagian akhir ini boleh
jadi mempertentangkan dan membandingkan hasil-hasil penelitian
dengan teori-teori atau sekumpulan bahan kepustakaan.

Mengungkapkan Keterbatasan Penelitian

Para peneliti juga mengungkapkan keterbatasan-keterbatasan atau
kelemahan-kelemahan dari penelitian mereka yang kemungkinan bisa
berpengaruh terhadap hasil-hasil penelitian. Keterbatasan (limitation)
adalah masalah atau kelemahan potensial tentang penelitian yang
diidentifikasi oleh si peneliti. Kelemahan-kelemahan ini diungkapkan satu
demi satu dan kelemahan tersebut sering terkait dengan pengukuran
variabel yang kurang cermat, mundur atau kurangnya partisipan
penelitian, jumlah sampel yang kecil, kesalahan dalam pengukuran, dan
faktor-faktor lain yang biasanya terkait dengan pengumpulan dan analisis
data. Keterbatasan-keterbatasan ini penting untuk diketahui oleh peneliti-
peneliti lainnya yang berkemungkinan memilih untuk melakukan
penelitian yang mirip dengan ini dan ataupun mengulang penelitian ini.
Pengungkapan keterbatasan-keterbatasan ini menjembatani atau
mengarah pada rekomendasi untuk penelitian lanjut. Keterbatasan-
keterbatasan tersebut juga membantu para pembaca untuk menilai
sejauh mana temuan-temuan penelitian bisa atau tidak bisa
digeneralisasikan terhadap orang-orang dan situasi-situasi lainnya.

Menyarankan Penelitian Lanjutan

Para peneliti kemudian mengungkapkan juga arah penelitian yang akan
datang atas dasar hasil-hasil penelitian yang dilakukan ini. Arah penelitian
masa datang (future research direction) adalah saran-saran yang
dibuat oleh si peneliti berkenaan dengan penelitian-penelitian lain yang
perlu dilakukan atau dasar hasil penelitian ini. Saran-saran tersebut
merupakan jembatan terhadap keterbatasan-keterbatasan penelitian, dan
memberikan arah yang bermanfaat bagi para peneliti baru dan pembaca
yang berminat untuk mendalami masalah penelitian ini atau untuk
menerapkan hasil-hasilnya pada praktek-praktek pendidikan. Para
pendidik sering membutuhkan sebuah “sudut” untuk memperdalam atau
memberikan kontribusi terhadap pengetahuan yang ada, dan saran-saran
bagi penelitian yang akan datang, terutama sekali sebagaimana
ditemukan pada bagian kesimpulan dari sebuah penelitian. Bagi orang-
orang yang membaca laporan penelitian ini, arah penelitian masa yang
datang akan menggarisbawahi bidang-bidang yang belum banyak
diketahui dan memberikan batas bagi penggunaan informasi dari suatu
penelitian secara khusus.
MENGKAJI KEMBALI ANALISIS DAN INTERPRETASI DATA DALAM
PENELITIAN “KETERLIBATAN ORANGTUA”
Untuk mendapatkan gambaran berkenaan dengan proses analisis dan
interpretasi data kualitatif kita kembali lagi pada penelitian “keterlibatan
orangtua” yang dilakukan oleh Deslandes & Bertrand, (2005). Dengan
statistik lanjut yang digunakan oleh para peneliti kita akan mudah
terpancing untuk memfokuskan perhatian pada statistik dan kehilangan
gambaran yang menyeluruh tentang analisis dan interpretasi yang
terdapat di dalam penelitian.
Para peneliti melakukan survey terhadap 770 orangtua siswa sekolah
menengah pada lima buah sekolah di Quebec. Para orangtua ini mengisi
beberapa instrumen penelitian. Mencermati analisis data yang digunakan
oleh para peneliti bermanfaat bagi kita untuk melakukan refleksi terhadap
pertanyaan yang jawabannya ingin dicari oleh si peneliti. Dan kemudian
mengkaji analisis statistik yang mereka gunakan untuk mendapatkan
jawaban terhadap pertanyaan tersebut. Pertanyaan pokok dapat
ditemukan pada paragrap 13 : “Apa-apa saja konstribusi relatif dari peran
orangtua, self-efficacy, persepsi terhadap undangan para guru, dan
persepsi undangan para remaja untuk memprediksi keterlibatan orangtua
di rumah dan di sekolah pada siswa kelas 7, 8, dan 9” (hal. 166). Dalam
pertanyaan ini “kontribusi relatif” berarti variabel bebas apa saja yang
paling bisa menjelaskan wujud dari keterlibatan orangtua di rumah dan di
sekolah. Selanjutnya coba lihat tabel-tabel statistik yang disajikan oleh
para peneliti. Tabel 1 memperlihatkan statistik deskriptif demografis
(berbentuk persentase) tentang partisipasi orangtua dalam penelitian ini.
Tabel 2 menyajikan daftar variabel-variabel bebas, variabel-variabel
kontrol dalam analisis data dan dua variabel terikat. Tabel ini sangat
bermanfaat bagi pemahaman berkenaan dengan analisis data dan
prosedur-prosedur statistik. Tabel 3 memperlihatkan statistik deskriptif
(rata-rata standar deviasi) pada keempat variabel bebas dan kedua
variabel terikat. Variabel 4 dan 5 memperlihatkan analisis regresif ganda
dan imperensial untuk variabel-variabel bebas dan variabel demografis
sebagai variabel kontrol bagi keterlibatan orangtua di rumah dan di
sekolah untuk melihat keterlibatan orangtua dirumah di sekolah sebagai
variabel terikat. Dengan demikian dari pertanyaan penelitian kita
mengetahui bahwa penelitian ini akan membangun sebuah pemahaman
tentang pentingnya 4 buah faktor yang menjelaskan keterlibatan
orangtua. Cermati kembali tabel 7.5 yang memperlihatkan kepada kita
bahwa apabila kita memiliki dua atau lebih variabel bebas (4 konstruck
dan beberapa variabel kontrol dalam penelitian ini) yang diukur dengan
skala kontinu (1 = sangat tidak setuju, sampai 6 = sangat setuju) dan 1
variabel bebas (apakah rumah atau sekolah yang diukur secara terpisah
sebagai skala kontinu, kita akan menggunakan regresi ganda sebagai
prosedur statistik. Kita bisa melihat kedua tabel regresi ini (tabel 4 dan
tabel 5) dan perhatikan bahwa beberapa dari tabel tersebut secara
statistik signifikan dan pada tingkat p < .05, p < .01, dan p < .001
(sebagaimana diperlihatkan oleh tanda *) yang terdapat pada tabel di
bagian bawah. Sayang sekali kita tidak melihat besarnya pengaruh di
dalam tabel 4 dan 5. Tapi dalam analisis data pada tabel 4 kita bisa
melihat bahwa persepsi orangtua terhadap undangan para siswa dalam
ranah akademik dengan memprediksi secara kuat keterlibatan orangtua
dirumah (beta = .44). kemudian kita membaca pada bagian hasil
penelitian untuk melihat temuan-temuan yang lebih rinci. Pemikiran kita
tentang bentuk-bentuk analisis data yang ditemukan dalam artikel jurnal
ini beranjak dari pemikiran tentang pertanyaan penelitian, penelusuran
tabel, mengetahui jenis-jenis statistik utama dan penggunaan tabel 7 poin
5 dalam bab ini untuk menilai kenapa statistik itu yang digunakan dan
melihat secara cermat pada hasil penelitian yang disajikan dalam tabel-
tabel tersebut sebagaimana juga dalam bagian pembahasan hasil-hasil
penelitian.
Bagian pembahasan penelitian (mulai dari paragrap 32) memberikan
keringkasan umum dari hasil yang diperlihatkan oleh tingkat kelas dan
untuk masing-masing variabel terikat keterlibatan orangtua di rumah dan
di sekolah. Perhatikan bahwa pada keseluruhan bagian pembahasan ini
para peneliti mengetengahkan referensi-referensi pada penelitian-
penelitian lain yang menggarisbawahi temuan-temuan yang salah (lihat
misalnya paragrap 36). Artikel ini juga diakhiri dengan pembahasan
tentang implikasi terhadap intervensi terhadap sekolah dan untuk
meningkatkan keterlibatan orangtua dan pentingnya hubungan
guru/orangtua. Bagian terakhir mengidentifikasi beberapa keterbatasan
penelitian dalam hal sampel (paragrap 46), mengungkapkan gagasan-
gagasan untuk penelitian lanjut (paragrap 47), dan kemudian berakhir
pada catatan positif berkenaan dengan pentingnya penelitian (paragrap
49).
GAGASAN-GAGASAN UTAMA DALAM BAB INI
Setelah pengumpulan skor-skor numeric yang diperoleh melalui
instrumen penelitian atau melalui observasi para peneliti kuantitatif perlu
menyiapkan dan menyusun data-data mereka untuk analisis statistik.
Proses ini terdiri dari pemberian skor numeric pada masing-masing pilihan
jawaban dalam instrumen (apabila instrumen tidak mencakup atau tidak
memasukkan informasi ini); menentukan apakah butir tunggal atau
perbedaan skor akan digunakan di dalam analisis; dan memilih program
perangkat lunak komputer untuk menganalisis data. Kemudian peneliti
memasukkan ke dalam file-file komputer dengan jalan membuat matrik
data yang terdiri dari variabel-variabel dan nilai-nilainya. Dengan data
yang sudah dibangun si peneliti memulai proses menganalisis data untuk
menjawab pertanyaan-pertanyaan atau hipotesis penelitian. Beberapa
pertanyaan boleh jadi terbatas pada mendeskripsikan kecenderungan di
dalam data, dan si peneliti menggunakan analisis deskriptif seperti
kecenderungan umum, penyebaran skor, dan peringkat skor.
Pertanyaan-pertanyaan dan hipotesis lainnya memerlukan analisis
inferensial dimana si peneliti mengkaji sebuah sampel dan mengambil
generalisasi dari sampel tersebut ke populasi. Untuk melakukan analisis
inferensial 3 prosedur biasanya digunakan: (a) melakukan pengujian
hipotesis dengan menggunakan test-test statistik dan menghitung nilai p
nya yang ditentukan apakah signifikan atau tidak, dan menyarankan
bahwa rata-rata sampel merupakan estimate yang baik atau tidak bagi
rata-rata populasi; (b) menentukan interval tingkat kepercayaan dengan
mengidentifikasi rentangan skor yang bisa tercakup dalam rata-rata
populasi; (c) menghitung besarnya pengaruh yang menentukan kuat
tidaknya perbedaan dan makna praktis dari perbedaan-perbedaan ini
terhadap perbandingan kelompok atau hubungan variabel-variabel.
Apakah analisis terdiri dari analisis deskriptif dan inferensial, atau
dua-duanya si peneliti menyajikan hasilnya dalam bentuk tabel, angka,
dan pembahasan rinci tentang hasil-hasilnya. Akhirnya para peneliti
membuat konklusi dari penelitian mereka dengan jalan membuat
ringkasan yang rinci tapi dalam bentuk pernyataan yang bersifat umum.
Mereka juga memberikan penjelasan tentang temuan-temuan mereka
atas dasar prediksi yang sebelumnya dibuat atas dasar bahan
kepustakaan atau teori-teori, dan mereka membandingkan hasil-hasil ini
dengan hasil penelitian terdahulu. Penting juga diingat bahwa dalam
membuat kesimpulan tentang sebuah penelitian kita perlu
mengemukakan keterbatasan-keterbatasan penelitian dengan
mengungkapkan kelemahan-kelemahan yang berkemungkinan
berpengaruh terhadap hasil penelitian. Keterbatasan-keterbatasan ini
terbangun secara langsung dalam saran-saran bagi penelitian lanjut yang
kiranya akan memperbaiki kelemahan-kelemahan tersebut dan
selanjutnya memberikan kontribusi bagi studi kepustakaan tentang topik
dimaksud.