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.
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 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.
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.