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 omega2 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.