MAKALAH

METODE PENELITIAN
“TEKNIK ANALISIS DATA KUANTITATIF”

Disusun Oleh :

CINDY C. DOODOH 17 502 039

FELIA H. MAILANGKAY 17 502 019
JONATHAN E. POLANDOS 17 502 029

UNIVERSITAS NEGERI MANADO

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
JURUSAN BIOLOGI
2020
 KATA PENGANTAR

Puji syukur penulis panjatkan kepada Tuhan YME yang telah melimpahkan hidayah
dan karunia-Nya sehingga makalah yang berjudul “ Analisis Data Kuantitatif” ini dapat
terselesaikan. Makalah ini disusun sebagai salah satu tugas mata kuliah Metodologi
Penelitian.
Materi yang disajikan dalam makalah ini disusun secara sederhana dan sistematis agar
mudah dipahami dan dimengerti oleh para pembaca. Dengan dibuatnya makalah ini,
diharapkan pembaca dapat memahami serta mengerti secara mendalam tentang analisis data
kuantitatif.
Saran dan kritik dari pembaca sangat penulis harapkan untuk perbaikan makalah ini
karena penulis menyadari bahwa makalah ini masih banyak kekurangan. Semoga makalah ini
memberi manfaat bagi pembacanya.

Tondano, April 2020

Penyusun

i
 BAB I
PENDAHULUAN

A. Latar Belakang
Salah satu tahap dalam proses penelitian adalah tahap analisis data. Menurut Ali
Muhson, analisis data merupakan salah satu proses penelitian yang dilakukan setelah
semua data yang diperlukan guna memecahkan permasalahan yang diteliti sudah
diperoleh secara lengkap. Ketajaman dan ketepatan dalam penggunaan alat analisis
sangat menentukan keakuratan pengambilan kesimpulan, karena itu kegiatan analisis
data merupakan kegiatan yang tidak dapat diabaikan begitu saja dalam proses penelitian.
. Teknik analisis dibagi menjadi dua yaitu teknik analisis kuantitatif dan kualitatif.
Perbedaan kedua teknik yaitu terletak pada jenis datanya. Data yang dikuantifikasikan
dapat dianalisis secara kuantitatif dan kualitatif tetapi data yang bersifat kualitatif maka
analisis digunakan hanya analisis kualitatif. Pada makalah ini penulis akan membahas
teknik analisis kuantitatif yang terbagi menjadi dua statistik yaitu statistik deskriptif dan
statistik inferensial.

B. Rumusan Masalah
Berdasarkan latar belakang di atas, maka dapat dirumuskan beberapa rumusan masalah
sebagai berikut:
1. Bagaimanakah analisis data kuantitatif?
2. Apakah perbedaan statistik deskriptif dan inferensial?

C. Tujuan Penulisan
Tujuan penulisan makalah ini adalah sebagai berikut:
1. Mendeskrisikan analisis data kuantitatif
2. Mendeskripsikan perbedaan statistik deskriptif dan inferensial

D. Manfaat Penulisan
Manfaat dari penulisan makalah ini adalah:
Sebagai referensi/literature bagi pembaca untuk menambah pengetahuan khususnya
mengenai analisis data kuantitatif.

1
 BAB II
PEMBAHASAN

Analisis kuantitatif yang biasa digunakan adalah analisis statistik. Biasanya analisis
ini terbagi ke dalam dua kelompok yaitu statistik deskriptif dan inferensial.
A. Statistik Deskriptif
Analisis statistik deskriptif adalah statistik yang digunakan untuk menganalisis data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum
atau generalisasi. Analisis ini hanya berupa akumulasi data dasar dalam bentuk deskripsi
semata dalam arti tidak mencari atau menerangkan saling hubungan, menguji hipotesis,
membuat ramalan, atau melakukan penarikan kesimpulan.
Teknik analisis statistik deskriptif yang dapat digunakan antara lain:
a. Penyajian data dalam bentuk tabel atau distribusi frekuensi dan tabulasi silang
(crosstab).
Tabel adalah model penyajian yang disusun dalam baris dan kolom. Tabel data
berupa kumpulan angka-angka berdasarkan kategori tertentu. Suatu tabel minimal
memuat judul tabel, judul kolom, judul baris, nilai pada setiap baris dan kolom, serta
sumber yang menunjukkan dari mana data tersebut diperoleh. Berdasarkan
pengaturan baris dan kolom, suatu tabel dapat dibedakan dalam beberapa bentuk
misalnya tabel klasisfikasi saru arah, tabel klasifikasi dua arah atau lebih (tabel
silang), serta tabel distribusi frekuensi. Berikut disajikan contoh-contoh bentuk
tabel yang biasa digunakan dalam penyajian data penelitian kuantitatif.
1. Tabel Klasifikasi Satu Arah
Tabel ini digunakan untuk mengelompokkan data berdasarkan satu kriteria
Tertentu. Berikut ini contoh tabel klasifikasi satu arah.
Tabel 1: Contoh Tabel Satu Arah Komposisi Responden Berdasarkan Jenis
Kelamin
No Jenis Kelamin Jumlah
Responden
Laki-laki 24
Perempuan 16
Total 40
Berdasarkan tabel di atas dapat dijelaskan bahwa jumlah responden yang berjenis
kelamin laki-laki sebanyak 24 orang dan jumlah responden yang berjenis kelamin
perempuan sebanyak 16 orang.
2. Tabel Distribusi Frekuensi
Tabel distribusi frekuensi disusun apabila jumlah data yang akan disajikan cukup
banyak sehingga kalau disajikan dalam tabel biasa menjadi tidak efisien dan
kurang komunikatif. Selain itu, tabel ini dapat pula digunakan untuk
pengujian normalitas data. Tabel distribusi frekuensi disusun melalui tahapan
sebagai berikut:
1) Mengurutkan data dari yang terkecil sampai yang terbesar
2) Menghitung rentang skor = Skor tertinggi – Skor terendah

2
 3) Menetapkan jumlah kelas dengan menggunakan aturan Strugess
Jumlah kelas = 1 + 3,3 log n
n = banyaknya data
4) Menetapkan panjang kelas interval
Rentang
Interval Kelas =
Jumla h Kelas
5) Menentukan batas bawah kelas interval pertama (diambil data terkecil)
6) Menetapkan panjang batas setial kelas setiap
7) Menghitung frekuensi relatif yaitu jumlah anggota dari masing-masing
kelompok kelas interval
8) Menghitung prosentase frekuensi relatif yaitu prosentase frekuensi untuk
masing-masing kelas interval
9) Menghitung frekuensi kumulatif dan prosentasenya untuk masing-masing
batas bawah kelas interval.
Tabel 2: Tabel Distribusi Frekuensi Skor Kompetensi Profesional Guru
Nomo Kelas Frekuensi
r Interval Relatif Komulatif
Kelas f (%) f (%)
1 10-16 2 5,00 2 5,00
2 17-23 5 12,50 7 17,50
3 24-30 12 30,00 19 47,50
4 31-37 9 22,50 28 70,00
5 38-44 7 17,50 35 87,50
6 45-51 5 12,50 40 100,00
Total 40 100,00

Berdasarkan tabel di atas dapat dijelaskan bahwa responden yang

memperoleh skor kompetensi profesional antara 10 sampai 16 sebanyak 2
orang atau sekitar 5%; responden yang memperoleh skor kompetensi
profesional antara 17 sampai 23 sebanyak 5 orang atau sekitar 12,5%;
dan seterusnya. Dalam tabel tersebut dapat pula dilihat responden yang
mendapat skor di bawah 17 yaitu 2 orang atau sekitar 5%, di bawah 24 yaitu 7
orang atau sekitar 17,5%, dan seterusnya.
3. Tabel Silang
Tabel silang biasanya digunakan untuk mengelompokkan data berdasarkan
dua atau lebih kriteria. Berikut ini contoh tabel silang.

Tabel 3. Contoh Tabel Silang Komposisi Responden Berdasarkan Jenis

Kelamin dan Tingkat Pendidikan
Tingkat Pendidikan Total
Diploma Sarjana Magister
Jenis Laki-laki 7 11 6 24
kelamin perempua 1 13 2 16
n
Total 8 24 8 40

3
 Berdasarkan tabel di atas dapat dijelaskan bahwa responden yang berjenis kelamin
laki-laki dan berpendidikan Diploma sebanyak 7 orang; jumlah responden yang
berjenis kelamin laki-laki dan berpendidikan Sarjana sebanyak 11 orang; jumlah
responden yang berjenis kelamin laki-laki dan berpendidikan magister sebanyak 6
orang; dan seterusnya

b. Penyajian data dalam bentuk visual seperti diagram lingkaran, diagram batang,
diagram garis dan grafik histrogram
Selain menggunakan tabel, bentuk lain penyajian data adalah grafik atau
diagran. Grafik atau diagram biasanya dibuat berdasarkan tabel. Grafik
merupakan visualisasi data pada tabel yang bersangkutan.
1. Diagram Lingkaran (Pie Chart)
Digram lingkaran atau pie chart biasanya digunakan untuk melihat komposisi
data dalam berbagai kelompok. Dengan menggunakan data pada tabel 1
dapat dibuat diagram lingkaran yang memperlihatkan komposisi responden
penelitian berdasarkan jenis kelamin yaitu sebagai berikut:

Gambar 1. Diagram Lingkaran Komposisi Responden Berdasarkan jenis

Kelamin
2. Diagram Batang
Diagram batang biasanya digunakan untuk melihat perbandingan data
berdasarkan panjang batang dalam suatu diagram. Dengan menggunakan data
pada tabel 3 dapat dibuat diagram batang yang memperlihatkan perbandingan
jumlah responden berdasarkan tingkat pendidikan yaitu sebagai berikut:

4
 Gambar 2. Diagram Batang Komposisi Responden Berdasarkan
Tingkat Pendidikan
3. Diagram garis
Digram garis biasanya digunakan untuk melihat perkembangan suatu kondisi.
Perkembangan tersebut bisa naik dan bisa juga turun. Hal ni akan nampak secara
visual dalam bentuk garis. Sebagai contoh, berikut disajikan tabel dan grafik garis
yang memperlihatkan perkembangan jumlah siswa baru pada satu sekolah
dalam kurun waktu 7 tahun.

Gambar 3. Contoh Grafik Garis Perkembangan Jumlah Siswa Baru

pada Sekolah XXX Tahun 1997-2006

4. Grafik Histogram Frekuensi

Histogram adalah penyajian tabel distribusi frekuensi yang dubah dalam
bentuk diagram batang. Untuk Membuatnya digunakan sumbu mendatar
sebagai batas kelas dan sumbu vertikal sebagai frekuensi. Dengan menggunakan
data pada tabel 2, grafik histogram frekuensi skor kompetensi profesional guru
sebagi berikut:

Gambar 4: Contoh Grafik Histogram Frekuensi Skor Kompetensi

Profesional Guru

c. Penghitungan ukuran tendensi sentral (mean, median dan modus).

Cara lain menggambarkan statistik deskriptif ialah dengan menggunakan tendensi
sentral. Contoh bilangan tendensi sentral ialah mean (rata-rata), median dan mode.

5
Tendensi sentral berguna untuk menggambarakan bilangan yang dapat mewakili suatu
kelompok bilangan tertentu.
1. Mean
Dapat dicari dengan menjumlahkan semua nilai kemudian dibagi dengan
banyaknya individu.
Individu Penghasilan dalam ribuan (Rp.)

A 100
B 125
C 140
D 150
E 175
N=5  X = 690

2. Mode
Mode merupakan nilai yang jumlah frekuensinya paling besar. Untuk mencari
nilai mode dapat dilihat pada jumlah frekuensi yang paling besar.

Contoh :
Nilai Frekuensi
60 5
65 6
66 7
70 15
72 2
75 6
80 8
85 10

3. Median
merupakan nilai tengahyang membatasi setengah frekuensi bagian bawah dan
setengah frekuensi bagian atas.
Nomor Nilai
1 60
2 65
3 70
4 75
5 85

6
 6 80
7 81
8 79
9 77
85 adalah median yang membagi empat nilai diatasnya dan empat nilai di
bawahnya.
d. Penghitungan ukuran penyebaran
Penjelasan keadaan sekelompok data dapat pula didasarkan pada ukuran
penyebarannya atau variasinya. Sebaran data menunjukkan variasi data secara
keseluruhan dilihat dari nilai tengahnya (rata-ratanya). Ukuran penyebaran data
biasanya dilakukan dengan melihat rentang skor (kisaran data), varians, dan
simpangan baku (standard deviation).
1. Rentang
Rentang diperoleh dengan cara mengurangi data terbesar dengan data terkecil
dalam satu kelompok data.
2. Varians (s2)
Varians yang diberi simbol (s 2) dapat menjelaskan homogenistas suatu
kelompok. Semakin kecil varians maka semakin homogen data dalam
kelompok tersebut. Sebaliknya, semakin besar varians maka maka makin
heterogen data dalam kelompok tersebut. Varians dari sekelompok data
sampel dapat dihitung dengan menggunakan rumus:
2
2n ∑ X 2−( ∑ X)
s=
n (n−1)
3. Simpangan Baku
Simpangan baku atau standar deviasi yang diberi simbol (s) adalah akar
Varians (s2). Simpangan baku memiliki fungsi yang sama dengan varians
dalam menjelaskan sekelompok data.

B. Statistik Inferensial
Statistik inferensial adalah teknik analisis data yang digunakan untuk menentukan
sejauh mana kesamaan antara hasil yang diperoleh dari suatu sampel dengan hasil yang
akan didapat pada populasi secara keseluruhan. Jadi statistik inferensial membantu
peneliti untuk mencari tahu apakah hasil yang diperoleh dari suatu sampel dapat
digeneralisasi pada populasi (John, 2008:326). Sejalan dengan pengertian statistik
inferensial menurut Creswell, Muhammad Nisfiannoor berpendapat bahwa statistik
inferensial adalah metode yang berhubungan dengan analisis data pada sampel untuk
digunakan untuk penggeneralisasian pada populasi. Penggunaan statistic inferensial
didasarkan pada peluang (probability) dan sampel yang dipilih secara acak (random)
(Nisfianoor, 2009:4).
Konsep statistik inferensial yaitu;
1. Standard Error
Peluang setiap sampel sangat identik dengan populasinya sangat kecil (nill)
meskipun inferensi populasi didapat dari informasi sampel. Penerapan random sampling

7
 tidak menjamin karakteristik sampel sama persis dengan populasi. Variasi prediksi antara
mean disebut sampling error. Sampling error ini tidak bisa dihindari dan ini bukan
kesalahan peneliti. Yang menjadi persoalah adalah apakah error tersebut semata-mata
hasil sampling error atau merupakan perbedaan yang bermakna yang akan pula
ditemukan pada papulasi yang lebih besar.
Ciri standard error adalah bahwa error yang terjadi bisaanya berdistribusi normal
yang besarnya berbeda-bedadan error tersebut cenderung membentuk kurva normal yang
menyerupai lonceng.
Faktor utama yang mempengaruhi standard error adalah jumlah sampel. Semakin
banyak sampelnya, semakin kecil standard errornya. Ini menunjukkan bahwasampel
penelitian semakin akurat bila banyak sampelnya.
Faktor utama yang mempengaruhi standard error adalah jumlah sampel. Semakin
banyak sampelnya, semakin kecil standard error meannya yang berarti bahwa semakin
kecil standard error-nya, semakin akurat mean sampel untuk dijadikan estimator untuk
mean populasinya (Cresswell, 2008)
1. Pengujian Hipotesis
Pengujian hipotesis adalah proses pengambilan keputusan dimana peneliti
mengevaluasi hasil penelitian terhadap apa yang ingin dicapai sebelumnya. Misalnya,
kita ingin menerapkan program baru dalam pelajaran membaca. Pada rencana
penelitian dikemukanan hipotesis penelitian yang memprediksi perbedaan skor siswa
yang menjalni program baru tadi dengan proglam lama, dan hipotesis nol (0), yang
memprediksikan skor kedua kelompok tidak akan berbeda. Setelah data dihitung
mean dan standar deviasinya dan hasilnya menunjukkan skor siswa dengan program
baru lebih tinggi (berbeda secara signifikan) daripada siswa yang mengikuti program
lama, maka hipotesis penelitian diterima dan hipotesis nol ditolak. Yang berarti
bahwa program baru tersebut efektif untuk diterapkan pada program membaca.
Intinya, pengujian hipotesis adalah proses evaluasi hipotesis nol, apakah diterima tau
ditolak, (Cresswell, 2008:328).
2. Uji Signifikansi
Uji signifikasi adalah cara mengetahui adanya perbedaan antara dua skor.
Signifikansi merujuk pada tingkat statistik dari probabilitas dimana dengannya kita
bisa menolak hipotesis nol. Uji signifikansi dilakukan dengan menentukan tingkat
probabilitas praseleksi yang dikenal dengan tingkat signifikansi (α). Tingkat
probailitas ini dijadikan dasar untuk menolak atau tidak menolak hipotesis nol.
Standar yang digunakan umumnya 0,05 kesempatan (5 dari 100). Adapula yang
menggunakan 0.01. Semakin kecil nilai probabilitasnya, semakin kecil pula
kemungkinan temuan tersebut diperoleh karena disebabkan oleh peluang, (Cresswell,
2008:329).

B. Jenis-jenis Statistik Inferensial

Terdapat dua jenis statistik inferensial:
1. Statistik Parametrik; yaitu teknik yang didasarkan pada asumsi bahwa data yang
diambil mempunyai distribusi normal dan menggunakan data interval dan rasio,
(Nisfianoor, 2009:4).

8
a. Uji-t
Uji-t digunakan untuk menentukan apakah 2 kelompok skor memiliki perbedaan
yang signifikan di tingkat probabilitas pilihan. Contohnya, Uji-t dapat digunakan
untuk membandingkan skor membaca pada laki-laki dan skor membaca pada
perempuan di sekolah A.
Strategi dasar Uji-t adalah membandingkan perbedaan nyata antara mean
kelompok (X1-X2) menentukan apakah ada perbedaan yang diharapkan
berdasarkan peluang.
Uji-t terdiridari:
Uji-t untuk sampel independen digunakan untuk menentukan apakah ada
perbedaan yang signifikan antara dua sampel independen. Sampel independen
ditentukan tanpa adanya pemadanan jenis apapun. Software SPSS dapat
digunakan untuk uji-t.
Uji-t untuk sampel non-independen digunakan untuk membandingkan dua
kelompok terpilih berdasarkan beberapa kesamaan. Uji ini juga digunakan untuk
membandingkan performansi kelompok tunggal dengan pretest dan posttest atau
dengan dua perlakuan berbeda, Cresswell, 2008:335).
b. Analisis Varians (ANOVA)
Dalam Educational Research (2008), Cresswell mengartikan ANOVA sebagai
teknik statistik yang digunakan untuk perbedaan yang ada pada lebih dari dua
kelompok data. Adapun jenis analisis varians, yakni:
1. ANOVA sederhana (satu arah) digunakan untuk menentukan apakah skor dari
dua kelompok atau lebih memiliki perbedaan secara signifikan pada tingkat
probabilitasnya. Misalnya, pengukuran prestasi siswa berdasarkan tingkat
ekonominya (tinggi, sedang, dan rendah), dimana tingkat ekonomi sebagai
variabel kelompok dan tingkat ekonomi sebagai variabel dependennya.
2. Multi comparison adalah pengujian yang melibatkan perhitungan bentuk
istimewa dari uji-t. Setiap kali uji signifikansi dilakukan, tingkat
probabilitasnya kita terima. Misalnya, kita setuju kalau hasil yang akan
didapatakan muncul hanya 5 kali kesempatan pada setiap 100 sampel. Hasil
tersebut dikatakan bermakna dan bukan sekedar karena peluang semata.
3. Analysis of Covariance (ANCOVA)
Analisis ini model ANOVA yang digunakan dengan cara berbeda dimana
variabel bebas dihitung dengan memperhatikan rancangan penelitian. Bila
penelitian memiliki 2 variabel bebas atau lebih, maka uji jenis inilah yang
cocok digunakan melalui dua cara yakni: (1) sebagai teknik pengendalian
variabel luar (extraneous variable) serta sebagai alat untuk meningkatkan
kekuatan uji statistik. ANCOVA bisa digunakan pada penelitian kausal
komparatif maupun penelitian ekperimental yang melibatkan kelompok yang
sudah ada dan kelompok yang dibentuk secara acak, dan (2) ANCOVA
digunakan untuk memperkuat uji statistic dengan memperkecil varians dalam
kelompok (error). Kekuatan yang dimaksudkan adalah kemampuan uji
signifikansi untuk mengenali temuan riset sebenarnya, yang memungkinkan
penguji menolak hipotesis 0 (nol) yang salah, (Cresswell, 2008:341).

9
 c. Regresi Jamak
Regresi jamak digunakan pada data berbentuk rasio dan interval. Regresi jamak
menggabungkan variabel yang diketahui secara terpisah untuk memprediksi
(misalnya, hubungan antara) criteria dalam persamaan (rumus) prediksi atau
dikenal dengan Multiple Regression Equation. Regresi jamak merupakan
prosedur analisis untuk penelitian eksperimental, kausal komparatif, dan
korelasional karena teknik ini tidak hanya untuk menentukan apakah ada
hubungan antar variable tetapi juga untuk mengetahui besar (kuatnya) hubungan
tersebut. Salah satu jenis regresi jamak adalah step-wise analysis yang
memungkinakn kita memasukkan atau mengeluarkan variabel utama (predicator)
ke dalam persamaan regresi tahap demi tahap. Regresi jamak juda menjadi dasar
analisis jalur yang bertujuan untuk mengidentifikasi tingkat interaksi variabel
utama satu sama lain dan berkontribusi pada variabel terikat, (Cresswell,
2008:345).
Sementara dalam Emzir (2011) dikatakan bahwa regresi jamak merupakan
perluasan dari regresi dan prediksi sederhana dengan penambahan beberapa
variabel. Kekuatan prediksi akan semakin terdukung dengan penambahan
variabel, (Emir, 2011:49).
d. Korelasi
Menurut Cohen, dkk., Teknik korelasi digunakan untuk mengetahui tiga hal pada dua
variabel atau dua set data. Pertama, “Apakah ada hubungan antara dua variabel atau
set data”. Bila jawabannya “ya”, maka dua hal berikutnya perlu kita cari yakni;
“Bagaimana arah hubugan tersebut”; dan “Apa yang menjadi ukurannya?” Hubungan
yang dimaksudkan adalah kencenderungan dua variabel atau set data berbeda secara
konsisten, (Cohen, 2007: 530). Dalam Solusi Mudah dan Cepat Menguasai SPSS 17.0
unruk Pengolahan Data Statistik (Wahana Komputer, 2009) dikatakan analisis
korelasi dilakukan untuk menunjukkan keeratan hubungan kausal antara variabel-
variabel. Jenis-jenis analisis korelasi, yaitu: Korelasi sederhana, yaitu , korelasi
parsial, dan uji distance, (Wahana, 2009:155).
2. Statistik Non-parametrik
Statistik nonparametrik adalah jenis statistic inferensial yang tidak mengharuskan data
berdistribusi normal dan jenis data yang digunakan adalah data nominal dan ordinal,
(Nisfiannoor, 2009:4).
a. Chi Square
Chi Square adalah suatu ukuran menyangkut perbedaan yang terdapat di antara
frekwensi pengamatan dengan frekwensi teoritis/frekwensi harapan yang
dinyatakan dengan simbol x 2, (Spiegel & Stephen, 2007:213). Statistik
nomparametrik yang digunakan untuk menanalisis data yang berupa frekwensi
atau persentase serta yang berbentu prporsi yang bisa dikonversi menjadi
persentase. Chi square digunakan untuk membandingkan frekwensi yang muncul
pada kategori atau kelompok berbeda. Dikenal dua kategori, yaitu; true category
adalah apabila orang atau objek bersifat bebas pada setiap penelitian (laki-laki dan
perempuan), dan artificial category yakni kategori yang secara operasional
diartikan sebagai peneliti itu sendiri. Contohnya, mencari hubungan antara gender
10
dengan keterampilan membaca pada sekolah A. Karena adanya variabel nominal
(gender dan keterampilan membaca), maka data tersebut dianalisis dengan
statistik nonparametrik dengan menggunakan teknik chi square, (Cresswell,
2008:348).

11
 BAB III
PENUTUP

KESIMPULAN

Analisis statistik deskriptif adalah statistik yang digunakan untuk menganalisis data
dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul
sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum
atau generalisasi. Analisis ini hanya berupa akumulasi data dasar dalam bentuk deskripsi
semata dalam arti tidak mencari atau menerangkan saling hubungan, menguji hipotesis,
membuat ramalan, atau melakukan penarikan kesimpulan.

SARAN
Hendaknya para peneliti memperhatikan cara-cara mereka dalam mengambil
metode yang akan digunakan dalam penelitian mereka karena pemilihan metode yang
tepat dalam penelitian akan menentukan hasil dari penelitian tersebut.

12
 DAFTAR PUSTAKA

Aedi, Nur. 2010. Bahan Belajar Mandiri Metode Penelitian Pendidikan (Online).
Universitas Pendidikan Indonesia. Diakses di http://file.upi.edu/Direktori/DUAL-
MODES/METODE_PENELITIAN/BBM_1-2-3.pdf tanggal 10 Oktober 2015.
Cohen, Luis dkk. Research Method in Education. Sixth Edition. Routledge, New York.
2007.

Cresswell, John W. Educational Research. Third Edition. New Jersey: Pearson

Education, Inc. 2008.
Emzir, Prof. DR., M.Pd. Metode Penelitian Pendidikan Kuantitatif dan Kualitatif.
Rajawali Press. Jakarta. 2011

Spiegel, Murray R. dan Larry J. Stephens. Statistik. Edisi Ketiga. (Terjemahan oleh
Wiwit Kastawan ST, MT, M.Sc dan Irzam Harmein, ST). Erlangga. Jakarta.
2007

Nisfiannoor, Muhammad. Pendekatan Statistika Modern untuk Ilmu Sosial. Salemba

Humatika. Jakarta. 2009.

Wahana Komputer. Solusi Mudah dan Cepat Menguasai SPSS 17.0 unruk Pengolahan
Data Statistik. PT. Elex Media Komputindo. Jakarta. 2009.

13