TUGAS INDIVIDU

METODE PENELITIAN

Tentang
Chapter 6, Menganalisis dan Menafsirkan Data Kuantitatif (Creswell)

Dosen Pembimbing Mata Kuliah:

Prof. Dr. H. Z. Mawardi Effendi, M.Pd.
Ifdil, S.HI, S.Pd, M.Pd, Ph.D, Kons

Disusun Oleh:
Anna Ismawati
NIM: 21151004

PROGRAM STUDI S2 BIMBINGAN DAN KONSELING

FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS NEGERI PADANG
2021
 BAB 6
Menganalisis dan Menafsirkan Data kuantitatif

A. Menganalisis dan Menafsirkan Data kuantitatif

1. Langkah-Langkah Dalam Proses Analisis Data Kuantitatif
Ada beberapa langkah yang saling terkait yang digunakan dalam proses
analisis data kuantitatif.
a. Menyiapkan data untuk analisis. Ini melibatkan penentuan bagaimana
menetapkan skor numerik ke data, menilai jenis skor yang akan
digunakan, memilih program statistik, dan memasukkan data ke dalam
program, dan kemudian membersihkan database untuk analisis.
b. Memulai analisis data. Melakukan analisis deskriptif dari ukuran
pelaporan data tendensi sentral dan variasi. Kemudian melakukan
analisis inferensial yang lebih canggih untuk menguji hipotesis dan
memeriksa interval kepercayaan dan ukuran efek.
c. Langkah selanjutnya adalah melaporkan hasil yang ditemukan dengan
menggunakan tabel, gambar, dan pembahasan hasil kunci.
d. Terakhir, menginterpretasikan hasil dari analisis data

2. Cara Mempersiapkan Data Untuk Analisis

Langkah pertama adalah mengatur data untuk analisis. Mempersiapkan dan
mengatur data untuk analisis dalam penelitian kuantitatif terdiri dari menilai
data dan membuat buku kode, menentukan jenis skor yang akan digunakan,
memilih program komputer, memasukkan data ke dalam program untuk
analisis, dan membersihkan data.
a. Skor Data
Data skor berarti bahwa peneliti memberikan skor numerik (atau nilai)
untuk setiap kategori tanggapan untuk setiap pertanyaan pada instrumen
yang digunakan untuk mengumpulkan data.
b. Tentukan Jenis Skor untuk Dianalisa
 Skor item tunggal adalah skor individu yang ditetapkan untuk setiap
pertanyaan untuk setiap peserta dalam studi
 Skor yang dijumlahkan adalah skor individu yang ditambahkan pada
beberapa pertanyaan yang mengukur variabel yang sama
 Skor bersih atau selisih adalah skor dalam studi kuantitatif yang
mewakili perbedaan atau perubahan untuk setiap individu.
c. Pilih Program Statistik
Setelah mencetak data, peneliti memilih program komputer untuk
menganalisis data mereka. Peneliti akademis umumnya menggunakan
program statistik yang tersedia sebagai program perangkat lunak untuk
desktop atau laptop, atau tersedia di komputer kampus. Bagian tersulit
adalah memutuskan paket perangkat lunak mana yang akan digunakan.
 Berikut adalah beberapa panduan yang harus diikuti ketika memilih
program statistik:
 Temukan program dengan dokumentasi tentang cara menggunakan
program
 Kemudahan penggunaan merupakan faktor penting ketika memilih
program
 Cari program yang menyertakan jenis statistik yang akan Anda
gunakan untuk menjawab pertanyaan penelitian dan hipotesis
 Pastikan bahwa program dapat menganalisis jumlah data dalam
database Anda
 Temukan program dengan kemampuan untuk menampilkan grafik dan
tabel yang dapat Anda gunakan dalam laporan penelitian
 Jika perlu membeli program perangkat lunak, pertimbangkan biaya
berbagai program
 Pilih program yang digunakan kampus sehingga Anda dapat
menemukan bantuan untuk menjawab pertanyaan ketika muncul.
Beberapa program yang lebih sering digunakan adalah:
 Minitab 16 ( www.minitab.com ).
 JMP ( www.jmp.com )
 SISTAT ( www.systat.com ).
 SAS ( www.sas.com ).
 Paket Statistik untuk Siswa Ilmu Sosial (SPSS) Versi 11.0 untuk
Windows dan Versi 6.0 untuk Macintosh ( www.spss.com )
d. Memasukan data
Setelah memilih program statistik, langkah selanjutnya adalah
memasukkan data dari instrumen atau daftar periksa ke dalam program
komputer. Memasukkan data terjadi ketika peneliti mentransfer data dari
tanggapan pada instrumen ke file komputer untuk analisis. Bagi mereka
yang baru mengenal proses ini, kisi ini mirip dengan tabel spreadsheet
yang digunakan dalam banyak paket perangkat lunak populer (misalnya,
Excel).
e. Bersihkan dan Akun untuk Data yang Hilang
Setelah memasukkan data ke dalam grid komputer, kita perlu
menentukan apakah ada kesalahan dalam data atau data yang hilang.
Kesalahan terjadi ketika peserta dalam studi memberikan skor di luar
rentang variabel atau memasukkan angka yang salah ke dalam kisi data.
Data yang hilang dapat terjadi ketika data instrumen hilang, individu
melewatkan pertanyaan, peserta tidak hadir saat kita mengumpulkan
data observasi, atau individu menolak untuk menyelesaikan pertanyaan
sensitif. Untuk alasan etis, kita melaporkan bagaimana kita menangani
data yang hilang sehingga pembaca dapat menginterpretasikan hasil
secara akurat (George & Mallery, 2001). Karena masalah ini dapat
 terjadi, kita perlu membersihkan data dan memutuskan bagaimana
menangani data yang hilang.
 Membersihkan data adalah proses memeriksa data untuk skor (atau
nilai) yang berada di luar rentang yang diterima
 Kita perlu memeriksa database untuk data yang hilang. Data yang
hilang akan menghasilkan lebih sedikit individu untuk dimasukkan
dalam analisis data, dan karena kami ingin sebanyak mungkin orang
dimasukkan dalam analisis sebanyak mungkin, Anda perlu
mengoreksi sebanyak mungkin data yang hilang. Data hilang adalah
data yang hilang dalam database karena peserta tidak
menyediakannya.

3. Menganalisis Data
a. Lakukan Analisis Deskriptif
Bagaimana kita menganalisis data untuk menggambarkan tren?
Menggunakan statistik , perhitungan nilai berdasarkan angka. Banyak
buku membantu memberikan rincian tentang statistik yang berbeda,
perhitungan mereka, dan asumsi. Kami fokus di sini pada statistik yang
biasanya digunakan dalam penelitian pendidikan.
b. Memilih Tes Statistik Deskriptif
Statistik deskriptif akan membantu Anda meringkas tren atau
kecenderungan keseluruhan dalam data Anda, memberikan pemahaman
tentang seberapa bervariasi skor Anda, dan memberikan wawasan
tentang posisi satu skor dibandingkan dengan skor lainnya. Ketiga
gagasan tersebut adalah tendensi sentral, variabilitas, dan kedudukan
relatif.
1) Ukuran tendensi sentral adalah nomor ringkasan yang mewakili
nilai tunggal dalam distribusi skor (Vogt, 2005). Mereka dinyatakan
sebagai skor rata-rata (mean), tengah dari serangkaian skor (median),
atau skor yang paling sering muncul (modus).
 Mean adalah statistik paling populer yang digunakan untuk
menggambarkan tanggapan semua peserta terhadap item pada
instrumen. Berarti ( M ) adalah jumlah skor dibagi jumlah skor.
Untuk menghitung mean, menjumlahkan semua skor dan kemudian
membagi jumlahnya dengan jumlah skor
 Median skor membagi skor, urutan peringkat dari atas ke bawah,
menjadi dua. Lima puluh persen dari skor terletak di atas median
dan 50% terletak di bawah median. Untuk menghitung skor ini,
peneliti menyusun semua skor dalam urutan peringkat dan
kemudian menentukan skor apa, median, yang berada di tengah
antara semua skor.
 Mode adalah skor yang paling sering muncul dalam daftar skor. Ini
digunakan ketika peneliti ingin mengetahui skor yang paling umum
dalam serangkaian skor pada suatu variabel.
 2) Ukuran Variabilitas Variabilitas menunjukkan penyebaran skor
dalam suatu distribusi. Rentang, varians, dan standar deviasi
semuanya menunjukkan jumlah variabilitas dalam distribusi skor.
 Kisaran skor adalah perbedaan antara skor tertinggi dan terendah
untuk item pada instrumen
 Perbedaan menunjukkan penyebaran skor di sekitar rata-rata
 Simpangan baku (SD) , memang memberikan informasi yang
berguna, dan kami melihatnya sebagai indikator penyebaran atau
penyebaran skor
 Kurva berbentuk lonceng. Ini disebut distribusi normal atau kurva
probabilitas normal
 Ukuran berdiri relatif adalah statistik yang menggambarkan satu
skor relatif terhadap sekelompok skor
 Peringkat persentil dari skor tertentu adalah persentase peserta
dalam distribusi dengan skor pada atau di bawah skor tertentu.
 Skor standar adalah skor yang dihitung yang memungkinkan
peneliti untuk membandingkan skor dari skala yang berbeda
 z skor adalah bentuk populer dari skor standar, dan memiliki rata-
rata 0 dan standar deviasi 1
c. Lakukan Analisis Inferensial
Statistik deskriptif membantu Anda menganalisis pertanyaan deskriptif.
Namun, ketika Anda membandingkan kelompok atau menghubungkan
dua atau lebih variabel, analisis inferensial ikut bermain. Ide dasarnya
adalah melihat skor dari sampel dan menggunakan hasilnya untuk
menarik
kesimpulan atau membuat prediksi tentang populasi. Seringkali Anda
tidak dapat mempelajari seluruh populasi karena ukuran dan biaya, jadi
kami memeriksa sampel yang telah dipilih dengan cermat dari populasi.
pendekatan untuk menentukan apakah skor sampel yang Anda terima
merupakan perkiraan yang baik dari skor populasi:
 Pengujian hipotesis adalah prosedur untuk membuat keputusan
tentang hasil dengan membandingkan nilai sampel yang diamati
dengan nilai populasi untuk menentukan apakah tidak ada perbedaan
atau hubungan antara nilai-nilai tersebut.
 Interval kepercayaan atau estimasi interval adalah kisaran nilai
statistik atas dan bawah yang konsisten dengan data yang diamati dan
kemungkinan mengandung rata-rata populasi sebenarnya.
 Ukuran efek adalah sarana untuk mengidentifikasi kekuatan praktis
dari kesimpulan tentang perbedaan kelompok atau tentang hubungan
antar variabel dalam studi kuantitatif.
d. Pengujian Hipotesis
Ada lima langkah dalam pengujian hipotesis:
1) Mengidentifikasi hipotesis nol dan alternatif;
 Hipotesis nol adalah prediksi tentang populasi dan biasanya
dinyatakan dengan menggunakan bahasa “tidak ada perbedaan” (atau
“tidak ada hubungan” atau “tidak ada hubungan”). Hipotesis alternatif,
bagaimanapun, menunjukkan perbedaan (atau hubungan atau
asosiasi), dan arah perbedaan ini mungkin positif atau negatif
(hipotesis arah alternatif) atau salah satu positif atau negatif (hipotesis
nondirectional alternatif).
2) Mengatur tingkat signifikansi, atau tingkat alfa;
adalah tingkat probabilitas yang mencerminkan risiko maksimum
yang bersedia Anda ambil bahwa setiap perbedaan yang diamati
adalah karena kebetulan
3) Mengumpulkan data;
4) Menghitung statistik sampel; dan
5) Membuat keputusan tentang menolak atau gagal menolak hipotesis
nol
e. Potensi Kesalahan dalam Hasil
Mengingat faktor-faktor ini, kami memiliki empat kemungkinan hasil
dua kemungkinan kesalahan yang mungkin terjadi dan dua kemungkinan
hasil positif dalam pengujian hipotesis
1) Kesalahan tipe I terjadi ketika hipotesis nol ditolak oleh peneliti
ketika itu benar-benar benar. Probabilitas tingkat kesalahan ini adalah
alfa.
2) Kesalahan tipe II terjadi ketika peneliti gagal untuk menolak
hipotesis nol ketika efek benar-benar terjadi dalam populasi.
Probabilitas tingkat kesalahan ini disebut beta.
3) Kekuasaan dalam pengujian hipotesis kuantitatif adalah probabilitas
benar menolak hipotesis nol palsu.
4) Peneliti dapat gagal untuk menolak hipotesis nol ketika seharusnya
tidak ditolak karena tidak ada efeknya.
f. Memperkirakan Menggunakan Interval Keyakinan
Interval kepercayaan memberikan informasi tambahan tentang uji
hipotesis kami. Interval kepercayaan atau estimasi interval adalah kisaran
nilai statistik atas dan bawah yang konsisten dengan data yang diamati
dan kemungkinan mengandung rata-rata populasi aktual. Karena rata-rata
hanyalah perkiraan nilai populasi, mereka tidak pernah bisa tepat, dan
rata-rata sampel menunjukkan a perkiraan titik dari populasi berarti. Oleh
karena itu, akan sangat membantu untuk mempertimbangkan kisaran
nilai di sekitar sampel yang berarti yang dapat diambil mengingat
banyaknya koleksi sampel. Para peneliti menetapkan interval
kepercayaan di sekitar nilai rata-rata sampel ini untuk mengilustrasikan
rentang nilai potensial yang mungkin terjadi. Selain itu, kejadian ini
dibingkai sebagai persen, seperti 95% dari waktu (95 dari 100), nilai
populasi akan berada dalam kisaran interval. Selain itu, interval ini dapat
diidentifikasi dengan batas atas dan bawah, nilai-nilai yang menentukan
rentang interval.
 g. Menentukan Ukuran Efek
Tidak hanya penting untuk mengetahui apakah uji statistik itu signifikan
(melalui P nilai) dan kemungkinan rentang skor yang dapat diterima
(interval kepercayaan), tetapi juga untuk mengukur kekuatan perbedaan
antara dua rata-rata atau dua variabel. Ukuran praktis apakah sarana
berbeda hanyalah dengan melihat perbedaan dan menentukan apakah
perbedaan itu bermakna dalam arti praktis. Ini adalah prosedur
menghitung ukuran efek. Ukuran efek mengidentifikasi kekuatan
kesimpulan tentang perbedaan kelompok atau tentang hubungan antar
variabel dalam studi kuantitatif.

4. Melaporkan Hasil
Dalam melaporkan hasil, peneliti juga tetap dekat dengan temuan statistik
tanpa menarik implikasi atau makna yang lebih luas darinya. Selanjutnya,
bagian ini mencakup ringkasan data daripada data mentah (misalnya, skor
aktual untuk individu). Bagian hasil meliputi:
a. Tabel yang merangkum informasi statistik
Adalah ringkasan data kuantitatif yang disusun ke dalam baris dan
kolom. Biasanya, tabel untuk melaporkan hasil berisi informasi
kuantitatif, tetapi mungkin berisi informasi teks seperti ringkasan studi
kunci yang ditemukan dalam literatur (dan dimasukkan sebelumnya
dalam studi, sebelum hasil).
b. Angka (grafik, gambar, gambar) yang menggambarkan variabel dan
hubungannya
Adalah rangkuman informasi kuantitatif yang disajikan dalam bentuk
bagan, grafik, atau gambar yang menunjukkan hubungan antara skor atau
variabel
c. Penjelasan rinci tentang hasil statistik
Peneliti menyajikan informasi rinci tentang hasil spesifik dari analisis
statistik deskriptif dan inferensial

5. Interpretasi Hasil
Setelah melaporkan dan menjelaskan hasil rinci, peneliti menyimpulkan
studi dengan meringkas temuan kunci, mengembangkan penjelasan untuk
hasil, menyarankan keterbatasan dalam penelitian, dan membuat
rekomendasi untuk penyelidikan masa depan.
a. Ringkas Hasil Utama
Ringkasan adalah pernyataan yang mengulas kesimpulan utama untuk
setiap pertanyaan penelitian atau hipotesis
b. Jelaskan Mengapa Hasil Terjadi
Setelah ringkasan ini, peneliti menjelaskan mengapa hasil mereka
berubah seperti itu. Seringkali penjelasan ini didasarkan pada kembali ke
prediksi yang dibuat dari teori atau kerangka konseptual yang memandu
pengembangan pertanyaan penelitian atau hipotesis
 c. Batasan Muka
Peneliti juga mengemukakan keterbatasan atau kelemahan penelitian
mereka yang mungkin mempengaruhi hasil. Keterbatasan adalah
kelemahan atau masalah potensial dengan penelitian yang diidentifikasi
oleh peneliti.
d. Sarankan Penelitian Masa Depan
Peneliti selanjutnya memajukan arah penelitian masa depan berdasarkan
hasil penelitian saat ini. Arah penelitian masa depan adalah saran yang
dibuat oleh peneliti tentang penelitian tambahan yang perlu dilakukan
berdasarkan hasil penelitian ini

6. Memeriksa Ulang Analisis Dan Interpretasi Data Dalam Studi

Keterlibatan Orang Tua
Untuk memperoleh gambaran umum tentang proses analisis dan interpretasi
data kuantitatif, kita dapat kembali ke studi keterlibatan orang tua oleh
Deslandes dan Bertrand (2005). Dengan beberapa statistik lanjutan yang
digunakan oleh penulis, mudah untuk fokus pada statistik dan kehilangan
gambaran keseluruhan dari analisis dan interpretasi yang berlangsung dalam
penelitian ini