CHAPTER 6

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.

APA SAJA LANGKAH DALAM PROSES PENGANALISISAN DATA

KUANTITATIF?

Terdapat beberapa langkah yang saling berhubungan dalam proses penganalisisan data
kuantitatif. Langkah pertama yaitu menyiapkan data untuk dianalisis. Ini termasuk
menentukan bagaimana cara menetapkan skor angka kepada data, memperkirakan tipe
skor yang akan digunakan, memilih salah satu program statistik, dan memasukkan data
ke progran, lalu membersihkan kumpulan data untuk analisis. Langkah kedua yaitu
memulai penganalisisan data. Biasanya anda melakukan analisis deskriptif dari langkah-
langkah pelaporan data dari kecenderungan utama dan variasi. Lalu anda mengadakan
analysis berbeda yang lebih spesifik untuk menguji hipotesis dan Anda memeriksa
interval-interval yang nampak dan pengaruh ukuran-ukuran. Langkah selanjutnya yaitu
melaporkan hasil yang ditemukan menggunakan tabel-tabel, figures(bisa berarti
diagram/angka/bilangan), dan sebuah pembahasan tentang hasil kunci. Terakhir, anda
menginterpretasikan hasil dari penganalisisan data. Ini termasuk merangkum hasil
analisis, membandingkannya dengan teori dan literatur terdahulu, memajukan batasan-
batasan penelitian, dan mengakhiri dengan saran-saran untuk penelitian selanjutnya.

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 6.1. 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 6.1. 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 6.1 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 6.1 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 6.1. 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 6.1
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 6.1, 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:
 Minitab16 (www.minitab.com). Ini adalah paket perangkat lunak statistik
interaktif yang tersedia dari Minitab Inc, 1829 Pine Hall Rd, State College, PA
16801-3008.
 JMP (www.jmp.com). Ini program perangkat lunak lain yang populer yang
tersedia dari SAS Institute, Inc., 100 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.
Ada banyak program online yang bergna dalam menstimulasi konsep statistikal untuk
instruksi statistika. Salah satu contohnya yaitu Rice Virtual Lab in Statistics dapat
diakses di http://onlinestatbook.com/rvls.html. Selain di SAS Simulation Studio
untuk JMP ( www.jmp.com) yang memanfaatkan kekuatan simulasi untuk memodelkan
dan menganalisis sistem operasional kritis seperti ini di bidang-bidang seperti perawatan
kesehatan, manufaktur, dan transportasi. Antarmuka pengguna grafis di SAS Simulation
Studio untuk JMP tidak memerlukan pemrograman dan menyediakan seperangkat alat
lengkap untuk membangun, menjalankan, dan menganalisis hasil model simulasi.
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 6.2
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 6.1. Bila
anda cermati Tabel 6.1 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 6.2 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 6.3 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 6.3 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 6.3 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 6.3 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 6.4. 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 6.3 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 6.3 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 6.3, 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 6.3 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 6.3 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 6.3, 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 6.3 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 6.3 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 6.4 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 6.5 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 6.2, misalkan
anda menggunakan SPSS versi 14.0 dan memiliki print out seperti tergambar
dalam tabel6.6. Dalam tabel 6.6 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 6.7. 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 6.8.
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 6.6 dan 6.7 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 6.6 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 6.6 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 6.6 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 6.7, 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
6.6 dan tabel 6.7). 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.152-153)
Beberapa jenis diagram ditemukan dalam penelitian-penelitian pendidikan :
 Bar charts, yang menggambarkan kecenderungan dan distribusi data (lihat
diagram pada tabel 6.4)
 Scatterplots, yang mengilustrasikan perbandingan dari dua skor yang berbeda
dan bagaimana skor itu masing-masing regues atau berbeda dari rata-rata.
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.
  Charts, yang memperlihatkan hubungan yang rumit antara variabel-variabel
dalam rancangan penelitian korelasional.
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 6.5 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\6.5 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.