Pengertian dan Langkah Teknik Analisis Data Pada Penelitian Kuantitatif

Pengertian Teknik Analisis Data Kuantitatif

Teknik analisis data kuantitatif adalah teknik mengolah atau mengelola data berupa angka-angka atau statistik. Statistik adalah cabang dari ilmu matematika yang berhubungan dengan cara merencanakan, mengumpulkan, menganalisis, menginterpretasikan, dan mempresentasikan data. Oleh karena itu, untuk memproses data tersebut menjadi informasi, seorang peneliti yang akan menggunakan teknik analisis data kuantitatif dituntut untuk memiliki keterampilan matematis.

Ada dua jenis metode dalam pengolahan data menggunakan teknik analisis data kuantitatif, yaitu statistik deskriptif dan statistik inferensial. Dalam statistik deskriptif, data numerik yang diperoleh kemudian dideskripsikan secara apa adanya. Dengan kata lain, statistik deskriptif merupakan proses melakukan kategorisasi data dan pendeskripsian informasi.

Statistika deskriptif bertujuan hanya untuk memberikan ringkasan dari sampel data, tidak untuk menghasilkan kesimpulan. Rangkuman informasi dalam statistik deskriptif biasa ditampilkan dalam bentuk grafik atau dalam bentuk nilai rata-rata, persentase, dan lain-lain.

Selanjutnya, dalam menganalisis suatu data perlu memperhatikan langkah-langkah yang ada pada penelitian kuantitatif. Adapun langkah-langkahnya yaitu sebagai berikut:

a. Pengkodean Data (Data Coding)

Data coding merupakan suatu proses penyusunan secara sistematis data mentah (yang ada pada kuisioner) ke dalam bentuk yang mudah dibaca oleh mesin pengolah data seperti komputer.

Pertanyaan pada kuisioner

Bagaimana pendapat Anda tentang pelaksanaan Jaring Pengguna Sosial?

Bentuk pada kuisioner:

A. Sangat Baik

B. Baik

C. Cukup Baik

D. Tidak Baik

E. Sangat Tidak Baik

Pemberian kode

Bagaimana pendapat Anda tentang pelaksanaan Jaring Pengguna Sosial?

Bentuk setelah diberikan kode:

5. Sangat Baik

4. Baik

3. Cukup Baik

2. Tidak Baik

1. Sangat Tidak Baik

Huruf-huruf yang ada pada pertanyaan diubah menjadi kode berupa angka. Pemberian kode ini didasarkan pada asumsi bahwa seharusnya pelaksanaan Jaring Pengaman Sosial ini baik, sehingga yang memberikan jawaban Sangat Baik akan mendapat nilai yang lebih tinggi dibandingkan dengan yang menjawab Baik, Cukup Baik, Tidak Baik dan Sangat Tidak Baik.

Baca Juga :

Untuk pertanyaan yang bentuknya terbuka, misalnya “Apa alasan Bapak/Ibu tidak setuju terhadap program Jaring Pengaman Sosial (JPS)?”. Maka jawaban yang diperoleh dari responden harus diinventarisir terlebih dahulu, untuk kemudian diberikan kode sesuai dengan kepentingan peneliti.

Hal yang harus diperhatikan oleh peneliti ketika akan membuat kode jawaban adalah kode jawaban harus baku dan konsisten (tidak berubah-ubah). Hal ini dimaksudkan agar hasil penelitian ketika dilakukan indeks atau skala memiliki validitas yang tinggi. Oleh karena itu, bagi peneliti pemula diperlukan semacam buku yang memuat kode-kode atau sering disebut sebagai buku kode.

b. Pemindahan Data ke Komputer (Data Entering)

Data entering adalah memindahkan data yang telah diubah menjadi kode ke dalam mesin pengolah data. Caranya dengan membuat coding sheet (lembar kode), direct entry, optical scan sheet (seperti lembar isian komputer menggunakan pensil 2B), dan CATI (Computer-Assisted Telephone Interviewing). Jenis yang terakhir ini biasa dipergunakan pada saal polling melalui telepon. Sementara itu, program komputer yang dapat dipakai untuk mengolah data, anrara lain SPSS (Statistical Package for Social Science), Microstat, Sun ey l\4ate. STATS Plus, SAS, Microquest, dan lain-lain.

c. Pembersihan Data (Data Cleaning)

Data cleaning adalah memastikan bahwa seluruh data 1 yang telah dimasukkan ke dalam mesin pengolah data sudah sesuai dengan yang sebenarnya. Di sini peneliti memerlukan adanya ketelitian dan akurasi data. caranya dengan pos sible code cleaning, contingency cleaning, dan modifikasi (melakukan pengkodean kembali data yang asli).

Possible code cleaning adalah melakukan perbaikan kesalahan pada kode yang jelas tidak mungkin ada akibat sarah memasukkan kode. Contoh: jenis kelamin hanya terdiri dari 2 kode, yaitu kode 1 untuk laki-laki dan kode 2 untuk perempuan. atau kode 0 untuk laki-laki dan kode 1 untuk perempuan, atau sebaliknya karena variabel ini berskala nominal.

Namun, dalam kode yang dimasukkan ke dalam komputer, terfera kode 7. Maka kode ini jelas salah dan harus dilihat kembali pada kuesioner ash. Sementara itu, contingency cleaning lebih rumit dibandingkan dengan possible code cleaning.

Kesalahan ini terjadi akibat adanya struktur kuesioner yang hanya khusus dijawab oleh sebagian orang saja, sedangkan yang lain tidak. Misalnya pertanyaan tentang jumlah anak yang dimiliki oleh seorang perempuan. Pertanyaan ini khusus ditanyakan pada perempuan.

Namun, adakalanya terdapat pula keteledoran sehingga responden yang laki-laki pun juga ditanyakan. Untuk kasus yang seperti ini dapat dikatakan bahwa serrarusnya pada jenis kelamin laki-laki diberi kode tidak rerevan (misalnya angka 9, 99, 999, dan seterusnya).

Oleh karena itu, harus diperiksa kembali konsistensi antara kode jawaban yang satu dengan kode jawaban yang lain. Modifikasi adalah melakukan pengodean kembali (recode) data yang ash. Misalnya remyata jenis kelamin seperti kode di atas, yaitu I untuk laki-laki dan 2 untuk perempuan diubah menjadi kode 0 untuk laki-laki dan kode 1 untuk perempuan.

d. Penyajian Data (Data Output)

Data output adalah hasil pengolahan data. Bentuk hasil pengolahan data adalah sebagai berikut.

Numerik atau dalam bentuk angka. Yaitu hasil pengolahan data yang berupa numerik dapat disajikan dalam bentuk tabel frekuensi dan tabel silang.
Grafik atau dalam bentuk gambar. Yaitu penyajian data dengan menggunakan data menggunakan tabel frekuensi maupun tabel silang. Namun, penyajian data menggunakan gambar atau grafik juga memiliki kelemahan. yaitu adanya informasi yang hilang. Pembuatan grafik harus memerhatikan tingkat pengukuran yang dipergunakan (lihat kembali materi sebelumnya tentang Kerangka Teori dan Pengukuran).

e. Penganalisisan data (Data Analyzing)

Penganalisisan data merupakan suatu proses lanjutan dari proses pengolahan data untuk melihat bagaimana menginterpretasikan data, kemudian menganalisis data dari hasil yang sudah ada pada tahap hasil pengolahan data. Penjelasan lebih lengkap tentang pengujian statistik dan cara-cara perhitungannya dapat dibaca pada buku-buku statistik.

Analisis terhadap hasil pengolahan data dapat berbentuk sebagai berikut.

1. Analisis Univariat

Analisis univariat adalah analisis terhadap satu variabel. Analisis ini dapat dibuat dalam beberapa jenis, yaitu:

a) Distribusi Frekuensi

Distribusi Frekuensi atau tabel frekuensi adalah susunan data dalam suatu tabel yang telah diklasifikasikan menurut kelas atau kategori-kategori tertentu.

b) Ukuran Pemusatan (Central Tendency)

Ukuran pemusatan merupakan suatu ukuran yang digunakan untuk melihat seberapa besar kecenderungan data memusat pada nilai tertentu. Nilai tenentu tersebut berupa nilai tunggal atau nilai pusat. Disebut nilai pusat karena pada umumnya nilai tersebut berlokasi di bagian tengah atau pusat dari suatu distribusi. Lliuran pemusatan terdiri dari:

1) Modus (mode)

Modus merupakan nilai data yang mempunyai frekuensi terbesar dalam satu kumpulan data. Modus dapat digunakan untuk semua tingkat pengukuran. Namun demikian, modus paling cocok digunakan unuk data yang diukur dengan tingkat pengukuran nominal.

2) Rata-rata (mean)

Rata-rata ditentukan dengan cara menjumlahkan nilai seluruh pengamatan dibagi dengan banyaknya data. Pada umnmnya, rata-rata dapat digunakan bila data memiliki tingkat pengukuran interval atau rasio.

3) Median

Median merupakan nilai yang terletak di tengah bila nilai pengamatan disusun secara teratur menurut besarnya, dari kecil ke besar atau sebaliknya dari besar ke kecil. Nilai median ini sangat dipengaruhi oleh letak urutan dari nilai kumpulan data sehingga median sering kali disebut sebagai positional average (rata-rata letak). Median dapat dipergunakan bila data memiliki tingkat pengukuran minimal ordinal.

c) Ukuran Penyebaran (Dispersion)

Dispersion merupakan ukuran yang menyatakan seberapa jauh nilai pengamatan yang sebenarnya menyimpang atau berbeda dengan nilai pusatnya. Jenis ukuran penyebaran terdiri dari sebagai berikut.

1) Range (Jangkauan)

Range adalah selisih nilai maksimum dengan nilai minimum dalam suatu kumpulan data. Bila nilai range yang diperoleh kecil, berarti tingkat keragaman data rendah. Namun, nilai range ini merupakan ukuran penyebaran yang paling rendah kecermatannya. Dibandingkan ukuran penyebaran yang lainnya, range memiliki kecermatan yang rendah. Oleh karena itu, nilai range jarang sekali dipergunakan.

2) Variance (Variansi)

Variansi merupakan jumlah kuadrat dari selisih nilai data pengamatan dengan rata-rata dibagi banyaknya data pengamatan. Melihat variansi menggunakan kuadrat dari unit pengukuran data aslinya, hasil yang diperoleh sukar untuk diinterpretasikan. Oleh karena itu, dibuat dalam bentuk deviasi standar.

3) Standard Deviation (Simpangan Baku)

Deviasi standar merupakan akar kuadrat dari variansi. Deviasi standar dapat digunakan untuk menentukan letak nilai distribusi frekuensi terhadap nilai rata-rata (mean).

4) Index of Qualitative Variation (IQV)

Alat ukur ini digunakan untuk mengukur variasi pada variabel yang memiliki tingkat pengukuran nominal atau ordinal (Ott, 1992). Jika hasilnya mendekati nilai 0%, maka datanya cenderung homogen, sedangkan jika hasilnya mendekati nilai 100%, maka datanya dianggap cenderung heterogen.

d) Uji Perbedaan

Adakalanya walaupun kita menggunakan satu variabel penelitian, namun kita menggunakan dua atau lebih kelompok sampel. Pengujian ini disebut dengan uji perbedaan, yaitu untuk mengetahui apakah ada perbedaan antara satu kelompok dengan kelompok lainnya.

Jika ada perbedaan, kelompok-kelompok manakah yang berbeda? Misalnya, penelitian tentang skor partisipasi politik masyarakat. apakah ada perbedaan antara skor partisipasi politik masyarakat yang tinggal di pedesaan dan skor partisipasi politik masyarakat yang tinggal di perkotaan.

Tabel Perbedaan

Pada tabel perbedaan, pembuatan tabel sama dengan pembuatan tabel frekuensi univariat dengan nilai pengamatan dan persentase (atau salah satu saja tergantung kebutuhan) yang membandingkan antara saru kelompok data (sampel) dengan kelompok data (sampel) lainnya.

mentara itu, jika ingin mengetahui uji statistik untuk menguji perbedaan, dikenal dengan beberapa pengujian yaitu:

Uji t untuk dua sampel independent. Pengujian ini digunakan jika dua sampel yang digunakan tidak memiliki keterkaitan satu dengan lainnya dan variabel yang digunakan berskala rasio.
Uji t untuk dua sampel berpasangan. Pengujian ini digunakan jika variabel yang diuji berskala rasio, namun kedua sampel yang diteliti adalah sampel yang berhubungan.
Uji Mc-Nemar. Pengujian ini digunakan untuk variabel yang berskala nominal atau ordinal untuk mengetahui signifikasni perubahan
Uji U-Mann Whitney. Pengujian ini digunakan untuk variabel yang berskala nominal atau ordinal dengan dua kelompok sampel yang saling tidak berhubungan (independen). Misalnya membandingkan antara tingkat prestasi mahasiswa di Perguruan Tinggi Negeri dengan Perguruan Tinggi Swasta.
Uji Anova satu arah. Pengujian ini digunakan untuk variabel yang berskala interval/rasio dengan tiga atau lebih kelompok sampel. Misalrya membandingkan antara skor rata-rata lama membaca pengunjung di perpustakaan di Daerah A, Daerah B, dan Daerah C.
Uji H-Kruskall Wallis. Pengujian ini digunakan untuk variabel yang berskala nominal/ordinal dengan tiga atau lebih kelompok sampel. Misalnya membandingkan antara gaya kepemimpinan di Daerah A, Daerah B, dan Daerah C.

2. Analisis Bivariat

Jika digambarkan dalam satu model, akan menjadi seperti berikut.

Gambar hubungan antara variabel X dan Y

Dalam membuat tabel silang peneliti harus mengetahui bagaimana arah hubungan yang ada dalam hubungan bivariat. Artinya peneliti harus mengetahui apakah hubungan yang terjadi apakah asimetrik, simetrik ataukah resiprokal.

Penggunaanya didasarkan pada letak variabel independen pada tabel diinterpretasi mengikuti letak variabel dipenden.

Gambar hubungan antara Persentase dan Interpretasi

Persen baris digunakan jika variabel independen diletakkan pada sisi baris.
Persen kolom digunakan jika variabel independen diletakkan pada sisi kolom.
Persen total digunakan jika tidak ada hubungan antara variabel independen dengan variabel dependen atau jika terdapat hubungan yang timbal balik (Reciprokal) antara kedua variabel tersebut.

Jika salah satu ada berbeda, ukuran statistik ying dipakai harus didasarkan pada tingkat pengukuran yang lebih rendah. Hal ini disebabkan tingkat pengukuran yang lebih tinggi memiliki juga sifat dari tingkat pengukuran yang lebih rendah. Jika kita menggunakan alat bantu pengolahan data, maka akan banyak ditemukan ukuran-ukuran statistik yang dapat digunakan. ukurun asosiasi dan ukuran korelasi tersebut terdiri dari sebagai berikuit.

a) Chi-square (𝑥²)

Ukuran statistik ini merupakan ukuran asosiasi yang berusaha menguji hipotesis bahwa antara variabel independen dan dependen terdapat hubungan yang signifikan. Nilai Chi-square ini bergantung pada ukuran sampel. Jika semakin besar jumlah sampel, makan nilai Chi-square akan bertambah. Begitupun sebaliknya.

b) Lambda (𝛾)

Lambda merupakan ukuran pengurangan Proporsional pada kesalahan atau Proportionar Reduction in Error (PRE). Dengan ukuran ini berarti dari asosiasi menjadi lebih jelas. Dasar pengukuran ini adalah rasio dari pengukuran kesalahan dalam memprediksi nilai-nilai dari sebuah variabel yang didasarkan pada variabel itu sendiri dan pengukuran kesalahan yang sama diaplikasikan untuk memprediksi dengan berdasarkan sebuah variabel tambahan.

Baca Juga : METODE PENELITIAN EKSPERIMEN

Nilai lambda selalu diantara 0 dan 1. Nilai 0 berarti variabel independen tidak dapat memprediksi variabel dependen dan nilai 1 berarti variabel independen sangat jeleas menentukan variabel dependen.

c) Tau Kendall

Tau Kendall merupakan ukuran korelasi nonparametrik yang digunakan untuk variabel ordinal dengan arah hubungan simetrik atau asimetrik. Dasar pengukuran ini adalah perbandingan nilai dari kedua variabel untuk seluruh pasangan data yang ada.

d) Somers’d

Ukuran ini digunakan untuk mengukur kekuatan hubungan pada tingkat pengukuran ordinal dengan arah hubungan asimetiik dan simetrik.

e) Koefisien korelasi Spearman

Koefisien korelasi ini digunakan untuk mengukur korelasi antardua variabel yang memiliki tingkat pengukuran ordinal. Untuk seluruh data, nilai dari masing-masing variabel diberi peringkat dari yang kecil hingga yang besar.

f) Koefisien korelasi Product Momen Pearson

Ukuran ini digunakan untuk mengukur kekuatan hubungann linier antara data yang memiliki tingkat pengukuran interval/rasio dengan arah hubungan simetrik. Koefisien vang dihasilkan bernilai antara -l hingga 1, yang menunjukkan apakah hubungan linier tersebut positif atau negatif.

g) Regresi linear

Ukuran statistik ini digunakan untuk menguji hubungan antara sebuah variabel dependen dengan satu atau beberapa variabel independen.

f. Pengujian Hipotesis

Seperti telah dijelaskan dalam bagian mengenai perumusan hipotesis, langkah selanjutnya di dalam bagian analisis ini adalah bagaimana melakukan pengujian terhadap hipotesis yang telah dirumuskan sebelumnya. Ada beberapa tahap yang harus dilakukan dalam melakukan pengujian hipotesis, yaitu:

Merumuskan hipotesis 𝐻0 dan 𝐻𝑎;
Menetapkan test statistik yang akan digunakan;
Menetapkan tingkat signifikansi (misalnya 1%, 5%, atau 10%); d. Melakukan perhitungan statistik (misalnya menggunakan program SPSS);
Mengambil kesimpulan.