Aplikasi Komputer

REVIEW  RANCANGAN  ANALISIS DALAM PENELITIAN

Oleh: Isfarudi   

Penggunaan statistik dalam suatu penelitian sangatlah penting, apalagi dalam penelitian yang bersifat kuantitatif. Dalam penelitian kuantitatif, kesimpulan yang dibuat biasanya lebih didominasi oleh atau atas dasar statistik. Penggunaan statistic yang asal-asalan, dapat mengakibatkan kesimpulan yang diambil dapat salah, bahkan mungkin bertentangan dengan keadaan yang sebenarnya. Oleh karena itu, dalam menentukan statistic haruslah tepat sesuai dengan konteks persoalannya. Untuk memilih statistic apa yang cocok dalam suatu penelitian, sangat ditentukan oleh dua hal utama, yaitu : (1) Model rancangan analisis, dan (2) Skala pengukuran variabel yang dianalisis. 

A. Model-model Rancangan Analisis            Model analisis ini sangat tergantung langsung dari hipotesis atau pertanyaan penelitian yang akan dibuktikan dan dijawab. Misalnya, seorang peneliti ingin melihat “bagaimanakah model belajar mahasiswa UBINUS?”. Disini tampak bahwa peneliti ingin mengeksplor berbagai model belajar yang digunakan oleh mahasiswa UBINUS dan termasuk jenis penelitian eksplorasi. Kemungkinan yang dapat diperoleh dari informasi mahasiswa adalah mungkin mahasiswa menggunakan belajar melalui tutorial intensif yang dikelola oleh suatu institusi swasta. Kemungkinan lainnya adalah mahasiswa membentuk kelompok belajar bersama rekan-rekannya yang bertempat tinggal saling berdekatan, atau seorang mahasiswa karena suatu hal maka dia hanya belajar sendiri disela-sela kesibukannnya, dan masih banyak lagi kemungkinan lainnya. Model analisis yang digunakan adalah model analisis deskriptif, peneliti berusaha mendeskripsikan berbagai model kegiatan belajar yang dilakukan oleh mahasiswa UBINUS.            Bila peneliti ingin mengetahui lebih lanjut tentang seberapa banyakkah mahasiswa UBINUS yang belajar utamanya mengandalkan kepada tutorial intensif ? Berapa banyakah mahasiswa yang belajar dengan membentuk kelompok belajar, … dan seterusnya. Berbeda pada pertanyaan pertama dimana peneliti belum memiliki informasi apa-apa tentang model belajar mahasiswa UBINUS, pada tahap ini tentunya peneliti telah mendapatkan informasi sebelumnya tentang berbagai model belajar yang dilakukan oleh mahasiswa UBINUS. Pertanyaan penelitian ini merupakan pertanyaan dari jenis penelitian deskriptif. Model analisis yang dapat digunakan untuk menjawab pertanyaan penelitian ini adalah analisis deskriptif.            Mungkin peneliti ingin lebih lanjut mengembangkan pertanyaan penelitiannya, dengan menyusun pertanyaan “Dari kelompok program studi apa saja model belajar tutorial intensif itu diminati ?” atau pertanyaan umumnya adalah “apakah setiap model belajar itu diminati oleh mahasiswa dari berbagai program studi ?”.  Pertanyaan ini relatif lebih kompleks karena tidak hanya menyangkut variabel model belajar saja tetapi juga menyangkut variabel program studi. Peneliti berusaha untuk melihat adanya keterkaitan antara kedua variabel tersebut. Model analisis yang dapat digunakan untuk menjawab pertanyaan itu adalah analisis korelasional.             Peneliti ingin juga melihat “Apakah ada perbedaan prestasi belajar mahasiswa menggunakan model belajar tutorial intensif dengan yang menggunakan model kelompok belajar?”. Disini peneliti hendak memperbandingkan hasil belajar dari dua kelompok mahasiswa yang menggunakan model belajar yang berbeda. Model analisis yang dapat digunakan untuk menjawab pertanyaan ini adalah analisis komparatif.            Dalam model analisis komparatif peneliti tidak mempunyai suatu intervensi atau perlakuan terhadap obyek yang diteliti. Artinya peneliti tidak merancang sejak awal tentang model belajar yang harus diikuti oleh sekelompok mahasiswa tertentu. Peneliti hanya ingin membandingkan suatu kelompok dengan kelompok-kelompok lainnya. Jika kita mengabaikan adanya aturan/etika dalam penelitian, peneliti mungkin merancang untuk memperlakukan sekelompok mahasiswa untuk mengikuti model belajar tertentu (misalnya tutorial intensif) sedangkan pada kelompok mahasiswa lainnya peneliti mengusahakan untuk belajar mandiri tanpa mengikuti tutorial intensif, maka model analisis yang dapat digunakan adalah model analisis eksperimental.

B. Skala Pengukuran Variabel            Dalam menentukan alat analisis statistik yang tepat dan cocok, seorang peneliti tidak hanya harus mengetahui model analisisnya tetapi juga harus memperhatikan skala pengukuran variabel dari data yang akan dianalisis. Misalnya saja seorang peneliti ingin mendeskripsikan seberapa besar penghasilan suatu kelompok masyarakat, maka statistik yang mungkin dapat digunakan adalah menggunakan rata-rata hitung (mean) dan simpangan baku (standar deviasi). Tetapi rata-rata (mean) ini kurang tepat kalau digunakan untuk menggambarkan tingkat pendidikan masyarakat tersebut. Salah satu statistik yang lebih cocok digunakan untuk menggambarkan tingkat pendidikan masyarakat adalah modus, atau dapat juga menggunakan persentase. Meskipun model analisis yang dapat digunakan menggambarkan penghasilan dan tingkat pendidikan suatu masyarakat adalah analisis deskriptif, tetapi alat statistik yang digunakan berbeda. Kenapa hal ini berbeda ?             Perbedaan penggunaan alat analisis sangat terkait dengan skala pengukuran variabel yang akan dideskripsikan itu. Oleh karena itu, pemahaman tentang skala pengukuran variabel yang akan dianalisis harus diperhatikan. Ada empat macam skala pengukuran variabel, yaitu skala nominal, ordinal, interval, dan rasio.1. Skala nominal            Misalnya saja saat ini kita sebagai dosen perguruan tinggi X sedangkan Pak Ali yang tinggal di sebelah rumah kita bekerja di sebuah bank pemerintah. Maka variabel jenis pekerjaan atau profesi itu mempunyai skala pengukuran nominal. Nilai dari skala nominal ini hanyalah menunjukkan sebagai perbedaan saja, tenaga pengajar tentunya berbeda dengan seorang bankir.             Contoh lainnya adalah misalnya seorang peneliti ingin mengetahui jenis transportasi apa saja yang digunakan oleh karyawan PT BATAGOR. Untuk maksud itu peneliti menjaring pertanyaan “Alat angkutan apakah yang Anda gunakan untuk ke kantor?”. Ada banyak kemungkinan jawaban dari karyawan itu, misalnya saja dengan bersepeda motor, dengan berkendaraan umum, dengan bersepeda, atau dengan mobil jemputan yang di sediakan oleh perusahaan. Maka variabel alat transportasi itu berskala pengukuran nominal. 2. Skala ordinal            Seorang ketua Lembaga Penelitian di perguruan tinggi bermaksud mengetahui usulan-usulan penelitian yang telah disetujui oleh Direktorat Jenderal Pendidikan Tinggi lima tahun terakhir berdasarkan jabatan fungsional peneliti utamanya. Tentunya informasi yang mungkin diperoleh adalah sekian peneliti utamanya lektor muda, sekian orang peneliti utamanya lektor, lektor madya, dan sebagainya. Nilai dari variabel jabatan fungsional itu menunjukkan adanya tingkatan atau order disamping adanya perbedaan. Varaibel yang demikian dinamakan sebagai skala pengukuran yang ordinal. Skala pengukuran ini memberikan nilai yang dapat diurutkan, jabatan lektor muda tentunya lebih rendah daripada lektor atau lektor madya.             Contoh lain untuk skala pengukuran ordinal adalah nilai matakuliah mahasiswa. Ferry mendapat nilai C untuk matakuliah Metodologi Penelitian, Sukino mendapat nilai B, Khaeruman mendapat nilai D. Nilai matakuliah yang telah dikatagorikan dengan A, B, C, D, dan E merupakan variabel yang berskala pengukuran ordinal. Nilai-nilai itu selain dapat membedakan kemampuan Ferry, Sukina, dan Khaeruman dalam matakuliah Metodologi Penelitian tersebut tetapi juga menggambarkan kedudukan, posisi, atau urutan kemampuan tiap mahasiswa dalam matakuliah tersebut. 3. Skala interval            Variabel temperatur atau suhu merupakan contoh yang pas dan baik untuk menggambarkan varaibel berskala pengukuran interval. Misalnya air di gelas A bersuhu 100 derajat Celcius, di gelas B 60 derajat Celsius, dan di gelas C 30 derajat Celsius. Disini terlihat bahwa suhu air di tiga gelas itu saling berbeda, air digelas A paling panas, dan di gelas C paling dingin diantara ketiga gelas yang ada. Selisih suhu air di gelas A dan gelas B adalah 40 derajat Celsius, tetapi tidak dapat dikatakan bahwa suhu air di gelas B dua kali suhu di gelas C. Dari contoh ini terlihat bahwa variabel suhu air selain memenuhi sifat adanya perbedaan dan dapat diurutkan, tampak juga bahwa kita dapat melihat berapa selisih suhu air dari tiap gelas yang berbeda itu. Hal ini dapat dikatakan bahwa variabel berskala pengukuran interval mempunyai ciri membedakan, mengurutkan, dan mengandung unsur jarak. 4. Skala rasio            Variabel penghasilan merupakan contoh untuk skala pengukuran rasio. Misalnya penghasilan Rini setiap bulan sebagai dosen yang mempunyai jabatan Lektor Muda adalah 500 ribu rupiah, sedangkan Lusi yang baru setahun lalu menjabat Asisten Ahli berpenghasilan 300 ribu rupiah, ataupun Eko yang baru saja diangkat sebagai Asisten Ahli Madya hanya memperoleh 250 ribu rupiah per bulan. Penghasilan ketiga tenaga pengajar itu berbeda satu sama lainnya, dan juga Rini merupakan dosen yang berpenghasilan tertinggi diantara teman-temannya, dan Eko menduduki posisi yang terendah. Variabel penghasilan ini juga dapat memberikan informasi bahwa selisih penghasilan antara Rini dengan Lusi adalah 200 ribu rupiah, selisih penghasilan Lusi dengan Eko hanya sebesar 50 ribu rupiah. Dari contoh ini terlihat bahwa variabel penghasilan berskala pengukuran interval mempunyai ciri perbedaan, urutan, dan mengandung unsur adanya jarak atau selisih yang jelas dian-tara nilai variabelnya itu. Selain itu dapat juga dikatakan bahwa Rini berpenghasilan dua kali penghasilan Eko yang baru saja mengajar. Rasio dua kali ini sangat esak karena kedua nilai mempunyai nilai nol (titik nol) yang sama dan mutlak. Nol mutlak inilah yang membedakan skala pengukuran rasio dengan interval. 

C. Beberapa Alat Analisis Statistika Deskriptif (Univariat)             Ada berbagai macam alat analisis statistik untuk membantu model penelitian yang bersifat eksploratif dan penelitian deskriptif. Modus, median dan rata-rata (mean) merupakan gambaran dan ukuran kecenderungan tengah untuk suatu atau sekelompok subyek. Modus merupakan ukuran atau sifat yang paling sering muncul atau sifat yang paling banyak ada.  Statistik modus ini bisa digunakan untuk menggambarkan variabel yang berskala apa saja, terutama untuk variabel yang berskala nominal dan ordinal.            Adapun statistik median dapat digunakan bila sifat yang akan digambarkannya itu berskala ordinal maupun interval. Tetapi median ini tidak dapat digunakan untuk menggambarkan varibel yang berskala nominal. Sedangkan statistik rata-rata hanya cocok untuk menggambarkan variabel yang berskala pengukurannya minimal interval. Rata-rata ini tidak dapat digunakan untuk menggambarkan variabel berskala nominal ataupun ordinal.             Untuk menggambarkan suatu fenomena atau gejala atau variabel, seringkali kita tidak puas hanya memaparkan ukuran kecenderungan pemusatan saja, tetapi masih perlu memaparkan ukuran penyebarannya. Misalnya saja kita ingin mendeskripsikan bagaimanakah penghasilan petani di suatu desa. Maka kita tidak cukup hanya menggambarkan penghasilan rata-rata saja tetapi kita perlu juga memaparkan berapakah penghasilan petani yang tertinggi? berapakah yang terendah ? … dan sebagainya. Statistik yang menggambarkan ukuran penyebaran data diantaranya yang paling sering digunakan adalah simpangan baku, varian, simpangan atau selisih maksimum dengan minimum, frekuensi relatif dan sebagainya.            Pada Tabel 1 berikut ini disajikan berbagai alat statistika deskriptif yang dapat digunakan untuk berbagai model analisis eksplorasi dan model analisis deskriptif. Tabel 1 : Beberapa Alat Statistik Deskriptif

SIFAT YANG INGIN DIKETAHUI	SKALA  PENGUKURAN  VARIABEL
	NOMINAL	ORDINAL	INTERVAL/RASIO
KECENDERUNGAN TENGAH	Modus	ModusMedian	Rata-rataMedianModus
PENYEBARAN	Frekuensi relatif	SimpanganKuartil	VarianSimpangan bakuRangeMaksimumMinimum
FREKUENSI	Persentase  Angka mutlak	PersentaseAngka mutlakKomulatif

   

D. Beberapa Alat Analisis Statistika Korelasional (Bivariat/Multivariat)            

Statistika juga menyediakan berbagai jenis dan alat yang dapat digunakan untuk membantu model analisis korelasional, model analisis komparasi dan model analisis eksperimental. Statistik korelasi Spearman, korelasi Pearson, regresi, uji t, analisis varian (ANOVA), Chi Square, dan sebagainya merupakan contoh-contoh statistik yang dapat digunakan untuk berbagai model analisis itu. Tentunya statistik-statistik ini tepat digunakan untuk suatu kondisi tertentu. Misalnya saja kita ingin mengetahui apakah ada hubungan antara nilai tes seleksi masuk perguruan tinggi (UMPTN) dengan nilai evaluasi murni (NEM) sewaktu mereka meninggalkan SMU. Alat analisis statistika yang mungkin dapat digunakan untuk melihat hubungan dua variabel tersebut adalah korelasi Pearson. Korelasi ini cocok digunakan karena kedua variabel tersebut berskala pengukuran interval.Pada dasarnya suatu penelitian (begitu juga dalam bidang bisnis) ingin mengkaji hubungan antar variabel dari suatu fenomena. Misalnya, apakah ada hubungan antara IQ siswa dengan prestasi belajarnya, apakah ada hubungan antara nilai tes masuk dengan IPK yang diperoleh mahasiswa, dan sebagainya. Pertanyaan ini memberikan indikasi bahwa peneliti ingin mengkaji bagaimana hubungan suatu variabel dengan variabel lainnya. Analisis yang dapat digunakan menjawab pertanyaan-pertanyaan semacam ini dinamakan analisis korelasional. Tentunya, analisis korelasional ini tidak hanya menyangkut hubungan satu variabel dengan satu variabel lainnya (bivariate), tetapi juga mencakup hubungan lebih dari dua variabel (multivariate). Statistika yang dapat digunakan dalam analisis korelasional ini sangat banyak, misalnya saja korelasi Pearson (product moment), korelasi Spearman (rank correlation), Kendal tau, Khi kuadrat, dan sebagainya. Alat statistika ini dapat menggambarkan hubungan antar variabel, namun pemilihan statistika inipun sangat tergantung juga pada skala pengukuran dari varaibel-variabel yang dihubungkannya itu. Tabel 2 dan Tabel 3 berikut ini menyajikan beberapa statistika untuk analisis korelasional. Tabel 2. Beberapa Alat Statistik Korelasional (Bivariate)

Variabel Independen	Variabel Dependen	Kemungkinan Analisis
nominal	nominal	Tabel silangChi squareLambda
nominal	ordinal	Kruskall-WallisFriedman test
nominal	interval	t-tesanova
Ordinal	ordinal	Korelasi SpearmanRank CorrelationGamma
Interval	interval	Korelasi/regresi sederhanaKorelasi/regresi ganda

  Tabel 3. Beberapa Alat Statistik Korelasional (Bivariate/Multivariate) 

	Jenis dan banyak variabel independent
Jenis dan banyak variabel independent			Interval/Rasio		Ordinal		Nominal
			1	>1	1	>1	1	>1
	Interval/Rasio	0		FactorAnalysis	Transformasikan variabel ordinal menjadi nominal dan gunakan K-1, atau transformasikan variabel interval menjadi ordinal dan gunakan B-2, atau kedua-duanya ditransformasikan menjadi nominal dan gunakan K-3				Baris 1
		1	Correlation	MultipleCorrelation			Analysis ofvariance(atau t-test)	Analysis ofvariance
		>1	Multiplecorrelation
	Ordinal	0	Transformasikan variabel ordinal menjadi nominal dan gunakan K-1,atau transformasikan variabelinterval menjadi ordinal dan gunakan B-2, atau ditransformasikan variabel interval menjadi nominal dan gunakan K-2			Coefficient of concordance (W)			Baris 2
		1			Spearman correlation,Kendal’stau (τ)		Sign test, median test, U-test,Kruskal-Wallis	Friedman’stwoway analysisof variance
		>1
	Nominal	0						Chi-square	Baris 3
		1	Analysis ofvariance(Lihat K-1)		Sign test, median test, U-test, Kruskal-Wallis(lihat K-2)		Phi Coefficient (Φ),Fisher exact test,Chi-square
		>1	Analysis ofvariance(Lihat C-1		Friedman’stwoway analysisof variance(Lihat K-2)
			Kolom A		Kolom B		Kolom C

   E. Beberapa Alat Analisis Statistika Komparasi 

Pada dasarnya suatu penelitian (begitu juga penelitian dalam bidang pendidikan) ingin mengkaji hubungan antar variabel dari suatu fenomena, atau juga sering ingin membandingkan suatu fenomena dengan fenomena lainnya. Misalnya, (1) apakah ada perbedaan prestasi belajar mahasiswa laki-laki dengan mahasiswa wanita, (2) apakah perbedaan metode mengajar akan memberikan hasil belajar yang berbeda, (3) apakah hasil belajar fisika siswa SMU sama dengan hasil belajar kimianya, (4) apakah kemampuan berbicara dalam bahasa Inggris sama baiknya dengan kemampuan berbicara dalam bahasa Indonesia untuk lulusan program studi S1 Bahasa Inggris, (5) Apakah kemampuan siswa setelah mengikuti klinik pelajaran lebih baik daripada sebelum mengikuti klinik pelajaran, dan sebagainya.Biasanya analisis komparasi ini dapat digunakan untuk berbagai tujuan, misalnya saja membandingkan antar kelompok untuk suatu variable. Pada contoh nomor (1) di atas peneliti ingin membandingkan kelompok pria dengan kelompok wanita untuk variable prestasi belajar. Begitu juga pada contoh nomor (2) di atas, peneliti ingin membandingkan antar kelompok yang diberi metode belajar yang berbeda untuk variable hasil belajar. Tujuan lainnya penggunaan analisis komparasi adalah untuk  membandingkan antar variable dalam sutau kelompok, misalnya yang digambarkan pada contoh (3) dan (4) di atas. Sedangkan pada contoh (5) di atas menggunakan analisis komparasi untuk tujuan melihat pengaruh suatu (atau beberapa) perlakuan. Pemberian klinik pelajaran merupakan perlakuan (treatment/stimulus) yang diberikan suatu kelompok siswa untuk dapat meningkatkan hasil belajarnya.Ada ahli yang memandang bahwa analisis komparasi ini sebenarnya juga dapat dimasukan kedalam kelompok analisis korelasional. Misalnya saja untuk contoh nomor (1) di atas, kita dapat mengidentifikasi dua variable yaitu variable hasil belajar dan jenis kelamin. Pertanyaan penelitian yang hampir sama juga dapat dinyatakan dengan apakah ada hubungan antara jenis kelamin dengan prestasi belajarnya. Dimana disini tampak bahwa ingin diketahui hubungan antar variable yaitu variable jenis kelamin dan hasil belajar. Tentunya kita ingin mengetahui kapan suatu analisis koerelasional dapat dipandang juga sebagai analisis komparasi, atau sebaliknya. Suatu analisis korelasional dapat dipandang sebagai analisis komparasi atau sebaliknya, bila minimal satu variable yang dihubungkan itu berskala pengukuran nominal atau data kategorik. Karena analisis komparasi ini juga dapat dipandang sebagai analisis korelasional, maka beberapa statstik yang ada pada Tabel 2 dab Tabel 3 di atas dapat digunakan untuk memilih statistic komparasi.   

Pengujian Hipotesis- Menetapkan :  hipotesis null (nullified)                 hipotesis alternatif     Ho :  m = 0    H1 :  m = 0          m > 0          m < 0 - Tindakan Peneliti  

1. Menolak Ho, yang berarti menerima H1     (Signifikan/nyata)  

2. Tidak menolak Ho, yang berarti menolak H1      (tidak signifikan/tidak nyata)                      Situasi Nyata Populasi                      Ho benar      Ho salah                                                        Tolah Ho    Kesalahan      Benar  

                        Tipe I                Keputusan peneliti                                           

          Terima Ho                Kesalahan 

                          Benar     Tipe II          a  =  - Taraf nyata             - Peluang membuat kesalahan tipe I            - Peluang menolah Ho padahal Ho benar       b  =  - Peluang membuat kesalahan tipe II            - Peluang menerima Ho padahal Ho salah    Penetapan a dan b tergantung dari :          - Permasalahan      - Tujuan  Contoh    Permasalahan :        Apakah obat baru X berguna untuk        menyembuhkan sakit ginjal ?    Hipotesis   :       Ho  :  Obat baru X tidak berguna untuk menyembuhkan              sakit ginjal        H1  :  Obat baru X berguna untuk menyembuhkan              sakit ginjal      Kesalahan Tipe I  : Menolak Ho padahal Ho benar                        (Obat baru X berguna padahal                         obat baru X itu tak berguna)  

    Kesalahan Tipe II : Menerima Ho padahal Ho salah

                        (Obat baru X tak berguna padahal                         obat baru itu berguna)      Untuk kasus ini lebih baik mengambil à yang kecil     Permasalahan  :  Apakah tingkat ketelitian 5 orang pengetik                     yang telah diberi kursus mengetik lebih baik                     dari ketelitian rata-rata pengetik yang ada.     Hipotesis :        Ho  :  Tingkat ketelitian 5 orang pengetik yang               diberi kursus sama dengan ketelitian              rata-rata pengetik yang ada.        H1  :  Tingkat ketelitian 5 orang pengetik yang               diberi kursus lebih tinggi dari ketelitian              rata-rata pengetik yang ada. 
ANALISIS DESKRIPTIF      

1. Distribusi Frekuensi  (angka mutlak/persen)       

misal :  Tabel 1 : Hasil Tes Statistika                  

26 52 63 30 49 42 27 56 40 63                 

70 39 65 56 65 63 51 53 37 64                 

37 60 36 60 58 56 24 80 27 27                 

23 85 58 38 38 76 46 14 48 14                 

15 24 38 15 51 18 26 60 81 36        

Kelimapuluh sampel ini misalnya dikelompokkan menjadi 5 kelompok hasilnya dan hasilnya lebih mudah untuk dipahami.

Contoh print out SPSS/PC+

=========================

Tabel 2 : Distribusi Frekuensi

                           Hasil Tes Statistika

 

Valid     Cum

Value Label        Value  Frequency  Percent  Percent  Percent

 1 – 20                1         5     10.0     10.0     10.0

21 – 40                2        18     36.0     36.0     46.0

41 – 60                3        16     32.0     32.0     78.0

61 – 80                4         9     18.0     18.0     96.0

81 – 100               5         2      4.0      4.0    100.0

                            ——-  ——-  ——-

                   Total        50    100.0    100.0

  

Mean         45.600      Std err       2.684      Median       47.000

Mode         27.000      Std dev      18.980      Variance    360.245

Kurtosis      -.836      S E Kurt       .662      Skewness       .082

S E Skew       .337      Range        71.000      Minimum      14.000

Maximum      85.000      Sum        2280.000

Valid cases      50      Missing cases      0

2. Ukuran Kecenderungan Sentral      

a. Mode/Modus  :  - nilai yang sering muncul                         - pada umumnya      

b. Median      :  - nilai yang membagi dua sama banyak                         - 50% diatas, 50% dibawah        

c. Mean        :  - rata-rata    

3. Ukuran Variabilitas : – tingkat ketersebaran (dispersi)                                  - tingkat homogenitas        Tabel 3  :  Hasil Tes Kelompok I dan II                   Kelompok I      Kelompok II                  —————————                      102              128                       99               78                      103               93                       96              101                  —————————         rata-rata    100              100   Bagaimana dengan statistik berikut untuk data diatas ?         

a. Nilai minimum dan maksimum        

b. Range        

c. Ragam (Variansi)        

d. Simpangan baku (standar deviasi) 

 

ANALISIS BIVARIAT/MULTIVARIAT  

- Digunakan untuk melihat hubungan dua variabel   Var indep     Var dep            Kemungkinan Analisis

  ——————————————————

  nominal     nominal             Tabel silang

                                    Chi square

                                    Lambda     nominal     ordinal             Kruskall Wallis                                    Friedman tes     nominal     interval            t-tes                                    Anova     ordinal     ordinal             Korelasi Spearman                                    Rank Correlation                                     Gamma     interval    interval            Korelasi/regresi sederhana                                    Korelasi/regresi ganda    

————————————————————  

Analisis Tabel Silang   Permasalahan : Apakah karyawati cenderung lebih                  banyak terlambat masuk kantor                 daripada karyawan ?    Dari hasil pemantauan diperoleh  :                        pria         wanita                                                     Terlambat       12            94        106                       (31%)         (37%)      (36%)                                                                  Tak terlambat      27           163        190                        (69%)         (63%)      (64%)                                                                      39           257        296                        (13%)        (87%)  Apakah kesimpulannya ?  

CARA MEMBACA DANMEMBUAT TABEL SILANG==================== 

1. Tentukan mana variabel independen dan    mana varaibel dependen 

2. Buat kelompok tiap variabel berdasarkan     kategori/atribut 

3. Susun tabel silang :     Var. independen  —–>  kolom (di atas)    Var. dependen    —–>  baris (di samping kiri) 

4. Tentukan frekuensi tiap sel dan hitung persen    dengan arah vertikal/kolom.    Posisi 100% ada di bawah, bukan samping kanan. 

5. Pembandingan dilakukan antar persen kolom (kesamping)    untuk tiap kategori baris —->  mana persen terbesar 

6. a) Bila letak persen terbesar itu membentuk pola diagonal,      maka ada kecenderungan var. independen berhubungan dengan      var. dependen.    b) Bila letak persen terbesar itu tersebar dan tidak      membentuk pola diagonal, maka dapat disimpulkan bahwa      var. independen cenderung tidak berhubungan dengan       var. dependen.   
DAFTAR PUSTAKA 

Borg, W.R. and Gall, M.D. 1983. Educational research. An introduction. New York: Longman.

Keppel, G. and Zedeck, S. 1989. Data analysis for research designs. Analysis of variance and multiple regression/correlation approaches. New York: W.H. Freeman and Company.

McMillan, J.H. and Schumacher, S. 1989. Research in education. A conceptual introduction (Second Edition). Glenview, Illinois: Scott, Foresman and Company. Robson, Colin (1993). Real World Research. A Resource for Social Scientists and Practitioner-Researchers. Oxford: Blackwell Publishers, Ltd.