Skala Pengukuran buku riset terapan apri

35 Pengetahuan Dasar Tentang Metode Penelitian maupun ratio. Semakin tinggi peringkat skala pengukuran semakin ban- yak jenis analisis data yang dapat digunakan. Syarat minimal analisis data statistik inferensial adalah salah satu data memiliki skala interval. Contoh data berdasarkan skala pengukuran dapat disimak pada paparan berikut ini. 1. Skala nominal Data berskala nominal hanya merupakan atribut, simbol, nama, identi- tas untuk membedakan data individu dengan data individu lainnya. Contoh data berskala nominal antara lain: jenis kelamin, agama, warna, suku bangsa, dan jenis pekerjaan. Data berskala nominal merupakan data kualitatif yang tidak bisa diberi skor kuantitatif yang menunjukkan individu yang satu lebih baik dari individu lainnya. Se- bagai contoh kelompok wanita tidak mau dikatakan lebih jelek dari kelompok pria. Demikian juga agama, orang yang beragama Islam tidak boleh diberi status yang lebih tinggi dari agama lainnya. Dalam pemilihan teknik analisis statistik, data berskala nominal terbatas han- ya dapat dianalisis secara deskriptif dan analisis non parametrik yang kesimpulan hasil analisisnya hanya berlaku pada sampel yang diteliti. 2. Skala ordinal Data berskala ordinal sudah menunjukkan ada tingkatan atau per- ingkat. Data ordinal hanya berupa kategori-kategori untuk menunjuk- kan kategori yang satu lebih baik dari kategori yang lain, namun jarak antara masing-masing kategori tidak sama. Contoh data berskala ordi- nal antara lain: peringkat kejuaraan, status sosial ekonomi, tingkat pendidikan, dan ranking kelas. Dalam penyusunan peringkat ke- juaraan dan ranking kelas sering digunakan peringkat ke 1, 2 dan 3, dst. Secara sepintas data tersebut berurutan dan kemungkinan mem- iliki selisih nilai yang sama. Namun pada kenyataannya jarang ditemukan peringkat ke 1, 2 dan 3 memiliki selisih nilai yang sama. Contoh data ranking nilai: Rank I II III IV Nilai 10 9 8 7 6 5 4 3 2 1 Dalam contoh tersebut ditemukan ranking ke 1 mendapat skor 10, ranking ke 2 mendapat skor 8 dan ranking ke III mendapat skor 7. Ja- rak antara ranking ke 1 dan ke II sebanyak 2 digit, sementara itu, jarak antara ranking ke II dan ke III hanya satu digit. Data status sosial dan ekonomi yang diperoleh dari penghasilan dapat menjadi skala ordinal tetapi dapat pula menjadi skala interval. Ketika penghasilan menjadi indikator status sosial ekonomi SES dikate- gorikan menjadi rendah, sedang dan tinggi, maka data tersebut Riset Terapan 36 Dr. Endang Mulyatiningsih Bidang Pendidikan dan Teknik berskala ordinal. Ketika data penghasilan masih murni, belum dibuat kategori maka data penghasilan tersebut berskala rasio. Pada umumnya, sulit untuk menetapkan penghasilan murni, oleh sebab itu data SES dikelompokkan menjadi SES rendah, sedang dan tinggi maka. Jarak nilai antar kategori biasanya tidak sama karena kelompok SES rendah dan tinggi tidak memiliki batas bawah dan batas atas yang pasti. Contoh pengkategorian data SES. Tabel 1.9 Contoh pengkategorian data SES KATEGORI PENGHASILAN Tinggi : 10.000.000bulan Sedang : 5.000.000 – 10.000.000bulan Rendah : 5.000.000bulan Keterangan: kategori SES ditetapkan berdasarkan kajian literatur dan pertimbangan peneliti Teknik analisis yang dapat dipilih dari data berskala ordinal masih terbatas pada analisis data deskriptif dan non parametrik. Apabila data ordinal akan dianalisis dengan menggunakan statistik parametrik in- ferensial, maka teknik analisis yang dapat digunakan hanya terbatas uji beda t-test atau ANOVA. 3. Skala interval Data berskala interval berupa data kuantitatif yang memiliki jarak sa- ma antar tiap-tiap tingkatan nilai tetapi tidak memiliki nilai nol mut- lak. Data menunjukkan klasifikasi dan kedudukan subjek yang satu lebih baik dari yang lain, dan jarak antara nilai yang satu dengan nilai yang lain sama. Contoh data berskala interval misalnya: tahun, nilai, suhu, hasil operasi penjumlahan dan pengurangan, dll. Skor baris raw score yang dihasilkan dari suatu tes hasil belajar atau tes kecerdasan merupakan data yang berskala interval. Jarak suhu 10 C dengan 20 C sama dengan jarak suhu 10 C dengan 20 C, akan tetapi skala suhu ini tidak memiliki titik nol mutlak sehingga tidak bisa melakukan operasi perkalian dan pembagian. Data yang berasal dari kuesioner dengan jawaban berskala Likert, dapat dikategorikan menjadi data berskala interval. Asumsi yang mendasari antara lain: pendapat sangat setuju, setuju, kurang setuju dan tidak setuju telah dikonversi menjadi data kuantitatif yang mem- iliki nilai 4, 3, 2 dan 1. Jarak antar nilai tersebut adalah sama. Setelah skor jawaban berskala Guttman dijumlahkan, total skor jawaban men- jadi berskala interval. Jawaban semantic differential memiliki status yang sama dengan jawaban berskala Likert. Jawaban akan diberi skor 37 Pengetahuan Dasar Tentang Metode Penelitian yang memiliki jarak sama antara jawaban paling positif, positif sampai jawaban negatif akan mendapat skor yang diasumsikan berjarak sama. Penggunaan data berskala interval cukup luas, dapat dianalisis menggunakan analisis parametrik maupun non parametrik. Data berskala interval dapat diubah menjadi skala ordinal dengan membuat kategori-kategori. Misalnya: kategori nilai A, B, C, D ditetapkan ber- dasarkan rentang nilai tertentu yang kemungkinan tidak memiliki ja- rak yang sama. Misalnya: Tabel 1.10 Contoh Konversi Data Berskala Interval menjadi Ordinal RENTANG NILAI dari skala interval KATEGORI dikonversi menjadi ordinal 80 A = Sangat baik, skor 4 66 – 80 B = Baik, skor 3 56 – 65 C = Cukup, skor 2 56 D = Kurang, skor 1 4. Skala rasio Skala rasio merupakan skala paling tinggi dalam pengukuran. Data berskala rasio hampir sama dengan data berskala interval, yakni data kuantitatif yang memiliki jarak sama antar tiap-tiap tingkatan nilai. Perbedaan skala rasio dan interval terletak pada nilai nol mut- lak. Data berskala rasio memiliki nilai nol mutlak sedangkan data skala interval tidak memiliki nilai nol mutlak. Ciri khas s kala pen- gukuran yang memiliki nol mutlak antara lain dapat dilakukan operasi perkalian dan pembagian. Contoh data berskala rasio antara lain: berat badan, tinggi badan, pendapatan dan lain sebagainya. Data berskala rasio memiliki tingkatan paling tinggi. Data berskala rasio dapat dianalisis dengan berbagai macam teknik analisis. Pen- gujian hipotesis menggunakan analisis statistik inferensial minimal memiliki data berskala interval. Rangkuman Jenis skala Contoh data Nominal Pria → wanita; merah → biru → kuning Ordinal SES tinggi → sedang → rendah Interval Tanpa 0 absolut, bisa dijumlah atau diku- rangi, misalnya: nilai, suhu Rasio Ada 0 absolut, bisa dikali atau dibagi, misalnya: panjang, berat, penghasilan Riset Terapan 38 Dr. Endang Mulyatiningsih Bidang Pendidikan dan Teknik

F. Pemilihan Teknik Analisis Data

Jenis data dan skala pengukuran menentukan teknik analisis data yang dapat digunakan. Jenis data terbagi menjadi dua yaitu data kuanti- tatif dan kualitatif. Data kuantitatif adalah data yang berbentuk angka atau data kualitatif yang telah diberi skornilai. Sedangkan data kualitatif adalah data yang berbentuk kalimat atau gambar. Data kuantitatif dapat dianalisis dengan statistik deskriptif atau statistik inferensial menggunakan rumus-rumus matematika terapan statistik sedangkan data kualitatif dianalisis secara deskriptif menggunakan rangkaian ka- limat-kalimat yang telah dikelompokkan berdasarkan tema-temanya.

1. Analisis Data Kuantitatif

Skala pengukuran dapat menentukan jenis analisis statistik yang dapat digunakan. Data yang akan dianalisis dengan statistik inferensial mengambil kesimpulan berdasarkan data sampel yang berlaku untuk se- luruh populasi minimal memiliki skala interval. Statistik inferensial itu sendiri dibedakan menjadi statistik parametris dan non-parametris. Para- metris tersusun dari kata para yang merupakan bentuk jamak atau berarti banyak dan meter satuan ukuran, sehingga parameter berarti penelitian yang menggunakan banyak satuan pengukuran dalam pengambilan datanya. Statistik parametris digunakan untuk menganalisis data berskala interval atau rasio yang diambil dari populasi yang berdistribusi normal. Statistik non-parametris digunakan untuk menganalisis data berskala nominal dan ordinal yang diambil dari sembarang populasi boleh berdistribusi tidak normal. Analisis data secara deskriptif digunakan untuk mendeskripsikan da- ta penelitian apa adanya dan tidak digunakan untuk mengambil kes- impulan statistik. Hasil analisis data secara deskriptif dilaporkan dalam bentuk mean, median, modus, standar deviasi, varians, nilai minimum dan nilai maksimum, kurtosis kepuncakan kurva dan skewness kemen- cengan kurva. Penyajian hasil analisis data deskriptif dapat dilengkapi dengan menggunakan tabel, grafik dan diagram garis, batang, lingkaran. Penyajian data deskriptif bertujuan untuk memberikan gambaran singkat tentang hasil penelitian supaya lebih mudah dibaca dan dipahami. Analisis data statistik dilakukan untuk menjawab rumusan masalah yang telah dinyatakan dalam bentuk hipotesis jawaban sementara. Ana- lisis data dilakukan untuk menguji apakah hipotesis yang diajukan dapat diterima atau tidak diterima tidak didukung data. Ada tiga macam ben- tuk hipotesis yang dapat diuji yaitu hipotesis deskriptif, komparatif dan asosiatif. Hipotesis deskriptif digunakan apabila untuk menjawab penelitian pada variabel tunggal hanya satu variabel dan satu kelompok sampel. Hipotesis komparatif digunakan untuk membandingkan rerata 39 Pengetahuan Dasar Tentang Metode Penelitian nilai antara dua atau lebih kelompok sampel pada variabel yang sama. Hipotesis asosiatif digunakan untuk menjawab kekuatan hubungan antar variabel independen dan variabel dependen.

a. Hipotesis dan Analisis Deskriptif

Hipotesis deskriptif adalah dugaan atau jawaban sementara ter- hadap variabel tunggal dari satu kelompok sampel. Hipotesis yang diuji biasanya berupa: rerata mean, proporsi persen, frekuensi terbanyak, dan lain-lain. Semua data kuantitatif dari berbagai macam skala pengukuran dapat dianalisis menggunakan statistik deskriptif kuantitatif. Contoh pernyataan hipotesis deskriptif dan teknik analisis yang digunakan untuk menguji hipotesis adalah sebagai berikut: Tabel 1.11 Contoh Hipotesis Deskriptif dan Teknik Analisis Datanya Hipotesis Analisis data Lebih dari 50 masyarakat menyetujui ujian nasional digunakan sebagai alat pemetaan mutu sekolah Persentase Rerata beban mengajar dosen yang telah memperoleh sertifikat pendidik sebanyak 12 SKS Mean Kompetensi lulusan terbanyak berada pada kategori ‗baik‘ B Distribusi frekuensi

b. Hipotesis dan Analisis Komparatif Dua Kelompok Sampel

Hipotesis komparatif adalah kesimpulan sementara yang menun- jukkan adanya perbedaan dari satu atau beberapa kelompok sampel dalam suatu hasil pengukuran variabel yang sama. Variabel yang diukur memiliki skala interval sedangkan kelompok sampel yang dibedakan memiliki skala nominal atau ordinal. Contoh pernyataan hipotesis komparatif dua kelompok sampel dan teknik analisis yang digunakan dapat disimak pada tabel 1.6 Tabel 1.12 Contoh Hipotesis Komparatif Dua Kelompok Sampel dan Teknik Analisis Data t-test Hipotesis Komparatif Dua Kelompok Sampel Analisis data Ada perbedaan rerata nilai pre-test dan post-test siswa kelas A pada mata pelajaran matematika yang menggunakan metode problem based learning. Uji-t satu sam- pel Ada perbedaan nilai Matematika dan nilai bahasa Indonesia siswa kelas A Uji-t sampel berpasangan Ada perbedaan prestasi belajar siswa kelas A dan Uji-t sampel