Kara kteristik Penelitian Yang Menggunaka
Karakteristik Penelitian Yang Menggunakan Statistika
Deskriptif dan Inferensial
Disusun sebagai tugas dari mata kuliah Metodologi Penelitian Pendidikan
Dosen : Prof. Dr. Bambang Subali, M.S.
Disusun oleh :
Kelompok 3
Nastia Cahyaning Ahsani
Temi Ainul Safitri
Riska Septia Wahyuningtyas
Firmansah
16725251014
16725251016
16725251020
16725251030
PROGRAM STUDI PENDIDIKAN BIOLOGI
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI YOGYAKARTA
2016
BAB 1
PENDAHULUAN
A. Latar Belakang
Banyak sekali bentuk penelitian yang kita temui. Bentuk luasnya bisa berbeda, namun
jiwa dan penalarannya adalah sama. Atas dasar itu yang paling penting adalah bukan
mengetahui teknik-teknik pelaksanaannya, melainkan memahami dasar pikiran yang
melandasinya. Pemilihan bentuk dan penulisan merupakan masalah selera dan preferensi
perorangan maupun lembaga dengan memperhatikan berbagai faktor lainnya, seperti
masalah apa yang sedang dikaji, siapakah pembaca tulisan ini dan dalam rangka kegiatan
penelitian apa akan disampaikan.
Secara umum penelitian dapat didefinisikan sebagai kegiatan manusia dalam rangka
memperoleh pengetahuan secara sistematik dengan menggunakan alat-alat dan cara-cara
tertentu. Secara luas suatu penelitian dapat berarti menemukan teori baru dengan
menggugurkan teori lama, menambahkan sesuatu yang baru pada teori lama, atau benarbenar menemukan sesuatu yang baru yang belum ada sebelumnya.
Jenis penelitian apa yang harus digunakan, selalu didasarkan pada masalah yang
diteliti, bukan ditetapkan jenis penelitiannya dulu baru ditetapkan masalahnya. Stelah
dilakukan penelitian maka didapatkan beragam jenis data, setiap penelitian mempunyai
cara sendiri – sendiri untuk mengolah datanya. Hal tersebut tergantung pada tujuan
penelitian tersebut ingin mengetahui apa dari data yang telah didapat. Cara mengolah data
juga bergantung pada jenis data yang didapat dari hasil penelitian. Suati cara mengolah
data didasarkan juga pada penelitian tersebut merupakan jenis penelitaian monovariat,
bivariat, atau multivariat. Karena ada berbagai jenis cara mengolah data, maka dimakalah
ini akan dibahas bagaimana karakteristik suatu penelitian tersebut berdasarkan cara
mengolah datanya.
B. Tujuan
1. Mengetahui karakteristik penelitian yang menggunakan statistika deskriptif untuk
mengolah data
2. Mengetahui karakteristik penelitian yang menggunakan statistika inferensial parametrik
untuk mengolah data
3. Mengetahui karakteristik penelitian yang menggunakan statistika inferensial
nonparametrik untuk mengolah data
4. Mengetahui karakteristik penelitian yang menggunakan sajian deskriptif naratif
BAB II
ISI
A. Karakteristik Penelitian Yang Menggunakan Statistik Deskriptif
1. Pengertian Statistika Deskriptif
Statistika deskriptif merupakan prosedur dan penyajian data untuk
memberikan desktiptif atau gambaran dari variabel kuantitatif sehingga merupakan
variabel yang dapat di ukur. Dalam pengumpulan data, statistik memberikan pedoman
supaya data yang akan di koleksi merupakan data numerik, selanjutnya dapat diolah
menggunakan prosedur statistika (Bambang Subali, 2010, 49 ).
Statistik deskriptif hanya berhubungan dengan hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data atau keadaan atau fenomena.
Dengan kata lain, statistik deskriptif hanya berfungsi menerangkan keadaan, gejala,
atau persoalan. Contoh pernyataan yang termasuk dalam statistik deskriptif, yaitu :
banyaknya siswa kelas VA, VB, dan VC berjumlah 100 orang. Untuk mengetahui
tingkat kehadiaran siswa selama satu tahun, kepala sekolah dapat melihat daftar siswa
yang tidak hadir dari catatan petugas tata usaha. Cuplikan data tersebut sebagai
berikut.
Tabel 1.1 Daftar siswa yang tidak hadir pada tahun 2006
No
001
002
003
004
005
Nama Siswa
Amir Husen
Ipung Rahmtias
Sukeni
Suharmi
Kelana
Jumlah Tidak Hadir
20
16
10
1
27
Dari tabel 1 dapat diperoleh gambaran mengenai jumlah hari ketidakhadiran
siswa. Data ini dapat dijadikan sebagai acuan sebagi kepala sekolah untuk
memberikan laporan kepada orang tua siswa. Penarikan kesimpulan pada statistik
deskriptif hanya ditujukan pada kumpulan data yang ada. Prosedur statistik yang
digunakan dalam menggambarkan sifat-sifat besar sampel, atau dari populasi di mana
populasi menyediakan data yang lengkap, yang disebut oleh beberapa penulis sebagai
satatistik deskriptif. jika kita mengukur IQ dari populasi lengkap mahasiswa di sebuah
universitas tertentu dan menghitung mean IQ, yang berarti adalah statistika deskriptif
karena menggambarkan sebuah karakteristik dari populasi. jika, di sisi lain, kita
mengukur IQ dari sampel 100 mahasiswa dan menghitung IQ rata-rata untuk sampel,
yang berarti juga statistik descriftive karena menggambarkan karakteristik dari sampel
itu (Forguson, A.George and Takane Yoshio,1989, hlm : 9).
Data pada tingkat populasi menggambarkan karakteristik populasi disebut
parameter populasi. Data sampel yang menggabarkan karakteristik data sampel
disebut statistik sampel. Nilai sampel tersebut dianggap menjadi sebuah perkiraan dari
parameter populasi (Forguson, A.George and Takane Yoshio,1989 : 10).
2. Analisis Data
Untuk pengumpulan data dapat dilakukan dengan dua cara yaitu sensus dan
sampling. Dalam penelitian sensus, data yang diperoleh adalah data populasi. Dengan
demikian, data yang kita peroleh langsung mendeskripsikan keadaan populasi yang
kita teliti. Jika data yang diperoleh berupa data numerik maka kita dapat
menggunakan statistika deskriptif untuk mengolahnya.
Dalam penelitian sampling, data numerik sampel diolah menggunakan
metode statistika deskriptif untuk memberikan gambaran atau deskripsi dari
karakteristik sampel yang diteliti. Pada tingkat populasi menggambarkan karakteristik
populasi dan disebut parameter populasi, sedangkan data sampel menggambarkan
karakteristik sampel disebut data statistik sampel. Metode statistika deskriptif
digunakan untuk menganalisi data populasi hasil sensus sehingga diperoleh parameter
populasi. Metode statistika deskriptif juga untuk megolah data pada tingkat sampel
sehingga diperoleh statistika sampel.
Jika peneliti menggunakan penelitian kasus, kemudian menganalisis data
dengan menggunakan analisis statistika deskriptif maka akan memperoleh nilai atau
harga yang dimiliki oleh kasus yang sedang diteliti, disebut data statistika kasus.
3. Menyusun Data dalam berbagai Bentuk
a. Penyajian Data dalam Betuk Diagram
a) Histogram
Histogram atau diagram batang yang meyajikan data dalam bentuk
baok/batang.
Gambar 1.1 bentuk histagram
b) Diagram garis
Diagram garis dicirikan dengan adanya garis yang menghubungkan
titik-titik , dimana tiap titik menunjukkan besarnya harga kategori atau
taraf/level variabel yang diukur.
c) Diagram Lingkaran
Diagram lingkaran merupakan sajian data dalam bentuk irisan-irisan dari
suatu lingkaran. Tiap irisan menyajikan besarnya harga tiap kategori atau
taraf/level variabel yang diukur. Bentuk diagram lingkaran dapat dilihat di
bawah.
Gambar 1.2 bentuk diagram lingkaran
b. Penyajian Data dalam Bentuk Tabel
a) Daftar frekuensi distribusi
Disebut distribusi frekuensi karena data yang disajikan berupa
banyaknya pemunculan fenomena/kejadian dari suatu variabel melalui
kegiatan penghitungan. Frekuensi numerik menyajikan data frekuensi atau
pemunculan kejadian di kelas-kelas interval bersifat kuantitatif. Jika
persentase fenomena disajikan apa adanya maka distribusi frekuensi berupa
distribusi frekuensi absolut. Jika frekuensi fenomena disajikan dalam bentuk
persentase di sebut distribusi frekuensi relatif. Data frekuensi yang dapat di
jumlahkan secara kumulatif sehingga distribusinya berupa distribusi frekuensi
kumulatif.
Distribusi frekuensi akan mudah di baca jika disajikan dalam bentuk
grafik atau diagram, misal dalam bentuk batang. Dalam hal ini aksis X di
sajikan kelas/kategori, sedangkan pada ordinat Y disajikan frekuensi yang
dilukis dalam bentuk batang. Distribusi frekuensi yang disajikan dalam bnetuk
grafik, kelas-kelas dari variablenya disajikan berupa nilai-nilai tengahnya.
Titik-titik yang menunjukkan harga frekuensi dari tiap nilai tengah tersebut
dihubungkan sehingga membentuk grafik yang disebut poligon (Bambang
Subali, 2010 : 58). Dalam frekuensi poligon diasumsikan bahwa semua kasus
di setiap interval terkonsentrasi pada titik tengah dari interval. Ini merupakan
perbedaan penting antara histogram dan poligon frequensi. Dibandingkan
dengan menggambar garis horizontal yang panjangnya penuh dari interval,
seperti membuat titik-titik yang kemudian dihubungkan (Forguson, A.George
and Takane Yoshio,1989 : 26).
Gambar 1.3 frekuensi poligon
Distribusi frekuensi juga dapat disajikan dalam bentuk kurve, yaitu
apabila garis lurus yang menghubungkan frekuensi dari masing-masing nilai
tengah pada poligon diganti dengan garis lengkung sedemikian rupa sehingga
luas bidang di bawah kurve sama dengan luas bidang di bawah poligon. Dapat
pula disebut ogiv. Dalam hal ini aksis X mencantumkan nilai tengah atau
tanda kelas (class mark) tiap kelas dari variabelny, dan ordinat Y menyajikan
harga frekuensi kumulatif.
Gambar 1.4 bentuk tabel Ogiv
4. Tendensi Sentral atau Ukuran Gejala
Gejala pusat atau tendensi sentral merupakan nilai atau harga atau ukuran
gejala pusat mampu memberi gambaran tentang posisi atau letak pusat data atau
nilai-nilai pengamatan, baik dalam bentuk data terserak maupun yang sudah
dikelompokkan dalam bentuk tabel distribusi frekuensi. Posisi atau letak pusat
data dapat dilihat dari besarnya harga rat-rata, modus, median, kuartil, desil, dan
persentil.
1) Rata-rata (MEAN)
Dengan mendifinisikan rata-rata hitung merupakan jumlah dari
serangkaian
pengukuran data dibagi dengan banyaknya jumlah
pengukuran dalam data tersebut. Seperti: 7, 13, 22, 9, 11, 4. Totalnya 66.
Sehingga mean hitung terbagi dengan 6 atau 11 (Forguson, A.George and
Takane Yoshio,1989 : 53).
2) Modus
Modus adalah data yang memiliki frekuensi pemunculan terbanyak. Oleh
karena itu, cara mencari modus di lihat dari beberapa kali suatu data
muncul di antara seluruh data yang ada. Untuk lebih mudah melacak letak
modus, data diurutkan dari yang terkecil ke yang terbesar atau sebaliknya.
3) Median
Median adalah suatu nilai yang membagi data yang telah diurutkan
besarnya (dari yang terbesar sampai yang terkecil atau sebaliknya),
menjadi dua kelompok data, yakni data kelompok atas dan data kelompok
bawah dengan anggota yang sama banyaknya. Untuk menentukan letak
median dengan rumus :
Posisi Me = (N + 1)/2 (Bambang Subali, 2010, 71-79).
5.
Ukuran Penyimpangan atau Variabilitas
Ukuran Penyimpangan atau Variabilitas atau dispersi karena merupakan
ukuran yang mampu memberi gambaran tentang besar kecilnya data terhadap rataratanya. Ukuran penyimpangan juga menunjukkan keberagaman harga data atau
nilai pengamatan.
Besarnya penyimpangan data dari rata-ratanya dapat dilihat dari harga kisaran
atau rentangan (range), simpangan rata-rata (mean deviation), simpangan baku
(standar deviation), varian/ragam (variance), dan koefisien variasi (coefficient of
variability/coefficient of variation) (Bambang Subali, 2010, 83).
a. Rentangan (range)
Rentangan (range) adalah selisih antara nilai pengamatan terkecil dengan nilai
pengamatan terbesar dari suatu data.
R = nilai pengamatan terbesar – nilai pengamatan terbesar
b. Simpangan rata-rata (mean deviation)
Simpangan atau deviasi adalah jumlah dari harga mutlak selisih antara setiap
data dengan rata-ratanya. Jika simpangan atau deviasi tersebut dibagi dengan
banyaknya data (N untuk populasi atau n untuk sampel) maka akan diperoleh
simpangan rata-rata.
Rumus simpangan rata-rata atau deviasi rata-rata adalah sebagai berikut :
Simpangan rata-rata populasi =
∑ ⃒⃒ Yi−μ ⃒⃒
Simpangan rata-rata sampel =
N
∑ ⃒⃒ Yi−Ȳ ⃒⃒
n
c. Simpangan Baku atau Deviasi Standar (Standard Deviation)
Disebut simpangan baku atau deviasi standar karena ukuran ini menunjukkan
standar penyimpangan dari rata-ratanya. Dalam menyajikan gambaran
penyimpangan yang terjadi, lebih umum disajikan harga simpangan baku
daripada ukuran simpangan rata-ratanya.
Simpangan baku yang diberi notasi σ (sigma) dapat di hitung menggunakan
rumus di bawah ini :
σ=
√
∑ (Yi−μ)² = √∑ ¿ ¿ ¿ ¿
N
d. Galat Baku atau simpangan baku rata-rata (standard error)
Galat Baku atau simpangan baku rata-rata (standard error) adalah
simpangan baku dibagi dengan akar banyaknya data. Galat baku diberi notasi
σ
σȲ = √ N
e. Variansi atau Ragam (variance)
Varians atau ragam (variance) adalah kuadrat dari simpangan baku. Varians
atau ragam populasi diberi simbol σ² .
f. Koefisien Variasi/Koefisien Variabilitas atau Angka Baku (Coeffisien Of
Variability/Coeffisien Of variation)
Koefisien varians (Coeffisien Of variation) adalah simpangan baku
dibagi dengan rata-ratanya dikalikan 100%. Koefisien variasi diberi simbol
CV.
6. Karakteristik Penelitian
Statistika Deskriptif
yang
Menggunakan
Uji
Dengan
Penelitian dengan statistika deskriptif mempunyai karakteristik-karakteristik
bahwa :
a. Penelitian yang menggunakan statistika deskriptif adalah penelitian
monovariat dengan satu variabel, misalkan jika seorang peneliti ingin
mengetahui keterlaksanaan kurikulum 2013 di lapangan, maka peneliti
harus menggunakan statistika deskriptif.
b. Dalam pengumpulan data, statistika deskriptif memberikan pedoman
supaya data yang akan dikoleksi merupakan data numerik, agar selajutnya
dapat diolah menggunakan prosedur statistika.
c. Dalam penyajian datanya, statistika deskriptif masih belum teroganisasi
menjadi data yang terorganisasi dalam bentuk tabel/daftar ataupun
diagram.
d. Selanjutnya, data agar mudah di baca, maka akan disajikan dalam bnetuk
ukuran-ukuran pemusatan atau tendensi sentral beserta ukuran-ukuran
penyimpangannya (Bambang Subali, 2010, 49-50).
B. Karakteristik Penelitian Yang Menggunakan Statistik Inferensial Parametrik
Statistika
inferensial
merupakan
pengukuran
sampel
yang
akan
merepresentasikan populasi secara keseluruhan (Nunnaly, 1975: 5). Statistika
inferensial terbagi menjadi inferensial logik-deduktif dan inferensial induktif.
Inferensial deduktif berkaitan dengan penarikan kesimpulan dari matematika dan
system formal-logik lainnya. Inferensial induktif terkait secara langsung dengan
kejadian sehari-hari, membuat estimasi dari data yang dikumpulkan. Inferensial
induktif ini adalah oengenerelisasian dari keadian spesifik kepada prinsip dari suatu
fenomena. Dalam inferensial induktif, berdasar pada peluang daripada kepastian
(Nunnaly, 1975: 177-178). Statistika inferensial merupakan pengolahan atau analisis
data statistik sampel sehingga berlaku pada tingkat populasi dengan taraf kesalahan
yang ditentukan. Statistika inferensial disebut juga dengan statistika induktif, karena
ada penarikan kesimpulan yang bersifat umum dari data sampel berupa fakta-fakta
yang sifatnya khusus (Bambang Subali, 127). Statistika inferensil digunakan untuk
menarik kesimpulan yang sah, diobservasi dari sampel dan digeneralisasikankepalda
populasi (Popham & Sirotnik, 1973: 4). Berdasarkan uraian di atas, maka dapat
disimpulkan bahwa statistika inferensial merupakan penarikan kesimpulan dari
pengukuran data sampel yang digeneralisasikan kepada populasi.
1. Pengertian Statistik Inferensial Parametrik
Terdapat dua teknik atau prosedur statistika inferensial, yakni statistika
parametrik dan statistika non-parametrik. Disebut statistika parametrik, karena
kesimpulan hasil analisis dapat berlaku pada tingkat populasi dengan catatan bahwa
populasi yang bersangkutan memiliki distribusi normal.Statistik inferensial meliputi
statistik parametrik dan non parametrik. Statistik parametrik digunakan untuk menguji
parameter populasi melalui statistik, atau menguji ukuran populasi melalui data
sampel. Parameter populasi itu meliputi : rata-rata dengan notasi µ (mu), simpangan
baku σ (sigma) dan varians σ2. Dalam statistik pengujian parameter melalui statistik
(data sampel) tersebut dinamakan uji hipotesis statistik.
Persyaratan dalam menggunkan prosedur statistika parametrik menurut Bambang
Subali (2010:135) ialah:
a. Distribusi populasi tersebar secara normal.
b. Terpenuhinya kehomogenan varians/ragam. Jika dari suatu penelitian kita ingin
melihat perbedaan yang terdapat di antara kelompok-kelompok pengamatan, maka
kelompok-kelompok pengamatan tersebut harus merupakan sampel dari populasipopulasi yang memiliki varians/ragam yang sama/homogen.
c. Data yang dihimpun berupa data data yang mengunakan skala interval dan ratio.
d. Data bersifat independen. Pengamatan untuk memperoleh suatu data dapat
berpengaruh terhadap besarnya nilai dari data yang lainnya. Persyaratan independen
antardata ini dapat dipenuhi melalui teknik pengamatan yang terkendali. Adapun
kenormalan data dan kehomogenan varians/ragam untuk penelitian eksperimen, selain
dapat dikendalikan melalui desain eksperimennya juga masih dapat dicek kembali
melalui perhitungan statistika.
2.
Karakteristik Penelitian Pada Berbagai Macam Jenis Uji dalam Statistika Inferensial
Parametrik
a. Uji beda 2 rata – rata
1) Uji Beda 2 Rata – Rata Data Berpasangan (Dependent Sample T Test)
Uji t digunakan untuk melihat perbedaan dua rata-rata data yang berpasangan.
Maksud dari data berpasangan ialah data berupa pasangan data masing-masing
anggota sampel yang menunjukkan kondisi awal dan akhir dari pengukuran
sampel yang sama. Penelitian yang menggunakan uji t ialah penelitian yang terdiri
dari dua varibel, yaitu variabel dependen dan variabel independen. Penelitian yang
menggunakan uji t bertujuan untuk mengetahui pengaruh suatu variabel terhadap
variabel tertentu, dimana dilakukan pengukuran kondisi awal dan kondisi setelah
dipengaruhi variabel. Penalitian yang digunakan untuk melihat efektivitas suatu
model atau media pembelajaran tertentu terhadap kemampuan awal dan akhir
siswa.
2) Uji Beda 2 Rata – Rata Data Tidak Berpasangan (Independent Sample T Test)
Uji ini dilakukan pada duat data sampel yang tidak memiliki kaitan. Dalam
penelitian eksperimen, terdapat manipulasi variabel sehingga membentuk
kelompok sampel pelakuan dan kelompok sampel kontrol. Uji ini digunakan
untuk membandingkan rata-rata dari kelompok perlakuan dan kelompok kontrol
tersebut. Penelitian yang menggunakan uji ini merupakan penelitian bivariat atau
penelitian yang menggunakan 2 variabel yang tujuannya adalah untuk mencari
perbedaan pada variabel terikat akibat manipulasi variabel bebasnya. Uji ini juga
dapat digunakan untuk membandingkan baik kondsi awal maupun akhir dari dua
kelompok (kelompok perlakuan dan kelompok kontrol).
b. Analisis Varian (ANOVA)
Statistika inferensial yang digunakan berdasar signifikansi perbedaan berdasar tiga
kelompok atau lebih disebut analisis of variance (ANOVA) (Nunnaly, 1975: 227).
Uji varians/ragam merupakan salah satu model pengujian hipotesis yang digunakan
untuk menyelidiki ada tidaknya perbedaan dari sebanyak k buah nilai rata-rata
populasi. Jika uji varians/ragam menunjukkan hasil yang signifikan, berarti sedikitnya
ada dua buah rata-rata yang berbeda. Untuk itu, diperlukan uji lanjut agar dapat
menyelidiki nilai rata-rata yang mana, yang benar-benar menunjukkan perbedaan.
1) Uji Varians/Ragam Satu Jalur (one-way analysis of variance/ one-way
ANOVA)
Jika kita ingin membandingkan perbedaa k buah rata-rata yang tidak berpasangan,
maka analisisnya menggunakan one-way ANOVA. Perbedaan yang terjadi dapat
diakibatkan oleh suatu penyebab yang bersifat alami atau karena manipulasi
melalui eksperimen/percobaan. Pengumpulan data dilakukan setelah populasi
terpapar oleh suatu faktor. Untuk menyelidiki/membuktikan apakah akibat
pengaruh faktor X pada beberapa taraf/level atau kategori (baik dimanipulasi atau
secara alami) menimbulkan paling sedikit ada dua buah rata-rata yang berbeda
secara signifikan, sementara rata-rata populasi tersebut tidak diketahui. Terdapat
penarikan sampel untuk setiap kategori atau level dari faktor X tersebut. Data
yang digunakan ialah data tidak berpasangan.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya.
2) Uji Varians/Ragam Dua Jalur (two-way analysis of varians/ two-way ANOVA)
Uji varians/ragam dua jalur atau uji ragam dwiarah (two-way analysis of variance/
two-way ANOVA) digunakan untuk menyelidiki ada tidaknya perubahan yang
signifikan yang terjadi pada suatu populasi yang mengalami lebih dari satu kali
perubahan, di mana populasi yang bersangkutan tidak diketahui parameternya.
Perubahan yang terjadi dapat diakibatkan oleh suatu faktor yang bersifat alami
atau dimanipulasikan melalui suatu eksperimen. Apabila populasi I terkena faktor
X, maka populasi menjadi populasi I’, kemudian populasi I’ terkena faktor X
dengan level yang berbeda menjadi populasi I’’. Data yang dihimpun berupa data
berpasangan.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan
kategori/level pada variabel bebasnya. Penelitian eksperimen dengan pemberian
perlakuan pada semua kelompok (counterbalance design) dapat dianalisis
menggunakan uji ini.
3) Multiple Classification Analysis of Varians (MANOVA) atau Factorial Analysis of
Varians
Analisis ini digunakan pada penelitian dengan satu variabel dependen dan dua
atau lebih variabel independen. Dalamdesin penelitiannya terdapat kombinasi dari
variabel independennya. Desain penelitian yang digunakan merupkaan penelitian
faktorial, sehingga MANOVA juga disebut Factorial Analysis of Varians
(Popham & Sirotnik, 1973: 176-177). Menurut Nunnaly (1975: 245), penelitian
dengan satu variabel depdenden disebut single-factor design, sedangkan penelitian
dengan lebih dari satu variabel independen disebut factorial design. Terdapat
analisis efek dari variabel independen ke variabel dependennya dan efek antar
variabel independen. Variabel independen dapat saling berinteraksi ataupun tidak.
Penelitian eksperimen dengan dua atau lebih variabel independen dapadt
dianalisis menggunakan analisis ini.
c. Uji Lanjut
Menurut Bambang Subali (2010: 229-230), prinsip uji lanjut dari uji varians/ragam
satu jalur ataupun dua jalur adalah untuk mengetahui letak perbedaan atau mencari
lokasi perbedaan antarmean atau median. Pada uji ragam sebelumnya yang terdiri dari
k rata-rata, maka akan ada rata-rata yang berperingkat lebih tinggi atau lebih rendah
dari rata-rata lainnya. Uji lanjut merupakan uji lanjutan setelah uji varians/ragam.
Apabila hasl dari uji varians/ragam tidak menunjukkan adanya perbedaan yang
bermakna maka uji lanjut tidak diperlukan. Uji lanjut parametri terdiri dari uji Beda
Nyata Terkecil (BNT) atau Least Significant Different (LSD), uji wilayah-berganda
Duncan atau Duncan’s Multi Range Test (DMRT), dan Uji Dunnet.
1) Uji Beda Nyata Terkecil (uji BNT) atau Least Significant Different (LSD), dalam
hal perhitungannya tergolong sederhana dibandingkan jenis uji lanjut lainnya.
Prinsip uji lanjut BNT adalah pembandingan rata-rata antara dua nilai rata-rata
atau pembandingan pasangan rata-rata. Dua rata-rata dinyatakan berbeda secara
nyata/signifikan apabila mempunyai selisih yang lebih besar dibandingkan dengan
nilai BNT atau nilai LSD-nya. Uji BNT digunakan untuk pembandingan
berencana. Artinya, dua nilai rata-rata yang dibandingkan sudah direncanakan dari
awal penelitian, jadi sejak Anda belum memperoleh data. Dengan kata lain, bukan
pembandingan seperti ditunjukkan oleh data. Uji BNT akan menghasilkan
kesimpulan yang bias jika diterapkan untuk membandingkan rata-rata, seperti
ditunjukkan data secara acak, khususnya apabila jumlah taraf atau kategori
variabel besar (lebih dari 6 kategori/taraf).
2) Uji lanjut berupa uji wilayah-berganda Duncan atau DMRT (Duncan’s Multiple
Range Test) merupakan pembandingan antara dua rata-rata dari seluruh nilai ratarata yang ada. Oleh karena itu, uji ini digunakan untuk pembandingan yang tidak
berencana. Di samping itu, pada DMRT, nilai pembanding tidak hanya satu
macam karena setiap nilai selisih dari sepasang data ada nilai pembandingnya.
Dalam hal ini, banyaknya nilai pembanding adalah t-1 buah, di mana t adalah
banyaknya taraf atau kategori perlakuan/pengamatan. DMRT dapat digunakan
untuk mengadakan pembandingan pada seluruh pasangan data yang mungkin
dibandingkan, sekalipun pada perlakuan dengan jumlah taraf atau kategori yang
besar, tanpa menimbulkan efek bias. Dari hasil DMRT dapat dilihat efek
perlakuan atau efek taraf/level atau kategori dari variabel bebas yang paling besar
atau yang paling kecil pengaruhnya di antara t buah taraf atau kategori yang
dikenakan pada variabel tak bebasnya.
3) Uji Dunnet termasuk uji pembandingan tak berencana, namun demikian si peneliti
memang ingin membandingkan akibat level-level atau taraf perlakuan jika
dibandingkan dengan kontrolnya. Jadi, kelompok kontrol merupakan pembanding
tunggal bagi kelompok-kelompok lainnya.
d. Analisis Kovarian (ANCOVA)
Permasalahan dalam penelitian pendidikan ialah penggunaan sampel berupa kelas
yang sudah tersedia seblumnya, atau peneliti tidak dapat mengacak sampel. Peneliti
perlu mempertimbangkan apakah ada variabel lain yang mempengaruhi variabel
dependen selain dari variabel bebas yang dimanipulasi oleh peneliti, misalnya IQ
siswa. Analisis ini mengkombinasikan analisis varians dan analisis regresi. Analisis
ini juga dapat digunakan untuk menunjukkan hubungan antara satu dependen variabel
dengan dua atau lebih variabel yang merepresentasika satu independen variabel.
Analisis ini dapat membuat peneliti menyamakan secara statistik kelompok variabel
independen dengan memperhatikan satu atau lebih variabel lain yang berhubungan
dengan variabel dependen. Sehingga analisis kovarian membolehkan peneliti untuk
meneliti performansi beberapa kelompok yang tidak sama dengan melihat pada suatu
variabel penting seperti mereka sama (Popham & Sirotnik, 1973: 205).
Penelitian yang menggunakan analisis ini ialah penelitian yang bivariat atau
multivariat. Penelitian yang bertujuan menunjukkan hubungan atau efek dari suatu
faktor atau perlakuan, dimana terdapat variabel yang tidak dapat dikontrol dan dapat
mempengaruhi variabel dependen.
e. Uji Korelasi dan Regresi
Menurut Bambang Subali (2010: 252), setelah melakukan uji inferensi untuk
signifikansi perbedaan perbedaan, terdapat analisis untuk menguji hubungan antar
variabel dalam bentuk hubungan korelasi dan regresi.
1) Uji Regresi
Uji regresi digunakan untuk melihat hubungan fungsional antara variabel bebas
(independen) dengan variabel terikatnya (dependen). Hubungan ini dinyatakan
sebagai hubungan kausatif. Terdapat teori yang kuat mengenai ada tidaknya
hubungan fungsionalnya. Analisis ini digunkan untuk memprediksi variabel
dependen (criterion) dengan menggunakan variabel independen (predictor)
(Popham &Sirottnik, 1973: 97). Menurut Bambang Subali (2010: 256), uji regresi
terdiri dari dua jenis, yaitu uji regresi sederhana (linear regression) dan uji regresi
berganda (multiple linear regression).
a) Regresi sederhana
Regresi sederhana dilakukan pada desain penelitian monovariat, dimana
terdapat satu variabel bebas (dependen) dan satu variabel terikat (independen).
b) Regresi berganda (multiple) dengan dua variabel bebas
Model regresi dengan lebih dari satu variabel bebas disebut dengan regresi
ganda atau regresi multipel. Ada banyak kemungkinan model regresi ganda.
Pertama, model regresi ganda tergantung pada banyaknya variabel bebas,
apakah dua, tiga, empat dan seterusnya. Kedua, model regresi ganda juga
tergantung kepada asal variabel bebasnya. Sebagai contoh, regresi ganda
dengan dua variabel bebas memang benar-benar memiliki dua variabel bebas,
di mana variabel bebas yang pertama tidak ada kaitannya dengan variabel
bebas yang kedua.
Penelitian yang menggunakan analisis ini ialah penelitian multivariat dimana
tersapat hubungan fungsional yang sangat kuat antara variabel independen dan
variabel dependennya.
2) Uji Korelasi
Uji Korelasi Parametrik digunakan untuk mencari derajat hubungan antara dua
variabel yang memenuhi persyaratan keparametrikan, yakni data harus berasal
dari populasi yang terdistribusi normal dan skala pengukuran yang digunakan
berupa skala interval atau skala rasio. Dilihat dari banyaknya variabel yang
dikorelasikan, dikenal adanya uji korelasi sederhana jika hanya melibatkan dua
variabel, dan uji korelasi multiple atau korelasi ganda jika melibatkan lebih dari
dua variabel. Dalam uji korelasi multiple, dapat dicari derajat hubungan tiap
pasang variabel melalui uji korelasi parsial.
Dalam hubungan regresi, dari setiap pasangan nilai pengamatan hanya variabel
tak bebasnya yang harus berasal dari populasi yang tersebar normal dan harus
acak, sedangkan untuk hubungan korelasi, setiap pasangan nilai pengamatan
keduanya berasal dari populasi tersebar normal yang merupakan pasangan yang
acak. Dua variabel yang memiliki hubungan regresi memiliki sifat hubungan
kausatif sehingga pasti memiliki hubungan korelasi, sebaliknya, dua variabel
yang memiliki hubungan korelasi belum tentu memiliki hubungan yang sifatnya
regresi. Pasangan variabel yang hanya memiliki hubungan korelasi adalah
pasangan variabel yang memiliki hubungan simetris. Pasangan variabel dikatakan
memiliki hubungan simetris jika keduanya dipengaruhi secara kausatif oleh
variabel lain. Dengan demikian, dua variabel yang memiliki hubungan simetris
hanya menunjukkan hubungan fungsional. Walaupun kedua variabel memiliki
hubungan yang simetris, namun yang satu tetap disebut sebagai variabel bebas dan
pasangannya didudukkan sebagai variabel tak bebas, tetapi variabel bebas bukan
sebagai kausal atau prediktor (predictor) dari variabel tak bebas/tergayutnya.
Salah satu prosedur uji korelasi linier sederhana adalah uji korelasi hasil kali
momen Pearson (Pearson product-moment correlation) (Bambang Subali, 2010:
273-275 dan Popham & Sirotnik, 1973: 96-97).
Desain penelitian yang digunakan merupakan penelitian monovariat dan
multivariat, dengan tujuan mencari hubungan variabel independen dan dependen.
Pada desain penelitian multivariat dapat dilihat besarnya sumbangan masingmasing variabel independen terhadap variabel dependennya.
C. Karakteristik Penelitian Yang Menggunakan Statistik Inferensial Non Parametrik
1. Statistik Inferensial Non Parametrik
Statistik inferensial, sering juga disebut statistik induktif atau statistik probabilitas,
adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya
diberlakukan utuk populasi. Statistik ini akan cocok digunakan bila sampel diambil dari
popualsi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan secara
random. Statistik inferensial fungsinya lebih luas lagi, sebab dilihat dari analisisnya, hasil
yang diperoleh tidak sekedar menggambarkan keadaan atau fenomena yang dijadikan
obyek penelitian, melainkan dapat pula digeneralisasikan secara lebih luas kedalam
wilayah populasi. Karena itu, penggunaan statistik inferensial menuntut persyaratan yang
ketat dalam masalah sampling, sebab dari persyaratan yang ketat itulah bisa diperoleh
sampel yang representatif; sampel yang memiliki ciri-ciri sebagaimana dimiliki
populasinya. Dengan sampel yang representatif maka hasil analisis inferensial dapat
digeneralisasikan ke dalam wilayah populasi.
Statistik inferensial meliputi statistik parametrik dan non parametrik. Statistik
parametrik digunakan untuk menguji parameter populasi melalui statistik, atau menguji
ukuran populasi melalui data sampel. Parameter populasi itu meliputi : rata-rata dengan
notasi µ (mu), simpangan baku σ (sigma) dan varians σ2. Dalam statistik pengujian
parameter melalui statistik (data sampel) tersebut dinamakan uji hipotesis statistik.
Nonparametric techniques required far fewer assumptions about populatoin data, these
techniques have often been referred to as distribition free pocedures (Popham
James,1973:268). Statistik nonparametrik tidak menguji parameter populasi, tetapi
menguji distribusi. Statistik non parametrik tidak menuntut terpenuhinya banyak asumsi,
asumsi tersebut adalah terpenuhinya syarat agar suatu data penelitian dianalisis dengan
statistika inferensial nonparametrik adalah
a.
Persyaratan pertama dari keparametrikan ini adalah uji normalitas data. Apabila
datanya tidak berdistribusi normal maka harus di uji secara non parametrik.
b.
Persyaratan kedua pemakaian teknik analisis statistika parametrik yaitu juga
terpenuhinya kehomogenan varians/ragam. Jika dari suatu penelitian kita ingin
melihat perbedaan yang terdapat di antara kelompok-kelompok pengamatan, maka
kelompok-kelompok pengamatan tersebut harus merupakan sampel dari populasipopulasi yang memiiki varians/ragam yang sama/homogen. Jika variannya tidak
homogen maka diuji secara nonparametrik.
c.
Persyaratan ketiga pemakaian prosedur teknik nonparametrik yaitu bahwa data
berupa data nominal (data hitung/data cacah) dan data ordinal (data berperingkat).
(Bambang Subali,2010:135)
1) Data Nominal
Data ini juga sering disebut data diskrit, kategorik, atau dikhotomi. Disebut
diskrit karena ini data ini memiliki sifat terpisah antara satu sama lainnya, baik
pemisahan itu terdiri dari dua bagian atau lebih; dan di dalam pemisahan itu tidak
terdapat hubungan sama sekali. Masing-masing kategori memiliki sifat tersendiri
yang tidak ada hubungannya dengan kategori lainnya. Sebagai misal data hasil
penelitian dikategorikan kedalam kelompok “ya” dan “tidak” saja.
Contohnya :
Laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah “tidak laki-laki”),
kawin /tidak kawin; janda/duda, dan lainnya.
Jenis pekerjaan dapat digolongkan secara terpisah menjadi pegawai negri,
pedagang, dokter, petani, buruh dsb.
Suku, golongan darah, jenis penyakit, bentuk atau konstitusi tubuh.
b. Data Ordinal
Data ordinal adalah data yang menunjuk pada tingkatan atau penjenjangan
pada sesuatu keadaan. Berbeda dengan data nominal yang menunjukkan adanya
perbedaan secara kategorik, data ordinal juga memiliki sifat adanya perbedaan di
antara obyek yang dijenjangkan. Namun dalam perbedaan tersebut terdapat suatu
kedudukan yang dinyatakan sebagai suatu urutan bahwa yang satu lebih besar atau
lebih tinggi daripada yang lainnya.Kriteria urutan dari yang paling tinggi ke yang
yang paling rendah dinyatakan dalam bentuk posisi relatif atau kedudukan suatu
kelompok.
Contoh dari data ini misalnya:
Prestasi belajar siswa diklasifikasikan menjadi kelompok “baik”, “cukup”, dan
“kurang”, atau ukuran tinggi seseorang dengan “tinggi”, “sedang”, dan “pendek”.
2. Karakteristik Penelitian Pada Berbagai Macam Jenis Uji di Statistika Inferensial
Nonparametrik
a. Uji beda 2 rata – rata Nonparametrik
Uji Beda 2 Rata – Rata Data Berpasangan (Uji Peringkat Bertanda
Wilcoxon)
In nonparametric tests, a frequently used procedure for testing differences
between related samples is the test. The wilcoxon test uses not only the direction of
differences between pairs( when two measures for the same individual are taken,
these are considered to represent a pair) but also the relative magnitude of the
diferences ( Popham James,1973:275). Dalam suatu penelitian jika data berpasangan
yang diperoleh merupakan data dengan skala interval atau rasio, namun jika distribusi
populasinya tidak normal atau tidak diketahui kenormalannya maka dilakukan uji
peringkat bertanda data berpasangan Wilcoxon. Selain itu jika data yang diperoleh
merupakan data dengan skala ordinal atau nominal. Dalam keadaan demikian, harus
digunakan uji nonparametrik atau uji bebas distribusi, yaitu menggunakan uji
peringkat bertanda data berpasangan wilcoxon (wilcoxon macthed-pair signed-ranks
test) atau cukup disebut uji peringkat bertanda wilcoxon. Tentu saja, kesimpulan
yang diperoleh nantinya adalah kesimpulan yang tidak memperhatikan distribusi
populasi sehingga sifatnya menjadi sangat terbatas.
Penelitian yang menggunakan uji ini merupakan penelitian bivariat atau
penelitian yang menggunakan 2 variabel yang tujuannya adalah untuk mencari
perbedaan pada variabel terikat akibat perbedaan level pada variabel bebasnya namun
data yang didapat pada penelitian tidak memenuhi syarat keparametrikan. Data yang
diuji dalam uji peringkat bertanda data berpasangan Wilcoxon ini haruslah
berpasangan.
Uji Beda 2 Rata – Rata Data Tidak Berpasangan (Uji U Mann-Whitney)
If the two samples involved do not consist of matched pairs, the researcher
has a variety of nonparametric difference tests at his disposal. If the data are
numerical in nature, the Mann – Whitney U Test is frequently employed (Popham
James,1973:276). Jika data penelitian merupakan data yang tidak berpasangan atau
independent , kemudian nilai parameter nominal dan ordinal selain itu jika distribusi
populasinya tidak normal maka kita harus menggunakan uji nonparametrik atau uji
bebas distribusi, yakni uji u mann whitney. Tentu saja seperti halnya uji peringkat
bertanda wilcoxon, kesimpulan yang anda peroleh dari hasil uji mann-whitney juga
kesimpulan yang tidak memperhatikan distribusi populasi sehingga sifatnya menjadi
sangat terbatas.
Penelitian yang menggunakan uji ini merupakan penelitian bivariat atau
penelitian yang menggunakan 2 variabel yang tujuannya adalah untuk mencari
perbedaan pada variabel terikat akibat perbedaan level pada variabel bebasnya namun
data yang didapat pada penelitian tidak memenuhi syarat keparametrikan. Data yang
diuji dalam uji u mann whitney ini haruslah independent.
b. Uji Varians Nonparametrik
Uji Varians/Ragam Satu Jalur Berjenjang Kruskal-Wallis
If the dependent variabel data are numerical in nature, the kruskal wallis test
may be employed. This techniques requires that the dependent variable under
analysis is continuously distributed , that is has no extended gaps where no scores
appear ( Popham James,1973:279). Jika kita ingin membandingkan k buah rata-rata
yang tidak berpasangan, yang datanya diukur menggunakan skala interval atau rasio,
tetapi jika distribusinya tidak normal maka tidak dapat diuji secara parametrik dengan
uji varians/ragam satu jalur yaitu menggunakan uji varians/ragam satu jalur
berjenjang Kruskal-Wallis. Uji ini juga digunakan jika data yang Anda peroleh berupa
data skala ordinal. Kesimpulan yang diperoleh nantinya adalah kesimpulan yang tidak
memperhatikan distribusi populasi sehingga sifatnya menjadi sangat terbatas. Selain
itu, distribusi dari k populasi tersebut identik, kecuali dalam hal lokasi yang mungkin
berbeda untuk sekurang-kurangnya satu populasi.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan. Data yang diuji dalam uji berjenjang kruskal-wallis ini haruslah
independent.
Uji Varians/Ragam Dua Jalur Berperingkat Friedman
When one wishes to determined if three or more matched samplediffer
significantly with respect to data measured at least on an ordinal scale, the friedman
test may be employed ( Popham James,1973:280). Jika ada k buah rata-rata data
berpasangan yang diperoleh merupakan data dengan skala interval atau rasio, namun
distribusi populasinya tidak normal atau tidak diketahui kenormalannya maka
digunakan uji nonparametrik atau uji bebas distribusi, yakni menggunakan uji varians/
ragam dua jalur berperingkat Friedman. Hal itu juga dapat dilakukan jika data yang
kitaa peroleh berupa data skala ordinal. Tentu saja kesimpulan yang Anda peroleh
nantinya adalah kesimpulan yang tidak memperhatikan distribusi populasi sehingga
sifatnya menjadi sangat terbatas.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan. Data yang diuji dalam uji berjenjang kruskal-wallis ini haruslah data
berpasangan.
c. Uji Lanjut Nonparametrik
Uji Dunn
Jika pada suatu penelitian telah melakukan uji varians/ragam model KruskalWallis. Uji varians/ragam model Kruskal-Wallis, dapat digunakan untuk mengetahui
perbedaan antara rata-rata skor populasi yang tidak berdistribusi normal atau tidak
diketahui distribusinya atau yang tidak memenuhi persyaratan untuk diuji secara
parametrik. Apabila Ho yang diajukan ditolak, uji ini hanya mengatakan bahwa ratarata skor populasi-populasi yang diuji adalah tidak homogen, atau minimal ada satu
rata-rata skor yang mempunyai harga lebih besar dari yang lainnya. Dari uji ini belum
diketahui, rata-rata yang mana sebenarnya yang tidak sama tersebut. Seperti pada uji
varians/ragam terdahulu, untuk mengetahui lokasi perbedaan ini, juga perlu dilakukan
uji lanjut. Uji Dunn merupakan salah satu jenis uji lanjut nonparametrik yang cocok
digunakan sesudah uji Kruskal-Wallis. Uji Dunn melakukan pembandingan berganda
atas rata-rata peringkat skor tiap populasi. Pada uji ini digunakan nilai kritis sebagai
pembanding untuk tiap pasangan rata-rata peringkat skor. Laju kesalahan pada
prosedur pembandingan berganda ini meningkat dengan semakin banyaknya sampel
atau populasi yang dibandingkan. Oleh karenanya, taraf nyata yang dipergunakan
pada uji ini lebih besar dibandingkan pada uji-uji statistika inferensial, yakni berkisar
0.15 sampai dengan 0,25. Rata-rata skor dua populasi yang dibandingkan dinyatakan
berbeda nyata apabila selisih rata-rata peringkat skornya lebih besar daripada nilai
kritisnya ( Bambang Subali,2010:245).
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan selain itu data yang diuji ini haruslah independent. Pada suatu
penelitian apabila Ho yang diajukan ditolak setelah diuji kruskal-wallis, yaitu ratarata skor populasi-populasi yang diuji adalah tidak homogen, atau minimal ada satu
rata-rata skor yang mempunyai harga lebih besar dari yang lainnya. Dari uji kruskal
wallis belum diketahui rata-rata yang mana sebenarnya yang tidak sama tersebut.
Seperti pada uji varians/ragam, untuk mengetahui lokasi perbedaan ini, juga perlu
dilakukan uji lanjut. Uji Dunn merupakan salah satu jenis uji lanjut nonparametrik
yang cocok digunakan sesudah uji Kruskal-Wallis.
Uji Lanjut Setelah Friedman
Uji Friedman digunakan untuk melakukan uji varians/ragam data berpasangan
yang tidak memenuhi persyaratan untuk diuji secara parametrik. Apabila ternyata uji
Friedman menunjukkan penolakan Ho, berarti ada perbedaan yang signifikan
(bermakna) antarkelompok perlakuan atau antarkelompok yang berbeda kondisinya.
Signifikansi perbedaan yang diperoleh dari uji Friedman, dapat diketahui letak atau
lokasi perbedaannya, juga melalui uji lanjut nonparametrik. Model uji lanjut setelah uji
Friedman juga hampir sama dengan uji Dunn. Namun demikian, karena data
berpasangan maka ukuran (n) sampel atau banyaknya data pengamatan antarkelompok
perlakuan atau antarkelompok kondisi adalah sama. ( Bambang Subali,2010:249)
d. Uji Korelasi Nonparametrik Spearman
Uji korelasi berjenjang/berperingkat Spearman digunakan untuk mencari
derajat hubungan korelasional dua variabel yang tidak memenuhi persyaratan
keparametrikan. Pemasangan-pemasangan nilai pengamatan tidak berasal dari
populasi yang tersebar normal walaupun skala pengukuran yang digunakan
merupakan skala interval atau skala rasio. Uji korelasi ini juga digunakan untuk
mencari derajat hubungan korelasional dua variabel yang datanya diukur
menggunakan skala ordinal. Disebut uji korelasi berjenjang atau berperingkat karena
data mentah yang ada harus diubah ke skala ordinal dengan cara memberikan
peringkat terhadap data mentah yang akan diolah.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat atau
bivariat dimana peneliti memiliki tujuan untuk mencari hubungan antara variabel
yang diteliti namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan.
D. Karakteristik Penelitian Yang Menggunakan Sajian Data Deskriptif Naratif
Penelitian yang menggunkan sajian data deskriptif ini adalah penelitaian kualitatif.
Penelitian kualitatif merupakan penelitian yang biasanya datanya berupa sajian data
berbentuk narasi. Data yang berbentuk narasi ini akan daianalisis dengan analisis naratif.
Ada beberpa bentuk analitis di dalam analisis naratif. Yang akan kita bahas di
siniberkaitan erat dengan perspektif formalistik; perspektif ini menggap bahwa teks
memiliki koherensi internal. Koherensi
internal tersebut disatupadukan dengan dasar
kode, sintaksis, gramatika, dan bentuk.
Formalisme rusia, yang di pelopori
oleh karya –karya Jakobson, Skhlovskif,
Bakhtin, Uspensky, Propp, dan tentu saja todorov (penulis keturunan rumania- prancis)
menekankan teorinya pada peran bentuk dalam mengemban makna di dalam naratif
(simak Jameson, 197: 615). Dari beberapa tokoh formalisme Rusia, yang paling di kenal
luas mungkin adalah vladimir Propp (1968); ia berusaha menganalisis dongeng-dongeng
Rusia dengan teknik analisis kuasi-aljabar. Propp mengklaim bahwa semua dongeng Rusia
dapat dipahami dengan empat prisip dasar; fungsi karakter merupakan elemen dongeng
yang stabil; fungsi-fungsi di dalam dongeng amatlah terbatas; sekuen-sekuen fungsi
tersebut selalu identik; dan dongeng hampir selalu berpegang pada struktur (empat prinsip
ini kami parafrasakan dari Propp, 1968, bagian II). Lain Propp maka lain pula dengan
Levis Strauss (1963); ia menganalisis mitos dengan dasar oposisi biner (analisis ini
meminjam konsep linguistik Roman Jakobson), sistem relasi tertutup, model sinkronis,
dan satuan-satuan baku. Ada hal lain yang membuat Strauss berbeda dengan Propp;
menurut Strauss, cerita (‘mitos’) bersifat paradigmatis dengan dasar oposisi dan bukan
dengan fungsi-fungsi yang bersifat liniear (sintagmatis). Selain Strauss dan Propp, ada
pula tokoh-tokoh strukturalisme (semiotik) lain seperti Lotman (1990) dan Greimas
(1966); kedua tokoh ini mengembangkan penelitianya dari dasar oposisi dan kontradiksi,
dasar tersebut kemudian dugunakan untuk menganalisis struktur kemasyarakatan (simak
Jacson, 1986).
Dua bentuk pendekatan dalam analisis naratif yakni pendekatan ‘atas-bawah’ (topdown) dan pendekatan ‘bawah-atas’ (bottom-up) membuat perbedaan asumsi tentang
organisasi magna kognitif. Pendekatan ‘atas bawa’ sangat berpengaruh pada bidang
pendidikan dan psikologi kognitif (Rumelhart, 1977; rumelhart dan Norman, 1981).
Penelitian dibekali dengan serangkaian peraturan dan dan prinsip, pencarian makna teks
dilakukan dengan mempergunakan atarun dan prinsip tersebut (Simak Boje, 1991; Heise
1992). Misalnya, ketika menggunakan etnograf, sebuah program di dalam analisis naratif,
sebuah program di dalam analisis naratif; sebuah peristiwa (Seperti Revolusi Rusia)
mestilah direduksi atau disederhanakan ke dalam serangkaian proposisi. Peristiwa
memerlukan prasyarat atau sebab (prakondisi yang menjadi sebab terjadinya Revolusi
Rusia, katakanlah ‘kelaparan’). Peristiwa Revolusi Rusia terjadi karena sebab-akibat yang
bermula dari prasyarat tersebut (setiap sebab mesti selalu mengandaikan akibat-misalnya,
kelaparan menimbulkan kekacauan). Sebuah prasyarat bagi sebuah peristiwa mestilah
mencapai puncak terlebih dahulu sebelum bisa terulang kembali. Dalam konteks ini, yang
‘diuji’ adalah model biner (yang bersifat tertutup dan terpatok) dari sang peneliti –
musabab kelaparan bisa diakhiri dengan kekacauan atau bukan dengan kekacauan, sebuah
peristiwa mungkin terjadi tetapi mungkin juga tidak. Pendekatan ini banyak dipengaruhi
oleh psikologi kognitif dan ilmu komputer; analisis seperti ini munkin dilakukan ketika
kapasitas memori dan fleksibilitas komputer dan perangkat lunak yang di pakai dalam
penelitian mencukupi. Lawan dari pendekatan ‘atas-bawah’ adalah pendekatan ‘bawahatas’; pendekatan ini dapat ditemukan pada hampir semua penelitian etnografis.
Pendekatan ‘atas-bawah’ menggunakan satuan-satuan makna yang bergantung pada
konteks untuk memproduksi infrastruktur yang menjelaskan efek darisuatu cerita. Dwyer
(1982) misalnya; ia mempresentasikan materi-materi penelitian dalam bentuk dialog,
antara dirinya sendiri dengan ‘diri lain’ yakni seorang Faquir. Di lain pihak, crapanzano
(1980) melakukan interpolasi dan berkomentar terhadap budaya maroko. Laporan
penelitian seoerti ini kerap diperoleh dari wawancara pribadi atau dokumen-dokumen;
meski demikian, proses penerjemahan materi-materi ini ke dalam argume-argumen yang
koheren masih tetap ambigu ( Atkinson, 1992;Riessman, 1993).
Beberapa
penelitian
membedakan
naratif
berbeda,
cerita
rekaan
‘diri’
(selfformatted stories), dengan naratif rekaan eksternal seperti wawancara kesehatan.
Cicourel (1973, 1982, 1985, 1986) berhasil membuktikan bahwa kedua pendekatan ini
kurang mampu memahami cara manusia dalam memproses dan mencerap pengalaman
indrawi. Kemudian, ia juga mempertanyakan kemampuan dua model ini dalam
menguraikan nalar manusia karena model ini cenderung memandangnya sebagai proses
mekanis dan linear. Perbedaan mendasar antara model interaksi prabentuk dengan model
bertujuan instrumental seperti wawancara medis, survei, dan cerita pribadi (yang rumit,
ekspresif, dan kacau) mirip seperti naratif dalam sastra. Situasi kehidupan sang persona,
realitas kekinian yang ia alami dipandang dari perspektif tubuh, wawancara kesehatan
cenderun
Deskriptif dan Inferensial
Disusun sebagai tugas dari mata kuliah Metodologi Penelitian Pendidikan
Dosen : Prof. Dr. Bambang Subali, M.S.
Disusun oleh :
Kelompok 3
Nastia Cahyaning Ahsani
Temi Ainul Safitri
Riska Septia Wahyuningtyas
Firmansah
16725251014
16725251016
16725251020
16725251030
PROGRAM STUDI PENDIDIKAN BIOLOGI
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI YOGYAKARTA
2016
BAB 1
PENDAHULUAN
A. Latar Belakang
Banyak sekali bentuk penelitian yang kita temui. Bentuk luasnya bisa berbeda, namun
jiwa dan penalarannya adalah sama. Atas dasar itu yang paling penting adalah bukan
mengetahui teknik-teknik pelaksanaannya, melainkan memahami dasar pikiran yang
melandasinya. Pemilihan bentuk dan penulisan merupakan masalah selera dan preferensi
perorangan maupun lembaga dengan memperhatikan berbagai faktor lainnya, seperti
masalah apa yang sedang dikaji, siapakah pembaca tulisan ini dan dalam rangka kegiatan
penelitian apa akan disampaikan.
Secara umum penelitian dapat didefinisikan sebagai kegiatan manusia dalam rangka
memperoleh pengetahuan secara sistematik dengan menggunakan alat-alat dan cara-cara
tertentu. Secara luas suatu penelitian dapat berarti menemukan teori baru dengan
menggugurkan teori lama, menambahkan sesuatu yang baru pada teori lama, atau benarbenar menemukan sesuatu yang baru yang belum ada sebelumnya.
Jenis penelitian apa yang harus digunakan, selalu didasarkan pada masalah yang
diteliti, bukan ditetapkan jenis penelitiannya dulu baru ditetapkan masalahnya. Stelah
dilakukan penelitian maka didapatkan beragam jenis data, setiap penelitian mempunyai
cara sendiri – sendiri untuk mengolah datanya. Hal tersebut tergantung pada tujuan
penelitian tersebut ingin mengetahui apa dari data yang telah didapat. Cara mengolah data
juga bergantung pada jenis data yang didapat dari hasil penelitian. Suati cara mengolah
data didasarkan juga pada penelitian tersebut merupakan jenis penelitaian monovariat,
bivariat, atau multivariat. Karena ada berbagai jenis cara mengolah data, maka dimakalah
ini akan dibahas bagaimana karakteristik suatu penelitian tersebut berdasarkan cara
mengolah datanya.
B. Tujuan
1. Mengetahui karakteristik penelitian yang menggunakan statistika deskriptif untuk
mengolah data
2. Mengetahui karakteristik penelitian yang menggunakan statistika inferensial parametrik
untuk mengolah data
3. Mengetahui karakteristik penelitian yang menggunakan statistika inferensial
nonparametrik untuk mengolah data
4. Mengetahui karakteristik penelitian yang menggunakan sajian deskriptif naratif
BAB II
ISI
A. Karakteristik Penelitian Yang Menggunakan Statistik Deskriptif
1. Pengertian Statistika Deskriptif
Statistika deskriptif merupakan prosedur dan penyajian data untuk
memberikan desktiptif atau gambaran dari variabel kuantitatif sehingga merupakan
variabel yang dapat di ukur. Dalam pengumpulan data, statistik memberikan pedoman
supaya data yang akan di koleksi merupakan data numerik, selanjutnya dapat diolah
menggunakan prosedur statistika (Bambang Subali, 2010, 49 ).
Statistik deskriptif hanya berhubungan dengan hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data atau keadaan atau fenomena.
Dengan kata lain, statistik deskriptif hanya berfungsi menerangkan keadaan, gejala,
atau persoalan. Contoh pernyataan yang termasuk dalam statistik deskriptif, yaitu :
banyaknya siswa kelas VA, VB, dan VC berjumlah 100 orang. Untuk mengetahui
tingkat kehadiaran siswa selama satu tahun, kepala sekolah dapat melihat daftar siswa
yang tidak hadir dari catatan petugas tata usaha. Cuplikan data tersebut sebagai
berikut.
Tabel 1.1 Daftar siswa yang tidak hadir pada tahun 2006
No
001
002
003
004
005
Nama Siswa
Amir Husen
Ipung Rahmtias
Sukeni
Suharmi
Kelana
Jumlah Tidak Hadir
20
16
10
1
27
Dari tabel 1 dapat diperoleh gambaran mengenai jumlah hari ketidakhadiran
siswa. Data ini dapat dijadikan sebagai acuan sebagi kepala sekolah untuk
memberikan laporan kepada orang tua siswa. Penarikan kesimpulan pada statistik
deskriptif hanya ditujukan pada kumpulan data yang ada. Prosedur statistik yang
digunakan dalam menggambarkan sifat-sifat besar sampel, atau dari populasi di mana
populasi menyediakan data yang lengkap, yang disebut oleh beberapa penulis sebagai
satatistik deskriptif. jika kita mengukur IQ dari populasi lengkap mahasiswa di sebuah
universitas tertentu dan menghitung mean IQ, yang berarti adalah statistika deskriptif
karena menggambarkan sebuah karakteristik dari populasi. jika, di sisi lain, kita
mengukur IQ dari sampel 100 mahasiswa dan menghitung IQ rata-rata untuk sampel,
yang berarti juga statistik descriftive karena menggambarkan karakteristik dari sampel
itu (Forguson, A.George and Takane Yoshio,1989, hlm : 9).
Data pada tingkat populasi menggambarkan karakteristik populasi disebut
parameter populasi. Data sampel yang menggabarkan karakteristik data sampel
disebut statistik sampel. Nilai sampel tersebut dianggap menjadi sebuah perkiraan dari
parameter populasi (Forguson, A.George and Takane Yoshio,1989 : 10).
2. Analisis Data
Untuk pengumpulan data dapat dilakukan dengan dua cara yaitu sensus dan
sampling. Dalam penelitian sensus, data yang diperoleh adalah data populasi. Dengan
demikian, data yang kita peroleh langsung mendeskripsikan keadaan populasi yang
kita teliti. Jika data yang diperoleh berupa data numerik maka kita dapat
menggunakan statistika deskriptif untuk mengolahnya.
Dalam penelitian sampling, data numerik sampel diolah menggunakan
metode statistika deskriptif untuk memberikan gambaran atau deskripsi dari
karakteristik sampel yang diteliti. Pada tingkat populasi menggambarkan karakteristik
populasi dan disebut parameter populasi, sedangkan data sampel menggambarkan
karakteristik sampel disebut data statistik sampel. Metode statistika deskriptif
digunakan untuk menganalisi data populasi hasil sensus sehingga diperoleh parameter
populasi. Metode statistika deskriptif juga untuk megolah data pada tingkat sampel
sehingga diperoleh statistika sampel.
Jika peneliti menggunakan penelitian kasus, kemudian menganalisis data
dengan menggunakan analisis statistika deskriptif maka akan memperoleh nilai atau
harga yang dimiliki oleh kasus yang sedang diteliti, disebut data statistika kasus.
3. Menyusun Data dalam berbagai Bentuk
a. Penyajian Data dalam Betuk Diagram
a) Histogram
Histogram atau diagram batang yang meyajikan data dalam bentuk
baok/batang.
Gambar 1.1 bentuk histagram
b) Diagram garis
Diagram garis dicirikan dengan adanya garis yang menghubungkan
titik-titik , dimana tiap titik menunjukkan besarnya harga kategori atau
taraf/level variabel yang diukur.
c) Diagram Lingkaran
Diagram lingkaran merupakan sajian data dalam bentuk irisan-irisan dari
suatu lingkaran. Tiap irisan menyajikan besarnya harga tiap kategori atau
taraf/level variabel yang diukur. Bentuk diagram lingkaran dapat dilihat di
bawah.
Gambar 1.2 bentuk diagram lingkaran
b. Penyajian Data dalam Bentuk Tabel
a) Daftar frekuensi distribusi
Disebut distribusi frekuensi karena data yang disajikan berupa
banyaknya pemunculan fenomena/kejadian dari suatu variabel melalui
kegiatan penghitungan. Frekuensi numerik menyajikan data frekuensi atau
pemunculan kejadian di kelas-kelas interval bersifat kuantitatif. Jika
persentase fenomena disajikan apa adanya maka distribusi frekuensi berupa
distribusi frekuensi absolut. Jika frekuensi fenomena disajikan dalam bentuk
persentase di sebut distribusi frekuensi relatif. Data frekuensi yang dapat di
jumlahkan secara kumulatif sehingga distribusinya berupa distribusi frekuensi
kumulatif.
Distribusi frekuensi akan mudah di baca jika disajikan dalam bentuk
grafik atau diagram, misal dalam bentuk batang. Dalam hal ini aksis X di
sajikan kelas/kategori, sedangkan pada ordinat Y disajikan frekuensi yang
dilukis dalam bentuk batang. Distribusi frekuensi yang disajikan dalam bnetuk
grafik, kelas-kelas dari variablenya disajikan berupa nilai-nilai tengahnya.
Titik-titik yang menunjukkan harga frekuensi dari tiap nilai tengah tersebut
dihubungkan sehingga membentuk grafik yang disebut poligon (Bambang
Subali, 2010 : 58). Dalam frekuensi poligon diasumsikan bahwa semua kasus
di setiap interval terkonsentrasi pada titik tengah dari interval. Ini merupakan
perbedaan penting antara histogram dan poligon frequensi. Dibandingkan
dengan menggambar garis horizontal yang panjangnya penuh dari interval,
seperti membuat titik-titik yang kemudian dihubungkan (Forguson, A.George
and Takane Yoshio,1989 : 26).
Gambar 1.3 frekuensi poligon
Distribusi frekuensi juga dapat disajikan dalam bentuk kurve, yaitu
apabila garis lurus yang menghubungkan frekuensi dari masing-masing nilai
tengah pada poligon diganti dengan garis lengkung sedemikian rupa sehingga
luas bidang di bawah kurve sama dengan luas bidang di bawah poligon. Dapat
pula disebut ogiv. Dalam hal ini aksis X mencantumkan nilai tengah atau
tanda kelas (class mark) tiap kelas dari variabelny, dan ordinat Y menyajikan
harga frekuensi kumulatif.
Gambar 1.4 bentuk tabel Ogiv
4. Tendensi Sentral atau Ukuran Gejala
Gejala pusat atau tendensi sentral merupakan nilai atau harga atau ukuran
gejala pusat mampu memberi gambaran tentang posisi atau letak pusat data atau
nilai-nilai pengamatan, baik dalam bentuk data terserak maupun yang sudah
dikelompokkan dalam bentuk tabel distribusi frekuensi. Posisi atau letak pusat
data dapat dilihat dari besarnya harga rat-rata, modus, median, kuartil, desil, dan
persentil.
1) Rata-rata (MEAN)
Dengan mendifinisikan rata-rata hitung merupakan jumlah dari
serangkaian
pengukuran data dibagi dengan banyaknya jumlah
pengukuran dalam data tersebut. Seperti: 7, 13, 22, 9, 11, 4. Totalnya 66.
Sehingga mean hitung terbagi dengan 6 atau 11 (Forguson, A.George and
Takane Yoshio,1989 : 53).
2) Modus
Modus adalah data yang memiliki frekuensi pemunculan terbanyak. Oleh
karena itu, cara mencari modus di lihat dari beberapa kali suatu data
muncul di antara seluruh data yang ada. Untuk lebih mudah melacak letak
modus, data diurutkan dari yang terkecil ke yang terbesar atau sebaliknya.
3) Median
Median adalah suatu nilai yang membagi data yang telah diurutkan
besarnya (dari yang terbesar sampai yang terkecil atau sebaliknya),
menjadi dua kelompok data, yakni data kelompok atas dan data kelompok
bawah dengan anggota yang sama banyaknya. Untuk menentukan letak
median dengan rumus :
Posisi Me = (N + 1)/2 (Bambang Subali, 2010, 71-79).
5.
Ukuran Penyimpangan atau Variabilitas
Ukuran Penyimpangan atau Variabilitas atau dispersi karena merupakan
ukuran yang mampu memberi gambaran tentang besar kecilnya data terhadap rataratanya. Ukuran penyimpangan juga menunjukkan keberagaman harga data atau
nilai pengamatan.
Besarnya penyimpangan data dari rata-ratanya dapat dilihat dari harga kisaran
atau rentangan (range), simpangan rata-rata (mean deviation), simpangan baku
(standar deviation), varian/ragam (variance), dan koefisien variasi (coefficient of
variability/coefficient of variation) (Bambang Subali, 2010, 83).
a. Rentangan (range)
Rentangan (range) adalah selisih antara nilai pengamatan terkecil dengan nilai
pengamatan terbesar dari suatu data.
R = nilai pengamatan terbesar – nilai pengamatan terbesar
b. Simpangan rata-rata (mean deviation)
Simpangan atau deviasi adalah jumlah dari harga mutlak selisih antara setiap
data dengan rata-ratanya. Jika simpangan atau deviasi tersebut dibagi dengan
banyaknya data (N untuk populasi atau n untuk sampel) maka akan diperoleh
simpangan rata-rata.
Rumus simpangan rata-rata atau deviasi rata-rata adalah sebagai berikut :
Simpangan rata-rata populasi =
∑ ⃒⃒ Yi−μ ⃒⃒
Simpangan rata-rata sampel =
N
∑ ⃒⃒ Yi−Ȳ ⃒⃒
n
c. Simpangan Baku atau Deviasi Standar (Standard Deviation)
Disebut simpangan baku atau deviasi standar karena ukuran ini menunjukkan
standar penyimpangan dari rata-ratanya. Dalam menyajikan gambaran
penyimpangan yang terjadi, lebih umum disajikan harga simpangan baku
daripada ukuran simpangan rata-ratanya.
Simpangan baku yang diberi notasi σ (sigma) dapat di hitung menggunakan
rumus di bawah ini :
σ=
√
∑ (Yi−μ)² = √∑ ¿ ¿ ¿ ¿
N
d. Galat Baku atau simpangan baku rata-rata (standard error)
Galat Baku atau simpangan baku rata-rata (standard error) adalah
simpangan baku dibagi dengan akar banyaknya data. Galat baku diberi notasi
σ
σȲ = √ N
e. Variansi atau Ragam (variance)
Varians atau ragam (variance) adalah kuadrat dari simpangan baku. Varians
atau ragam populasi diberi simbol σ² .
f. Koefisien Variasi/Koefisien Variabilitas atau Angka Baku (Coeffisien Of
Variability/Coeffisien Of variation)
Koefisien varians (Coeffisien Of variation) adalah simpangan baku
dibagi dengan rata-ratanya dikalikan 100%. Koefisien variasi diberi simbol
CV.
6. Karakteristik Penelitian
Statistika Deskriptif
yang
Menggunakan
Uji
Dengan
Penelitian dengan statistika deskriptif mempunyai karakteristik-karakteristik
bahwa :
a. Penelitian yang menggunakan statistika deskriptif adalah penelitian
monovariat dengan satu variabel, misalkan jika seorang peneliti ingin
mengetahui keterlaksanaan kurikulum 2013 di lapangan, maka peneliti
harus menggunakan statistika deskriptif.
b. Dalam pengumpulan data, statistika deskriptif memberikan pedoman
supaya data yang akan dikoleksi merupakan data numerik, agar selajutnya
dapat diolah menggunakan prosedur statistika.
c. Dalam penyajian datanya, statistika deskriptif masih belum teroganisasi
menjadi data yang terorganisasi dalam bentuk tabel/daftar ataupun
diagram.
d. Selanjutnya, data agar mudah di baca, maka akan disajikan dalam bnetuk
ukuran-ukuran pemusatan atau tendensi sentral beserta ukuran-ukuran
penyimpangannya (Bambang Subali, 2010, 49-50).
B. Karakteristik Penelitian Yang Menggunakan Statistik Inferensial Parametrik
Statistika
inferensial
merupakan
pengukuran
sampel
yang
akan
merepresentasikan populasi secara keseluruhan (Nunnaly, 1975: 5). Statistika
inferensial terbagi menjadi inferensial logik-deduktif dan inferensial induktif.
Inferensial deduktif berkaitan dengan penarikan kesimpulan dari matematika dan
system formal-logik lainnya. Inferensial induktif terkait secara langsung dengan
kejadian sehari-hari, membuat estimasi dari data yang dikumpulkan. Inferensial
induktif ini adalah oengenerelisasian dari keadian spesifik kepada prinsip dari suatu
fenomena. Dalam inferensial induktif, berdasar pada peluang daripada kepastian
(Nunnaly, 1975: 177-178). Statistika inferensial merupakan pengolahan atau analisis
data statistik sampel sehingga berlaku pada tingkat populasi dengan taraf kesalahan
yang ditentukan. Statistika inferensial disebut juga dengan statistika induktif, karena
ada penarikan kesimpulan yang bersifat umum dari data sampel berupa fakta-fakta
yang sifatnya khusus (Bambang Subali, 127). Statistika inferensil digunakan untuk
menarik kesimpulan yang sah, diobservasi dari sampel dan digeneralisasikankepalda
populasi (Popham & Sirotnik, 1973: 4). Berdasarkan uraian di atas, maka dapat
disimpulkan bahwa statistika inferensial merupakan penarikan kesimpulan dari
pengukuran data sampel yang digeneralisasikan kepada populasi.
1. Pengertian Statistik Inferensial Parametrik
Terdapat dua teknik atau prosedur statistika inferensial, yakni statistika
parametrik dan statistika non-parametrik. Disebut statistika parametrik, karena
kesimpulan hasil analisis dapat berlaku pada tingkat populasi dengan catatan bahwa
populasi yang bersangkutan memiliki distribusi normal.Statistik inferensial meliputi
statistik parametrik dan non parametrik. Statistik parametrik digunakan untuk menguji
parameter populasi melalui statistik, atau menguji ukuran populasi melalui data
sampel. Parameter populasi itu meliputi : rata-rata dengan notasi µ (mu), simpangan
baku σ (sigma) dan varians σ2. Dalam statistik pengujian parameter melalui statistik
(data sampel) tersebut dinamakan uji hipotesis statistik.
Persyaratan dalam menggunkan prosedur statistika parametrik menurut Bambang
Subali (2010:135) ialah:
a. Distribusi populasi tersebar secara normal.
b. Terpenuhinya kehomogenan varians/ragam. Jika dari suatu penelitian kita ingin
melihat perbedaan yang terdapat di antara kelompok-kelompok pengamatan, maka
kelompok-kelompok pengamatan tersebut harus merupakan sampel dari populasipopulasi yang memiliki varians/ragam yang sama/homogen.
c. Data yang dihimpun berupa data data yang mengunakan skala interval dan ratio.
d. Data bersifat independen. Pengamatan untuk memperoleh suatu data dapat
berpengaruh terhadap besarnya nilai dari data yang lainnya. Persyaratan independen
antardata ini dapat dipenuhi melalui teknik pengamatan yang terkendali. Adapun
kenormalan data dan kehomogenan varians/ragam untuk penelitian eksperimen, selain
dapat dikendalikan melalui desain eksperimennya juga masih dapat dicek kembali
melalui perhitungan statistika.
2.
Karakteristik Penelitian Pada Berbagai Macam Jenis Uji dalam Statistika Inferensial
Parametrik
a. Uji beda 2 rata – rata
1) Uji Beda 2 Rata – Rata Data Berpasangan (Dependent Sample T Test)
Uji t digunakan untuk melihat perbedaan dua rata-rata data yang berpasangan.
Maksud dari data berpasangan ialah data berupa pasangan data masing-masing
anggota sampel yang menunjukkan kondisi awal dan akhir dari pengukuran
sampel yang sama. Penelitian yang menggunakan uji t ialah penelitian yang terdiri
dari dua varibel, yaitu variabel dependen dan variabel independen. Penelitian yang
menggunakan uji t bertujuan untuk mengetahui pengaruh suatu variabel terhadap
variabel tertentu, dimana dilakukan pengukuran kondisi awal dan kondisi setelah
dipengaruhi variabel. Penalitian yang digunakan untuk melihat efektivitas suatu
model atau media pembelajaran tertentu terhadap kemampuan awal dan akhir
siswa.
2) Uji Beda 2 Rata – Rata Data Tidak Berpasangan (Independent Sample T Test)
Uji ini dilakukan pada duat data sampel yang tidak memiliki kaitan. Dalam
penelitian eksperimen, terdapat manipulasi variabel sehingga membentuk
kelompok sampel pelakuan dan kelompok sampel kontrol. Uji ini digunakan
untuk membandingkan rata-rata dari kelompok perlakuan dan kelompok kontrol
tersebut. Penelitian yang menggunakan uji ini merupakan penelitian bivariat atau
penelitian yang menggunakan 2 variabel yang tujuannya adalah untuk mencari
perbedaan pada variabel terikat akibat manipulasi variabel bebasnya. Uji ini juga
dapat digunakan untuk membandingkan baik kondsi awal maupun akhir dari dua
kelompok (kelompok perlakuan dan kelompok kontrol).
b. Analisis Varian (ANOVA)
Statistika inferensial yang digunakan berdasar signifikansi perbedaan berdasar tiga
kelompok atau lebih disebut analisis of variance (ANOVA) (Nunnaly, 1975: 227).
Uji varians/ragam merupakan salah satu model pengujian hipotesis yang digunakan
untuk menyelidiki ada tidaknya perbedaan dari sebanyak k buah nilai rata-rata
populasi. Jika uji varians/ragam menunjukkan hasil yang signifikan, berarti sedikitnya
ada dua buah rata-rata yang berbeda. Untuk itu, diperlukan uji lanjut agar dapat
menyelidiki nilai rata-rata yang mana, yang benar-benar menunjukkan perbedaan.
1) Uji Varians/Ragam Satu Jalur (one-way analysis of variance/ one-way
ANOVA)
Jika kita ingin membandingkan perbedaa k buah rata-rata yang tidak berpasangan,
maka analisisnya menggunakan one-way ANOVA. Perbedaan yang terjadi dapat
diakibatkan oleh suatu penyebab yang bersifat alami atau karena manipulasi
melalui eksperimen/percobaan. Pengumpulan data dilakukan setelah populasi
terpapar oleh suatu faktor. Untuk menyelidiki/membuktikan apakah akibat
pengaruh faktor X pada beberapa taraf/level atau kategori (baik dimanipulasi atau
secara alami) menimbulkan paling sedikit ada dua buah rata-rata yang berbeda
secara signifikan, sementara rata-rata populasi tersebut tidak diketahui. Terdapat
penarikan sampel untuk setiap kategori atau level dari faktor X tersebut. Data
yang digunakan ialah data tidak berpasangan.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya.
2) Uji Varians/Ragam Dua Jalur (two-way analysis of varians/ two-way ANOVA)
Uji varians/ragam dua jalur atau uji ragam dwiarah (two-way analysis of variance/
two-way ANOVA) digunakan untuk menyelidiki ada tidaknya perubahan yang
signifikan yang terjadi pada suatu populasi yang mengalami lebih dari satu kali
perubahan, di mana populasi yang bersangkutan tidak diketahui parameternya.
Perubahan yang terjadi dapat diakibatkan oleh suatu faktor yang bersifat alami
atau dimanipulasikan melalui suatu eksperimen. Apabila populasi I terkena faktor
X, maka populasi menjadi populasi I’, kemudian populasi I’ terkena faktor X
dengan level yang berbeda menjadi populasi I’’. Data yang dihimpun berupa data
berpasangan.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan
kategori/level pada variabel bebasnya. Penelitian eksperimen dengan pemberian
perlakuan pada semua kelompok (counterbalance design) dapat dianalisis
menggunakan uji ini.
3) Multiple Classification Analysis of Varians (MANOVA) atau Factorial Analysis of
Varians
Analisis ini digunakan pada penelitian dengan satu variabel dependen dan dua
atau lebih variabel independen. Dalamdesin penelitiannya terdapat kombinasi dari
variabel independennya. Desain penelitian yang digunakan merupkaan penelitian
faktorial, sehingga MANOVA juga disebut Factorial Analysis of Varians
(Popham & Sirotnik, 1973: 176-177). Menurut Nunnaly (1975: 245), penelitian
dengan satu variabel depdenden disebut single-factor design, sedangkan penelitian
dengan lebih dari satu variabel independen disebut factorial design. Terdapat
analisis efek dari variabel independen ke variabel dependennya dan efek antar
variabel independen. Variabel independen dapat saling berinteraksi ataupun tidak.
Penelitian eksperimen dengan dua atau lebih variabel independen dapadt
dianalisis menggunakan analisis ini.
c. Uji Lanjut
Menurut Bambang Subali (2010: 229-230), prinsip uji lanjut dari uji varians/ragam
satu jalur ataupun dua jalur adalah untuk mengetahui letak perbedaan atau mencari
lokasi perbedaan antarmean atau median. Pada uji ragam sebelumnya yang terdiri dari
k rata-rata, maka akan ada rata-rata yang berperingkat lebih tinggi atau lebih rendah
dari rata-rata lainnya. Uji lanjut merupakan uji lanjutan setelah uji varians/ragam.
Apabila hasl dari uji varians/ragam tidak menunjukkan adanya perbedaan yang
bermakna maka uji lanjut tidak diperlukan. Uji lanjut parametri terdiri dari uji Beda
Nyata Terkecil (BNT) atau Least Significant Different (LSD), uji wilayah-berganda
Duncan atau Duncan’s Multi Range Test (DMRT), dan Uji Dunnet.
1) Uji Beda Nyata Terkecil (uji BNT) atau Least Significant Different (LSD), dalam
hal perhitungannya tergolong sederhana dibandingkan jenis uji lanjut lainnya.
Prinsip uji lanjut BNT adalah pembandingan rata-rata antara dua nilai rata-rata
atau pembandingan pasangan rata-rata. Dua rata-rata dinyatakan berbeda secara
nyata/signifikan apabila mempunyai selisih yang lebih besar dibandingkan dengan
nilai BNT atau nilai LSD-nya. Uji BNT digunakan untuk pembandingan
berencana. Artinya, dua nilai rata-rata yang dibandingkan sudah direncanakan dari
awal penelitian, jadi sejak Anda belum memperoleh data. Dengan kata lain, bukan
pembandingan seperti ditunjukkan oleh data. Uji BNT akan menghasilkan
kesimpulan yang bias jika diterapkan untuk membandingkan rata-rata, seperti
ditunjukkan data secara acak, khususnya apabila jumlah taraf atau kategori
variabel besar (lebih dari 6 kategori/taraf).
2) Uji lanjut berupa uji wilayah-berganda Duncan atau DMRT (Duncan’s Multiple
Range Test) merupakan pembandingan antara dua rata-rata dari seluruh nilai ratarata yang ada. Oleh karena itu, uji ini digunakan untuk pembandingan yang tidak
berencana. Di samping itu, pada DMRT, nilai pembanding tidak hanya satu
macam karena setiap nilai selisih dari sepasang data ada nilai pembandingnya.
Dalam hal ini, banyaknya nilai pembanding adalah t-1 buah, di mana t adalah
banyaknya taraf atau kategori perlakuan/pengamatan. DMRT dapat digunakan
untuk mengadakan pembandingan pada seluruh pasangan data yang mungkin
dibandingkan, sekalipun pada perlakuan dengan jumlah taraf atau kategori yang
besar, tanpa menimbulkan efek bias. Dari hasil DMRT dapat dilihat efek
perlakuan atau efek taraf/level atau kategori dari variabel bebas yang paling besar
atau yang paling kecil pengaruhnya di antara t buah taraf atau kategori yang
dikenakan pada variabel tak bebasnya.
3) Uji Dunnet termasuk uji pembandingan tak berencana, namun demikian si peneliti
memang ingin membandingkan akibat level-level atau taraf perlakuan jika
dibandingkan dengan kontrolnya. Jadi, kelompok kontrol merupakan pembanding
tunggal bagi kelompok-kelompok lainnya.
d. Analisis Kovarian (ANCOVA)
Permasalahan dalam penelitian pendidikan ialah penggunaan sampel berupa kelas
yang sudah tersedia seblumnya, atau peneliti tidak dapat mengacak sampel. Peneliti
perlu mempertimbangkan apakah ada variabel lain yang mempengaruhi variabel
dependen selain dari variabel bebas yang dimanipulasi oleh peneliti, misalnya IQ
siswa. Analisis ini mengkombinasikan analisis varians dan analisis regresi. Analisis
ini juga dapat digunakan untuk menunjukkan hubungan antara satu dependen variabel
dengan dua atau lebih variabel yang merepresentasika satu independen variabel.
Analisis ini dapat membuat peneliti menyamakan secara statistik kelompok variabel
independen dengan memperhatikan satu atau lebih variabel lain yang berhubungan
dengan variabel dependen. Sehingga analisis kovarian membolehkan peneliti untuk
meneliti performansi beberapa kelompok yang tidak sama dengan melihat pada suatu
variabel penting seperti mereka sama (Popham & Sirotnik, 1973: 205).
Penelitian yang menggunakan analisis ini ialah penelitian yang bivariat atau
multivariat. Penelitian yang bertujuan menunjukkan hubungan atau efek dari suatu
faktor atau perlakuan, dimana terdapat variabel yang tidak dapat dikontrol dan dapat
mempengaruhi variabel dependen.
e. Uji Korelasi dan Regresi
Menurut Bambang Subali (2010: 252), setelah melakukan uji inferensi untuk
signifikansi perbedaan perbedaan, terdapat analisis untuk menguji hubungan antar
variabel dalam bentuk hubungan korelasi dan regresi.
1) Uji Regresi
Uji regresi digunakan untuk melihat hubungan fungsional antara variabel bebas
(independen) dengan variabel terikatnya (dependen). Hubungan ini dinyatakan
sebagai hubungan kausatif. Terdapat teori yang kuat mengenai ada tidaknya
hubungan fungsionalnya. Analisis ini digunkan untuk memprediksi variabel
dependen (criterion) dengan menggunakan variabel independen (predictor)
(Popham &Sirottnik, 1973: 97). Menurut Bambang Subali (2010: 256), uji regresi
terdiri dari dua jenis, yaitu uji regresi sederhana (linear regression) dan uji regresi
berganda (multiple linear regression).
a) Regresi sederhana
Regresi sederhana dilakukan pada desain penelitian monovariat, dimana
terdapat satu variabel bebas (dependen) dan satu variabel terikat (independen).
b) Regresi berganda (multiple) dengan dua variabel bebas
Model regresi dengan lebih dari satu variabel bebas disebut dengan regresi
ganda atau regresi multipel. Ada banyak kemungkinan model regresi ganda.
Pertama, model regresi ganda tergantung pada banyaknya variabel bebas,
apakah dua, tiga, empat dan seterusnya. Kedua, model regresi ganda juga
tergantung kepada asal variabel bebasnya. Sebagai contoh, regresi ganda
dengan dua variabel bebas memang benar-benar memiliki dua variabel bebas,
di mana variabel bebas yang pertama tidak ada kaitannya dengan variabel
bebas yang kedua.
Penelitian yang menggunakan analisis ini ialah penelitian multivariat dimana
tersapat hubungan fungsional yang sangat kuat antara variabel independen dan
variabel dependennya.
2) Uji Korelasi
Uji Korelasi Parametrik digunakan untuk mencari derajat hubungan antara dua
variabel yang memenuhi persyaratan keparametrikan, yakni data harus berasal
dari populasi yang terdistribusi normal dan skala pengukuran yang digunakan
berupa skala interval atau skala rasio. Dilihat dari banyaknya variabel yang
dikorelasikan, dikenal adanya uji korelasi sederhana jika hanya melibatkan dua
variabel, dan uji korelasi multiple atau korelasi ganda jika melibatkan lebih dari
dua variabel. Dalam uji korelasi multiple, dapat dicari derajat hubungan tiap
pasang variabel melalui uji korelasi parsial.
Dalam hubungan regresi, dari setiap pasangan nilai pengamatan hanya variabel
tak bebasnya yang harus berasal dari populasi yang tersebar normal dan harus
acak, sedangkan untuk hubungan korelasi, setiap pasangan nilai pengamatan
keduanya berasal dari populasi tersebar normal yang merupakan pasangan yang
acak. Dua variabel yang memiliki hubungan regresi memiliki sifat hubungan
kausatif sehingga pasti memiliki hubungan korelasi, sebaliknya, dua variabel
yang memiliki hubungan korelasi belum tentu memiliki hubungan yang sifatnya
regresi. Pasangan variabel yang hanya memiliki hubungan korelasi adalah
pasangan variabel yang memiliki hubungan simetris. Pasangan variabel dikatakan
memiliki hubungan simetris jika keduanya dipengaruhi secara kausatif oleh
variabel lain. Dengan demikian, dua variabel yang memiliki hubungan simetris
hanya menunjukkan hubungan fungsional. Walaupun kedua variabel memiliki
hubungan yang simetris, namun yang satu tetap disebut sebagai variabel bebas dan
pasangannya didudukkan sebagai variabel tak bebas, tetapi variabel bebas bukan
sebagai kausal atau prediktor (predictor) dari variabel tak bebas/tergayutnya.
Salah satu prosedur uji korelasi linier sederhana adalah uji korelasi hasil kali
momen Pearson (Pearson product-moment correlation) (Bambang Subali, 2010:
273-275 dan Popham & Sirotnik, 1973: 96-97).
Desain penelitian yang digunakan merupakan penelitian monovariat dan
multivariat, dengan tujuan mencari hubungan variabel independen dan dependen.
Pada desain penelitian multivariat dapat dilihat besarnya sumbangan masingmasing variabel independen terhadap variabel dependennya.
C. Karakteristik Penelitian Yang Menggunakan Statistik Inferensial Non Parametrik
1. Statistik Inferensial Non Parametrik
Statistik inferensial, sering juga disebut statistik induktif atau statistik probabilitas,
adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya
diberlakukan utuk populasi. Statistik ini akan cocok digunakan bila sampel diambil dari
popualsi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan secara
random. Statistik inferensial fungsinya lebih luas lagi, sebab dilihat dari analisisnya, hasil
yang diperoleh tidak sekedar menggambarkan keadaan atau fenomena yang dijadikan
obyek penelitian, melainkan dapat pula digeneralisasikan secara lebih luas kedalam
wilayah populasi. Karena itu, penggunaan statistik inferensial menuntut persyaratan yang
ketat dalam masalah sampling, sebab dari persyaratan yang ketat itulah bisa diperoleh
sampel yang representatif; sampel yang memiliki ciri-ciri sebagaimana dimiliki
populasinya. Dengan sampel yang representatif maka hasil analisis inferensial dapat
digeneralisasikan ke dalam wilayah populasi.
Statistik inferensial meliputi statistik parametrik dan non parametrik. Statistik
parametrik digunakan untuk menguji parameter populasi melalui statistik, atau menguji
ukuran populasi melalui data sampel. Parameter populasi itu meliputi : rata-rata dengan
notasi µ (mu), simpangan baku σ (sigma) dan varians σ2. Dalam statistik pengujian
parameter melalui statistik (data sampel) tersebut dinamakan uji hipotesis statistik.
Nonparametric techniques required far fewer assumptions about populatoin data, these
techniques have often been referred to as distribition free pocedures (Popham
James,1973:268). Statistik nonparametrik tidak menguji parameter populasi, tetapi
menguji distribusi. Statistik non parametrik tidak menuntut terpenuhinya banyak asumsi,
asumsi tersebut adalah terpenuhinya syarat agar suatu data penelitian dianalisis dengan
statistika inferensial nonparametrik adalah
a.
Persyaratan pertama dari keparametrikan ini adalah uji normalitas data. Apabila
datanya tidak berdistribusi normal maka harus di uji secara non parametrik.
b.
Persyaratan kedua pemakaian teknik analisis statistika parametrik yaitu juga
terpenuhinya kehomogenan varians/ragam. Jika dari suatu penelitian kita ingin
melihat perbedaan yang terdapat di antara kelompok-kelompok pengamatan, maka
kelompok-kelompok pengamatan tersebut harus merupakan sampel dari populasipopulasi yang memiiki varians/ragam yang sama/homogen. Jika variannya tidak
homogen maka diuji secara nonparametrik.
c.
Persyaratan ketiga pemakaian prosedur teknik nonparametrik yaitu bahwa data
berupa data nominal (data hitung/data cacah) dan data ordinal (data berperingkat).
(Bambang Subali,2010:135)
1) Data Nominal
Data ini juga sering disebut data diskrit, kategorik, atau dikhotomi. Disebut
diskrit karena ini data ini memiliki sifat terpisah antara satu sama lainnya, baik
pemisahan itu terdiri dari dua bagian atau lebih; dan di dalam pemisahan itu tidak
terdapat hubungan sama sekali. Masing-masing kategori memiliki sifat tersendiri
yang tidak ada hubungannya dengan kategori lainnya. Sebagai misal data hasil
penelitian dikategorikan kedalam kelompok “ya” dan “tidak” saja.
Contohnya :
Laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah “tidak laki-laki”),
kawin /tidak kawin; janda/duda, dan lainnya.
Jenis pekerjaan dapat digolongkan secara terpisah menjadi pegawai negri,
pedagang, dokter, petani, buruh dsb.
Suku, golongan darah, jenis penyakit, bentuk atau konstitusi tubuh.
b. Data Ordinal
Data ordinal adalah data yang menunjuk pada tingkatan atau penjenjangan
pada sesuatu keadaan. Berbeda dengan data nominal yang menunjukkan adanya
perbedaan secara kategorik, data ordinal juga memiliki sifat adanya perbedaan di
antara obyek yang dijenjangkan. Namun dalam perbedaan tersebut terdapat suatu
kedudukan yang dinyatakan sebagai suatu urutan bahwa yang satu lebih besar atau
lebih tinggi daripada yang lainnya.Kriteria urutan dari yang paling tinggi ke yang
yang paling rendah dinyatakan dalam bentuk posisi relatif atau kedudukan suatu
kelompok.
Contoh dari data ini misalnya:
Prestasi belajar siswa diklasifikasikan menjadi kelompok “baik”, “cukup”, dan
“kurang”, atau ukuran tinggi seseorang dengan “tinggi”, “sedang”, dan “pendek”.
2. Karakteristik Penelitian Pada Berbagai Macam Jenis Uji di Statistika Inferensial
Nonparametrik
a. Uji beda 2 rata – rata Nonparametrik
Uji Beda 2 Rata – Rata Data Berpasangan (Uji Peringkat Bertanda
Wilcoxon)
In nonparametric tests, a frequently used procedure for testing differences
between related samples is the test. The wilcoxon test uses not only the direction of
differences between pairs( when two measures for the same individual are taken,
these are considered to represent a pair) but also the relative magnitude of the
diferences ( Popham James,1973:275). Dalam suatu penelitian jika data berpasangan
yang diperoleh merupakan data dengan skala interval atau rasio, namun jika distribusi
populasinya tidak normal atau tidak diketahui kenormalannya maka dilakukan uji
peringkat bertanda data berpasangan Wilcoxon. Selain itu jika data yang diperoleh
merupakan data dengan skala ordinal atau nominal. Dalam keadaan demikian, harus
digunakan uji nonparametrik atau uji bebas distribusi, yaitu menggunakan uji
peringkat bertanda data berpasangan wilcoxon (wilcoxon macthed-pair signed-ranks
test) atau cukup disebut uji peringkat bertanda wilcoxon. Tentu saja, kesimpulan
yang diperoleh nantinya adalah kesimpulan yang tidak memperhatikan distribusi
populasi sehingga sifatnya menjadi sangat terbatas.
Penelitian yang menggunakan uji ini merupakan penelitian bivariat atau
penelitian yang menggunakan 2 variabel yang tujuannya adalah untuk mencari
perbedaan pada variabel terikat akibat perbedaan level pada variabel bebasnya namun
data yang didapat pada penelitian tidak memenuhi syarat keparametrikan. Data yang
diuji dalam uji peringkat bertanda data berpasangan Wilcoxon ini haruslah
berpasangan.
Uji Beda 2 Rata – Rata Data Tidak Berpasangan (Uji U Mann-Whitney)
If the two samples involved do not consist of matched pairs, the researcher
has a variety of nonparametric difference tests at his disposal. If the data are
numerical in nature, the Mann – Whitney U Test is frequently employed (Popham
James,1973:276). Jika data penelitian merupakan data yang tidak berpasangan atau
independent , kemudian nilai parameter nominal dan ordinal selain itu jika distribusi
populasinya tidak normal maka kita harus menggunakan uji nonparametrik atau uji
bebas distribusi, yakni uji u mann whitney. Tentu saja seperti halnya uji peringkat
bertanda wilcoxon, kesimpulan yang anda peroleh dari hasil uji mann-whitney juga
kesimpulan yang tidak memperhatikan distribusi populasi sehingga sifatnya menjadi
sangat terbatas.
Penelitian yang menggunakan uji ini merupakan penelitian bivariat atau
penelitian yang menggunakan 2 variabel yang tujuannya adalah untuk mencari
perbedaan pada variabel terikat akibat perbedaan level pada variabel bebasnya namun
data yang didapat pada penelitian tidak memenuhi syarat keparametrikan. Data yang
diuji dalam uji u mann whitney ini haruslah independent.
b. Uji Varians Nonparametrik
Uji Varians/Ragam Satu Jalur Berjenjang Kruskal-Wallis
If the dependent variabel data are numerical in nature, the kruskal wallis test
may be employed. This techniques requires that the dependent variable under
analysis is continuously distributed , that is has no extended gaps where no scores
appear ( Popham James,1973:279). Jika kita ingin membandingkan k buah rata-rata
yang tidak berpasangan, yang datanya diukur menggunakan skala interval atau rasio,
tetapi jika distribusinya tidak normal maka tidak dapat diuji secara parametrik dengan
uji varians/ragam satu jalur yaitu menggunakan uji varians/ragam satu jalur
berjenjang Kruskal-Wallis. Uji ini juga digunakan jika data yang Anda peroleh berupa
data skala ordinal. Kesimpulan yang diperoleh nantinya adalah kesimpulan yang tidak
memperhatikan distribusi populasi sehingga sifatnya menjadi sangat terbatas. Selain
itu, distribusi dari k populasi tersebut identik, kecuali dalam hal lokasi yang mungkin
berbeda untuk sekurang-kurangnya satu populasi.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan. Data yang diuji dalam uji berjenjang kruskal-wallis ini haruslah
independent.
Uji Varians/Ragam Dua Jalur Berperingkat Friedman
When one wishes to determined if three or more matched samplediffer
significantly with respect to data measured at least on an ordinal scale, the friedman
test may be employed ( Popham James,1973:280). Jika ada k buah rata-rata data
berpasangan yang diperoleh merupakan data dengan skala interval atau rasio, namun
distribusi populasinya tidak normal atau tidak diketahui kenormalannya maka
digunakan uji nonparametrik atau uji bebas distribusi, yakni menggunakan uji varians/
ragam dua jalur berperingkat Friedman. Hal itu juga dapat dilakukan jika data yang
kitaa peroleh berupa data skala ordinal. Tentu saja kesimpulan yang Anda peroleh
nantinya adalah kesimpulan yang tidak memperhatikan distribusi populasi sehingga
sifatnya menjadi sangat terbatas.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan. Data yang diuji dalam uji berjenjang kruskal-wallis ini haruslah data
berpasangan.
c. Uji Lanjut Nonparametrik
Uji Dunn
Jika pada suatu penelitian telah melakukan uji varians/ragam model KruskalWallis. Uji varians/ragam model Kruskal-Wallis, dapat digunakan untuk mengetahui
perbedaan antara rata-rata skor populasi yang tidak berdistribusi normal atau tidak
diketahui distribusinya atau yang tidak memenuhi persyaratan untuk diuji secara
parametrik. Apabila Ho yang diajukan ditolak, uji ini hanya mengatakan bahwa ratarata skor populasi-populasi yang diuji adalah tidak homogen, atau minimal ada satu
rata-rata skor yang mempunyai harga lebih besar dari yang lainnya. Dari uji ini belum
diketahui, rata-rata yang mana sebenarnya yang tidak sama tersebut. Seperti pada uji
varians/ragam terdahulu, untuk mengetahui lokasi perbedaan ini, juga perlu dilakukan
uji lanjut. Uji Dunn merupakan salah satu jenis uji lanjut nonparametrik yang cocok
digunakan sesudah uji Kruskal-Wallis. Uji Dunn melakukan pembandingan berganda
atas rata-rata peringkat skor tiap populasi. Pada uji ini digunakan nilai kritis sebagai
pembanding untuk tiap pasangan rata-rata peringkat skor. Laju kesalahan pada
prosedur pembandingan berganda ini meningkat dengan semakin banyaknya sampel
atau populasi yang dibandingkan. Oleh karenanya, taraf nyata yang dipergunakan
pada uji ini lebih besar dibandingkan pada uji-uji statistika inferensial, yakni berkisar
0.15 sampai dengan 0,25. Rata-rata skor dua populasi yang dibandingkan dinyatakan
berbeda nyata apabila selisih rata-rata peringkat skornya lebih besar daripada nilai
kritisnya ( Bambang Subali,2010:245).
Penelitian yang menggunakan uji ini merupakan penelitian multivariat dimana
peneliti memiliki lebih dari 1 variabel bebas dan 1 variabel terikat yang tujuannya
adalah untuk mencari perbedaan pada variabel terikat akibat perbedaan level pada
variabel bebasnya namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan selain itu data yang diuji ini haruslah independent. Pada suatu
penelitian apabila Ho yang diajukan ditolak setelah diuji kruskal-wallis, yaitu ratarata skor populasi-populasi yang diuji adalah tidak homogen, atau minimal ada satu
rata-rata skor yang mempunyai harga lebih besar dari yang lainnya. Dari uji kruskal
wallis belum diketahui rata-rata yang mana sebenarnya yang tidak sama tersebut.
Seperti pada uji varians/ragam, untuk mengetahui lokasi perbedaan ini, juga perlu
dilakukan uji lanjut. Uji Dunn merupakan salah satu jenis uji lanjut nonparametrik
yang cocok digunakan sesudah uji Kruskal-Wallis.
Uji Lanjut Setelah Friedman
Uji Friedman digunakan untuk melakukan uji varians/ragam data berpasangan
yang tidak memenuhi persyaratan untuk diuji secara parametrik. Apabila ternyata uji
Friedman menunjukkan penolakan Ho, berarti ada perbedaan yang signifikan
(bermakna) antarkelompok perlakuan atau antarkelompok yang berbeda kondisinya.
Signifikansi perbedaan yang diperoleh dari uji Friedman, dapat diketahui letak atau
lokasi perbedaannya, juga melalui uji lanjut nonparametrik. Model uji lanjut setelah uji
Friedman juga hampir sama dengan uji Dunn. Namun demikian, karena data
berpasangan maka ukuran (n) sampel atau banyaknya data pengamatan antarkelompok
perlakuan atau antarkelompok kondisi adalah sama. ( Bambang Subali,2010:249)
d. Uji Korelasi Nonparametrik Spearman
Uji korelasi berjenjang/berperingkat Spearman digunakan untuk mencari
derajat hubungan korelasional dua variabel yang tidak memenuhi persyaratan
keparametrikan. Pemasangan-pemasangan nilai pengamatan tidak berasal dari
populasi yang tersebar normal walaupun skala pengukuran yang digunakan
merupakan skala interval atau skala rasio. Uji korelasi ini juga digunakan untuk
mencari derajat hubungan korelasional dua variabel yang datanya diukur
menggunakan skala ordinal. Disebut uji korelasi berjenjang atau berperingkat karena
data mentah yang ada harus diubah ke skala ordinal dengan cara memberikan
peringkat terhadap data mentah yang akan diolah.
Penelitian yang menggunakan uji ini merupakan penelitian multivariat atau
bivariat dimana peneliti memiliki tujuan untuk mencari hubungan antara variabel
yang diteliti namun data yang didapat pada penelitian tidak memenuhi syarat
keparametrikan.
D. Karakteristik Penelitian Yang Menggunakan Sajian Data Deskriptif Naratif
Penelitian yang menggunkan sajian data deskriptif ini adalah penelitaian kualitatif.
Penelitian kualitatif merupakan penelitian yang biasanya datanya berupa sajian data
berbentuk narasi. Data yang berbentuk narasi ini akan daianalisis dengan analisis naratif.
Ada beberpa bentuk analitis di dalam analisis naratif. Yang akan kita bahas di
siniberkaitan erat dengan perspektif formalistik; perspektif ini menggap bahwa teks
memiliki koherensi internal. Koherensi
internal tersebut disatupadukan dengan dasar
kode, sintaksis, gramatika, dan bentuk.
Formalisme rusia, yang di pelopori
oleh karya –karya Jakobson, Skhlovskif,
Bakhtin, Uspensky, Propp, dan tentu saja todorov (penulis keturunan rumania- prancis)
menekankan teorinya pada peran bentuk dalam mengemban makna di dalam naratif
(simak Jameson, 197: 615). Dari beberapa tokoh formalisme Rusia, yang paling di kenal
luas mungkin adalah vladimir Propp (1968); ia berusaha menganalisis dongeng-dongeng
Rusia dengan teknik analisis kuasi-aljabar. Propp mengklaim bahwa semua dongeng Rusia
dapat dipahami dengan empat prisip dasar; fungsi karakter merupakan elemen dongeng
yang stabil; fungsi-fungsi di dalam dongeng amatlah terbatas; sekuen-sekuen fungsi
tersebut selalu identik; dan dongeng hampir selalu berpegang pada struktur (empat prinsip
ini kami parafrasakan dari Propp, 1968, bagian II). Lain Propp maka lain pula dengan
Levis Strauss (1963); ia menganalisis mitos dengan dasar oposisi biner (analisis ini
meminjam konsep linguistik Roman Jakobson), sistem relasi tertutup, model sinkronis,
dan satuan-satuan baku. Ada hal lain yang membuat Strauss berbeda dengan Propp;
menurut Strauss, cerita (‘mitos’) bersifat paradigmatis dengan dasar oposisi dan bukan
dengan fungsi-fungsi yang bersifat liniear (sintagmatis). Selain Strauss dan Propp, ada
pula tokoh-tokoh strukturalisme (semiotik) lain seperti Lotman (1990) dan Greimas
(1966); kedua tokoh ini mengembangkan penelitianya dari dasar oposisi dan kontradiksi,
dasar tersebut kemudian dugunakan untuk menganalisis struktur kemasyarakatan (simak
Jacson, 1986).
Dua bentuk pendekatan dalam analisis naratif yakni pendekatan ‘atas-bawah’ (topdown) dan pendekatan ‘bawah-atas’ (bottom-up) membuat perbedaan asumsi tentang
organisasi magna kognitif. Pendekatan ‘atas bawa’ sangat berpengaruh pada bidang
pendidikan dan psikologi kognitif (Rumelhart, 1977; rumelhart dan Norman, 1981).
Penelitian dibekali dengan serangkaian peraturan dan dan prinsip, pencarian makna teks
dilakukan dengan mempergunakan atarun dan prinsip tersebut (Simak Boje, 1991; Heise
1992). Misalnya, ketika menggunakan etnograf, sebuah program di dalam analisis naratif,
sebuah program di dalam analisis naratif; sebuah peristiwa (Seperti Revolusi Rusia)
mestilah direduksi atau disederhanakan ke dalam serangkaian proposisi. Peristiwa
memerlukan prasyarat atau sebab (prakondisi yang menjadi sebab terjadinya Revolusi
Rusia, katakanlah ‘kelaparan’). Peristiwa Revolusi Rusia terjadi karena sebab-akibat yang
bermula dari prasyarat tersebut (setiap sebab mesti selalu mengandaikan akibat-misalnya,
kelaparan menimbulkan kekacauan). Sebuah prasyarat bagi sebuah peristiwa mestilah
mencapai puncak terlebih dahulu sebelum bisa terulang kembali. Dalam konteks ini, yang
‘diuji’ adalah model biner (yang bersifat tertutup dan terpatok) dari sang peneliti –
musabab kelaparan bisa diakhiri dengan kekacauan atau bukan dengan kekacauan, sebuah
peristiwa mungkin terjadi tetapi mungkin juga tidak. Pendekatan ini banyak dipengaruhi
oleh psikologi kognitif dan ilmu komputer; analisis seperti ini munkin dilakukan ketika
kapasitas memori dan fleksibilitas komputer dan perangkat lunak yang di pakai dalam
penelitian mencukupi. Lawan dari pendekatan ‘atas-bawah’ adalah pendekatan ‘bawahatas’; pendekatan ini dapat ditemukan pada hampir semua penelitian etnografis.
Pendekatan ‘atas-bawah’ menggunakan satuan-satuan makna yang bergantung pada
konteks untuk memproduksi infrastruktur yang menjelaskan efek darisuatu cerita. Dwyer
(1982) misalnya; ia mempresentasikan materi-materi penelitian dalam bentuk dialog,
antara dirinya sendiri dengan ‘diri lain’ yakni seorang Faquir. Di lain pihak, crapanzano
(1980) melakukan interpolasi dan berkomentar terhadap budaya maroko. Laporan
penelitian seoerti ini kerap diperoleh dari wawancara pribadi atau dokumen-dokumen;
meski demikian, proses penerjemahan materi-materi ini ke dalam argume-argumen yang
koheren masih tetap ambigu ( Atkinson, 1992;Riessman, 1993).
Beberapa
penelitian
membedakan
naratif
berbeda,
cerita
rekaan
‘diri’
(selfformatted stories), dengan naratif rekaan eksternal seperti wawancara kesehatan.
Cicourel (1973, 1982, 1985, 1986) berhasil membuktikan bahwa kedua pendekatan ini
kurang mampu memahami cara manusia dalam memproses dan mencerap pengalaman
indrawi. Kemudian, ia juga mempertanyakan kemampuan dua model ini dalam
menguraikan nalar manusia karena model ini cenderung memandangnya sebagai proses
mekanis dan linear. Perbedaan mendasar antara model interaksi prabentuk dengan model
bertujuan instrumental seperti wawancara medis, survei, dan cerita pribadi (yang rumit,
ekspresif, dan kacau) mirip seperti naratif dalam sastra. Situasi kehidupan sang persona,
realitas kekinian yang ia alami dipandang dari perspektif tubuh, wawancara kesehatan
cenderun