Bagaimana cara memilih uji statistik? Desain penelitian menentukan teknik statistik, bukan sebaliknya teknik statistik menentukan rancangan penelitian. Statistik dipakai untuk melayani dan sebagai alat dalam penelitian, bukan untuk menguasainya. Analisis antara lain analisis statistik dan non statistik. Statistik hanyalah alat yang membantu peneliti untuk memudahkan memahami dan memberikan makna dari data penelitian yang diperoleh.



Jenis Data dan Pemilihan Analisis Statistik

Pendahuluan
Desain penelitian menentukan teknik statistik, bukan sebaliknya teknik statistik menentukan rancangan penelitian. Statistik dipakai untuk melayani dan sebagai alat dalam penelitian, bukan untuk menguasainya.


Data dan Penyajian Data
  • Tugas peneliti adalah mendapatkan data untuk ‘mengisi’ variabel penelitian.
  • Data akan sangat bergantung daripada definisi operasional variabel penelitian.
Ditinjau dari cara memperoleh data
  • Data primer : data yang diperoleh langsung dari sumber data 
  • Data sekunder :  data yang diperoleh dari sumber tidak langsung 

Ditinjau dari tingkat keterukuran variabel penelitian
  • Data kualitatif : data yang tidak boleh diukur dengan angka atau data yang tidak boleh diangkakan 
  • Data kuantitatif : data yang boleh diangkakan atau dikuantifikasikan 

Berdasarkan tingkat pengukuran variabel penelitian yang dikuantifikasikan:
  • Data nominal 
  • Data ordinal 
  • Data interval (scale
  • Data rasio 

Data nominal
  • Data yang ditetapkan berdasarkan proses penggolongan atau kategorisasi. 
  • Data nominal ini bersifat diskrit dan saling terpisah (mutually exlusive) antara golongan (kategori) yang satu dengan yang lain. 
  • Contoh : data tentang pendapat responden terhadap kenaikan iuran (setuju/tidak setuju).

Data ordinal
  • Data yang mempunyai urutan atau boleh diurutkan berdasarkan peringkat atau atribut tertentu. 
  • Contoh : data tentang rangking pelajar, hasil lomba pidato bahasa Inggris bagi siswa SMK, dan sebagainya. 
  • Data ordinal juga bersifat diskrit.

Data interval (scale)
  • Data yang dapat dikelompokkan berdasarkan ukuran (satuan/unit) yang sama; dapat diurutkan berdasarkan kelompok tersebut sebagaimana data ordinal. 
  • Data interval umumnya bersifat kontinyu. 
  • Contohnya : data tentang skor test pelajar, data tentang prestasi belajar, dan sebagainya.

Data rasio
  • Data yang dalam kuantifikasinya mempunyai nilai nol (0) mutlak; artinya ‘kuantiti’ nol (0) dapat masuk sebagai anggota data. 
  • Dalam penelitian ilmu-ilmu sosial, jarang peneliti menggunakan data rasio. 
  • Data rasio bersifat kontinyu.

Konversi data 
  • Dalam praktek pengolahan data, dimungkinkan melakukan konversi dari data yang mempunyai tingkat lebih tinggi ke tingkat data yang lebih rendah. 
  • Data rasio -> data interval -> data ordinal -> data nominal
  • Konversi data diperlukan biasanya untuk menyesuaikan dengan teknik analisis statistik yang akan dipakai.

Analisis data
  • Analisis non-statistik
  • Analisis statistik

Analisis non-statistik
  • Data kualitatif, iaitu data-data yang tidak dapat di-angkakan, analisis non-statistik lebih tepat digunakan 
  • Data kualitatif  biasanya diolah atau dianalisis berdasarkan isinya (subtansinya). 
  • Analisis non statistik ini sering juga disebut dengan analisis isi (content analysis), yang mencakup analisis deskriptif, kritis, komparatif, dan sintesis. 
  • Penelitian yang menggunakan data kualitatif  disebut penelitian kualitatif.

Analisis statistik
  • Untuk data kuantitatif, iaitu data yang berupa angka atau bisa diangkakan, analisis statistik lebih tepat digunakan 
  • Statistik deskriptif dan statistik inferensial 
  • Statistik deskriptif digunakan untuk membantu memaparkan (menggambarkan) keadaan yang sebenarnya (fakta) dari satu sampel penelitian -> penelitian deskriptif
  • Penelitian deskriptif tidak untuk menguji suatu hipotesis.

Statistika inferensial
  • Digunakan untuk mengolah data kuantitatif dengan tujuan untuk menguji kebenaran suatu teori baru yang diajukan peneliti yang dikenal dengan hipotesis -> penelitian inferensial
  • Dalam penelitian inferensial, teknik analisis statistik yang digunakan merujuk kepada suatu pengujian hipotesis 

Langkah-langkah utama dalam pengujian hipotesis:
  • Membuat asumsi -> kondisi apa yang dapat “diterima “ oleh peneliti
  • menentukan statistik ujian
  • Memilih suatu tingkat Signifikansi 
  • Menghitung harga statistik ujian
  • Membuat keputusan ujian (diterima / ditolak)

Rambu-rambu Pemilihan Teknik Analisis Statistika
  • Jenis penelitian (deskriptif, inferensial)
  • Jenis variabel (terikat, bebas)
  • Tingkat pengukuran variabel (nominal, ordinal, interval)
  • Banyaknya variabel (satu, lebih dari satu )
  • Maksud statistik (kecenderungan memusat, variabilitas, hubungan (korelasi, asosiasi), pembandingan (komparasi), interaksi, kesesuaian, dan sebagainya).

Berikut adalah Tabel panduan memilih jenis uji statistik yang tepat:

Apabila Banyaknya Variabel adalah 1(Satu)
(Klik Gambar Untuk Melihat Dalam Ukuran Besar)





Apabila Banyaknya variabel 2(dua) atau Lebih
(Klik Gambar Untuk Melihat Dalam Ukuran Besar)








Statistik hanyalah alat yang membantu peneliti untuk memudahkan memahami dan memberikan makna dari data penelitian yang diperoleh. Tugas peneliti melakukan interpretasi terhadap data yang diperoleh dan membahasnya lebih lanjut secara lebih mendalam dan komprehensif berdasarkan teori-teori yang menyokong serta fakta yang terjadi di lapangan.  Pada ruang ‘interpretasi hasil analisis data’ inilah didapatkan karya monumental seorang peneliti.

Statistikian

Statistikian

Blog Untuk Mempelajari Jenis Uji Statistik, Penelitian, SPSS dan Statistik Berbasis Komputer seperti excel, Stata dan Minitab. Bantuan Olah dan Analisa Data, SMS: 085748695938.

Tinggalkan Komentar:

31 comments:

  1. Misalnya: Skor maksimal dalam suatu instrumen adalah 99. Peneliti menetapkan jika skor 1-33 = kurang, 34-66 = cukup dan 67-99 = baik.
    Bentuk datanya itu ordinal ato interval?

    ReplyDelete
    Replies
    1. Kalau Dilihat dari rentang tiap kategori yang anda buat: semuanya sama, yaitu rentang 33. Ingat 1 hal penting yang menjadi ciri skala data interval, yaitu kesamaan jarak antar nilai dan dapat dilakukan operasi perhitungan matematika. Jadi kategori yang anda buat layak disebut skala data interval, sebab rentangnya sama dan dapat diperlakukan perhitungan matematika seperti penambahan, pengurangan dan lain-lain. Hanya saja anda perlu melakukan transformasi data. Kurang bisa dikatakan satu, cukup bisa dikatakan 2 dan kurang = 3. Hal ini sama dengan permasalahan penentuan skala data pada kuesioner dengan skala likert, apakah termasuk dalam interval atau ordinal. Beberapa ahli statistik ada perbedaan pendapat dalam hal ini.

      Delete
  2. Kalau Dilihat dari rentang tiap kategori yang anda buat: semuanya sama, yaitu rentang 33. Ingat 1 hal penting yang menjadi ciri skala data interval, yaitu kesamaan jarak antar nilai dan dapat dilakukan operasi perhitungan matematika. Jadi kategori yang anda buat layak disebut skala data interval, sebab rentangnya sama dan dapat diperlakukan perhitungan matematika seperti penambahan, pengurangan dan lain-lain. Hanya saja anda perlu melakukan transformasi data. Kurang bisa dikatakan satu, cukup bisa dikatakan 2 dan kurang = 3. Hal ini sama dengan permasalahan penentuan skala data pada kuesioner dengan skala likert, apakah termasuk dalam interval atau ordinal. Beberapa ahli statistik ada perbedaan pendapat dalam hal ini.

    ReplyDelete
  3. Apakah kuesioner untuk rumah sehat sudah ada standar nya?
    Apakah anda punya contoh kuesioner tersebut?
    Mohon bantuannya,Trimakasih.

    ReplyDelete
  4. yang ada cuma kuesioner rumah tangga
    itu juga sdh bisa dijadikan patokan untuk menentukan rumah trsebut sehat atau tidak
    :)

    ReplyDelete
    Replies
    1. Sehat berdasarkan indikator yang ditetapkan oleh siapa? oleh WHO atau badan lain? Jadi rumah dikatakan sehat sangat relatif tergantung indikator dan yang menetapkan indikator. Sebagai contoh anda bisa gunakan 10 indikator PHBS yang ditetapkan WHO.

      Delete
  5. bagaimana cara kita menentukan skala data penelitian, apakah sesuai variabel atau dari keingininan peneliti sendiri?

    ReplyDelete
    Replies
    1. Data apa adanya seperti data numerik (interval/rasio) lebih bagus dari pada data yang dikategorikan. Tetapi data yang memang apa adanya adalah data kategorik, maka biarkan saja apa adanya, yang penting ujinya sesuai dengan skala datanya. Namun perlu diketahui bahwa uji statistik dengan skala data yang derajatnya tinggi mempunyai nilai informasi yang lebih banyak dan berharga.

      Delete
  6. bagaimana cara memilih desain penelitian yang sesuai dengan penelitian yang akan dilakukan

    ReplyDelete
    Replies
    1. Sesuaikan dengan tujuan dan hipotesa, serta cara pengambilan data

      Delete
  7. saya mau menguji hubungan antara variabel bebas (rasio), variabel antara (rasio), dan variabel terikat (ordinal) dengan jumlah data masing 25. uji apa yg sebaiknya saya lakukan? krn data variabel bebasnya jika dikategorikan berdasar nilai ambang batas termasuk dalam kategori buruk semua (tdk dpt dikategorikan baik buruk). mohon penjelasannya, terimakasih.

    ReplyDelete
    Replies
    1. Apabila hanya 1 kategori dalam satu variabel, maka tidak bisa dianalisis

      Delete
  8. saya mau menguji derajat keeratan hubungan antar variabel yang sama berskala ordinal. namun, salah satu variabel tidak dikategorikan/sejenis. uji statistik apakah yang cocok digunakan?

    ReplyDelete
    Replies
    1. Kalau sejenis maka bersifat konstan, oleh karena itu tidak bisa dianalisis.

      Delete
  9. maaf nee,, mau tanya data apa yang cocok untuk alat chi square?

    ReplyDelete
  10. Untuk judul perbandingan yg pake skala interval dan interval bisa pake korelasi tidak?hipotesisnya berubah apa tetap perbedaan

    ReplyDelete
    Replies
    1. Pemilihan jenis analisis statistik sangat tergantung pada bentuk hipotesis, jika bentuk hipotesis komparatif atau perbedaan, mungkin yang anda sebut perbandingan, maka gunakanlah uji komparatif, jadi bukan uji korelasi.

      Delete
  11. Thank you so much for the great article :)

    ReplyDelete
  12. mau tanya, lebih efisien yang mana menggunakan statistik parametrik atau nonparametrik ? alasannya apa ? tolong infonya ya.

    trims..

    ReplyDelete
    Replies
    1. Mungkin kata efisien perlu dikesampingkan dulu, sebab lebih tepat menggunakan kata efektif. Karena dalam penelitian kuantitatif diperlukan sebuah jawaban terhadap satu pertanyaan. Jika ada banyak pertanyaan, maka akan ada banyak jawaban. Bagaimana cara kita akan menjawabnya? tentunya didasarkan pada metodologi penelitian. Satu pertanyaan harus dijawab dengan cara-cara tertentu, dan cara tersebut belum tentu bisa digunakan untuk menjawab pertanyaan lainnya. Misalkan kita akan menjawab dua pertanyaan hipotesis komparatif: apakah ada perbedaan Mean antara kedua kelompok? dan berapa perbedaan Mean keduanya? dengan pertanyaan ini tentunya anda akan menjawabnya dengan uji parametris, sebab kita dihadapkan pada data-data interval atau rasio. Jika ada pertanyaan: apakah ada perbedaan jenis kelamin anak yang dilahirkan berdasarkan letak geografis kota dan desa? Tentunya kita akan menggunakan uji non parametris, sebab kita disuguhkan dengan data nominal. Kesimpulannya: Uji parametris memiliki derajat lebih tinggi, sebab dapat memberikan informasi yang lebih banyak. Akan jadi pemborosan jika kita dapatkan lebih banyak informasi, namun kita hanya berupaya menggunakan informasi yang lebih sedikit. Namun sebaliknya, uji non parametris lebih praktis dibandingkan uji parametris.

      Delete
  13. bukankah juga memungkinkan untuk deskriptif menggunakan metode tabulasi silang (Cross tabulation) supaya lebih menggambarkan kondisi sampel. Tabulasi silang dilakukan antara variabel dan faktor-faktor atau determinan atau data penunjang lain.

    ReplyDelete
  14. kak mau tanya, saya masi menyusun proposal skripsi, nah bingung di analisis datanya, judul saya "pengaruh kepuasan kerja thd kinerja dan intensi keluar karyawan" nah itu kata dosen saya makenya analisis regresi sederhana, benarkah?

    ReplyDelete
    Replies
    1. Asalkan skala data semua variabel adalah interval atu rasio, maka boleh menggunakan regresi linear. Oleh karena saya lihat dalam judul anda ada 2 variabel yang dipengaruhi, maka nantinya anda akan mempunyai 2 model regresi linear. Kalau mau akhirnya nanti disatukan, maka akan jadi model multivariate regresi linear.

      Delete
  15. maaf mau bertanya, saya sedang menyusun penelitian saya. judulnya "pengaruh penggunaan bottom ash dan kapur terhadap kuat tekan paving block" . apakah benar saya harus menggunakan multivariate dalam mengolah data saya nanti?

    ReplyDelete
    Replies
    1. Perlu anda pahami pengertian dari analisis multivariate. Analisis Multivariate ada 2 klasifikasi: untuk keperluan analisis dependensi dan analisis interdependensi. Penelitian anda karena ada lebih dari 2 variabel dan merupakan analisis dependensi, maka bisa disebut sebagai analisis multivariate.

      Delete
    2. Namun konsep yang ada pada SPSS, sedikit berbeda, bahwa jika variabel bebas lebih dari 1 dan variabel terikat ada 1, maka disebut dengan analisis multiple Univariate Analysis. Sedangkan jika variabel bebas dan terikat masing-masing satu, maka disebut simple univariate analysis. Dan apabila variabel bebas dan terikat sama-sama jumlah variabelnya lebih dari satu, maka disebut dengan multiple multivariate analysis. Jadi kesimpulannya: pada SPSS, istilah multivariate adalah merujuk pada jumlah variabel terikat atau variabel dependen, jika lebih dari satu maka disebut multivariate analysis.

      Delete
    3. Kesimpulannya: analisis multiple berbeda dengan analisis multivariate, dimana analisis multivariate pastilah multiple, tetapi analisis multiple belum tentu multivariate. Dikatakan analisis multivariate apabila variabel yang lebih dari satu tersebut (multiple) saling berkorelasi satu sama lain dan perlu dianalisis.

      Delete
    4. Untuk lebih jelasnya, bisa anda baca artikel saya tentang Analisis Multivariat.

      Delete

Tinggalkan Komentar Anda Di Sini