Konsep Dasar Pengolahan Dan Analisis Data

1

Kegiatan Belajar 1

KONSEP DASAR PENGOLAHAN DAN ANALISIS DATA

A. Standar Kompetensi

Petatar mampu memahami konsep dasar pengolahan data dan analisis data dalam

praktek penelitian

B. Kompetensi Dasar

Setelah mempelajari kegiatan pembelajaran 1, petatar mampu:

1. Menjelaskan pengertian pengolahan data

2. Menjelaskan langkah-langkah pengolahan data

3. Menjelaskan pengertian analisis data

4. Menjelaskan jenis-jenis analisis data

C. Daftar Referensi

Furqon. (2001). Statistika Terapan dalam Penelitian. Bandung: Alfabeta

Nasution. (1996). Metode Penelitian Naturalistik Kualitatif. Bandung: Tarsito

-------------. (2003). Metode Research (Penelitian Ilmiah). Jakarta: Bumi Aksara

D. Ringkasan Materi

1. Pengertian Pengolahan Data

Data mentah yang telah dikumpulkan oleh peneliti tidak akan ada gunanya, jika tidak diolah.

Pengolahan data merupakan bagian yang amat penting dalam metode ilmiah, karena

dengan pengolahan data, data tersebut dapat diberi arti dan makna yang berguna dalam

memecahkan masalah penelitian. Data mentah yang telah dikumpulkan perlu dipecah-

pecahkan dalam kelompok-kelompok, diadakan kategorisasi, dilakukan manipulasi serta

2

diperas sedemikian rupa sehingga data tersebut mempunyai makna untuk menjawab

masalah dan bermanfaat untuk menguji hipotesa atau pertanyaan penelitian.

Mengadakan manipulasi terhadap data mentah berarti mengubah data mentah tersebut dari

bentuk awalnya menjadi suatu bentuk yang dapat dengan mudah memperlihatkan

hubungan-hubungan antara fenomena. Beberapa tingkatan kegiatan perlu dilakukan, antara

lain memeriksa data mentah, sekali lagi, membuatnya dalam bentuk tabel yang berguna,

baik secara manual ataupun dengan menggunakan komputer.

Setelah data disusun dalam kelompok-kelompok serta hubungan-hubungan yang terjadi

dianalisa, perlu pula dibuat penafsiran-penafsiran terhadap hubungan antara fenomena yang

terjadi dan membandingkannya dengan fenomena-fenomena lain di luar penelitian tersebut.

Berdasarkan pengolahan data tersebut, perlu dianalisis dan dilakukan penarikan kesimpulan

hasil penelitian.

Pengolahan data secara sederhana diartikan sebagai proses mengartikan data-data

lapangan sesuai dengan tujuan, rancangan, dan sifat penelitian. Misalnya dalam rancangan

penelitian kuantitatif, maka angka-angka yang diperoleh melalui alat pengumpul data

tersebut harus diolah secara kuantitatif, baik melalui pengolahan statistik inferensial maupun

statistik deskriptif. Lain halnya dalam rancangan penelitian kualitatif, maka pengolahan data

menggunakan teknik non statitistik, mengingat data-data lapangan diperoleh dalam bentuk

narasi atau kata-kata, bukan angka-angka. Mengingat data lapangan disajikan dalam bentuk

narasi kata-kata, maka pengolahan datanya tidak bisa dikuantifikasikan. Perbedaan ini harus

dipahami oleh peneliti atau siapapun yang melakukan penelitian, sehingga penyajian data

dan analisis kesimpulan penelitian relevan dengan sifat atau jenis data dan prosedur

pengolahan data yang akan digunakan.

Di atas dikatakan bahwa pengolahan data diartikan sebagai proses mengartikan data

lapangan, yang berarti supaya data lapangan yang diperoleh melalui alat pengumpul data

dapat dimaknai, baik secara kuantitatif maupun kualitatif, sehingga proses penarikan

kesimpulan penelitian dapat dilaksanakan. Dengan demikian, pengolahan data tersebut

dalam kaitannya dengan praktek pendidikan adalah sebagai upaya untuk memaknai data

atau fakta menjadi makna.

Makna penelitian yang diperoleh dalam pengolahan data, tidak sampai menjawab pada

analisis “kemengapaan” tentang makna-makna yang diperoleh. Misalnya dalam rancangan

3

penelitian kuantitatif, maka angka-angka yang diperoleh melalui alat pengumpul data

tersebut harus diolah secara kuantitatif, baik melalui pengolahan statistik inferensial maupun

statistik deskriptif.

2. Langkah-langkah Pengolahan Data

Dalam proses pengolahan data, ada sejumlah langkah-langkah ilmiah yang perlu dilakukan

untuk memudahkan proses pengolahan data. Dari beberapa referensi tentang metode

penelitian ilmiah, ada sejumlah langkah-langkah yang perlu dilakukan dalam proses

pengolahan data, yaitu: (1) editing; (2) mengkode data atau kodefikasi data; dan (3)

membuat tabulasi.

a. Editing

Sebelum data diolah, data tersebut perlu diedit lebih dahulu. Dengan perkataan lain, data

atau keterangan yang telah dikumpulkan dalam buku catatan (record book), daftar

pertanyaan ataupun pada interview guide (pedoman wawancara) perlu dibaca sekali lagi dan

diperbaiki, jika di sana sini masih terdapat hal-hal yang salah atau yang masih meragukan.

Kerja memperbaiki kualitas data serta menghilangkan keragu-raguan data dinamakan

mengedit data.

Beberapa hal perlu diperhatikan dalam mengedit data, yaitu:

1) Apakah data sudah lengkap dan sempurna?

2) Apakah data sudah cukup jelas tulisannya untuk dapat dibaca?

3) Apakah semua catatan dapat dipahami?

4) Apakah semua data sudah cukup konsisten?

5) Apakah data cukup uniform?

6) Apakah ada responsi yang tidak sesuai?

Catatan harus sempurna dalam pengertian bahwa semua kolom atau pertanyaan harus

terjawab atau terisi. Jangan ada satu pun dari jawaban terbiarkan kosong. Peneliti harus

mengenal data yang kosong, apakah responden tidak mau menjawab, atau pertanyaanya

yang kurang dipahami responden. Dalam mengedit data, hal-hal di atas harus diperjelas,

dan jangan ada satupun pertanyaan ataupun pernyataan atau catatan yang kosong tidak

terjawab. Jawaban atau catatan yang kosong harus disempurnakan dalam mengedit data.

4

Harus dilihat apakah catatan dapat dibaca atau tidak. Segala coret-coret harus diperjelas,

segala kata-kata atau kalimat sandi harus diperjelas, baik kalimat ataupun huruf serta angka.

Dalam mengedit, memperjelas catatan supaya dapat dibaca merupakan hal yang perlu

sekali dikerjakan untuk menghilangkan keragu-raguan kemudian.

Pekerjaan mengedit juga termasuk mengubah kependekan-kependekan yang dibuat

menjadi kata-kata atau kalimat yang penuh. Kependekan hanya dapat dimengerti oleh

peneliti atau pencatat data dan belum tentu dapat dimengerti oleh pembuat kode. Karena itu,

segala kalimat atau kata-kata yang dipendekkan, ataupun angka yang dipendekkan, perlu

diperjelas.

Mengedit juga berarti melihata apakah data konsisten atau tidak. Jika ditemukan data

tentang pendapatan dalam usaha tani, pendapatan di luar usaha tani yang tidak cocok

dengan total pendapatan, maka carilah penyebab kesalahan tersebut! Apakah ada

kesalahan dalam mencatat? Atau kesalahpahaman responden dalam menjawab pertanyaan?

Juga perlu dicek, apakah instruksi dalam daftar pertanyaan diikuti secara seksama oleh

responden atau tidak? Jika dalam jawaban sebenarnya diinginkan supaya berat dinyatakan

dalam kg, sedangkan data yang tercatat mempunyai unit gram, maka jawaban tersebut

harus diubah ke dalam unit yang dimintakan (kg). Jika dalam record book, kolom harus diisi

dengan unit rumpun, sedangkan tertulis dengan unit batang, maka jawaban harus diperbaiki

menjadi unit rumpun. Dengan perkataan lain, catatan atau jawaban harus dicek

uniformitasnya.

Dalam mengedit, juga perlu dicek pertanyaan-pertanyaan yang jawabannya tidak cocok. Jika

banyak jawaban pertanyaan yang tidak sesuai, maka daftar pertanyaan tersebut perlu

dikumpulkan, dan harus diklasifikasikan dalam satu kelompok. Jika hanya beberapa saja

yang tidak cocok, mak hal ini merupakan kesalahan peneliti dan perlu diperbaiki.

Perlu juga diperingatkan, jangan sekali-kali mengganti jawaban, angka, ataupun pertanyaan-

pertanyaan dengan maksud membuat data tersebut sesuai, konsisten, dan cocok untuk

maksud tertentu. Menggantikan data orisinal demi mencocokkan dengan sesuatu keinginan

peneliti, berarti melanggal prinsip-prinsip kejujuran intelektual (intellectual honesty).

b. Kodefikasi Data

Data yang dikumpulkan dapat berupa angka, kalimat pendek atau panjang, ataupun hanya

5

“ya” atau “tidak”. Untuk memudahkan pengolahan, maka jawaban-jawaban tersebut perlu

diberi kode. Pemberian kode kepada jawaban sangat penting artinya, jika pengolahan data

dilakukan dengan komputer. Mengkode jawaban adalah menaruh angka pada tiap jawaban.

1) Kode dan Jenis Pertanyaan/Pernyataan

Pemberian kode dapat dilakukan dengan melihat jenis pertanyaan, jawaban, atau

pernyataan. Dalam hal ini dapat dibedakan:

a) Jawaban yang berupa angka

Jawaban responden bisa dalam bentuk angka. Pertanyaan tentang pendapat per

bulan, jawabannya sudah terang dalam bentuk angka. Misalnya, data berupa jumlah

rupiah (Rp. 150,0)

b) Jawaban dari pertanyaan tertutup

Jawaban pertanyaan tertutup adalah jawaban yang sudah disediakan lebih dahulu,

dan responden hanya tinggal mencek saja jawaban-jawaban tersebut sesuai dengan

instruksi. Responden tidak mempunyai kebebasan untuk memilih jawaban di luar

yang telah diberikan.

c) Jawaban dari pertanyaan semiterbuka

Pada jawaban semiterbuka, selain dari jawaban yang ditentukan, masih

diperkenankan lagi jawaban lain yang dianggap cocok oleh responden. Jawaban

yang diberada di luar dari yang telah disediakan perlu diberi angka tersendiri untuk

kode.

d) Jawaban pertanyaan terbuka

Pada pertanyaan terbuka, jawaban yang diberikan sifatnya bebas, sesuai dengan

apa yang dipikirkan oleh penjawab, tanpa ada suatu batasan tertentu. Untuk

membuat kode terhadap jawaban pertanyaan terbuka, jawaban- jawaban tersebut

6

harus dikategorikan lebih dahulu, atau dikelompokkan lebih dahulu sehingga tiap

kelompok-kelompok berisi jawaban yang lebih kurang sejenis.

e) Jawaban pertanyaan kombinasi

Jawaban pertanyaan kombinasi hampir serupa dengan jawaban pertanyaan tertutup.

Selain dari jawabannya terpisah secara jelas, responden masih dapat dijawab

kombinasi dari beberapa jawaban.

2) Tempat Kode

Kode dapat dibuat pada IBM coding sheet, pada kartu tabulasi ataupun pada daftar

pertanyaan itu sendiri. Jika data ingin diolah dengan komputer, maka kode harus dibuat

pada coding sheet.

a) Cooding Sheet

Data untuk diolah dengan komputer kodenya harus dibuat pada coding sheet yang

telah tersedia. Yang sering digunakan adaah IBM coding sheet. Coding sheet ini

adalah lembaran kertas yang mempunyai 80 kolom dan 25 baris. Jika data yang

dikode melebihi 80 kolom, maka cara pengisian kolom adalah:

(1) menyambung data responden tersebut ke baris kedua, atau

(2) menyambung kode pada baris yang sama ke lembaran kedua dari coding sheet.

Dengan cara pertama, data dari tiap responden dapat dilihat dengan jelas pada satu

lembar coding sheet saja. Untuk memudahkan, maka kode data untuk tiap variabel

sebaiknya dijarangkan satu kolom. Di lain pihak, cara kedua tidak memperlihatkan

data tiap responden pada satu lembaran kartu kode, tetapi cara ini lebih

memudahkan dalam punching nantinya.

7

Sebelum kode dimasukkan dalam coding sheet, maka lebih dahulu ditentukan

kolom-kolom berapa yang digunakan oleh variabel, dan bagaimana formatnya. Hal

ini diatur dalam buku kode. Buku kode digunakan sebagai panduan dalam mengisi

kode ke dalam coding sheet. Buku kode harus dibuat lebih dahulu dan berisi:

- nomor halaman daftar pertanyaan atau record book

- nomor pertanyaan-pertanyaan ataupun data

- nomor variabel

- nama variabel atau singkatan variabel

- nomor kolom coding sheet yang digunakan, dan

- format

b) Kartu Tabulasi

Jika data ingin dioleh dengan cara manual, maka kode dapat dituliskan dalam kartu

tabulasi. Kode yang dimasukkan ke dalam kartu tabulasi sebelumnya, juga telah

disusun dalam buku kode. Buku kode untuk kartu tabulasi sama saja dengan buku

kode untuk coding sheet.

c) Membuat Tabulasi

Membuat tabulasi termasuk dalam kerja memproses data. Membuat tabulasi tidak

lain dari memasukkan data ke dalam tabel-tabel, dan mengatur angka-angka

sehingga dapat dihitung jumlah kasus dalam berbagai kategori.

Tabel terdiri dari kolom dan baris (jajar). Tabel yang sederhana mempunyai 4 bagian

penting, yaitu: (1) nomor dan judul tabel; (2) stub; (3) box head; dan (4) body (badan).

Nomor atau judul tabel terletak di bagian paling atas dari tabel. Judul harus jelas,

lengkap, sesuai dengan isi tabel dan tidak terlalu panjang. Isi tabel harus

menyatakan; apa, dimana, dan bagaimana dari hal-hal yang dinyatakan dalam tabel.

8

Stub adalah bagian paling kiri dari tabel, termasuk kepala kolom, tetapi tidak

termasuk jajar (baris) total. Dalam stub, terdapat keterangan-keterangan yang

menjelaskan secara terperinci tentang hal-hal dan gambaran yang terdapat pada tiap

kolom badan tabel (body). Body (badan tabel) terdiri atas kolom-kolom yang berisi

angka-angka.

Dalam pengolahan data, ada tiga jenis tabel yang sering digunakan, yaitu: (1) tabel

induk (master tabel); (2) tabel teks (text tabel); dan (3) tabel frekuensi. Tabel induk

adalah tabel yang berisi semua data yang tersedia secara terperinci. Tabel ini biasa

dibuat untuk melihat kategori data secara keseluruhan. Tabel teks adalah tabel yang

telah diringkaskan untuk suatu keperluan tertentu. Tabel ini biasanya diletakkan

dalam teks keterangan yang dibuat. Tabel frekuensi adalah tabel yang menyajikan

berapa kali sesuatu hal terjadi.

3. Pengertian Analisis Data

Analisa data adalah mengelompokkan, membuat suatu urutan, memanipulasi serta

menyingkatkan data sehingga mudah untuk dibaca. Step pertama dalam analisa adalah

membagi data atas kelompok atau kategori-kategori. Kategori tidak lain dari bagian-bagian.

Beberapa ciri dalam membuat kategori, adalah:

a. Kategori harus dibuat sesuai dengan masalah dan tujuan penelitian.

b. Kategori harus lengkap

c. Kategori harus bebas dan terpisah

d. Tiap kategori harus berasal dari satu kaidah klasifikasi

e. Tiap kategori harus dalam satu level.

Kategori harus sesuai dengan masalah penelitian, sehingga kategori tersebut dapat

mencapai tujuan penelitian dalam memecahkan masalah. Dengan demikian, analisa yang

dibuat akan sesuai dengan keinginan untuk memecahkan masalah. Kategori yang dibuat

juga harus dapat menguji hipotesa yang dirumuskan.

9

Kategori harus lengkap, yang berarti bahwa semua subjek atau responden harus termasuk

ke dalam kategori tersebut. Kategori juga harus bebas dan terpisah nyata. Tiap individu atau

objek harus termasuk dalam satu kategori saja. Peneliti harus dapat membuat variabel

sedemikian rupa sehingga tiap objek dapat dimasukkan dalam satu kategori, dan hanya satu

kategori saja.

E. Saran-saran Implementasi

1. Strategi Implementasi

Untuk mengimplementasikan konsep-konsep yang Anda pelajari dalam kegiatan

pembelajaran 1, sebaiknya melakukan hal-hal berikut:

a. Baca referensi lain, yang memberikan penjelaskan mengenai pengertian pengolahan

data dan maknanya bagi proses penarikan kesimpulan.

b. Carilah, angket yang telah disebarkan dan diisi oleh responden, kemudian olah data

data dari angket tersebut dengan berlandaskan pada langkah-langkah pengolahan

data yang dijelaskan dalam kegiatan pembelajaran 1.

2. Evaluasi Implementasi

Untuk mengetahui tingkat kebenaran dari konsep-konsep yang Anda terapkan, sebaiknya

Anda melakukan pembahasan dengan rekan sejawat, dan diskusikan mengenai hal-hal yang

dianggap sulit untuk dipahami. Solusi lainnya, Anda juga bisa juga membaca referensi

lainnya.

F. Tes Formatif

Pilihlah salah satu jawaban yang dianggap paling tepat dengan cara membubuhkan tanda

silang (x) pada pilihan A, B, C atau D

10

1. Proses menggiring data lapangan ke dalam makna penelitian, disebut …

a. tabulasi data

b. editing data

c. pengolahan data

d. analisis data

2. Pertanyaan yang mendasar dalam analisis data, adalah…

a. kemengapaan

b. berapa

c. apa

d. dimana

3. Proses mencek kembali data jawaban responden sebelum diolah, termasuk ke dalam

kegiatan…

a. editing

b. tabulasi

c. coding sheet

d. triangulasi

4. Kodefikasi melalui sistem komputerisasi, menggunakan sistem…

a. SPSS

b. Modular

c. Coding sheet

d. Excel

5. Berikut adalah ciri-ciri pengkategorian data, kecuali…

a. kategori harus lengkap

b. kategori harus bebas dan terpisah

c. kategori harus dalam satu level

d. kategori harus heterogen

11

Kegiatan Belajar 2

ANALISIS KORELASI


Petatar mampu menjelaskan jenis-jenis analisis korelasi dalam praktek penelitian.

B. Kompetensi Dasar


1. Menjelaskan karakteristik analisis simetris

2. Menjelaskan karakteristik analisis asimetris

3. Menjelaskan karakteristik analisis timbal balik

C. Daftar Referensi

Moh. Nazir. (1985). Metode Penelitian. Jakarta: Ghalia Indonesia.



D. Ringkasan Materi

1. Analisis Korelasi Simetris

Apabila sebuah variabel berhubungan dengan variabel yang lain, tetapi adanya variabel

tersebut bukan disebabkan atau bukan dipengaruhi oleh variabel yang lain, hubungan yang

demikian disebut hubungan simetris. Hubungan simetris tersebut, dapat terjadi jika:

a. Kedua variabel merupakan akibat dari suatu faktor yang sama;

b. Kedua variabel merupakan indikator dari sebuah konsep yang sama;

c. Hubungan yang terjadi disebabkan oleh faktor kebetulan saja.

Misalnya seorang peneliti menganalisis dua buah variabel, yaitu meningkatnya penggunaan

pupuk oleh petani dan meningkatnya jumlah radio yang dimiliki oleh petani. Meningkatnya

penggunaan pupuk tidak dipengaruhi oleh meningkatnya jumlah radio di desa, tetapi

peningkatan jumlah pupuk dan peningkatan jumlah radio disebabkan oleh sebuah faktor

12

yang sama, yaitu meningkatnya pendapatan petani. Hubungan antara kedua variabel di atas

merupakan hubungan simetris saja.

Hubungan simetris lainnya bisa saja berbentuk indikator dari sebuah konsep. Misalnya

hubungan antara frekuensi membaca surat kabar dengan frekuensi menonton TV.

Hubungan tersebut adalah hubungan simetris, karena frekuensi membaca surat kabar dan

frekuensi menonton TV merupakan indikator terhadap konsep sentuhan media massa (mass

media exposure).

Hubungan simetris juga ditunjukkan dengan kehadiran dua variabel atau lebih secara

beriringan yang disebabkan oleh faktor fungsional. Misalnya hubungan antara petani dengan

kerbau pembajak, antara mahasiswa dengan dosen. Kehadiran dosen yang diiringi dengan

kehadiran mahasiswa memperlihatkan hubungan simetris.

Hubungan yang terjadi secara kebetulan juga termasuk hubungan yang simetris. Secara

kebetulan, misalnya semua murid yang duduk di bangku depan dalam kelas tidak lulus ujian

akhir. Hubungan antara duduk di bangku depan dan tidak lulus adalah hubungan simetris.

2. Analisis Korelasi Asimetris

Terdapat juga sejenis hubungan antara variabel di mana satu variabel mempengaruhi

variabel yang lain, tetapi hubungan tersebut tidak timbal balik. Hubungan tersebut dapat

berasal dari hubungan antar konsep. Hubungan antara variabel yang terjadi secara asimetris

berjenis-jenis banyaknya. Pendekatan terhadap jenis hubungan asimetris dapat saja dari

sudut berapa buah variabel yang berhubungan, atau dari sifat-sifat variabel tersebut yang

berhubungan satu dengan yang lain. Ditinjau dari jumlah variabel yang berhubungan, maka

hubungan asimetris dapat dibagi atas hubungan antara dua variabel, dan hubungan

multivarian. Ditinjau dari sifat-sifat variabel yang mempengaruhi sifat variabel lain, maka

jenis hubungan asimetris dapat dibagi atas:

- Hubungan antara cara dan tujuan

- Hubungan antara stimulus dan responsi

- Hubungan antara watak dengan responsi

- Hubungan antara prasyarat dan akibat

- Hubungan antara ciri dengan tingkah laku atau watak

- Hubungan yang tetap ada antara dua variabel

a. Hubungan Asimetris Berdasarkan Ciri

13

Pertama-tama mari kita lihat hubungan antara cara dan tujuan. Dalam hal ini cara

merupakan variabel independen dan tujuan merupakan variabel dependen. Misalnya,

hubungan asimetris antara konsep “rajin” dan “sukses”. Rajin mempengaruhi sukses, dan

konsep ini menghasilkan hubungan asimetris antara variabel, yaitu “jumlah jam belajar per

hari” mempengaruhi variabel “nilai ujian” atau “frekuensu kopulasi per minggu”

mempengaruhi “jumlah anak” dan sebagainya.

Jenis hubungan kedua adalah hubungan asimetris antara stimulus dan responsi. Stimulus

merupakan variabel independen dan responsi adalah variabel dependen. Misalnya

hubungan antara konsep “kesuburan tanah” dan “produktivitas”. Atau hubungan antara

“dosis pupuk” (stimulus) dengan “produksi padi per hektar” (responsi). Pengaruh devaluasi

terhadap peningkatan ekspor, pengaruh metode mengajar dengan prestasi belajar,

pengaruh jarak tanam dengan produksi, pengaruh sinar matahari pagi terhadap penyakit

rheumatik, dan pengaruh-pengaruh sejenis, merupakan hubungan asimetris antara stimulus

dengan responsi.

Hubungan ketiga adalah hubungan antara watak dan responsi. Yang dimaksud dengan

watak adalah kecenderungan yang datangnya dari dari dalam untuk memperlihatkan

responsi terhadap sesuatu, seperti sikap, nilai, kemampuan, dorongan, kepercayaan, dan

sebagainya. Di lain pihak, stimulus datangnya dari luar. Responsi yang terjadi karena

pengaruh watak dapat dilihat dari perilaku inovatif, perilaku politik, penggunaan pupuk, dan

sebagainya. Misalnya hubungan antara konsep partisipasi (watak) dengan perilaku inovatif

(responsi) dari petani. Hal ini dapat ditunjukkan oleh pengaruh “frekuensi menghadiri

ceramah pertanian” dengan “penggunaan pupuk”. Atau pengaruh “frekuensi menghadiri

rapat Golkar” dengan “memilih Golkar dalam Pemilihan Umum”.

Hubungan asimetris lainnya adalah hubungan antara prasyarat dengan akibat yang terjadi.

Misalnya, harga buku impor akan murah jika pajak impor buku dihapuskan. Hubungan

antara jaminan hukum dan kebebasan mimbar juga merupakan hubungan antara prasyarat

serta akibat yang ditimbulkannya.

Hubungan antara ciri dengan tingkah laku atau watak juga merupakan hubungan yang

asimetris. Yang dimaksud dengan ciri adalah sifat subjek yang tidak berubah seperti jenis

kelamin, suku, kebangsaan, dan sebagainya. Misalnya, pendidikan mempengaruhi perilaku

sosial. Pendapatan mempengaruhi perilaku ekonomi, dan sejenisnya.

Hubungan asimetris lainnya, adalah yang selalu tetap ada antara dua variabel. Jika satu

variabel muncul, maka variabel lain harus muncul pula, karena kedua hubungan tersebut

tetap ada. Makin tua tanaman tahunan, makin banyak pula daunnya. Makin besar suatu

14

universitas makin bertambah rumit pula organisasinya.

b. Menurut Jumlah Variabel yang Berhubungan

Hubungan asimetris dapat juga dibagi menurut jumlah variabel yang berhubungan. Dengan

pendekatan ini, maka terdapat dua jenis hubungan asimetris, yaitu:

- hubungan bivariat

- hubungan multivariat

Hubungan asimetris bivariat adalah hubungan yang terjadi yang menyangkut hanya dua

variabel. Dalam hal ini, hubungan yang terjadi adalah antara sebuah variabel dependen dan

sebuah variabel independen. Sudah jelas kedua variabel tersebut harus dianggap sebagai

variabel yang amat penting dalam analisa yang dibuat, karena masih ada variabel-variabel

lain yang mempengaruhinya tetapi variabel-variabel tersebut tidak dimasukkan ke dalam

hubungan. Hubungan bivariat sebenarnya jarang terjadi. Karena itu, jika dihubungkan satu

variabel dependen dengan sebuah variabel independen, maka harus dianggap bahwa

variabel-variabel lain adalah konstan.

Pola hubungan multivariat, adalah hubungan yang terjadi menyangkut lebih dari dua variabel.

Dalam hal ini, terdapat sebuah variabel dependen dan dua atau lebih variabel independen.

Misalnya, terdapat hubungan asimetris antara jumlah beras yang diminta dengan harga

beras, pendapatan, dan harga barang-barang lain. Jika dianalisa hubungan antara jumlah

biaya dengan produksi, maka hubungan yang dianalisa adalah hubungan bivariat. Jika

dianalisa konsumsi daging dengan pendapatan dan pendidikan, maka hubungan asimetris

adalah hubungan multivariat.

Dalam mengadakan analisa asimetris, peneliti dapat juga menggunakan model matematik

untuk menyederhanakan hubungan yang terjadi. Misalnya, jika ingin dilihat variabel-variabel

yang mempengaruhi penawaran dari beras, maka model dapat didasarkan pada teori yang

menyatakan bahwa penawaran dari beras bergantung dari harga beras, harga barang-

barang lainnya, dan cuaca, dan sebagainya. Secara matematis, hubungan tersebut dapat

diformulasikan sebagai berikut:

15

Fungsi di atas bisa dibentuk linier ataupun nonlinier (kuadrat, pangkat tiga, dan sebagainya).

Hubungan yang selalu dikaji adalah hubungan linier, yaitu:

3. Analisis Korelasi Timbal Balik

Di samping hubungan simetris dan asimetris, ada jenis korelasi lainnya yang dapat dianalisis.

Hubungan tersebut dinamakan hubungan timbal balik. Jika ada dua buah variabel X dan Y

yang berhubungan, maka hubungan antara X dan Y tersebut mempunyai hubungan timbal

balik, jika hubungannya mempunyai dua arah. Dengan perkataan lain, X mempengaruhi Y

dan sebaliknya Y mempengaruhi X, disebut juga sebagai hubungan bolak balik.

Dalam hubungan bolak balik, kita tidak tahu yang mana sebab dan yang mana akibat. Jika

pada suatu ketika variabel X mempengaruhi Y, maka pada waktu lain, variabel Y

mempengaruhi X. Misalnya, hubungan antara “investment” dan “keuntungan”. Investment

dapat mempengaruhi keuntungan, tetapi keuntungan juga dapat mempengaruhi investment.

Pendapatan dapat mempengaruhi pendidikan, dan sebaliknya pendidikan dapat pula

mempengaruhi pendapatan.

16



Untuk memahami dan mampu mengimplementasikan konsep-konsep tentang analisis

korelasi, maka Anda disarankan untuk merumuskan judul-judul penelitian, yang

menggambarkan adanya

a. Analisis simetris

b. Analisis asimetris

c. Analisis timbal balik


Hasil pekerjaan Anda mengenai judul-judul penelitian yang mewakili ketiga jenis analisis

korelasi di atas, diskusikan dengan kelompok belajar, dan lakukan revisi.

F. Tes Formatif



1. Dalam sebuah penelitian, menggambarkan korelasi dua variabel yang tidak saling

mempengaruhi, maka penelitian tersebut sebaiknya menggunakan analisis…

a. timbal balik

b. simetris

c. asimetris

d. silang

2. Penelitian berjudul “hubungan metode mengajar terhadap aktivitas siswa dalam belajar”.

Metode mengajar dalam penelitian tersebut, dinamakan variabel…

a. bebas

b. terikat

c. interprening

17

d. mediator

3. Berikut adalah ciri-ciri dari hubungan simetris, kecuali…

a. kedua variabel merupakan akibat dari suatu faktor yang sama

b. kedua variabel merupakan indikator dari sebuah konsep yang sama

c. hubungan yang terjadi disebabkan oleh kebetulan saja

d. hubungan antara variabel bersifat independen

4. Sebuah penelitian, “hubungan pemberian insentif dengan loyalitas, disipllin, dan kinerja

pegawai”. Untuk menganalisis data penelitian tersebut, sebaiknya menggunakan analisis…

a. Bivariat

b. Multivariat

c. Regresi linier

d. Multiple Regresi

5. Manakah pernyataan berikut yang menunjukkan pengertian analisis korelasi timbal balik?

a. analisis yang digunakan untuk memaknai dua variabel yang saling mempengaruhi

b. analisis yang digunakan untuk memaknai pengaruh variabel X terhadap variabel Y

c. analisis yang digunakan untuk memaknai hubungan dua atau lebih variabel

d. analisis yang digunakan untuk memaknai perbedaan nilai antara dua variabel

18

Kegiatan Belajar 3

ANALISIS SOSIOMETRIK DAN SEMANTIK


Petatar mampu memahami konsep analisis sosiometrik dan analisis semantik.

B. Kompetensi Dasar


1. Menjelaskan langkah-langkah operasional analisis sosiometrik

2. Menjelaskan langkah-langkah operasional analisis semantik

C. Daftar Referensi

Moh. Nazir. (1985). Metode Penelitian. Jakarta: Ghalia Indonesia.



D. Ringkasan Materi

1. Analisis Sosiometrik

Analisis sosiometrik adalah analisis dalam mengadakan pilihan. Pilihan tersebut, dapat saja

mengenai pilihan terhadap orang, terhadap partai politik, pilihan terhadap kelompok

minoritas, pilihan terhadap pengaruh, pilihan terhadap garis komunikasi dan sebagainya.

Secara umum, analisis sosiometrik dapat dilakukan dengan tiga cara, yaitu:

a. Analisis dengan Matriks Sosiometrik

Matrik tidak lain dari pengaturan angka dalam suatu segi empat. Matrik sosiometrik, adalah

matrik yang memuat angka-angka dalam penentuan pilihan, dan matrik ini mempunyai

kolom dan jajar (baris) yang sama. Angka dalam matriks dinamakan elemen atau unsur dari

matrik tersebut. Jika jumlah subjek adalah n, maka matrik sosiometrik mempunyai n x n

19

unsur.

Jika jajar matrik adalah 1, 2, …, i dan kolomnya adalah 1, 2, …, j, maka tiap elemen atau

unsur matrik dapat kita sebut aij. Dengan perkataan lain, a11 adalah unsur matrik pada jajar

(baris) 1 dan kolom 1: a42 adalah unsur matrik pada jajar (baris) 4 kolom 2.

Misalnya kepada 8 orang murid disuruh memilih 3 orang murid yang disukainya, yaitu:

- yang paling disukainya diberi angka 3

- yang disukainya diberi angka 2

- yang disukainya lebih rendah diberi angka 1

- yang tidak terpilih diberi angka 0

Angka-angka tersebut dapat dibuat dalam matriks sosiometrik, misalnya si A memilih si B

yang paling disukainya, si D yang kedua disukainya, dan si E yang nomor 3 disukainya,

maka angka-angka nilai ranking dijadikan sebagai unsur dari matriks. Sesudah semua nilai

terkumpul, maka matriks dapat disusun sebagai berikut:

A B C D E F

A 0 3 0 2 1 0

B 0 0 3 2 0 1

C 0 3 0 1 0 2

D 0 3 2 0 1 0

E 0 3 2 0 0 1

F 0 3 0 1 2 0

Dalam matriks tersebut, kita baca, bahwa si A memilih si B sebagai yang paling disukainya

(dengan ranking 3), si D sebagai kesukaannya nomor dua (ranking 2) dan si E yang ketiga

(ranking 1). Si C memilih B sebagai paling yang disukainya (ranking 1). Jika dibaca menurut

kolom, maka matriks tersebut berarti bahwa: B terpilih oleh semua murid lainnya. Si A yang

paling tidak disenangi oleh semua murid, karena tidak ada satu orang pun yang memilih dia.

Dari penjumlahan di atas dapat dilihat bahwa B adalah murid yang paling populer. Ia dipilih

oleh semua murid-murid lain, dan setiap pilihan mempunyai nilai 3. Yang paling tidak populer

adalah si B, karena tidak ada satu orang pun yang memilih dia.

b. Analisis dengan Indeks Sosiometrik

Banyak indeks telah dipergunakan dalam analisa sosiometrik. Dua indeks yang paling

sederhana adalah:

20

1) indeks status pilihan;

Indeks status pilihan memperlihatkan bagaimana baik atau buruknya sesuatu subjek pilihan.

Indeks ini mempunyai rumus sebagai berikut:

dimana:

n = jumlah sampel

P1 = total pilihan kepada subjek I

ISP1 = indeks status pilihan subjek I

2) Indeks derajat kepaduan (cohisiveness) dalam situasi pilihan tidak terbatas

Berbeda dengan matriks, status pilihan yang menyangkut pilihan terhadap perorangan,

maka indeks derajat keterpaduan memperlihatkan derajat kepaduan dari kelompok. Dalam

memilih, subjek dapat saja dibatasi untuk memilih beberapa anggota kelompok saja atau

jumlahnya tidak dibatasi. Subjek diberi instruksi untuk memilih dan mengadakan ranking

pilihan terhadap semua anggota kelompok. Yang pertama adalah situasi pilihan terbatas,

sedangkan keadaan kedua adalah situasi pilihan tidak terbatas.

Pada situasi dimana pilihan tidak dibatasi, rumus untuk mencari indeks derajat kepaduan,

adalah:

c. Analisis dengan Sosiogram

Seperti telah diketahui, i dan j selalu berhubungan, baik hubungan sepihak atau hubungan

mutual. Hubungan ini dapat ditulis sebagai i H j. Hubungan ini dapat saja: i adalah kawan j, i

mendominasi j, i mempengaruhi j, i berkomunikasi dengan j, sebagainya. Simbolnya dapat

dibuat secara lebih spesifik.

21

2. Analisis Semantik

Dalam analisa perbedaan semantis, peneliti dihadapkan kepada kajian skala yang telah

diberikan pada sifat-sifat bipolar, baik dalam kategori evaluasi, potensi ataupun kegiatan.

Hasil skor rata-rata dari konsep menurut skala tertentu, dituangkan dalam sebuah matriks A,

dimana unsur aij merupakan skor dari faktor i, dengan konsep j, dan i diletakkan pada jajar

(baris), sedangkan konsep diletakkan pada kolom. Analisa dapat dikerjakan dengan

menggunakan analisa varian, tetapi analisa sering dilakukan adalah dengan cara yang lebih

mudah, yaitu dengan menggunakan analisa jarak klaster ataupun analisa skor faktor.



Untuk mengimplementasikan konsep-konsep yang Anda pelajari dalam kegiatan

pembelajaran 3, Anda dapat melakukan hal-hal berikut:

a. Lakukan pengamatan terhadap posisi murid-murid yang Anda ajar dengan menggunakan

teknik sosiometris

b. Untuk melaksanakan pemetaan sosiometris tersebut, buatlah angket dengan atau

pertanyaan dengan memberikan dua pilihan jawaban (teman yang disenangi dan teman

yang tidak disenangi).


Untuk mengevaluasi pelaksanaan teknik sosiometrik yang telah Anda lakukan, maka Anda

dapat melakukan diskusi kelompok dengan rekan sejawat, terutama mengenai analisa

perhitungannya. Buatlah rangkuman hasil diskusi dengan rekan sejawat tersebut, sebagai

bahan refleksi untuk meningkatkan pemahaman Anda tentang teknik analisa sosiometrik!

F. Tes Formatif



1. Untuk mengetahui posisi atau status sosial anggota populasi dalam suatu populasi,

sebaiknya menggunakan teknik analisa…

a. korelasi

b. sosiometrik

22

c. semantik

d. statistik

2. Angka dalam matrik disebut,…

a. varian

b. variabel

c. elemen

d. komponen

3. Untuk mengetahui posisi kelompok dalam suatu populasi, sebaiknya menggunakan

teknik…

a. indeks keterpaduan

b. indeks matriks

c. sosiometrik tunggal

d. semantik

4. Berikut adalah syarat-syarat data yang dapat dianalisis dengan menggunakan teknik

semantis, kecuali…

a. Skala bipolar

b. Kategori evaluasi

c. Kategori potensi

d. Kategori proses

5. Individu yang mendapatkan pilihan terbanyak dalam suatu populasi, disebut…

a. star

b. sampel

c. variabel

d. elemen

23

Kegiatan Belajar 4

ANALISIS ANALISIS DATA DESKRIPTIF


Petatar mampu memahami langkah-langkah analiisis data deskriptif

B. Kompetensi Dasar

Setelah selesai mempelajari kegiatan pembelajaran 4, petatar mampu:

1. Menjelaskan penerapan konsep metode statistik secara tepat

2. Menjelaskan perbedaan tingkat-tingkat pengukuran dalam metode statistik

C. Daftar Referensi

Arikunto, (1998). Prosedur Penelitian Suatu Pendekatan Praktek, Rineka Cipta,

Jakarta.

John. W. Best. (1992). Metodologi Penelitian Pendidikan, Usaha Nasional, Surabaya.

D. Ringkasan Materi

1. Pengertian metode statistik

Para ahli mengatakan bahwa, statistik merupakan seperangkat teknik matematik untuk

mengumpulkan, mengorganisasi, menganalisis dan menginterpretasi data angka. Metode

statistik digunakan untuk membuat deskripsi dan analisis. Metode Statistik diterapkan secara

tepat didasarkan pada jawaban-jawaban dari pertanyaan-pertanyaan yang perlu Anda

pahami sebagai berikut:

a. Fakta-fakta apakah yang akan dikumpulkan untuk memberikan informasi yang dibutuhkan

rangka menjawab hipotesis?

b. Bagaimana fakta itu akan diseleksi, dikumpulkan, diorganisasikan dan dianalisis?

c. Asumsi-asumsi apakah yang mendasari metodologi statistik yang hendak dipakai?

d. Kesimpulan-kesimpulan apakah yang hendak ditarik secara valid dari analisis data?

Tujuan akhir dari penggunaan statistik dalam mengorganisasi dan menganalisis data

24

penelitian adalah mengembangkan generalisasi yang bisa digunakan untuk memperjelas

fenomena dan memprediksi peristiwa pada masa yang akan datang.

2. Tingkat-tingkat pengukuran

Didasarkan pada sifat variabel dan ketepatan instrumen penelitian yang digunakan, tingkat

pengukuran atau skala pengukuran, dibedakan menjadi empat macam yaitu:

a. Skala Nominal, merupakan skala pengukuran yang menggambarkan perbedaan berbagai

hal berdasarkan pada kategori-kategori, tidak menunjukkan adanya kriteria urutan tinggi

rendah dalam kedudukan. Skala nominal ini adalah metode kuantifikasi tingkat terendah.

Contoh: setiap anggota dalam tim sepak bola, jenis kelamin ( pria, wanita), guru utama, guru

madya, guru muda, agama, tingkat pendidikan dan lain sebagainya. Itu semua hanya

merupakan kategori dalam kelompok, tidak merupakan tingkatan paling tinggi sampai ke

paling rendah.

b. Skala Ordinal, merupakan skala yang menyatakan perbedaan jumlah dan tingkatnya.

Bisa pula merupakan urutan kedudukan klasifikasi yang bisa dinyatakan “lebih besar

daripada atau lebih kecil daripada”. Data ordinal dinyatakan dalam bentuk posisi relatif atau

urutan kedudukan dalam suatu kelompok: ke 1, ke 2, ke 3, ke 4, dan seterusnya. Ukuran

ordinal dinayatakan dalam harga mutlak. Dapat Anda perhatikan contoh skala ordinal yang

digambarkan sebagai berikut:

Nama

subyek

Tinggi

badan(Cm.) Selisih(Cm.) Jenjang(ranking)

Nono

Supriyatno 172 - 1

Hasan

Rohyadi 169 3 2

Undang 165 4 3

Budiman 160 5 4

Wawan

Surawan 158 2 5

Tabel 1.5 Contoh skala ordinal

25

c. Skala Interval, merupakan suatu skala yang didasarkan pada unit-unit pengukuran yang

sama, menunjukkan besar kecilnya suatu sifat atau karakteristik tertentu. Skala interval tidak

memiliki harga nol mutlak. Misalnya perbedaan jarak karakteristik yang dimiliki siswa yang

mencapai skor 90 dan 91, diasumsikan sama dengan perbedaan jarak karakteristik yang

dimiliki oleh siswa yang mencapai skor 70 dan 71. Skala interval menunjukkan besarnya

karakteristik yang sebenarnya.

d. Skala Rasio, sebenarnya skala ini memiliki interval yang sama dengan skala interval,

namun masih ada ciri lainnya yaitu bahwa, skala rasio memiliki harga nol mutlak, misalnya:

titik nol pada skala sentimeter, menunjukkan tidak adanya panjang atau tinggi sama sekali.

Ciri lainnya lagi dari skala rasio ini, yaitu skala rasio memiliki kualitas bilangan nyata (riil)

yang dapat dijumlahkan, dikurangi, dikalikan, dibagi yang dinyatakan dalam hubungan rasio.

Contoh: 10 gram sama dengan dua kali lima gram, tiga gram adalah separo dari enam gram,

dan seterusnya.

3. Data Parametrik dan data Nonparametrik

Penggunaan cara pengolahan data menurut statistik, harus dapat dipahami adanya dua

jenis data, yaitu data parametrik dan data nonparametrik.

a. Data parametrik, adalah jenis data yang terukur, menggunakan tes statistik yang

diasumsikan bahwa, data tersebut memiliki distribusi normal atau mendekati normal. Tes

parametrik digunakan untuk data berskala interval ataupun data berskala rasio.

b. Data nonparametrik, adalah jenis data yang dihitung atau diranking. Tes statistik

nonparametrik merupakan tes bebas distribusi, tidak berdasarkan pada asumsi bahwa

populasinya berdistribusi normal.

Tabel berikut menunjukkan ikhtisar tingkat-tingkat deskripsi kuantitatif dan jenis-jenis analisis

statistik yang sesuai untuk setiap pengukuran ( W. Besst, 1982 : 252).

Tabel 2.5 Ikhtisar tingkat-tingkat deskripsi kuantitatif dan jenis analisis statistik yang sesuai

untuk setiap pengukuran

26

4. Analisis Deskriptif dan Analisis Inferensial

a. Analisis Deskriptif, analisis statistik deskriptif membatasi lingkup generalisasinya hanya

pada kelompok individu tertentu yang diobservasi, kesimpulannya tidak diperluas atau tidak

berlaku bagi kelompok lain. Sekalipun antara kelompok yang diobservasi dengan kelompok

lain terdapat kesamaan, tidak bisa kita menggeneralisasikannya berlaku pada kelompok lain

tersebut. Dengan demikian data deskriptif hanya menggambarkan satu kelompok dan

generalisasinya hanya untuk kelompok itu sendiri. Analisis deskriptif sangat cocok digunakan

pada penelitian tindakan atau actin research.

b. Analisis Inferensial, analisis statistik inferensial selalu berkaitan dengan proses sampling

dan pemilihan sekelompok kecil (sampel) yang diasumsi berhubungan dengan kelompok

besar (populasi) tempat sampel itu diambil. Tujuan dilakukan analisis statistik inferensial,

yaitu untuk penarikan kesimpulan tentang populasi didasarkan pada hasil observasi sampel.

Dalam analisis ini, statistik dihitung dari sampel yang digunakan untuk memperkirakan

parameter dan mengenakan nilai pada populasi tempat sampel itu diambil. Dengan demikian

dapat dilakukan perkiraan tentang karakteristik populasi melalui analisis karakteristik sampel

yang diambil dari populasi itu.

5. Organisasi Data

Untuk memudahkan analisis dan interpretasi, data hasil penelitian memerlukan proses

27

pengorganisasian atau orgtanisasi data. Data yang belum diorganisasi terlebih dahulu, akan

sulit diinterpretasi. Perhatikanlah contoh berikut.

Agus S, Dedi P. 60

Sadiah, Ana L, Reni 78

Wahwan, Hasti, Sinta 90

Anjar, Anny, Rita S, 70

Rosyid, Dadan 88

Rangkaian skor-skor tersebut kita susun berdasarkan urutan besarnya yaitu:

60

88

78

70

60

Susunan tersebut diatas mencerminkan adanya susunan yang lebih “enak”, dan mudah

dikenali bahwa skor tertinggi 90, skor terendah 60 dan skor tengah 78. Sehingga mencari

rentang skor (selisish antara skor tertinggi dengan skor terendah, ditambah satu) dapat kita

tetapkan secara mudah. Contoh lain tentang data tak-berkelompok dapat diorganisasi

seperti contoh pertama, misalnya dapat Anda perhatikan tabel 3.5 berikut:

Skor 37 siswa SMU dalam tes pelajaran Biologi

98 88 85 80 78 76 70 60

97 87 84 80 78 75 70 57

28

95 87 82 80 78 73 67

93 85 82 80 77 72 67

90 85 82 80 76 70 64

Distribusi data berkelompok, akan lebih jelas jika skor-skornya dikelompokkan dengan

penggunaan kolom yang memuat frekuensi. Data demikian dapat disajikan dalam tabel

frekuensi dengan interval-interval kelas yang bebeda, bergantung pada jumlah dan rentang

(range) skor-skor yang ada. Untuk memperjelas gambaran tersebut, coba perhatikan

contohnya yang tertera dalam tabel 4.5 dibawah ini.

Tabel 4.5

Skor tes mata pelajaran Bahasa Inggris (interval 3)

Interval

Skor

Lajar

(tally) Frekuensi (f)

Meliputi

skor-skor

97 - 99

94 - 96

91 - 93

88 - 90

85 - 87

82 - 84

79 - 81

76 - 78

73 - 75

70 - 72

67 - 69

64 - 66

61 - 63

58 - 60

55 - 57

2

1

1

2

5

4

5

6

2

4

2

1

0

1

1

N = 37

97

98

99

94

95

96

91

92

93

88

89

90

dan seterusnya

Interval skor yang sering digunakan pada umumnya adalah interval 10. Interval yang jumlah

satuannya ganjil, akan mudah ditentukan titik tengahnya karena berupa bilangan bulat. Coba

perhatikan contoh berikut.

29

Interval ganjil : 5 6 7 8 9 ( titik tengah = 7) (5 unit skor)

Interval genap : 8 9 10 11 ( titik tengah = 9,5) (4 unit skor)

Berdasarkan contoh distribusi skor dalam tabel 4.5 diatas, maka dapat diketahui:

Skor tertinggi = 98

Skor terendah = 57

Maka rentang = (98 – 57) + 1 = 42

Intervalnya adalah membagi rentang dengan 15 (ditentukan berdasarkan jumlah interval

berkisar antara 10 sampai 20).

Interval = 42 : 15 = 2,80, maka 2,80 dibulatkan = 3 (pilih interval 3)



a. Buatlah perencanaan pelatihan bersama kelompok belajar Anda, cari contoh sebanyak

mungkin data tentang hasil pembelajaran, lakukan pelatihan mengorganisasikan data yang

Anda peroleh itu.

b. Jka Anda guru, coba upayakan tanamkan kebiasaan pada siswa untuk belajar

mengorganisasikan data.


Untuk mengukur kemampuan Anda mengenai materi pembelajaran 4 ini, dari data yang

telah Anda kumpulkan, lakukan analisis dan maknai hasilnya.

F. Tes Formatif



1. Berikut adalah pertanyaan-pertanyaan yang perlu dipahami peneliti dalam melaksanakan

analisis statistik, kecuali…

a. Fakta-fakta apakah yang akan dikumpulkan untuk memberikan informasi yang dibutuhkan

rangka menjawab hipotesis?

b. Bagaimana fakta itu akan diseleksi, dikumpulkan, diorganisasikan dan dianalisis?

c. Asumsi-asumsi apakah yang mendasari metodologi statistik yang hendak dipakai?

30

d. Siapakah yang melaksanakan pengumpulan data?

2. Data lapangan yang menggambarkan tinggi badan, berat badan, termasuk ke dalam skala

pengukuran…

a. nominal

b. ordinal

c. interval

d. rasio

3. Data yang diperoleh bersumber dari sampel penelitian di bawah 30 orang, maka analisis

statistik yang tepat menggunakan…

a. parametrik

b. non parametrik

c. inferensial

d. deskriptif

4. Analisis terhadap sampel yang diasumsikan dapat membuat kesimpulan yang berlaku

untuk populasi, maka menggunakan analisis statistik…

a. parametrik

b. non parametrik

c. inferensial

d. deskriptif

5. Analisis yang hanya menghasilkan kesimpulan yang berlaku pada sampel yang diteliti,

disebut teknik analisis…

a. parametrik

b. non parametrik

c. inferensial

d. deskriptif

31

Kegiatan Belajar 5

PENGUKURAN TENDENSI SENTRAL DAN DISPERSI


Petatar mampu memahami tentang ukuran-ukuran statistik yang berhubungan dengan

pengolahan data.

B. Kompetensi Dasar

Setelah selesai mempelajari materi pada kegiatan pembelajaran 5, patatar mampu:

1. Menjelaskan pengukuran tendensi sentral atau rata-rata

2. Menjelaskan pengukuran dispersi

C. Daftar Referensi

Arikunto, (1998). Prosedur Penelitian Suatu Pendekatan Praktek, Rineka Cipta,

Jakarta.

John. W. Best. (1992). Metodologi Penelitian Pendidikan, Usaha Nasional, Surabaya.

D. Ringkasan Materi

1. Pengukuran Tendensi Sentral

Ukuran rata-rata dalam statistik banyak ragamnya. Dalam penelitian pendidikan hanya tiga

macam ukuran rata-rata yang sering digunakan yaitu, mean atau rata-rata hitung, median

dan mode. Sekarang coba perhatikan masing-masing dari ketiga ukuran rata-rata yang

dimaksud.

a. Mean (M), sering disebut juga sebagai rata-rata hitung dari suatu distribusi. Contoh yang

sudah dikenal sehari-hari misalnya rata-rata nilai rapor. Menghitung mean caranya adalah

membagi jumlah total semua skor dengan jumlah unit-unit atau satuan skor. Dengan

demikian dapat ditulis rumus matematisnya adalah:

32

dimana:

M = Mean,

= jumlah

X = Skor-skor dalam suatu distribusi

N = Jumlah unit-unit skor

Contoh: X

6

5

4

3

2

1

= 21

N = 6

Rumus mean akan beda jika datanya adalah data berkelompok, maka rumus mean itu

menjadi:

dimana :

= Titik tengah dari tiap intewrval

f = Frekuensi (Jumlah skor pada tiap interval).

Contoh metode menghitung mean dalam data berkelompok dengan interval 3, coba

perhatikan sebagai berikut.

X f f

33

13 – 15

10 – 12

7 – 9

4 – 6

1 – 3

1

4

2

6

3

14

11

8

5

2

14

44

16

30

6

f =110

N = 16

M = 6,88

= titik tengah

interval

Sekarang bandingkan dengan contoh metode menghitung mean dengan data tunggal

berikut.

X

14

12

12

10

10

8

7

6

6

5

5

4

4

3

3

2

X= 111

34

Ternyata tampak bahwa hanya sedikit terjadi perbedaan skor mean yang dihitung dengan

kedua metode itu.

Sekarang kita tahu bahwa neanmerupakan ukuran yang paling berguna dari semua ukuran

statistik, sehingga mean sebagai dasar untuk pengukuran-pengukuran statistik penting yang

lainnya.

b. Median (Md), median merupakan suatu titik (tidak harus selalu skor) yang membatasi

separo skor bagian atas dan separo skor bagian bawah suatu distribusi. Untuk menentukan

median yaitu dengan cara mengamati distribusi, tidak usah menghitungnya. Perhatikan

contohnya sebagai berikut.

Contoh di atas merupakan distribusi dengan jumlah skornya ganjil, sehingga skor tengah (4)

merupakan mediannya. Namun bila suatu distribusi dengan jumlah skornya genap, maka

titik tengah antara kedua skor yang terletak di tengan distribusi itu. Perhatikan contohnya

sebagai berikut.

Pada suatu distribusi tertentu, median mungkin merupakan ukuran tendensi sentral yang

lebih nyata daripada mean

35

Sekarang perhatikan contoh lagi untuk lebih memperjelas Anda sebagai berikut.

Di suatu sekolah swasta dengan lima orang guru tetap, gaji mereka (fiktif) sebagai berikut.

Guru A 500.000 rupiah

Guru B 380.800 rupiah

Guru C 380.400 rupiah

Guru D 380.200 rupiah

Guru E 380.000 rupiah

2.021.400 rupiah

Rata-rata (mean) gaji kelompok tersebut digambarkan dengan penekanan yang bebeda oleh

median gaji mereka (380.400 rupiah) daripada oleh mean gaji mereka (442.800 rupiah) yang

sangat jauh berbeda dari keempat gaji guru itu. Dalam hal ini bila dibandingkan dengan

mean (M), maka median (Md) kurang sensitif terhadap harga atau skor ekstrim pada setiap

ujung distribusi.

c. Mode (Mo), adalah skor yang paling sering terjadi atau paling sering muncul dalam suatu

distribusi. Letaknya dapat diketahui dengan cara mengamati dari pada menghitung. Dalam

suatu distribusi data berkelompok, diasumsikan bahwa mode menjadi skor tengah interval

yang memiliki frekunsi paling banyak. Perhatikan contoh berikut.

36

Bisa saja dalam suatu distribusi terdapat lebih dari satu mode. Jika demikian maka distribusi

tersebut disebut distribusi bimodel. Jika distribusi itu memiliki lebih dari dua mode, maka

disebut distribusi multimodel.

2. Pengukuran Dispersi

Kita tahu bahwa ukuran tendensi sentral menggambarkan lokasi di sepanjang skala yang

berurutan. Hal ini merupakan karakteristik distribusi data yang memerlukan analisis statistik

lebih lanjut. Berikut ini contoh skor-skor yang ditarik dari dua kelompok siswa.

Kelompok I Kelompok II

Siswa Skor Kelas Siswa Skor Kelas

Widya

Bella

Fandi

Fajar

wahyudi

100

90

80

70

60

I

II

III

IV

V

Fauzi

Jojon

Tuminah

Mahfud

Unang

82

81

80

79

78

III

III

III

III

III

=400

N = 5

Md = 80

=400

N = 5

Md = 80

Contoh tersebut menunjukkan bahwa Mean (M) dan Median (Md) dari kedua kelompok itu

persis sama. Dengan demikian menunjukkan bahwa rata-rata tidak sepenuhnya

menggambarkan perbedaan prestasi antara siswa kelompok I dan siswa kelompok II. Untuk

membandingkan performan para siswa dari kedua kelompok tersebut, perlu menggunakan

ukuran dispersi skor.

3. Deviasi dari Mean (x kecil)

Suatu skor yang dinyatakan sebagai jarak skor tersebut dari mean, dinamakan skor deviasi.

Secara matematis, rumusnya:

37

x = (X - M)

Jika suatu skor berada diatas mean, maka skor deviasinya bertanda positif, tetapi jika

berada dibawah mean, maka skor deviasinya bertanda negatif. Perhatikan contoh berikut.

Misalkan perbandingan skor-skor dari dua kelompok siswa yang dapat digambarkan sebagai

berikut:

Kelompok I Kelompok II

Siswa Skor (X-M)=x Siswa Skor (X-M)=x

Agus

Unang

Rina

Hasim

Udin

100

90

80

70

60

+20

+10

0

-10

-20

Sutarno

Yeni

Dodo

Fadilah

Kusnadi

82

81

80

79

78

+2

+1

0

-1

-2

= 400 =0 = 400 =0

N kelompok I= 5, M kelompok I = 80

N kelompok II = 5 M kelompok II = 80

Dari contoh tersebut dapat diamati bahwa, jumlah deviasi skor dari mean adalah 0 atau

dapat ditulis:

(X - M) = 0 , jadi = 0

Berdasarkan hal tersebut, dapat didefinisikan bahwa, mean adalah nilai dalam suatu

distribusi yang jumlah skor deviasinya adalah sama dengan nol.



Buatlah suatu pelatihan bersama secara berkelompok untuk berlatih mengimplementasikan

perhitungan tendensi sentral dan dispersi. Gunakan data skor nilai suatu mata pelajaran di

SD atau SMP.


38

Untuk mengetahui tingkat kemampuan Anda dalam melakukan perhitungan tendensi,

koreksikan hasil pengerjaan Anda oleh rekan sejawat yang mengerti langkah-langkah

perhitungan tendensi!

F. Tes Formatif



1. Rata-rata hitung dari suatu distribusi, disebut…

a. Mean

b. Mode

c. Frekuensi

d. Modus

2. Skor yang sering muncul, disebut…

a. Mean

b. Mode

c. Frekuensi

d. Modus

3. Distribusi yang memiliki dua atau lebih mode, disebut…

a. Distribusi bimodel

b. Distribusi multimodel

c. Distribusi frekuensi

d. Distribusi varian

4. Skor yang dinyatakan sebagai jarak skor mean disebut…

a. deviasi

b. frekuensi

c. mode

d. mean

39

5. Berikut adalah pengukuran tendensi sentral, kecuali…

a. Mean

b. Mode

c. Modus

d. Frekuensi

Konsep Dasar Pengolahan Dan Analisis Data

Documents

Konsep Dasar Pengolahan Dan Analisis Data