METODE ANALISIS DATA

METODE ANALISIS DATA

4.1. METODE STATISTIKA

Pengertian statistik dan statistika seringkali dicampur-adukkan, walaupun sebenarnya kedua istilah tersebut berbeda. Statistika dapat diartikan sebagai metode ilmiah yang digunakan untuk mengumpulkan, mengorganisasikan, meringkas, menyajikan dan menganalisis data. Tujuannya adalah untuk dapat diperoleh gambaran yang terperinci mengenai karakteristik data itu sendiri sehingga berguna bagi penarikan kesimpulan. Sedangkan statistik hanya merupakan hasil dari pada proses statistika. Statistik dipakai untuk menyatakan kumpulan data, bilangan maupun non bilangan yang disusun dalam tabel atau diagram, yang menggambarkan suatu persoalan.

Berdasarkan pengertian di atas, maka statistika dapat dibagi menjadi dua metode, yaitu Statistika Deskriptif dan Statistika Induktif. Statistika deskriptif merupakan metode yang

36 Metode Penelitian Kuantitatif : Plus Aplikasi Program SPSS

berkaitan dengan pengumpulan dan penyajian suatu hasil pengamatan (data) sehingga memberikan informasi yang berguna bagi pihak-pihak yang berkepentingan terhadap data dan informasi tersebut. Yang harus mendapatkan perhatian dalam statistika deskriptif adalah hanya menyajikan atau memberikan informasi dari data yang dimiliki (data dari sampel) dan bukan memberikan kesimpulan apapun tentang data populasi. Penyampaian informasi yang dimaksud dapat berupa diagram, grafik, gambar, dan tabel. Sedangkan statistika induktif adalah mencangkup metode yang berkaitan dengan analisis sebagian data (data dari sampel) yang kemudian digunakan untuk melakukan peramalan atau penaksiran kesimpulan (generalisasi) mengenai data secara keseluruhan (populasi). Generalisasi tersebut mempunyai sifat tidak pasti karena hanya berdasarkan pada data dari sampel.

4.2. PENGUJIAN HIPOTESIS

Hipotesis dapat diartikan sebagai kesimpulan sementara terhadap masalah yang diajukan. Dalam kegiatan penelitian, yang dapat menjadi sumber masalah adalah adanya kesenjangan antara “yang seharusnya terjadi” dengan “yang sebenarnya terjadi”. Dengan demikian, yang menjadi masalah adalah “apa yang menjadi penyebab timbulnya kesenjangan antara yang sebenarnya terjadi dengan yang seharusnya terjadi”.

Dalam dunia akademik, suatu masalah terlebih dahulu dijawab secara teoritik. Berdasarkan konsep teoritik tersebut maka dapat diajukan suatu hipotesis. Dengan hipotesis tersebut suatu masalah sudah dapat dijawab, namun jawaban tersebut masih bersifat teoritik dan bersifat sementara. Oleh sebab itu, diperlukan data lapangan untuk memastikan kebenaran hipotesis yang diajukan. Kebenaran hipotesis tergantung pada analisis data lapangan. Hipotesis yang diajukan dapat diterima kebenarannya jika analisis data lapangan sesuai dengan teori, sebaliknya jika analisis data lapangan bertolak belakang (berbeda) dengan teori, maka hipotesis yang diajukan dapat ditolak.

Hipotesis dapat bersifat Kuantitatif dan dapat bersifat Kualitatif. Secara statistik, hipotesis yang bersifat kualitatif tidak dapat diuji, sedangkan yang dapat diuji adalah hipotesis yang bersifat kuantitatif. Hipotesis yang demikian, disebut Hipotesis Statistik (Statistical Hypothesis) karena selain harus disajikan dalam bentuk angka, hipotesis statistik juga merupakan pernyataan tentang bentuk fungsi yang menggambarkan hubungan antar variabel yang diteliti.

Secara statistika terdapat dua macam hipotesis, yaitu Hipotesis Nol (Null Hypothesis) yang diberi simbol dengan Ho, dan Hipotesis Alternatif (Alternative Hypothesis) yang diberi simbol dengan Ha. Hipotesis Nol menyatakan tidak ada perbedaan antara statistik sampel dengan parameter populasi atau tidak ada hubungan antara dua variabel atau lebih. Hipotesis Alterenatif menyatakan terdapat perbedaan antara statistik sampel dengan parameter populasi atau terdapat hubungan antara dua variabel atau lebih.

Dalam merumuskan suatu hipotesis, agar hipotesis yang diajukan dapat diuji atau dianalisis maka yang perlu mendapatkan perhatian adalah bahwa hipotesis hendaknya :

1. Menyatakan hubungan antara dua variabel atau lebih;

2. Dinyatakan dalam kalimat pernyataan;

3. Dirumuskan secara jelas dan padat (sistematik); dan

4. Dapat diuji kebenarannya berdasarkan data lapangan.

Terdapat dua tipe kesalahan dalam pengujian hipotesis, yaitu Tipe Kesalahan I jika dalam pengambilan keputusan berdasarkan pada penolakan hipotesis yang benar (yang seharusnya diterima), sedangkan Tipe Kesalahan II jika kesimpulan berdasarkan pada penerimaan hipotesis yang salah (yang seharusnya ditolak).

Probabilitas untuk terjadinya kesalahan disebut dengan “Taraf Signifikan” atau disimbolkan dengan α, dimana nilai taraf signifikan tersebut dinyatakan dalam prosentase, misalnya α sebesar 5%, 10%, dan lain-lain. Lawan dari taraf signifikan adalah tingkat keyakinan, yaitu bernilai sebesar 1 - α. Misalnya jika taraf signifikan sebesar 5% maka tingkat keyakinan sebesar 95 %, jika α sebesar 10% maka tingkat keyakinan bahwa hipotesis yang diajukan benar adalah sebesar 90%.

Semakin besar atau tinggi tingkat keyakinan terhadap hipotesis (dinyatakan benar setelah diuji) maka hipotesis tersebut semakin baik, tetapi yang harus menjadi perhatian adalah penetapan tingkat signifikan (α) adalah :

1. Bidang ilmu dari penelitian yang dilaksanakan. Bidang ilmu kelompok ilmu pasti, misalnya kedokteran dan teknik, penetapan tingkat kesalahan (α) harus sekecil mungkin karena akan berdampak sangat besar. Misalnya dalam penelitian untuk membuat obat atau mesin, maka tingkat kesalahan (α) pengukuran harus sekecil mungkin

2. Ruang lingkup dari penelitian yang dilaksanakan. Wilayah penelitian menjadi salah satu pertimbangan dalam penetapan tingkat kesalahan (α). Jika penelitian dilakukan dalam wilayah nasional maka tingkat kesalahan akan semakin besar dibandingkan jika penelitian dilakukan hanya dalam wilayah lokal.

3. Jumlah variabel yang diteliti. Dengan semakin banyaknya jumlah variabel yang diteliti maka tingkat kesalahan akan semakin kecil dibandingkan jika penelitian hanya menggunakan sedikit variabel yang diteliti.

Dalam pengujian hipotesis terdapat dua cara yang dapat dilakukan, yaitu pengujian hipotesis satu arah (One Tail Test) dan pengujian hipotesis dua arah (Two Tail Test). Untuk pengujian hipotesis satu arah dibagi menjadi dua, yaitu pengujian hipotesis satu arah negatif dan pengujian hipotesis

40 Metode Penelitian Kuantitatif : Plus Aplikasi Program SPSS

satu arah positif (tergantung hipotesis alternatif yang diajukan

3. METODE ANALISIS DATA

3.1. Analisis Perbedaan

Analisis perbedaan dapat dibagi menjadi dua, yaitu Uji

Beda Rata-Rata dan Uji Beda Proporsi. Data yang digunakan

dalam Uji Beda Rata-Rata adalah bersifat data kontinyu,

sedangkan untuk Uji Beda Proporsi adalah data dalam bentuk

prosentase.  

Analisis Chi-Square

Uji Chi-Square dapat dikatakan sebagai uji proporsi untuk dua peristiwa atau lebih, sehingga datanya bersifat diskrit. Dalam Uji Chi-Square dihadapkan pada suatu pengujian apakah perbedaan antara frekuensi hasil observasi (diisimbolkan f0) dengan frekuensi yang diharapkan oleh peneliti

(disimbolkan fh) dari sampel yang terbatas merupakan perbedaan yang signifikan atau tidak. Perbedaan tersebut meyakinkan jika harga dari Chi-Square () sama atau lebih besar dari suatu harga yang ditetapkan pada taraf signifikan tertentu (dari tabel ). Dengan kata lain Ho akan diterima jika harga  lebih kecil dari  dalam tabel, sebaliknya Ho akan ditolak jika harga X lebih besar atau sama dengan  dalam tabel.

3.3. Analisis Regresi dan Korelasi

Analisis Regresi bertujuan untuk mengetahui seberapa besar pengaruh dari variabel pengaruh (variabel independen) terhadap variabel terpengaruh (variabel dependen). Beberapa literatur menyebut variabel independen sebagai variabel bebas dan variabel dependen sebagai variabel terikat. Tetapi secara

jelas yang disebut variabel independen adalah variabel yang dapat mempengaruhi variabel lain, sedangkan variabel dependen adalah variabel yang dipengaruhi oleh variabel lain. Misalnya dalam persamaan konsumsi (C = a + b Y), diketahui bahwa besanya nilai konsumsi (C) dipengaruhi oleh jumlah pendapatan (Y). Dengan demikian yang disebut dengan variabel independen adalah Jumlah Pendapatan (Y) dan yang menjadi variabel dependen adalah Konsumsi (C). Yang perlu mendapatkan perhatian dalam menentukan variabel independen dan variabel dependen adalah jangan “terpaku” pada notasi dalam suatu persamaan regresi, karena masing-masing literatur menggunakan notasi sendiri-sendiri.

Analisis Korelasi digunakan untuk mengetahui tingkat keeratan dari hubungan dua variabel. Sedangkan angka yang menunjukkan kuat tidaknya hubungan antara dua variabel disebut dengan koefisien korelasi yang dinotasikan dengan “r” (khusus untuk korelasi sederhana). Nilai koefisien korelasi adalah – 1 ≤ r ≤ 1.

Jika r = – 1, berhubungan negatif “sangat” erat

Jika r = 1, berhubungan positif “sangat” erat               

Jika r = 0, tidak berhubungan

Jika r semakin mendekati angka – 1 atau 1, maka antara dua variabel mempunyai hubungan yang kuat atau erat. Sedangkan jika r lebih mendekati ke angka 0, maka antara dua variabel mempunyai hubungan yang tidak kuat atau tidak erat.

4.3.3.1. Analisis Regresi Sederhana

Penyebutan regresi linier sederhana karena dalam model

yang diajukan hanya memasukkan satu variabel independen

dan persamaannya berpangkat satu. Dengan demikian model

regresi linier sederhana adalah sebagai berikut:

Y = a + b. X (dalam beberapa literatur ditulis Y = b0 + b1. X)

Keterangan :

Y : Variabel Dependen (variabel terikat)

X : Variabel Independen (variabel bebas)

a : Konstanta

b : Koefisien Regresi

3.3.2. Analisis Regresi Berganda

Dalam analisis regresi linier sederhana jumlah variabel independen yang digunakan adalah sebanyak satu variabel. Sedangkan untuk analisis regresi dan korelasi berganda, jumlah variabel independen yang digunakan lebih dari satu variabel. Dengan demikian model persamaan regresi linier berganda menjadi : Y = a + b1 X1 + b2 X2 + … + b i X i

Keterangan:

Y : Variabel Dependen

X1 : Variabel Independen Pertama

X2 : Variabel Independen Kedua

X i : Variabel Independen Ke-i

b1, b2, …b i : Koefisien Regresi

a : Konstanta

Untuk mendapatkan nilai konstanta dan masing-masing nilai koefisien regresi pada persamaan tersebut di atas, khusus untuk analisis regresi berganda dengan tiga variabel (satu variabel dependen dan dua variabel independen) sudah tersedia rumusnya, sedangkan jika analisis regresi berganda dengan lebih tiga variabel, harus menggunakan metode matrik.

Metode Analisis Data 67

Analisis regresi berganda tiga variabel model

persamaannya adalah sebagai berikut : Y = a + b1 X1 + b2 X2.