Analisis Data dan Pengujian Hipotesis Dalam sebuah Penelitian

 

2.1. ANALISIS DATA

 

2.1.1.      Pengertian Analisis Data

            Proses analisis data dimulai dengan menelah seluruh data yang tersedia dari berbagai sumber, yaitu wawancara,pengamatan, yang sudah ditulis dalam catatan lapangan, dokumen pribadi, dokumen resmi, gambar foto, dan sebagainya. Data tersebut banyak sekali, setelah dibaca, dipelajari, dan ditelah maka langkah berikutnya adalah mengadakan reduksi data yang dilakukan dengan jalan membuat abstraksi.

            Setelah pengumpulan data dari lapangan selesai dilakukan maka tahap berikutnya adalah tahap analisis.tahap ini merupakan tahap yang sanagat penting dan menentukan. Pada tahap inilah data diolah sedemikian rupa sehingga berhasil disimpulkan kebenaran-kebenaranya yang dapat dipakai untuk menjawab persoalan-persoalan yang di ajukan dalam penelitian. Pada tahap inilah imajinasi dan kreativitas peneliti betul-betul di uji.

 

 

2.1.2.      Tahap-Tahap Pengolahan Data

Ada beberapa tahapan yang perlu dilakukan agar data dapat di sajikan dengan benar:

 

  1. 1.             Tahap Pengeditan

Langkah pertama yang perlu ditentukan dalam menganalisis data adalah pengeditan Data mentah. Pengeditan berfungsi mendeteksi kesalahan-kesalahan dan penghilangan, memperbaikinya ketika dimungkinkan dan menjamin kualitas standar data minimum yang telah diarsip. Dalam hal ini editor bertujuan untuk menjamin bahwa:

ü  Lengkap pengisianya

Daftar pertanyaan harus terisi lengkap. Setiap pertanyaan yang di ajukan dalam daftar pertanyaan harus dilengkapi dengan catatan jawaban, sekalipun jawaban itu mungkin hanya berbunyi “tidak tahu”, atau “Tidak mau menjawab”. Apabila ada yang kosong berarti bahwa si pengisi data lup menenyakan sesuatu pertanyaan atau lupa menulis jawaban.

 

ü  Keterbacaan tuliasan dan kejelasan makna jawaban

Tulisan si pengumpul data harus dapat di baca dan menyusun kalimat yang diperolehnya dengan kalimat yang semprna dan jelas maksudnya. Kalimat yang disusun secara tidak sempurna kan menyebabkan kesalahan-kesalahan interpretasi dan mengganggu kelalaian data

 

ü  Konsistensi jawaban satu sama lain

Hal lain yang perlu diperiksa kembali dalam rangka kerja editing ini adalah jawaban-jawaban yang responden yang dicatat oleh pengumpul data yang cukup logis  dan sesuai antara satu dengan yang lainya. Apabiala tidak maka data yang diolah dan dianalisis masih kurang baik. Penyebabnya bisa terjadi pada si responden yang mungkin ingin mncoba menjawabnya dengan tidak “jujur” atau bisa jadi karna pengumpul data yang kurang kritis /kurang teliti dalam mencatat jawaban

Sebagai Contoh:

Pertanyaan no 1:Apakah saudara menggunakan pupik buatan pada musim tanam yang lalu? Ternyata jawabanya adalah “Tidak”

Pertanyaan no 2: Jenis apa?Ternyata Jawabanya adalah “urea”

Pertanyaan no 3:Berapa(Kg)? Ternyata jawabanya adalah 50 Kg

 

ü  Relevansi Jawaban

Seringkali responden memberikan jawaban yang kurang /tidak relevan dengan persoalan yang sedang diteliti,jika memeng tidak sesuai maka data tersebut tidak akan berharga dan tidak digunakan

 

ü  Keseragaman satuan data

Data yang di catat harus dalam satuan-satuan yang seragam. jika tidak, maka kesalaha-kesalahan dalam pengelolaan dan analisis data kemungkinan besar akan terjadi

Sebagai contoh:Jika dalam mengukur luas tanah telah ditetapkan menggunakan satuan hektar(ha), maka janganlah kemudian pada daftar pertanyaan dituliskan dalam satuan ukuran lain(meterpersegi atau lainya)

 

 

  1. 2.             Tahap Pemberian Kode (Koding)
  • Aturan pemberian kodding

Terdapat empt hal penting yang menjadi petunjuk dalam membuat kategori,antara lain:

  1. Layak terhadapa masalah penelitian dan tujuannya
  2. Satu klasifikasi harus sempurna,artinya kategori-kategori yang dipakai harus bisa menampung semua data. Jadi tidak ada sisa data yang tidak diklasifikasikan.
  3. Masing-masing kategori harus memisahkan satu dengan yang lain(mutually exclusive)
  4. Setiap klasifikasi harus didasarkan atas satu fundamentum divisionis

                        Pemberian kode yaitu pemberian sejumlah tanda-tanda atau simbol-simbol untuk dijawab begitu tanggapan atas pertanyaan dibuat dengan kata lain dapat disebutkan bahwa tujuan dari koding adalah untuk mengklasifikasikan jawaban-jawaban kedalam kategoi-kategori yang penting. Klasifikasi itu dilakukan dengan jalan menandai masing masiing jawaban dengan kode tertentu, biasanya dalam bentuk angka. Dengan demikian membubuhkan kode pada suatu jawaban tertentu(koding)berarti menetapkan kategori yang tepat bagi suatu jawaban.

 

Contoh:

Dalam suatu penelitian di ajukan pertanyaan yang berbunyi “ Bagaimanakah kesan  saudara terhadap kebersihan kota ini?” menanggapi pertanyaan ini, para espnden akan memberikan jawaban-jawaban yang beraneka ragam yang tentu saja tidak bisa dirumuskan dalam rumusan yang seragam.

Ragam jawaban itu mungkin akan berbunyi sebagai berikut:

-wah, kota ini jorok betul ya!

-saya kira cukup bersih.

-boleh jugalah!

-wah, jangan tanya saya dong.

-dibanding tahun lalu tampak ada kemajuan

-saya kira, inilah kota yang paling bersih yang prnah saya lihat.

- bersih betul sih tidak,tapi kotor juga tidak

-kebersihan kota ini perlu dipertahaankan

Seandainya dalam contoh ini jawaban telah melalui tahap pengeditan, maka jawaban tersebut telah siap dikode. Dalam tahap koding ini jawaban yang beragam (atau dalam istilah tekhnisnya “tidak berstruktur”) maka harus digongkan kedalam macam  jawaban “saya kira, inilah kota yang paling bersih yang pernah saya lihat”dan “kebersihan kota ini perlu dipertahankan” maka dapat dimsukan kedalam kategori yang sama, yaitu kategori jawaban yang menilai kota itu “bersih sekali”. Jawaban-jawaban “saya kira cukup bersih” dan “boleh jugalah” dan “dibanding kota lain ya.. lumayan deh” dan “bersih betul sih tidak,tapi kotor juga tidak” maka dapat dimasukan kedalam kategori yang sama pula yaitu yaitu kategoi “cukup bersih”.

Demikian seterusnya sampai semua jawaban(tanpa terkecuali) selesai dikode dan mendapat tempat dalam kategori-kategori yang ada.

Tidak selamnya mengkode jawaban seperti itu dapat dikerjakan dengan mudah. Jawaban”boleh jugalah” tersebut diatas mungkin dapat diartikan dan dikodekan kedalam kategori “cukup bersih”,seperti yang telah dicontohkan diatas.namun ungkapan kata diatas dapat juga dimasukan kedalam kategori “bersih” atau mungkin kedalam kategori  “bersih sekali” . jawaban “dibandingkan dengan tahun lalu tampaknya da kemajuan” jelas lebih membingungkan lagi, jawaban ini dapat dikategorikan kedalam “kotor”(jika dalam keadaan tahun lalu “kotor sekali”) atau kedalam kategori “cukup” (jika keadaan tahun lalu “kotor”) dapat pula dikategorikan kedalam ‘bersih” (jika tahun lalu “cukup bersih”).

Kesulitan koding seperti yang telah disebutkan diatas sbenernya mudah untuk dihindari jika para pengumpul data telah mengetahui atau di beri tahu lebih dahulu kategori-kategori apa saja kiranya yang akan diadakan untuk mengolongkan jawaban yang akan terkumpul. Jika seorang pewawancara telah mengetahui bahwa jawaban atas pertanyaan “Bagaimana kesan saudara terhadap kebersihan kota ini?” akan dikoding kedalam kategori-kategori:

 

Bersih sekali  ………………………………………………………….      01

Bersih  ……………………………………………………………………      02

Cukup bersih   ………………………………………………………..       03

Kotor……………………………………………………………………..       04

Kotor sekali……………………………………………………………..      05

Tidak dapat mengetakan…………………………………………..       06

Tidak bersedia menjawab………………………………………….      07

 

Maka jawaban “dibandikan dengan keadaan tahun lalu tampak ada kemjuan”pastilah akan ditolak. Jawaban seperti itu tidak akan bisa dmasukan kedalam kategori yang ada. Dalam hal demikian pewawancara pastilah akan mengejar lagi dengan pertanyaan-pertanyaan tambahan sedemikian rupadan sedemikian jauh sehingga dia mendapatkan jawaban yang lebih memungkinkan untuk dikode kedalam kategori-kategori yang telah ditetpkan.lain hal nya jika kategori yang ditetpkan sebagai berikut:

 

Lebih baik dari tahun lalu………………………………………………..01

Sama saja………………………………………………………………………02

Lebih buruk dari tahun lalu……………………………………………..03

Tak dapat mengatakan…………………………………………………….04

Tak bersedia menjawab…………………………………………………..05

 

            Dengan demikian dapat dikatakn bahwa dengan mengetahui terlebih dahulu kemungkinan kategori-kategori yang akan ada, maka pengumpul data (dengan wawancara/observasi) akan berusaha sedemikian rupa agar jawaban atau informasi yang di dapat akan terumus dengan tepat dan jelas .

 

  1. 3.             Tabulasi

Merupakan transformasi Data penelitian dalam bentuk tabulasi sehingga mudah dipahami dan interpretasikan. Tabulasi menyajikan ringkasan,pengaturan,atau  penysunan data dalam bentuk tabel numerik dan grafik. Ukuran yang digunakan antara lain berupa frekuensitrndensi sentral(rata-rata,median,modus),dispersi(deviasi standardan varian) dan koefisiensi korelasi antar variabel penelitian.

 

ü   Manfaat Tabulasi Data

Tabulasi data penting dilakukan untuk :

  1. Menghindarkan pengulangan kata atau kalimat
  2.  Menyingkat uraian
  3.  Memenuhi penyajian data secara kuantitatif, rasional dan obyektif
  4. Menentukan korelasi antara satu data dengan data yang lainnya
  5. Menetapkan kesimpulan dari sesuatu penyajian atau uraian
  6. Menemukan kemungkinan masalah yang dihadapi
  7. Menemukan kemungkinan sebab terjadinya masalah tersebut
  8. Menentukan kemungkinan atau alternatif cara pemecahan masalah yang perlu dilakukan

 

ü   Menyusun Tabulasi Data

Membuat tabulasi data yaitu mengalihkan atau menyusun data dari instrumen yang sudah diklasifikasikan (dikategorikan) ke dalam tabel (daftar) untuk dengan mudah dapat menarik korelasi antara satu data dengan data yang lain dan menarik kesimpulan kuantitatif serta kualitatif dengan lebih tepat dan obyektif. Untuk penelitian yang sederhana cukup menggunakan metode pemilihan dan pencatatan dengan menggunakan tangan yaitu dengan teliti membuat “tally” (////). Membuat tabulasi dengan tangan memerlukan perencanaan yang teliti agar tidak membuang tenaga dan waktu. Kategori yang digunakan sebagai dasar tabulasi harus diketahui dengan jelas dan ditentukan terlebih dahulu. Tanpa penentuan kategori, seseorang mungkin harus membuat tabulasi ulang yang berarti harus menggunakan waktu dan usaha yang amat banyak.

 

 

ü   Ada beberapa hal yang perlu diperhatikan atau harus ada dalam penyajian data dengan

menggunakan tabel atau daftar, yaitu :

1. Judul tabel atau daftar yang ditulis di atas tabel

2. Judul baris yang ditulis di bagian kiri dari tabel itu

3. Judul kolom yang ditulis di bagian atas dalam tabel itu

4. Badan daftar atau tabel sesuai dengan kebutuhan

5. Catatan apabila diperlukan

Proses mentabulasi menghasilkan tabel-tabel sebagai alat untuk memahami kesamaan kesamaan dan hubungan-hubungan antara data. Tabel terdiri atas kolom dan baris di mana data ditempatkan di dalamnya. Ada dua jenis tabel yaitu tabel tunggal dan tabel silang. Tabel tunggal digunakan untuk mendeskripsi variabel tunggal. Tabel tunggal disebut juga tabel frekuensi atau table marginal. Cara sederhana untuk mengorganisir dan meringkaskan data ialah dengan mengelompokkan setiap kode menurut kategori variabel. Tabel silang digunakan untuk menyajikan dua atau lebih variabel yang dibuat dalam bentuk tabel kontingensi.

 

Contoh-contoh di bawah ini akan menjelaskan bentuk dan jenis tabel sesuai dengan

penggunaannya.

 

  1. Contoh: daftar atau tabel biasa untuk variabel tunggal

 

TABEL1.1Keadaan Siswa SMP 42 Bandung

Kelas

Laki-laki       

Perempuan

   Jumlah     

 

I

135

145

280

II

128

143

271

III

138

132

270

Jumlah

401

420

821

 

 

  1. Contoh: tabel kontingensi untuk dua atau lebih variabel

 

TABEL2.1. Tinggi dan Berat Badan Siswa Kelas 1

Catatan : Dikutip dari SMP 42 Bandung

 

BERAT

 

TINGGI

 

JUMLAH

 

 

110 – 114

 

115 – 119

 

120-124

125 – 129

 

 

25

14

20

5

7

46

26

19

30

12

5

66

27

11

25

3

1

40

28

0

10

2

2

14

Jumlah

45

85

22

15

166

 

 

 

 

 

 

  1. Contoh: Daftar (tabel) Distribusi frekuensi

TABEL3.1. Skor Ujian IPS Kelas III SMP 42

SKOR

 

 

Frekuensi

31-40

6

41-50

8

51-60

12

61-70

22

71-80

14

81-90

8

Jumlah

70

Selain penyajian data dengan menggunakan bentuk tabel seperti di atas, Anda diperbolehkan juga menggunakan bagan atau diagram. Bagan atau diagram dapat dinyatakan dalam berbagai bentuk.

 

 

 

 Di bawah ini dikemukakan beberapa contoh, yaitu :

diagram garis atau grafik, diagram batang, dan diagram lingkaran (cyclogram).

 

  1. Contoh Diagram Garis (Graph)

 

 

 

  1. Contoh: Diagram Batang (Bargram)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

                                                       

 

 

  1. Contoh diagram Lingkaran (cyclogram)

 

 

  1. 4.             Verifikasi

 

Hasil-hasil yang diperoleh dalam suatu survei diperiksa benar tidaknya melalui dua jalan         

  1. Penylidikan dari sumber-sumber kesalahan (bias) yang mungkin ada dalam penelitian
  2. Evaluasi tentang tingkat aksptabilitas (acceptability) hasil, baik atas dasar teoritismaupun empiris.

Dalam suatu penelitiaan biasanya ditemukan adanya kesalahan. Karna perbedaan dalm tingkat pengetahuan dan pendidikan responden, maka ada kemungkinan pertanyaan yang sama, akan terdapat jawaban jawaban yang berbeda. Juga karna perubahan pendapat maupun  kurang baiknya daya ingat seseorang, maka responden yang sama dapat memberikan jawaban yang  berbeda  untuk pertanyaan yang sama, apabila pertanyaan tersebut diulang. Dengan demikian kita sering menjumpai ketidakseragaman jawaban (variability of responden)

Gaya bicara,bahasa  dan prilaku pewawancara sangat besar pengaruhnya dalam pembicaraan antara pewawancara dan responden. Sering terjadi jawaban-jawaban yang diberikan responden diinterpretasikan lain oleh pewawancara hal ini kita sebut interview bias

Untuk mengurangi dan menghilangkan missinterpretasi, petugas yang menginterpretasikan dan mengikhtisarkan hasil-hasil ikut mengambil bagian di dalam survei. Jadi peneliti mempunyai pengalaman sendiri mengetahui kesalahan kesalahan dalam praktis didalam menggunakan daftar pertanyaan.

Kesalahan yang telah disebutkan diatas hanyalah merupakan sebagian saja dari keslahan-kesalhaan yang terjdi dalam suatu penelitian. Kesalahn-kesalahn lain yang mencangkup antara lain:

1)      Bias yang ditimbulkan oleh responden

2)      Bias yang ditimbulkan oleh laporan yang terlambat

3)      Bias yang ditimbulakan oleh kurangnya representasinya seleksi responden

4)      Kesalahan sampling (didalam pengambilan contoh)

5)      Kesalahan didalam pengolahan (processing erors)

6)      Kurang sempurnanya desain pertanyaan dan rencana tabulasi

Untuk memeriksa hasil-hasil yang telah didapat dari sautu penelitian, selain dengan cara yang telah disebutkan diatas ada cara lain yaitu evaluasi tentang tingkat akseptabilitas hasil. Diluar avaluasi atas dasar teoritis dan empiris. Plausibility (masuk akal atau tidaknya suatu penelitian).verivikasi empiris lebih dikenal dengan istilah validation, tujuanya yaitu untuk membandingkan hasil-hasil penelitian dengan data eksteren manpun yang mungkin tersedia mengenai masalah yang sama. Verifikasi teoritis berintikan apakah hasil –hasil tersebut sesuai dengan teori yang ada mengenai masalah yang bersangkutan.sejauh mana hasil-hasil sesuai dengan pemikiran apriori (apriori reasioning)

 

 

 

 

 

 

 

 

 

 

 

 

 

2.2.   PENGUJIAN HIPOTESIS PENELITIAN

 

2.2.1. Pengujian Hipotesis

Salah satu tujuan dari penelitian adalah menguji hipotesis. Hipotesis yang dinyatakan dalam sebuah penelitian tenetunya berbeda-beda sehungga hasil yang diperoleh juga akan berbeda. Tujuan dilakukannya pengujian hipotesis adalah untuk menentukan akurasi dari masing-masing hipotesis penelitian terhadap kenyataan dari data yang dikumpulkan para peneliti.

 

  1. 1.             Pendekatan Pengujian

Ada dua pendekata terhadap pengujian hipotesis, yaitu:

ü   menetapkan pendekatan uji classic,

Pendekatan uji classic banyak ditemukan dalam literature-literatur statistik dan digunakan secara luas dalam aplikasi penelitian. Pendekatam ini menghasilkan suatu tujuan pandangan terhadap probabilitas dalam pengambilan keputusan secara keseluruhan berdasarkan analisa dari data sampel yang tesedia.

 

ü   pendekatan bias statistik.

Pendekatan bias statistik merupakan perluasan dari pendekatan asumsi classic. Dalam hal ini penelitian menggunakan sampling data untuk pengambilan keputusan, tetapi harus dikumpulkan seluruh informasi lainnyayang tersedia.

 

informasi tambahan ini terdiri dari perkiraan hubungan yang dinyatakan dengan tingkat kepercayaan. Estimasi hubungan ini di dasarkan pada pengalaman pengumpulan data. Data diungkapkan sebagai suatu distribusi sebelumnya yang dapa direvisi setelah informasi sampel dikumpulkan.

 

  1. 2.             Tingkat Signifikansi Statistik

Setelah melakukan analisa dan pengujian data, peneliti selanjutnya dapat menyimpulkan apakah hipotesis diterima atau ditolak. Menerima atau menolak hipotesis tergantung pada temuan statistik yaitu tingkat signifikansinya. Tingkat signifikansi (the level of significance) adalah tingkat probabilitas (dilambangkan dengan a) yang ditentukan oleh peneliti untuk membuat keputusan menolak atau mendukung hipotesis.

  • Pengujian Hipotesis Nol dan Hiporesis Alternatif

Terdapat dua jenis hipotesis yang digunakan dalam penelitian. Hipotesis pertama adalah hipotesis nol (Ho) dan yang kedua adalah hipotesis alternatif (Ha).

ü   Hipotesis nol

Hipotesis nol digunakan untuk diuji.  selalu menyatakan tidak ada hubungan di antara parameter (alat ukur yang diambil denagn sensus populasi atau alat ukur sebelumnya dari sampel populasi) dan statistik yang sedang diperbandingkan terhadap (suatu ukuran yang ditarik dari contoh yangi diambil dari populasi). 

Umumnya hupotesis ini diformulasikan untuk di tolak. Uji analisis biasanya untuk menentukan apakah tidak terdapat perubahan dalam kepentingan populasi atau apakah benar-benar terjadi perubahan.

Ada dua tipe kesalahan yang mungkin diperbuat dalam mengambil kesimpulan tentang Ho. Pertama, kesalahan tipe I, adalah kesalahan menolak Ho sedangkan pada kenyataannya Ho benar. Kedua, kesalahan tipe II adalah kesalahan menerima Ho, sedang pada kenyataannya adalah Ho salah.

 

ü   Hipotesis alternative

Hipotesis ini merupakan hipotesis tandingan dari hipotesis nol. Hipotesis alternatif selalu menyatakan terdapat hubungan diantara parameter. Hipotesis ini merupakan hipotesis penelitian dari sipeneliti, yang dinyatakan secara operasional.

 

 

2.2.2.      Daerah Penolakan

Dalam pengujian hipotesis terdapat daerah penolakan. Daerah penolakan merupakan suatu daerah dalam distribusi sampling. Distribusi sampling meliputi semua harga yang dimiliki uji statistik Ho. Daerah penolakan terjadi bagian himpunan harga-harga, dan didefenisikan sedemikian rupa sehingga kemungkinan di bawah Ho.

               Letak daerah penolakan tersebut dipengaruhi oleh Ha. Jika Ha menunjukkan arah perbedaan perbedaan yang diprediksikan, maka akan muncul uji one tailed test (uji satu sisi). Jika Ha tidak menunjukkan arah perbedaan diprediksikan, maka digunakan uji two tailed test (uji dua sisi). Uji one tailed test dan uji two tailed test berbeda dalam letak daerah penolakan masing-masing, tetapi tidak berbeda dalam besarnya.

 

2.2.3. Tekhnik Pengujian Statistik

Kekuatan analisis statistik berdasarkan pada fungsi uji statistic yang dipakai dalam analisis. Disebut uji statistic yang baik apabila terdapat kemungkinan kecil menolak Ho apabila  Ho benar, dan mempunyai kemungkinan besar untuk menolak Ho pada saat Ho salah. Misalkan kita mendapat uji statistic, X dan Y, yang mempunyai kemungkinan yang sama untuk menolak Ho apabila Ho benar. Uji yang sebaiknya kita pilih adalah yang memiliki kemungkinan lebih besar untuk menolak Ho ketika Ho salah. Terdapat beberapa criteria yang perlu diperhatikan dalam menguji signifikansi statistic, yaitu:

  1. Menyatakan Hipotesis Nol (Ho).
  2. Memilih Uji Statistik yang sesuai.
  3. Memilih tungkat signifikansi
  4. Menghitung perbedaan nilai
  5. Interpretasi uji.

 

 

2.2.4.                     Nilai Probabilitas(Nilai Value P)

Berdasarkan “interpretasi pengujian” sesuai dangan tahapan prosedur uji statistik, kesimpulan dinyatakan dalam istilah-istilah perolehan atau tidak mendukung Ho didasarkan pada daerah penolakan yang dipilih sebelum uji dihasilkan. Metode kedua dari hasil yang dipresentasikan dari laporan uji statistic mencakup ketidaktepatan uji statistic dengan Ho. Metode ini menjadi populer karena analisis yang ingin kita ketahui dari presentase distribusi sampling berbeda di luar sampel statistic dari kurva, dan kebanyakan program computer statistic melaporkan hasil uji hipotesis sebagai nilai probabilitas (p values).

 

2.2.5.      Pengujian Signifikan

Secara umum terdapat dua metode uji signifikansi. Kedua metode pengujian tersebut adalah uji parametrik dan uji nonparametric. Masing-masing uji tersebut akan dijelaskan dengan menggunakan teknik uji one sample test, two sample test, dan r-independent sample test.

 

  • Uji Statistik Parametrik

merupakan uji yang modelnya menetapkan adanya syarat-syarat tertentu tentang parameter populasi yang merupakan sumber sampel penelitiannya. Dalam uji statistic parametric, terdapat beberapa asumsi yang harus dipenuhi. Asumsi-asumsi tersebut meliputi:

 

  1. Observasi harus independen, yaitu pemilihan suatu kasus dari populasi untuk dimasukkan ke dalam sampel tidak boleh bias terhadap kemungkinan kasus-kasus lain untuk dimasukkan ke dalam sampel, begitu juga dengan skor pengukurannya juga tidak boleh bias.
  2. Observasi diambil dari populasi yang berdistribusi normal.
  3. Dalam hal analisis yang berkaitan dengan dua kelompok, maka populasi masing-masing kelompok harus memiliki variance yang sama (dalam kasus tertentu mereka harus memiliki ratio variance yang diketahui)
  4. Variable harus diukur paling tidak dalm skala interval, sehingga memungkinkan melakukan interpretasi terhadap hasilnya.

 

  • Uji Statistik Non-parametrik

Uji Statistik Non-parametrik merupakan uji yang modelnya tidak menerapkan syarat-syarat menegenai parameter-parameter populasi yang merupakan induk sampel penelitiannya. Anggapan-anggapan tertentu dikaitkan dengan sejumlah besar uji-uji statistik nonparametrik, yakni bahwa observasi-observasinya independen dan bahwa variabel yang diteliti pada dasarnya memiliki kontinuitas. Namun anggapan-anggapan ini lebih sedikit dan jauh lebih lemah daripada anggapan-anggapan yang berkaitan dengan uji parametrik. Uji non parametrik tidak menuntut pengukuran sekuat yang dituntut uji parametrik, sebagian besar uji non parametrik dapat diterapkan untuk data dalam skala ordinal dan beberapa yang lain juga dapat diterapkan untuk data dalam skala nominal, data tidak berdistribusi normal dan jumlah sampel kecil (<30). Berikut ini beberapa keunggulan uji statistik non-parametrik:

 

  1. Jika jumlah sampel terlalu kecil, maka tidak ada alternatif lain menggunakan uji nin-parametrik, kecuali distribusi populasi diketahui dengan pasti.
  2. Uji non-parametrik memiliki asumsi yang lebih sedikit berkaitan dengan data dan mungkin lebih relevan pada situasi tertentu. Hiptesis yang diuji dengan non-parametrik mungkin lebih sesuai dengan tujuan penelitian.
  3. Uji non-parametrik dapat digunakan untuk menganalisis data yang secara inheren adalah data dalam bentuk ranking. Jadi si peneliti hanya dapat mengatakan terhadap subyek penelitian bahwa yang satu memiliki lebih atau kurang karakteristik dibandingkan lainnya, tanpa mengatakan seberapa besar lebih atau kurang itu.
  4. Uji non-parametrik sesuai untuk menguji data yang bersifat klasifikasi atau kategori (skala nominal). Tidak ada uji parametrik yang sesuai untuk menguji data seperti ini.
  5. Ada uji statistik non-parametrik yang sesuai untuk menguji sampel yang berasal dari observasi yang diambil dari populasi yang berbeda. Uji parametrik sering kesulitan menguji data seperti ini.
  6. Uji non-parametrik umumnya mudah digunakan dan dipelajari daripada uji parametrik. Juga interpretasinya lebih langsung dibandingkan uji parametrik.

Disampaing keunggulan-keunggulan yang ada pada uji non-parametrik, terdapat juga beberapa kelemahan-kelemahan dalam uji ini. Adapun beberapa kelemahan dari uji statistik nonparametrik adalah:

  1. Jika data telah memenuhi semua anggapan model statistik parametrik dan jika pengukurannya mempunyai kekuatan seperti yang dituntut, maka penggunaan uji-uji statistik non-parametrik akan merupakan penghamburan data. Tingkat penghamburan atau penyia-nyiaan itu dinyatakan oleh kekuatan efisiensi uji nonparametrik.
  2. Belum ada satupun metode non-parametrik untuk menguji interaksi-interaksi dalam model analisis varian, kecuali kita berani menbuat anggapan-anggapan khusus tentang aditivitas (additivity)

 

2.2.6. Memilih Alat Uji

Memilih alat uji tentunya harus menyesuaikan dengan desain penelitian yang dikembangkan sebelumnya. Untuk menjamin dikatakannya sebuah penelitian yang dilakukan dengan baik yaitu dengan cara menyesuaikan alat uji yang digunakan dengan akar permasalahan yang ingin dipecahkan. Oleh karena itu, dalam memilih alat uji para peneliti harus mempertimbangkan beberapa pertanyaan berikut:

 

  1. Apakah melibatkan pengujian one sample test, two sample test atau k independent sample test?
  2. Jika melibatkan two sample test atau k independent sample test, apakah kasus independent yang berhubungan?
  3. Apakah diukur dengan skala nominal, ordinal, rasio dan interval?

Pertanyaan tambahan dapat saja muncul dan mesti harus dijawab, seperti: berapakah ukuran sampelnya? Jika terdapat beberapa sampel, apakah sampel tersebut sama? Apakah data dihargai? Apakah terdapat data telah ditransformasikan? Beberapa pertanyaan-pertanyaan terkadang unik dalam memilih teknik. Jawaban juga justru dapat mempersulit memilih teknik tersebut, tetapi pilihan sementara harus dibuat.

  1. 1.         One Sample Test

One sample test menyatakan bahwa apakah sampel tertentu berasal dari populasi tertentu. Uji satu sampel sangat berbeda dengan uji dua sampel dan menguji kedua sampel ini berasal dari populasi yang sama. Uji satu sampel sering berfungsi sebagai uji goodness of fit. Dalam kasus tertentu kita mengambil sampel yang secara random dari populasi dan kemudian menguji hipotesis bahwa sampel yang telah kita ambil berasal dari populasi dengan distribusi tertentu atau karakteristik tertentu. Uji satu sampel dapat menjawab pertanyaan penelitian sebagai berikut:

 

  1. Adakah perbedaan signifikan dalam lokasi (central tendency) antara sampel dan populasi?
  2. Adakah perbedaan signifikan antara proporsi yang diamati (observed frequencies) dan frekuensi yang diharapkan (expected frequencies) berdasarkan pada teori yang ada?
  3. Adakah perbedaan signifikan antara proporsi yang diamati (observed) dan proporsi yang diharapkan (expected) dalam seri observasi dikotomi (a series of dichotomous observations)
  4. Apakah kita dapat mempercayai bahwa sampel diambil dari populasi dengan bentuk distribusi tertentu (normal atau uniform)
  5. Apakah kita dapat mempercayai bahwa sampel mempercayai bahwa sampel merupakan sampling yang diambil secara random dari populasi yang diketahui?
  6. Di dalam seri observasi, adakah perubahan model teoritis yang diasumsikan menghasilkan data.

Dalam kasus satu sampel, uji parametrik yang digunakan adalah t-test untuk membedakan antara rata-rata sampel penggunaan (observed) dengan nilai rata-rata yang diharapkan (populsasi). Uji t mengansumsikan bahwa populasi berdistribusi normal atau skore sampel berasal dari populasi yang berdistribusi normal. Interpretasi dari uji t mengansumsikan bahwa variabel diukur paling tidak dengan skala interval. Namun demikian banyak jenis data yang tidak sesuai kalau diuji dengan t-test.

 

ü Uji parametrik

Z atau t-test digunakan untuk menentukan signifikansi statistik diantara mean distribusi sampel an parameternya. Antara Z dan t mempunyai distribusi yang berbeda. Ini merupakan kompensasi atas kurangnya informasi tentang standar deviasi populasi. Walaupun standar deviasi sampel digunakan sebagai yang mewakili, ketidakpastian membuat pentingnya menjauhi dari 0 termasuk nilai-nilai persen dalam distribusi t penting ditemukan dalam standar normal.

 

ü Uji non parametrik

Variasi dari uji nonparametrik dapat digunakan dalam situasi one-sample, tergantung pada skala pengukuran yang digunakan dan kondisi-kondisi lainnya. Jika skala pengukuran adalah nominal, memungkinkan untuk menggunakan uji binominal atau chi-square (X²). Uji binomial cocok ketika populai dipandang hanya dua kelompok, seperti laki-laki dan perempuan, tinggi dan rendah, berhasil dan gagal, dan seluruh observasi masuk ke dalam salah satu kategori ini. Uji binomial umumnya bermanfaat ketika ukuran sampel lebih kecil dimana uji X tidak dapat digunakan.

 

ü Chi-square test

Untuk membandingkan frekuensi hasil observasi dengan frekuensi group yang diharapkan (expected), kita harus mampu menyatakan frekuensi yang akan diharapkan. Ho menyatakan bahwa proporsi obyek masuk dalam setiap kategori pada populasi yang diasumsikan. Dari Ho, kita dapat menarik kesimpulan frekuensi seperti apa yang kita harapkan. Teknik Chi-square memberikan probabilitas bahwa frekuensi yang diobservasi telah dipilih dari populasi dengan nilai expected tertentu

 

  1. 2.    Two Independent Sample Test

Two Independent sampel test sering digunakan dalam penelitian keperilakuan. Penggunaan dua sampel yang berhubungan dalam satu desain penelitian memang mengandung banyak kebaikan dan keuntungan, akan tetapi sering sekali tidak praktis. Bilamana penggunaan dua sampel yang berhubungan tidak dapat dilakukan atau tidak cocok, peneliti dapat memakai dua sampel independen.

Dalam desain ini, kedua sampelnya dapat diperoleh dengan dua metode:

a) mungkin keduanya ditarik secara random dari dua populasi,

b) mungkin sampel-sampel itu muncul karena diterapkannya secara random dua perlakuan terhadap anggota-anggota  sampel yang asal-usulnya sembarang, menggunakan kedua cara ini, kedua sampel tidak perlu mempunyai ukuran yang sama.

Misalnya, kita ingin menguji secara random keefektifan dua orang pengajar dalam mengajarkan pelajaran yang sama. Dikumpulkan kartu pendaftaran dari setiap orang yang mendaftarkan diri, kemudian secara random sepuluh dari kartu kartu pendaftaran itu diserahkan kepada pengajar yang satu dan separuhnya lagi kepada pengajar yang lain. Teknik parametrik yang lazim untuk menganalisis data dua sampel independen adalah menerapkan uji t untuk mean kedua kelompok. Uji t ini menganggap bahwa skor-skor (penjumlahan penghitungan means) adalah pengamatan-pengamatan independen dari populasi-populasi yang berdistribusi normal dengan varian-varian yang sama. Uji karena menggunakan mean dan statistik-statistik lain yang didapatkan dengan perhitungan aritnatika menuntut bahwa pengamatan-pengamatan itu setidak-tidaknya diukur dalam skala interval

Untuk penelitian tertentu, uji t mungkin tidak dapat diterapkan karena berbagai alasan. Peneliti mungkin mendapatkan bahwa:

a) anggapan-anggapan uji t itu tidak realistis bagi data yang dimilikinya,

b) keinginan menghindari membuat anggapan-anggapan dan dengan demikian, kesimpulan-kesimpulan akan memiliki generalitas yang lebih luas,

c) “skor” mungkin tidak sungguh-sungguh bersifat numerik dan oleh  karenanya tidak memenuhi persyaratan pengukuran yang dituntut oleh uji t itu.

 

 

ü  Uji Parametrik

Z atau t-test digunakan untuk uji parametrik untuk sampel independen, walaupun uji F dapat digunakan. Uji Z digunakan untuk ukuran sampel yang lebih besar (lebih 30 untuk kedua sampel independen) atau dengan sampel yang lebih kecil diketahui data benar-benar terditribusi secara normal dan populasi varians telah diketahui.

 

ü  Uji Non Parametrik

Kalau dua penelitian terdiri dari frekuensi-frekuensi dalam kategori-kategori yang diskrit, uji chi-square (X2) tepat untuk menetapkan signifikansi perbedaan-perbedaan antara dua kelompok independen. Uji ini dapat digunakan untuk data nominal akan tetapi dapat juga digunakan sebagai pengukuran data ordinal.

Hipotesis yang berbeda biasanya adalah dua kelompok yang berbeda untuk ciri khas tertentu, dengan demikian perbedaan itu berhubungan dengan frekuensi relatif masuknya anggota-anggota kelompok ke dalam beberapa kategori. Untuk menguji hiotesis ini, kita menghitung banyak kasus dari masing-masing kelompok yang termasuk dalam berbagai kategori dan membandingkan proporsi kasus-kasus dari satu kelompok dalam berbagai kategori dengan proporsi kasus-kasus dari kelompok yang lain.

 

  1. 3.    Two Related Sample Test

Uji statistik satu sampel yang menggunakan dua ukuran atau replikasi sampel berpasangan digunakan jika peneliti ingin menentukan apakah dua perlakuan (treatment) memiliki perbedaan yang signifikan, atau apakah perlakuan satu lebih baik dari perlakuan lainnya. Pengertian perlakuan (treatment) di sini dapat berupa ijeksi obat, training, propaganda, pemisahan dari keluarga, alternatif operasi, pengenalan elemen baru dalam ekonomi dan lain-lain. Pada setiap kasus, kelompok yang ,mendapatkan perlakuan dibandingkan dengan kelompok yang tidak mendapatkan perlakuan atau mendapatkan perlakuan lainnya.

Pada kasus perbandingan kedua kelompok tadi, kadang-kadang ditemukan perbedaan yang signifikan, tetapi perbedaan ini bukan sebagai akibat dari adanya perlakuan. Sebagai misal seorang peneliti ingin membandingkan dua metode pembelajaran. Satu kelompok mendapatkan metode pembelajaran A dan kelompok lainnya mendapatkan metode pembelajaran B. Jika salah satu kelompok sekarang menjadi lebih mampu atau lebih termotivasi, hal ini bisa terjadi sebagai akibat dari variabel lain dan bukan karena metode pembelajaran yang berbeda mungkin tidak dapat menggambarkan dengan akurat efektivitas relatif kedua metode pembelajaran tersebut.

Salah satu cara mengatasi kesulitan mengisolasi variabel lain yang tidak diteliti yang akan berpengaruh terhadap perbedaan kedua kelompok pengamatan adalah menggunakan ui dua sampel berhubungan (berpasangan). Kita dapat memasangkan (match) atau menghubungkan kedua sampel yang kita pelajari. Pemasangan ini dapat dilakukan dengan menggunakan setiap subyek sebagai pengontrol dirinya sendiri, atau dengan memasangkan subyek dan kemudian menghadapkan setiap anggota pasangan kepada dua perlakuan yang berbeda. Subyek yang berfungsi sebagai “pengontrol dirinya sendiri” mendapatkan kedua perlakuan pada waktu yang berbeda. Jika metode “pemasangan” yang digunakan, maka tujuannya adalah memilih pasangan subyek yang memiliki kemiripan dari semua variabel lain di luar yang diteliti yang mungkin akan mempengaruhi hasil memilih sejumlah pasangan mahasiswa. Setiap pasangan terdiri dari dua mahasiswa yang memiliki kemampuan dan motivasi yang sama. Salah satu anggota dari setiap pasangan dipilih secara random dan diberikan metode pembelajaran A dan partner pasangan diberi metode pembelajaran B.

 

ü   Uji Parametrik

Teknik statistik parametrik yang biasanya digunakan untuk menganalisis data dari dua sampel berhubungan atau berpasangan adalah uji beda rata-rata atau t-test. Uji t mengansumsikan bahwa perbedaan skor secara independen di dapat dari distribusi normal yang berarti pengukuran variabel paling tidak dengan skala interval.

 

ü   Uji Non-parametrik

Uji McNemar sesuai diaplikasikan untuk desain penelitian “sebelum dan sesuadah” yaitu masing-masing subyek bertindak sebagai kontrol dan pengukuran variabel menggunakan skala nominal atau ordinal. Uji ini dapat digunakan untuk menguji efektifitas suatu perlakuan tertentu (rapat, editorial surat kabar, pidato kampanye, kunjungan pribadi dan seterusnya). Untuk menguji signifikansi perubahan dari observasi data, maka digunakan tabel frekuensi yang menggambarkan jawaban pertama dan kedua dari individu yang sama.

 

 

  1. 4.    K Independent Sampel Test

Di dalam menganalisis dua penelitian, peneliti seringkali perlu menetapkan apakah beberapa sampel independen dapat dianggap berasal dari populsai yang sama. Harga sampel hampir selalu berbeda-beda, dan yang menjadi permasalahnnya adalah menentukan apakah perbedaan yang diobservasi diantara sampel-sampel itu merupakan petunjuk adanya perbedaan-perbedaan diantara populasi-populasi atau apakah perbedaan tersebut semata-mata hanya perbedaan secara kebetulan saja yang dapat diharapkan terjadi diantara sampel-sampel random dari populasi yang sama. Hipotesis penelitiannya adalah bahwa k populasi berbeda, dan hipotesis statistik yang akan diuji H0: pop 1=…….pop k.

 

 

ü Uji Parametik

Metode statistik untuk uji hipotesis nol digunakan dengan tekhnik analysis of variance (ANOVA). Analysis of variance merupakan metode untuk menguji hubungan antara satu variabel dependen (metrik) dengan satu atau lebih variabel independen (non-metrik atau kategorikal). Untuk menggunakan ANOVA, tentukan kondisi yang harus disesuaikan. Sampel harus dipilih secara random dari populasi dan populasi seharunya mempunyai varians yang sama. Disamping itu, jarak dari nilai terhadap rata-rata kelompok harus bebas dari jarak nilai-nilai lainnya (bebas dari kesalahan). Terdapat beberapa teknik yang digunakan ketika kita melakukan pengujian dengan Analisis One-Way ANOVA.

 

 

ü Uji Non-parametrik

K independen sampel dalam pengumpulan data menggunakan data nominal. Uji k sampel X2 merupakan suatu perluasan dari two-independen sample. Metode yang tepat untuk menganalisis data ini digunakan Kruskal-Wallis yang merupakan alat uji statistik nonparametrik yang sangat berguna untuk menentukan apakah k sampel independen berasal dari populai yang berbeda. Uji Kruskal-Wallis menguji hipotesis nol bahwa k sampel berasal dari populasi yang sama atau populasi identik dengan median yang sama

 

 

  1. 5.    Related Sample Case

ü  Uji Parametrik

Uji untuk k sample berhububgan mengharuskan situasi dimana:

1) faktor-faktor yang di group harus lebih dari dua tingkatan,

 2) observasi subyek harus sesuai, dan subyek yang sama harus diukur lebih  dari satu kali,

3) data setidaknya merupakan data interval. Dalam desain eksperimen atau expost facto, menggunakan k sampel sering siperlukan untuk mengukur beberapa kali subyek.

Pengulanagan pengukuran ANOVA merupakan tipe khusus dari setiap subyek adalah berhubungan sebagaimana mereka berhubungan dalam uji t ketika hanya dua alat ukur yang ditampilkan. Dalam hal ini setiap subyek bertindak sebagai control sendiri. Pengaruh dari alat yang berhubungan dipindahkan sebelum perhitungan terhadap F rasio.

 

ü   Uji Non-parametrik

Cohran Q test merupakan pilihan yang tepat ketika kita menguji k sample berhubungan. Uji ini merupakan perluasan dari uji McNemar. Uji Q Cohran untuk k sample berhubungan memberikan suatu metode untuk mengji apakah tiga himpunan frekuensi atau proporsi berpasangan (atau lebih dari tiga) saling berbeda signifikan di antara mereka. Penjodohan dapat didasarkan atas ciri-ciri  yang relevan dalam subyek-subyek yang berlainan itu atau berdasarkan kenyataan bahwa subyek-subyek yang sama dipakai di bawah kondisi-kondisi yang berbeda. Uji Cohran ini teristimewa cocok dipakai kalau data ada dalam skala nominal atau merupakan informasi ordinal yang terpisah dua.

 

 

 

 

 

 

 

 

Daftar Pustaka

 

Dr.Ir. Masyuri, Mp dan Drs.M.Zainuddin,Ma,(2008).Mtodologi Penelitian Pendekatan Praktis dan Aplikasi.Malang:RefikaAditama

Dr.Soeratno, N.Ec. dan Dr Lincolin Arsyad, M.Sc.(1998).Metodologi Penelitian untuk Ekonomi dan Bisnis.Yogyakarta:UppStimYkpn

http://id.wikipedia.org/wiki/Uji_hipotesis

http://sro.web.id/pengertian-uji-hipotesis.html

http://zulfikariz.com/tag/contoh-analisis-data-dan-pengujian-hipotesis/

Ikhsan,Arfan,(2008).Metodologi Penelitian Akuntansi Keprilakuan.Yogyakarta:Graha Ilmu

 

 

 

Berikan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s