METODA ANALISIS DATA DAN ANALISIS KUANTITATIF METODA ANALISIS

METODA ANALISIS DATA DAN ANALISIS KUANTITATIF

METODA ANALISIS DATA DAN ANALISIS KUANTITATIF I. Pendahuluan. • Analisis adalah proses menyusun data agar dapat ditafsirkan. Menyusun data berarti menggolongkannya dalam pola, tema atau kategori. Tanpa kategori data akan terjadi chaos. Interpretasi artinya memberikan makna kepada analisis, menjelaskan pola atau kategori, mencari hubungan antar berbagai konsep. • Interpretasi menggambarkan perspektif atau pandangan peneliti, bukan kebenaran. Kebenaran hasil penelitian masih harus dinilai orang lain dan diuji dalam berbagai situasi lain.

• Hasil interpretasi juga bukan generasi dalam arti kuantitatif, karena gejala sosial terlampau banyak variabelnya dan terlampau terikat oleh konteks dimana penelitian dilakukan sehingga sukar digeneralisasi. • Generalisasi disini lebih bersifat hipotesis kerja yang senantiasa harus lagi diuji kebenarannya dalam situasi lain.

• Tugas peneliti adalah mengadakan analisis tentang data yang diperolehnya agar diketahui maknanya. • Interpretasi harus melebihi atau transenden deskripsi belaka. Jika peneliti tidak dapat mengadakan interpretasi dan hanya menyajikan data deskriptif saja, maka sebenarnya penelitian itu sia-sia saja dan tidak memenuhi harapan. • Setelah selesai dikumpulkan dengan lengkap dari lapangan, tahap berikutnya yang harus dimasuki adalah tahap analisis. Ini adalah tahap yang penting dan menentukan.

• Sesungguhnya analisis dapat dibagi menjadi dua macam: kualitatif dan kuantitatif. • Perbedaan ini tergantung dari sifat data yang dikumpulkan oleh sipeneliti. • Apabila data yang dikumpulkan oleh si peneliti hanya sedikit, bersifat monografis atau berwujud kasus-kasus (sehingga tidak dapat disusun ke dalam suatu struktur klasifikatoris), maka analisisnya pastilah analisis yang kualitatif.

• Lain halnya apabila data yang dikumpulkan itu berjumlah besar dan mudah diklasifikasikan ke dalam kategori-kategori karenanya berstruktur maka analisis kualitatiflah yang dipakai. • Analisis kuantitatif disebut juga analisis statistik. Prosesnya dapat dibagi menjadi tiga tahap, yang satu sama lain saling berkaitan erat. Tahap pertama adalah tahap pendahuluan yang disebut tahap pengolahan data.

• Tahap berikutnya adalah tahap pokok yang disebut tahap pengorganisasian data dan tahap terakhir adalah penemuan hasil. • Khususnya tahap kedua dan ketiga, pengetahuan dan pengukuran yang cermat menurut ilmu statistik sangatlah diperlukan. • Kenyataan inilah yang menyebabkan analisis kuantitatif ini disebut uji statistik.

• Dibandingkan dengan analisis kualitatif, analisis kuantitatif memang lebih mampu memperlihatkan hasil-hasil yang cermat. • Perhitungan dan analisis matematis, bagaimanapun juga, adalah aktivitas yang dituntun secara sadar oleh disiplin kecermatan dan ketelitian. • Namun, hendaklah tetap diingat bahwa kelebihan dalam hal kecermatan ini, tidaklah berarti menjamin setiap hasil yang diperoleh akan selalu benar.

II. Pengelempokan Dan Pengolahan Data. • Proses pengolahan adalah sebagai berikut: 1. Editing dilakukan terhadap rekaman jawaban yang telah dituliskan kedalam kuesioner oleh para peneliti lapangan pencari data. Dalam hal editing akan diteliti kembali hal-hal berikut ini: – – – Pengisian Keterbacaan tulisan Kejelasan makna jawaban Keajegan dan kesesuaian jawaban satu sama lainnya Relevansi jawaban Keseragaman Satuan Data

2. Konding • Konding adalah usaha mengklasifikasi jawaban para responden menurut macamnya. Klasifikasi itu dilakukan dengan menandai masing jawaban dengan kode tertentu, lazimnya dalam bentuk angka. Disini setiap macam jawaban mempunyai angka kode tersendiri. • Misalnya dalam bentuk: Sangat setuju (01) Setuju (02) Tidak setuju (03) Sangat tidak setuju (04) Ragu-ragu (05)

3. Prakonding Menurut cara ini, setiap pertanyaan dalam kuesioner selalu diikuti oleh serangkaian alternatif jawaban yang pada hakekatnya merupakan kategori-kategori yang telah di beri kode sebelumnya. Pertanyaan ini di sebut pertanyaan tertutup.

• Disini pengumpulan data tidak hanya bertindak sebagai pengumpulan data tetapi juga sebagai “ahli koding” yang bertugas menggolong-golongkan data menurut macamnya. • Mendengar jawaban responden, dia tidak akan langsung memenuhi jawabannya melainkan akan mencoba menafsirkan dulu apa maksudnya kemudian mengkode menurut kategori yang tepat.

4. Membuat Kategori Klasifikasi Data • Pemilihan atas kriterium apa yang akan dipakai untuk perangkap kategori, adalah keputusan yang menentukan. Pemilihan tidak boleh dikerjakan semena-mena. Segala sesuatu harus ditentukan dengan mempertimbangkan, apakah kriterium yang dipilih itu relevan atau tidak, ada kaitannya atau tidak dengan maksud pertanyaan serta keterkaitannya dengan permasalahan pokok yang diteliti.

5. Menghitung frekuensi • Cara yang paling sederhana dalam menghitung frekuensi adalah tallying. Menurut cara ini, setiap kasus jawaban yang telah berkode akan diambil dan dimasukkan kedalam kategori yang bersangkutan. • Cara tally dipandang sebagai cara yang paling mudah dan ekonomis, namun sebenarnya ada beberapa cara yang lain yang mungkin dapat melengkapinya, diantaranya adalah cara untuk mempercepat perhitungan frekuensi yaitu dengan menggunakan kartu-kartu data atau dengan komputer.

6. Tabulasi disini adalah menyusun data dalam bentuk tabel. Pada tahap ini data dapat dianggap telah selesai di proses, lewat tabulasi ini data akan nampak ringkas dan bersifat merangkum, data dapat di baca dengan mudah dan maknanya dapat difahami. 7. Tabulasi Silang Tabulasi silang disebut juga cross tabulation dimuat dengan jalan “memecah” lebih lanjut setiap kesatuan data dalam kategori, menjadi dua, tiga atau mungkin lebih dari sub kesatuan. Pemecahan data didasarkan atas dasar suatu kriterium atau susunan perangkat kategori baru yang lain. Dengan demikian, pemecahan atau perincian data itu nanti akan mengakibatkan masuknya setiap sub kesatuan ke dalam dua struktur kategori sekaligus.

III. Penarikan Sampel. • Analisa data tidak terlepas dari pengambilan sample yang dilakukan dalam sebuah penelitian. Analisis data yang tidak memperhitungkan aspek penarikan sampel dapat memberikan interpretasi yang keliru terhadap variabel penelitian yang hendak diungkap. Sebuah sampel yang diketemukan tidak selalu memenuhi persyaratan dalam variabel penelitian sehingga diperlukan pula besaran peluang reperesentatifnya sebuah kelompok sampel dalam sebuah populasi penelitian.

• Nilai peluang yang lebih besar dianggap sebagai sampel yang lebih representatif, mengingat nilai tersebut menunjukkan pula derajat ketepatan sampel yang digunakan sebagai target populasi penelitian sesuai kerangka konseptual yang mendasarinya. • Penarian sampel dengan memperhitungkan besarnya peluang disebut sebagai sampling peluang. Sebaliknya ada juga sampel tanpa memperhitungkan peluang.

Adapun sample nonpeluang meliputi sebagai berikut: 1. Judgement/purposive, yakni penarikan simpel yang dilakukan karena tujuan penelitian hanya dimaksudkan untuk mengungkap variabel sebatas dalam sampel itu saja. 2. Haphazard/Fortuitous, yakni pengambilan sampel yang lebih mengandalkan aspek aksidental (kebetulan) dengan maksud agar responden yang dijadikan sampel tidak mengetahui bahwa dirinya merupakan bagian dari populasi target penelitian. Sampel demikian biasanya digunakan untuk keperluan pooling atau jajak pendapat atau traffic survey.

3. Snowhall, yakni pengambilan sample yang dilakukan dengan metode satiret (satu tiga deret) dengan dasar diprogram pohon. Alasan pengambilan sampel demikian adalah untuk menjaga privacy atau alasan confidential responden yang dijadikan sample karena variabel dalam penelitian bersifat krusial dan sensitive bagi persepsi normative masyarakat.

4. Voluntary, yakni penarikan sampel yang dilakukan karena mendasarkan pada alasan kesuksesan responden yang dijadikan target sampel penelitian. 5. Quota, yakni pengambilan sampel yang dilakukan dengan sistem penjatahan (quota) karena alasan banyak kriteria sampel atau banyaknya jumlah responden yang dijadikan sampel penelitian sehingga perlu dibatasai dengan cara agar mencapai ukuran tertentu.

Adapun sampling peluang mencakup: 1. Simple random Sampling, yakni penarikan sample dengan cara random namun tetap mendasarkan pada kriteria populasi dan karakteristik sampel sesuai dengan kerangka konsep dalam penelitian. 2. Systematic sample, yakni penarikan sampel dengan cara sistematik dimana unit populasi diberi nomor dan diurutkan. Kemudian ditentukan sebuah nomor sebagai titik tolak menarik simpel. Nomor berikut dari anggota yang ingin dipilih ditentukan secara sistematis.

3. Stratified random sampling, yakni penarikan sampel dengan memisahkan elemen-elemen populasi dalam kelompok-kelompok yang tidak overlapping yang disebut strata, dan kemudian memilih sebuah sampel secara random dari tiap stratum. Untuk memperoleh derajat ketepatan yang tinggi, diperlukan sebuah pembagian terhadap populasi atas kelas-kelas atau subpopulasi. Pembagian populasi atas subpopulasi akan memberikan keuntungan dua hal, yaitu: – homogenitas yang lebih nyata didalam masing-masing subpopulasi atau masing-masing kelas. – Memberikan heterogenitas yang nyata antar subpopulasi.

4. Cluster Random sampling, yakni penarikan sampel dimana populasi dibagi terlebih dahulu atas kelompok berdasarkan area atau cluster. Anggota subpopulasi tiap cluster tidak perlu homogen. Beberapa cluster dipilih dulu sebagai sample secara random. Dalam memilih anggota ini bisa saja diambil seluruh elementary unit dari cluster atau sebagian unit dari bagian elementary cluster. Biasanya randomisasi penarikan sampel hanya dikala memilih cluster dan tidak dikala tidak memilih unit elementer.

IV. Analisis Kuantitatif. • Pengukuran Kuantitatif Penelitian atas perubahan perilaku dan perkembangan yang menitik beratkan pada aspek kuantifikasi atau ukuran harus mencakup 2 (dua) buah variabel yaitu: 1. Dependen variable. Yakni sebuah ukuran yang dianggap sebagai akibat atau konsekuensi atas terjadinya variabel perubahan perkembangan. 2. Independent variable. Yakni sebuah ukuran yang menyatakan sejauhmana sebuah variabel dapat dipandang sebagai yang bertanggung jawab atas terjadinya variabel perubahan perkembangan.

• Pengukuran merupakan upaya untuk mempermudah pengkomunikasian sekumpulan informasi atas fenomina (gejala) atau kejadian secara akurat dengan melalui angka-angka sehingga dapat diterima sewajarnya memenuhi asas kelayakan yang mencakupi. • Yang perlu ditekankan bahwa dalam sebuah pengukuran, bukanlah organismenya yang diukur tetapi karakteristik atau atribut yang menunjukkan makna (keberartian) atas organisme tersebut, berkaitan dengan apa yang hendak dibuktikan.

• Oleh karena itu, sangat penting memperhatikan prosedur pengukuran dalam upaya untuk mengungkapkan sebuah fenomena, mengingat bahwa sebuah pengukuran akan selalu menawarkan sejumlah studi tentang karakteristik seseorang atau objek yang makin mendalam sehingga penggalian konsep atau kerangka penelitian harus benar-benar memenuhi apa yang hendak dibuktikan.

Skala Pengukuran (Measurment) Dalam Penelitian. S. S. Stevens menyatakan bahwa pengukuran adalah sebagai langka penting dalam penelitian. • Dalam arti luas pengukuran adalah penetapan angka pada objek-objek atau kejadian menurut ukuran-ukuran tertentu. • Kita mempunyai 4 (empat) macam skala pengukuran yaitu: Nominal, Ordinal, Interval Ratio (rasio).

• Skala Nominal ialah pengukuran yang mencakup penempatan objek atau individu ke dalam kategori-kategori yang mempunyai perbedaan kualitatif, bukan kuantitatif. Misalnya melihat jenis kelamin (sex) yaitu pria dan wanita. Atau melihat jenis produksi suatu perubahan yang terdiri dari sabun, teh, gula dan jenis lainnya yang setara, juga agama yang dianut oleh objek penelitian yaitu: Islam, Kristen, Hindu, Budha dan lain-lain.

• Skala Ordinal ialah pemberian klasifikasi atau urutan terhadap objek yang diukur. Misalnya melihat tingkat perekonomian individu masyarakat yang dapat kita bagi menjadi kaya, menengah, dan tertinggal.

• Skala Interval ialah skala pengukuran yang memberikan jarak (rentang) yang sama dari satu titik awal yang tidak tetap. Misalnya akan kita tentukan kelasnya berdasarkan kualitas seperti baik, sedang, dan jelek, maka kita dapat memberi point seperti 1, 2, dan 3. Atau boleh juga dengan angka 10, 11, dan 12.

• Skala Ratio ialah skala yang tertinggi, yang mempunyai titik nol sejati disamping interval yang sama. Misalnya pengukur panjang beberapa bidang sawah yang selalu diawali dari nol (mutlak).

Teknik Pengukuran. • Dalam analisis data, pertimbangan teknik pengukuran penelitian harus diperhitungkan, karena menggambarkan sifat-sifat variabel dalam sampel atau populasi penelitian. • Melalui analisis data, inferensi terhadap sampel atau populasi ingin diketahui. • Teknik pengukuran atau biasa disebut skala pengukuran hanya cocok untuk suatu variabel tertentu dan populasi tertentu. • Representasi yang bagus untuk sampel atau populasi, bergabung dari skala pengukuran yang hendak dilakukan dalam penelitian tersebut, diantaranya:

1. Skala Bogardus Merupakan skala untuk mengukur jarak sosial dalam variabel-variabel penelitian. Jarak sosial adalah derajat pengertian atau keintiman sebagai ciri hubungan sosial secara umum yang bersifat kontinum dan menunjukkan tingkat kesediaan (konasi) sosial.

• Skala Bogardus menggunakan interval yang tidak mempunyai titik nol sehingga harus menggunakan asumsi sebagai berikut: – Jarak sosial mempunyai kontinum tertentu. – Tiap titik dalam skala mempunyai jarak yang sama dengan titik lainnya, tetapi titik nolnya tidak ada. – Reliabelitas skala Bogardus hanya dapat diuji dengan teknik tes retest. – Hanya digunakan untuk study-study interaksi sosial yang tidak memerlukan presisi dan akurasi tinggi.

• Skala Moreno Merupakan, skala sosiometrik yang digunakan untuk mengukur jarak sosial yang menunjukkan ukuran penerimaan atau penolakan antar individu atau perorangan dengan sebuah kelompok tertentu. Penggunaan skala demikian mempertimbangkan asumsi-asumsi sebagai berikut:

– Jarak sosial mempunyai kontinum tertentu. – Titik skala tidak menunjukan ukuran kuantitatif, melainkan berupa tabulasi sebuah pandangan atau sikap yang dinyatakan peringkatnya. – Peringkat-peringkat tersebut dapat ditransformasi dalam sebuah matriks yang disebut sociometrix. – Reabilitas skala Moreno dapat diuji dengan teknik test-retest. – Digunakan untuk studi-studi sosial dalam kelompok sampel yang relatif kecil.

• Skala Thurstone. Merupakan sebuah usaha penskalaan yang didasari pada metode psikofisikal dengan tujuan membuat sebuah komparasi responden berdasarkan ciri atau kriteria tertentu yang menjadi variabel dalam penelitian. • Skala ini disusun dalam interval skala yang mendekati kesetaraan jarak kuantitatifnya.

• Interpretasi terhadap skor pada skala Thurstone sama dengan penafsiran dengan skala Bogardus. • Responden yang memiliki skor tinggi pada skala berarti besar pula prasangka (social prejudice) terhadap sifat yang ingin diketahui sebagai suatu dimensi variabel yang hendak diteliti.

• Skala Likert menggunakan ukuran ordinal, karena hanya dapat membuat rangking tetapi tidak dapat diketahui berapa kali satu responden lebih baik atau lebih buruk dari responden lainnya di dalam nilai skala. Skor responsi responden dijumlahkan dan jumlah ini merupakan total skor, dan total skor inilah ditafsirkan sebagai posisi responden dalam skala Likert.

• Skala Likert telah banyak digunakan dalam penelitian moral, sikap seseorang, sikap terhadap sebuah objek psikologis. Skala Likert dianggap lebih baik dengan Skala Thurstone karena: a. Dalam penyusunan skala, item-item yang tidak jelas menunjukkan hubungan dengan dimensi variabel, masih dapat dimasukkan dalam skala. b. Skala Likert lebih mudah membuatnya daripada skala Thurstone. c. Skala Likert mempunyai rehabilitas yang relatif tinggi dibandingkan dengan skala Thurstone untuk jumlah item yang sama. Skala Likert dapat memperlihatkan item yang dinyatakan dalam beberapa responsi alternatif.

d. Skala Likert dapat memberikan keterangan yang lebih nyata dan jelas tentang pandangan atau sikap responden tentang issue yang dipertanyakan. Kelemahan skala Likert, antara lain: – ukuran yang digunakan adalah ordinal – total skor dari individu responden tidak memberikan arti yang jelas. – Karena banyak pola responsi terhadap beberapa item akan memberikan total skor yang sama, maka penafsiran antara pola responsi yang berbeda dalam total skor sama tidak begitu mendalam.

5. Skala Guttman • Skala Guttman mempunyai beberapa ciri penting sebagai berikut: – Skala Guttman merupakan skala kumulatif, jika seorang responden memberikan responsi terhadap sebuah bobot item pertanyaan yang lebih berat/tinggi maka ia dianggap juga memberi responsi terhadap item pertanyaan yang bobotnya lebih ringan/rendah.

– Skala Guttman dimaksudkan untuk mengukur satu dimensi saja dari satu variabel yang multidimensi, sehingga skala ini termasuk memiliki sifat yang unidimensional. • Skala ini disebut juga sebagai metode scalogram atau analisis skala ini sangat baik untuk meyakinkan peneliti tentang kesatuan dimensi dari sikap atau sifat dimensi variabel yang hendak diteliti.

6. Skala Osgood Merupakan sebuah usaha penskalaan untuk mengukur pengertian sebuah objek atau konsep oleh responden melalui suatu skala yang bersifat bipolar. Skala bipolar merupakan skala yang berlawanan sifat item-itemnya, dan mencakup tiga sifat yakni: evaluasi, potensi dan aktivitas. Karena sifat-sifat yang bipolar tersebut, maka penskalaan demikian dikenal pula dengan istilah perbedaan semantic, dengan tujuan mengetahui pandangan seseorang terhadap suatu objek atau konsep melalui perbedaan semantic itemnya.

• Adanya sifat bipolar dalam peskalaan ini mengharuskan peneliti untuk merumuskan sifat-sifat bipolar yang cocok dengan konsep, objek atau dimensi dalam variabel penelitian. • Sifat bipolar yang dirumuskan dapat mencakup aspek evaluasi, potensi atau ketiganya secara bersamaan. • Relevansi sifat bipolar yang dipilih haruslah memiliki acuan dasar kerangka teoritik dalam kerangka penetilian yang dilakukan.

Analisis Data dengan Uji Statistik • Salah satu anggapan yang umum dianggap berlaku adalah bahwa variable random atau populasi yang diselidiki mempunyai sebaran (distribusi) tertentu yang diketahui. Untuk ini biasanya diambil sebaran normal. Karena sebaran dari variabel random telah dianggap diketahui, maka masalah yang dihadapi akan bersangkut paut dengan pendugaan, pengujian hipotesis atau pembentukan selang kepercayaan bagi parameter-parameter dari sebaran tersebut, sehingga dinamakan statistika parametric.

• Menurut kenyataan, ada kalanya variable random yang dihadapi tidak dapat dianggap menyebar normal, atau bahkan sama sekali tidak diketahui sebarannya. • Ini dapat terjadi kalau nilai variable random yang diamati merupakan bilangan indeks, rank, atau skor, atau memang bentuk sebaran variable random itu tidak dapat diusut. • Dengan demikian parameter-parameter dari sebaran itupun tidak menjadi pokok persoalan, bahkan akhirnya tidak perlu dihiraukan.

• Metode statistika yang tidak memerlukan suatu anggapan tertentu mengenai bentuk sebaran atau parameter dari variable random yang diselidiki disebut metode statistika nonparametrik, atau statistik bebas sebaran. Manfaat Statistika Nonparametrik dibanding Statistika Parametrik: 1. Nilai peluang hasil analisis dapat diperoleh dengan pasti. 2. Dapat dipergunakan untuk menganalisis dengan cuplikan yang sedikit (batas minimal skala ordinal = 6)

3. Dapat dipergunakan untuk menganalisis data yang populasinya berbeda. 4. Dapat dipergunakan untuk menganalisis data yang diukur menurut skala nominal dan atau ordinal. 5. Metode analisisnya relatif mudah dengan hanya mempergunakan aljabar yang sederhana. 6. Mudah dipelajari dan dipergunakan.

• Dilain pihak kelemahan atau kekurangan Statistika Nonparametrik dibandingkan dengan Statistika Parametrik adalah: 1. Bila asumsi Sebaran Normal dapat dipenuhi, maka kesimpulan analisis yang diperoleh kemungkinan akan membias. 2. Statistika Nonparametrik tidak bisa dipergunakan untuk mengukur interaksi. 3. Karena Statistika Nonparametrik tidak dapat dipakai untuk Analisis Regresi, maka praktis bukan sebagai alat untuk menduga atau meramal.

• Langkah penggunaan statistika dalam suatu penelitian harus memperhitungkan: 1. Penentuan hipotesis. 2. Pemilihan Uji Statistik 3. Penentuan taraf nyata dan ukuran cuplikan N. 4. Menentukan Sebaran Cuplikan (sampling distribution). 5. Menentukan Daerah penolakan Ho. 6. Pengambilan keputusan dan penarikan kesimpulan.

1. Penentuan Hipotesis • Dalam pengujian hipotesis lewat analisis statistik terdapat dua macam hipotesis, yaitu Ho (hipotesis dasar) dan Hl (hipotesis alternatif, hipotesis penelitian). • Ho adalah hipotesis dasar yang sifatnya netral dan apa yang diperbandingkan mempunyai sifat serba sama.

2. Pertimbangan dalam memilih uji statistik • Beberapa hal yang perlu dipertimbangkan dalam memilih uji statistik antara lain: a. Model statistik. Dalam hal ini antara lain perlu dipertimbangkan, apakah statistik parametrik atau statistik nonparametrik? . Jika misalnya kita menghadapi data yang cocok dengan statistika parametrik misal uji t atau uji F, maka setidaknya harus dipenuhi persyaratan:

1. Pengamatan harus dilakukan secara bebas dari bias akibat masuknya kasus lain. 2. Data pengamatan hendaknya diambil dari suatu populasi yang mengikuti Sebaran Normal. 3. Populasi tersebut harus mempunyai varians yang sama atau pada kasus tertentu harus dapat diketahui ratio dari variansnya. 4. Variabel yang diukur sekurang-kurangnya menurut Skala Interval. 5. Nilai rata-rata dari populasi yang menyebar normal dan homoskedastisitas harus merupakan kombinasi linier, baik dalam bentuk kolom maupun baris, serta efek yang terjadi harus additif.

b. Efisiensi Keampuhan Uji • Konsep keampuhan uji ini didasarkan pada jumlah ukuran sampel yang diperlukan untuk membuat uji B sama telitinya dengan uji A dan juga dengan uji B, maka keampuhan uji B dari ukuran Nb dibandingkan dengan uji A dengan ukuran cuplikan Na. • Pada kenyataan keampuhan uji ini dipakai untuk melihat sejauhmana keampuhan uji statistika nonparametrik dengan uji statistika parametrik, misalnya antara uji mann-whitney dengan uji tstudent tidak berpasangan.

3. Penentuan Taraf Nyata dan Ukuran Cuplikan Taraf nyata adalah peluang untuk menolak Ho padahal Ho benar, dalam keadaan sehari-hari atau praktisnya adalah persentase atau peluang kekeliruan masksimum yang masih diperbolehkan bagi seorang peneliti bahwa Hl masih dapat diterima atau hasil penelitiannya masih dapat dipertanggungjawabkan.

• Ukuran sampel N. Dalam Statistik nonparametrik tidak dituntut jumlah sampel yang terlalu besar. • Untuk data dengan skala ukur ordinal pada umumnya diperlukan cuplikan antara 6 dan 30. • Artinya jika kurang dari 6 kemungkinan hasil analisis akan membias cukup besar, sebaliknya jika lebih dari 30 dapat diasumsikan sudah mengikuti sebaran normal.

4. Sebaran Sampel (Sampling Distribution) • Sebaran sampel dalam statistik nonparametrik perlu ditentukan karena setiap alat uji mempunyai sebaran sendiri, lain halnya dengan statistika parametrik yang sudah pasti harus mengikuti sebaran normal. Dalam penentuan sebaran sampel perlu diperhatikan: 1. Sebaran apa yang cocok untuk analisis anda. 2. Bagaimana penyebaran peluang yang mungkin terjadi. 3. Berapa kemungkinan peluang yang terjadi atas dasar cuplikan yang kita pergunakan.

5. Menentukan Daerah Penolakan Ho 1. Daerah penolakan Ho adalah area yang dibatasi oleh titik kritis, yaitu batas kapan kita mulai menolak Ho, dan kapan menerima Ho. 2. Daerah penolakan Ho juga merupakan daerah yang menghasilkan peluang sebesar atau bergantung pada hipotesis (Hi) ke arah ekstrim dari titik kritis. 3. Nilai batas atau titik kritis sangat ditentukan oleh: 1) bentuk hipotesis satu (Hi) apakah eka arah atau dwi arah. (2) besarnya derajat bebas (degree of fredoom) kecuali untuk uji-Z. (3) bentuk besaran cuplikannya. 4. Untuk uji dwi arah (two tailed test) harus diingat adanya nilai hitung dan area yang bernilai negatif.

Metoda Statistik dalam Ilmu Sosial a. Single Sample Case. Pengertiannya: cuplikan tunggal umumnya digunakan untuk uji banding kasus/kategori/perlakuan tidak berarti hanya satu atau tunggal, tetapi bisa dua atau lebih tapi setiap kategori/perlakuan yang dibandingkan tidak mempunyai perulangan atau hanya diulang satu kali. • Penggunaan: – memperbandingkan dua kategori dalam bentuk frekuensi – membandingkan lebih dari dua kategori dalam bentuk frekuensi – menguji kecenderungan memilih – menguji apakan letak dua kategori yang berderet bersifat random ataukah sistematik

b. Binomial Test. Fungsi: memperbandingkan atau menguji apakah dua kategori mempunyai proporsi yang sama atau apakah dua kategori mempunyai perbandingan yang sama, atau apakah dua kategori sama atau berbeda. Skala ukur: normal atau dikhotom. c. Uji Chi Kuadrat Cuplikan Tunggal. • Fungsi: seperti uji binomium tapi untuk kategori lebih dari dua, misalnya kategorinya tiga atau lebih yang akan dibandingkan. • Skala ukur: nominal.

d. Uji Kolmogorov Smirnov Cuplikan Tunggal. Fungsi: 1. Untuk menguji kecenderungan memilih kategori dari unit penelitian. 2. Pengujian uji X, jika kategorinya tersusun menurut skala ordinal. e. Run Test. Fungsi: Untuk menguji sederetan data yang terdiri atas dua kategori, apakah deretan tersebut tersusun random (acak) ataukah sistematik. Skala ukur: Ordinal

f. Multiple Case. Pengertian: 1. Dalam kasus ini harus ada dua kategori/perlakuan yang akan diperbandingkan. 2. Setiap kategori diulang sedikitnya 2 kali (untuk skala nominal) dan 6 kali untuk skala ordinal. g. Mc. Nemar Test for Significance of Change. • Fungsi: Untuk menguji signifikansi perubahan frekuensi sebelum dan sesudah suatu kegiatan. • Spesifikasi: 1. Skala ukur nominal. 2. Data frekuensi disusun dalam tabel kontingensi 2 X 2

h. Sign Test Fungsi: Untuk menguji signifikasi dua keadaan/perlakuan, apakah perlakuan/kategori yang satu berbeda dengan keadaan/kategori yang lain. Spesifikasi: 1. Skala ukur: ordinal (untuk operasi analisis) 2. Asumsi: data sifatnya kontinue hanya diperlukan tanda dari dua keadaan tersebut mana yang >atau< 3. Jika diperoleh tanda A>B diberi notasi +; A < B diberi notasi –; A = B diberi notasi 0. 4. Notasi 0 dikeluarkan dari analisis.

i. Wilcoxon Matched Pairs Signed Rank Test. Fungsi: Hampir sama dengan uji tanda, bedanya: selain untuk signifikansi beda (A dengan B) juga ingin diketahui besar beda rankingnya. Spesifikasi: hampir sama dengan uji tanda. j. Independent Two Samples Case. Dalam kasus ini dari dua kategori yang dibandingkan (X dan Y), jumlah sampel akan sama dengan jumlah data yang dikumpulkan.

k. Fisher Exact Probability Test. Fungsi: 1. Menguji adakah perbedaan antara dua keadaan/perlakuan yang sama mungkin dari dua populasi yang berbeda. 2. Untuk uji hubungan (korelasi) pelengkap koefisien kontingensi Spesifikasi: 1. Skala ukur nominal. 2. Data disusun dalam bentuk tabel kontingensi 2 X 2. 3. N (total seluruh cuplikan) tidak begitu besar (< 30).

l. X test for Two Independent Samples. Fungsi: 1. Hampir sama dengan uji fisher. 2. Data observasi setiap sel > 5 (supaya Ei > 5). 3. Dapat dipergunakan untuk uji korelasi. Spesifikasi: 1. Data disusun dalam tabel kontingensi 2 X 2. 2. Dua keadaan/perlakuan diulang 2 kali dalam bentuk frekuensi. 3. Skala ukur nominal 4. Kadang-kadang sulit menginterpretasikan hasil analisisnya.

m. Korelasi untuk Kontinuitas. • Uji Khi Kuadrat ini sangat bermanfaat untuk tujuan “analisis Korelasional” • Untuk uji beda haruslah dalam pernyataan keputusan, bahwa terjadinya perbedaan dalam kondisi apa saja (kondisi di sini adalah kategori yang merupakan perulangan).

n. Mann-Whitney U test. Fungsi: Untuk menguji adakah perbedaan dua keadaan/perlakuan dalam skala ukur minimal ordinal. Spesifikasi: 1. Skala ukur untuk proses penyelesaian minimal ordinal sedangkan raw material (data asli) minimal diukur menurut skala ukur interval (scoring). 2. Satu data dengan lainnya harus bisa ditentukan rankingnya. 3. Data bersifat kontinue.

o. The Friedman Two-way Analysis of Variance. Fungsi: Menguji signifikansi perbedaan keadaan/ perlakuan yang berpasangan/berkelompok. Spesifikasi: 1. Sakala ukur: ordinal 2. Setiap keadaan/perlakuan harus diulang sama banyak. 3. Data harus dalam bentuk ranking atau bisa di ranking. 4. Ulangan setiap keadaan minimal dua.

p. Kruskal Wallis Fungsi: Untuk menguji signifikansi perbedaan beberapa keadaan/perlakuan dari cuplikan yang tidak berpasangan. Spesifikasi: 1. Skala ukur: ordinal 2. Data dalam bentuk ranking atau bisa diranking. 3. Setiap keadaan/perlakuan kemungkinan diulang tidak sama banyak.

q. Variable Coefficient Contingency. Fungsi: Menentukan nilai koefiensi relasi (hubungan) antara variabel X dan Y. Spesifikasi: 1. Skala ukur: nominal 2. Tabel kontingensi k >< r untuk K dan r>2, pergunakan uji Khi Kuadrat Cuplikan Majemuk. 3. Tabel kontingensi 2 X 2 bisa ditentukan dengan – Uji Khi Kuadrat Cuplikan Ganda – Uji Khi Kuadrat Koreksi Kontinuitas – Uji Fisher

r. Uji Chi Kuadrat Cuplikan Majemuk. Fungsi: 1. Menentukan signifikansi beberapa keadaan dari beberapa kondisi cuplikan tidak berpasangan. 2. Korelasi antar dua variabel yang masing-masing dibagi dalam beberapa kategori. Spesifikasi: 1. Skala ukur: nominal. 2. Untuk tujuan korelasi kategori disusun ordinal. 3. Jumlah kolom dan baris lebih dari dua.

s. Rank Spearman Correlation Fungsi: Untuk mengukur derajat hubungan dua variabel (X dan Y) dalam skala ordinal. Spesifikasi: 1. Mempunyai keampuhan yang hampir sama dengan korelasi Pearson. 2. Nilai koefisien antara – 1 dan +2. 3. Skala ukur sedikirnya dalam bentuk ordinal.

t. Rank Kendall Correlation. Fungsi: Sama seperti korelasi rank Spearman yaitu untuk mengukur derajat keeratan hubungan dua variabel (X dan Y) dalam skala ukur minimal ordinal. Spesifikasi: 1. Mempunyai keampuhan uji yang sama dengan korelasi rank Spearmen (91%). 2. Mempunyai nilai – 1 < t < +1. 3. Skala ukur minimal ordinal.

u. Coefficient Concordance Kendall-W Fungsi: Untuk menguji kesepakatan pada beberapa penguji dan korelasi ganda dari beberapa data X secara serempak terhadap Y. Spesifikasi: 1. Skala ukur minimal ordinal atau data bisa ditentukan rangkingnya. 2. Mempunyai hubungan yang erat dengan r.