Dalam suatu penelitian khususnya dengan menggunakan intrumen angket atau kuesioner sebagai alat untuk mendapatkan data, khusunya lagi yang menggunakan konsep pertanyaan tertutup dengan metode penilaian menggunakan skala likert, dapat dipastikan data yang dihasilkan berupa data ordinal. Kadang kala dalam penelitian sosial dengan menggunakan beberapa metode parametrik membutuhkan data minimal berskala ukur interval, untuk itu untuk memudahkan dan memfasilititasi para peneliti dalam statistik ada sebuah metode yang dapat digunakan untuk mengkonversikan nilai skala ordinal menjadi skala interval. Metode tersebut dinamakan Method of Succesive Interval (MSI).
Dengan pendekatan distribusi normal baku (Z), data dengan skala ordinal dapat di rubah ke dalam skala interval. Adapun langkah-langkah menggunakan Method Of Succesive Interval (MSI) sebagai berikut :
Perhatikan setiap item pertanyaan atau pernyataan dalam kuesioner.
Untuk setiap item tersebut, tentukan berapa orang responden yang mendapat skor 1, 2, 3, 4, 5 (misal : skala Likert dengan 5 jenjang jawaban) yang disebut frekuensi.
Setiap frekuensi dibagi dengan banyaknya responden hasilnya disebut proporsi.
Hitung proporsi kumulatif dengan menjumlahkan nilai proporsi secara berurutan perkolom skor.
Gunakan tabel distribusi normal, hitung nilai Z untuk setiap proporsi kumulatif yang diperoleh.
Tentukan nilai tinggi densitas untuk setiap Z yang diperoleh (dengan menggunakan tabel tinggi densitas).
Tentukan nilai skala dengan menggunakan rumus :
Nilai Skala (scale value) = (Density at lower limit) – (Density at upper limit)
(Area below limit) – (Area below lower limit)
Tentukan nilai transformasi dengan rumus :
Y = NS + |NSmin|
Nilai Y merupakan hasil yang diperoleh yang menunjukan nilai scale value yang baru (skala interval) yang sudah dapat dianalisis lebih lanjut. Secara prinsip proses pengkonversial nilai jawaban likert dari kuisioner atau angket berlaku satu per satu pertanyaan, sehingga ketika peneliti dihadapkan kepada pertanyaan yang jumlahnya sangat banyak tentulah akan menjadi suatu tantangan tersendiri. Akan tetapi untuk mempermudah peneliti maupun data master dalam melakukan konversi data, sekarang tersedia pake “add-Ins” method of successive interval (MSI) pada software excel yang dapat dicari secara bebas melalui fasilitas google.co.id dengan key “method of successive interval”.
Hasil MSI dengan menggunakan bantuan Microsoft Excel terdiri dari dua bagian. Pertama merupakan summary dari proses perhitungan dan kedua merupakan data hasil perubahan dari data ordinal ke interval.
Proses survey lapangan baik itu dengan cara penyebaran angket atau kuisioner maupun deep interview, membutuhkan kemampuan dan keahlian tertentu. Pentingnya proses ini guna menghasilkan data yang maksimal dari objek data yang ditargetkan. Perlu kiranya seorang pewawancara memahami secara teoritis seluk beluk wawancara agar dalam prakteknya tidak menjadi canggung ataupun meremehkan, yang akan berakibat pada data yang tidak optimal didapatkan dari seorang responden.
Hal-hal pokok yang perlu diperhatikan dan dipelajari oleh pewawancara adalah sebagai berikut :
Alat-alat yang perlu dibawa :
Buku catatan saku (bagai pewawancara)
Buku catatan ukuran sedang
Pensil lebih dari satu (2 atau 3). Selalu gunakanlah pensil supaya dapat dihapus kalau salah.
Karet penghapus
Pengasah pensil
Kuisioner ekstra, sebagai cadangan kalau rusak
Stopmap plastik
Hardboard untuk menulis, kalau dirasa perlu
Surat pengantar atau surat keterangan diri
Surat izin survei
Daftar responden
Peta
Kode etik bagi pewawancara :
Jujur di dalam pengisian kuisioner
Cermat
Objektif dalam menyampaikan pertanyaan, netral, tidak mempengaruhi responden dalam menangkap maksud pertanyaan dan menjawabnya
Jujur dalam mencatat jawaban
Tulislah jawaban respoden selengkapnya, persis seperti yang diucapkannya
Menaruh perhatian dan penuh pengertian terhadap responden
Sanggup membuat responden tenang dan bersedia untuk menjawab pertanyaan-pertanyaan
Hargai responden. Apapun tanggapan saudara tentang dia lupakanlah itu. Responden adalah sangat penting bagi kita
Persiapan wawancara :
Pelajari dan kuasailah isi kuisioner
Cobalah menerapkan kuisioner itu pada diri sendiri, untuk menguji apakah kita tahu benar maksud pertanyaan itu. Lalu cobakan pada orang lain (kawan) sebagai latihan
Pikirkan jam berapa yang cocok untuk menemui responden, mengingat pekerjaan mereka
Ulang-ulangilah membaca instruksi, juga selama wawancara
Sikap pewawancara :
Tugas pewawancara adalah merekam informasi tanpa menghiraukan apakah keterangan itu baik, tidak baik, menjemukan ataupun menyenangkan bagi kita. Tidak menentang atau bereaksi terhadap jawaban responden baik dengan kata-kata ataupun dengan gerakan. Misal menyatakan tidak setuju, heran, merendahkan dan sebagainya. Hindarkan sugesti.
Adil, tidak memihak. Sopan dan hormat kepada responden. Semua responden kita perlakukan sama baiknya, siapapun dia. Sikap tersebut memberikan perasaan aman bagi responden untuk menyatakan pendapatanya.
Hindari ketegangan. Wawancarailah secara obrolan. Hindarilah kesan seolah-solah responden sedang diuji. Namun harus waspada, responden diusahakan untuk tidak bercerita kian kemari. Dengan sopan kita mengembalikan perhatian respoden kepada pertanyaan semula.
Sikap ramah sangat penting. Bermuka cerah agar tidak malas. Kesan yang kita berikan akan berpengaruh kepada responden.
Taktik pada wawancara :
Usahakan pada waktu wawancara hanya respoden yang hadir. Tidak ada anggota keluarga atau teman responden yang hadir. Pewawancara pun seyogyanya tidak membawa teman.
Reaksi atau jawaban pertama terhadap suatu pertanyaan itulah pendapat responden yang sesungguhnya. Kalau responden berubah pendapat setelah pindah ke pertanyaan lain, jawaban atas pertanyaan tadi jangan lah dihapus.
Jangan tergesa-gesa menuliskan jawaban “tidak tahu”. Sering responden menjawab “tidak tahu”, tetapi sebenarnya dia sedang berpikir, karena itu tunggulah sejenak. Disini pewawancara harus sabar
Pada jawaban “Ya” atau “Tidak”, sering responden menambahkan keterangan “Ya, kalau …”, “Ya, tetapi tidak …”., dalam hal ini tulislah lengkap, meskipun ini untuk jawaban tertutup.
Tulislah dengan lengkap semua komentar responden. Kata-kata yang diucapkan untuk melukiskan perasaannya adalah sangat penting.
Jawaban responden harus dimengerti maksudnya sebelum dicatat. Kalau belum jelas tanyakan lagi. Jawaban harus khusus, jangan terlalu umum ataupun mempunyai dua arti. “saya suka karena itu baik”, “saya tidak suka” atau “karena menarik”
Usahakanlah sambil menulis tetap berbicara. Berikanlah pertanyaan yang mengajak dia berpikir. Membiarkan responden menanti terlalu lama, dapat menimbulkan kebosanan
Selesai wawancara, periksalah kuisioner dengan teliti, untuk menjaga agar tidak ada nomor-nomor yang terlampaui.
Ketika kita berbicara tentang penelitian survey dengan menggunakan metode angket atau kuisioner perlu dipahami 2 instrumen yang menyertainya. 2 instrumen tersebut adalah validitas dan reliabilitas. Pada artikel sebelumnya (indeks dan skala) kita sudah membahas kiat-kiat dalam membangun sebuah instrument (angket atau kuisioner) yang baik secara umum. Pada kesempatan kali ini akan lebih teknis membahas evaluasi dari instrumen yaitu angket atau kuisioner yang telah disusun tadi. 2 instrumen yang umum digunakan yaitu Validitas dan Reliabiitas.
Validitas
Validitas menunjukkan sejauh mana suatu alat pengukur mengukur apa yang ingin diukur. Misal, bila seseorang ingin mengukur berat suatu benda, maka dia harus menggunakan timbangan. Timbangan adalah adalah alat pengukur yang valid bila dipakai untuk mengukur berat, karena timbangan memang mengukur berat. Bila panjang suatu benda yang diukur, maka harus menggunakan meteran. Meteran adalah alat pengukur yang valid bila digunakan untuk mengukur panjang, karena memang meteran mengukur panjang. Tetapi timbangan bukanlah alat pengukur yang valid bilamana digunakan untuk mengukur panjang.
Jenis Validitas
Validitas alat pengumpul data menurut pendapat beberapa ahli dapat digolongkan dalam beberapa jenis, yakni validitas konstruk, validitas isi, validitas prediktif, dan validitas eksternal.
1. Validitas Konstruk
Konstruk adalah kerangka dari suatu konsep. Untuk mencari kerangka konsep tersebut dapat ditempuh berbagai cara. Tiga cara berikut agak lazim dipakai dalam dunia penelitian.
Mencari definisi-definisi konsep yang dikemukakan para ahli yang ditulis dalam literatur. Definisi tentang sesuatu konsep biasanya berisi kerangka dari konsep tersebut, maka definisi tersebut sudah dapat langsung dipakai untuk menyusun pertanyaan dalam kuisioner atau angket.
Mendiskusikan konsep dengan ahli-ahli yang kompeten di bidang konsep yang akan diukur. Pendapat para ahli dan peneliti dicari kesamaannya, lalu berdasarkan kesamaan tersebut kemudian disusun kerangka konsep yang dapat diwujudkan berupa pertanyaan-pertanyaan yang akan dimasukan ke dalam kuisioner atau angket.
Menanyakan definisi konsep yang akan diukur kepada calon responden atau orang-orang yang memiliki karakteristik yang sama dengan target responden dalam penelitian.
Apabila terdapat kosistensi antara komponen-komponen konstruk yang satu dengan yang lainnya, maka konstruk yang satu dengan yang lainnya, maka kosntruk tersebut memiliki validitas. Kalau sekiranya tidak semua komponen tersebut konsisten antara satu dengan yang lainnya, maka komponen yang tidak konsisten tersebut bukanlah merupakan komponen yang valid dari suatu konsep.
Misal :
Kita ingin mengukur status ekonomi responden dengan menggunakan 5 komponen status ekonomi, yakni 1. Penghasilan perbulan 2. Pengeluaran perbulan 3. Pemilikan barang 4. Porsi penghasilan yang digunakan untuk rekreasi 5. Kualitas rumah. Bilamana semua komponen tersebut valid, maka hasil pengukuran dengan masing-masing komponen akan berkorelasi satu sama lain. Orang yang berpenghasilan tinggi akan mempunyai pengeluaran perbulan tinggi, kualitas barang yang dimiliki akan lebih baik, dia menggunakan penghasilan dalam porsi lebih besar untuk rekreasi, dan kualitas rumahnya lebih baik. Tetapi hal demikian tidak selalu terjadi. Misal, kualitas rumah tidak berkorelasi dengan komponen lainnya. Bila keadaan demikian terjadi, maka komponen kualitas rumah bukan kompen yang valid dari kontruk status ekonomi.
2. Validitas Isi
Validitas isi suatu alat pengukuran ditentukan oleh sejauh mana isi alat ukur tersebut mewakili aspek yang dianggap sebagai aspek kerangka konsep.
Misal :
Seorang peneliti ingin mengukur keikutsertaan dalam program Keluarga Berencana dengan menanyakan metode kontrasepsi yang dipakai. Bila kemungkinan jawaban yang tersedia di dalam kuisioner tidak mencakup semua metode kontrasepsi, maka kuisioner atau angket tersebut tidak memiliki validitas isi.
3. Validitas Prediktif
Alat ukur yang dibuat oleh peneliti sering dimaksudkan untuk memprediksi apa yang akan terjadi di masa datang.
Misal :
Apakah soal ujian masuk perguruan tinggi memiliki validitas prediktif, sangat tergantung pada apakah ada korelasi yang tinggi antara nilai ujian masuk dengan prestasi belajar setelah menjadi mahasiswa. Bila ternyata terdapat korelasi yang tinggi antara nilai ujian seleksi dengan indeks prestasi belajar mahasiswa, maka soal ujian seleksi tersebut memiliki validitas prediktif.
4. Validitas Eksternal
Validitas eksternal adalah validitas yang diperoleh dengan cara mengkorelasikan alat pengukur baru dengan tolok ukur eksternal, yang berupa alat ukur yang sudah valid.
Misal :
Skala pengukuran motivasi untuk berprestasi yang diciptakan oleh Mehrabian (1973). Para peneliti di Amerika Serikat banyak memakai skala pengukuran tersebut, karena dianggap sudah teruji validitasnya. Di Indonesia alat ini sudah diteliti dan ternyata memiliki validitas yang cukup tinggi. Misalkan ada peneliti yang menciptakan alat pengukur baru yang berbeda dengan skala Mehrabian tetapi sama tujuannya. Alat pengukur yang baru tersebut kemudian di coba pada sekelompok responden yang juga diminta mengisi skala pengukuran Mehrabian yang sudah valid.
Bila alat pengukuran baru tersebut memberikan hasil yang relatif sama dengan hasil pengukuran dengan alat ukur Mehrabian, dapatlah dikatakan bahwa alat ukur yang baru tersebut sudah memiliki validitas yang memadai. Untuk mengetahui apakah kedua alat ukur tersebut memiliki hasil yang sama, maka hasil pengukuran dengan kedua alat tersebut harus dikorelasikan jika korelasi yang dihasilkan tinggi dan signifikan berarti alat yang baru tersebut memiliki validitas yang memadai.
Cara Menguji Validitas
Setelah kita mengetahui beberapa bentuk dan definisi dari validitas di atas, berikut ini akan disampaikan cara menguji validitas alat ukur.
Langkah pertama : Mendefinisikan secara operasional konsep yang akan diukur. Pada tahap ini disusun butir-butir pertanyaan dalam kuisioner atau angket yang menjabarkan operasional konsep yang akan diukur dari responden.
Langkah kedua : Melakukan uji coba skala pengukur tersebut pada sejumlah responden. Sangat disarankan agar jumlah responden untuk di uji coba minimal 30 orang. Dengan jumlah minimal 30 orang ini maka distribusi skor akan lebih mendekati kurva normal.
Langkah ketiga : Mempersiapkan tabel tabulasi jawaban.
Langkah keempat : Menghitung korelasi antara masing-masing pertanyaan dengan skor total dengan menggunakan rumus teknik korelasi product moment Pearson. Secara statistik, angka korelasi yang diperoleh harus dibandingkan dengan angka kritik tabel korelasi r. Jika pertanyaan-pertanyaan tersebut memiliki korelasi yang signifikan, hal ini berarti bahwa pertanyaan-pertanyaan tersebut memiliki validitas konstruk (konsistensi internal).
Reliabilitas
Reliabilitas adalah indeks yang menunjukkan sejauh mana suatu alat ukur dapat dipercaya atau dapat diandalkan. Bila suatu alat ukur dapat dipakai dua kali untuk mengukur gejala yang sama dan hasil pengukuran yang diperoleh relatif konsisten, maka alat ukur tersebut reliable. Dengan kata lain, reliabilitas menunjukkan konsistensi suatu alat ukur dalam mengukur gejala yang sama. Ada beberapa teknik yang dapat digunakan untuk menhitung indeks reliabilitas, yakni teknik pengukuran ulang, teknik belah dua dan teknik paralel.
Teknik pengukuran ulang
Untuk mengetahui reliabilitas suatu alat ukur dengan pengukuran ulang, kita harus meminta responden yang sama agar menjawab semua pertanyaan dalam alat pengukuran sebanyak dua kali. Selang waktu antara pengukuran pertama dengan pengukuran kedua sebaiknya tidak terlalu dekat dan tidak terlalu jauh. Selang waktu antara 15 s.d 30 hari pada umumnya dianggap memenuhi persyaratan. Untuk menghitung reliabilitas yaitu dengan cara mengkorelasikan jawaban pada hasil pengukuran pertama dengan pengukuran ulangan. Bila terdapat korelasi yang signifikan antara pengukuran pertama dengan pengukuran ulangan, maka jawaban tersebut tergolong reliabel.
Teknik belah dua
Bila kita ingin menggunakan teknik belah dua sebagai cara untuk menghitung alat ukur, maka alat ukur yang kita susun harus memiliki cukup banyak item yang mengukur aspek yang sama. Jumlah item sekitar 50 s.d 60 adalah jumlah yang cukup memadai. Makin besar jumlah item, reliabilitas yang diperoleh akan makin bertambah baik. Adapun langkah kerja yang perlu dilkukan sebagai berikut :
Lakukan pilot survey (survey pendahuluan) kemudian dihitung validitas dari itemnya. Item-item yang valid dikumpulkan jadi satu, yang tidak valid dibuang.
Membagi item yang valid menjadi 2 bagian. Untuk membelah alat ukur menjadi 2 bagian dilakukan dengan cara : (1) membagi item dengan cara random (acak) dan (2) membagi item berdasarkan nomor genap ganjil
Skor untuk masing-masing item pada tiap belahan dijumlahkan.
Mengkorelasikan skor total belahan pertama dengan skor total belahan kedua dengan menggunakan teknik korelasi product moment Pearson.
Karena angka korelasi yang diperoleh adalah angka korelasi dari alat ukur yang dibelah, maka angka korelasi yang diperoleh lebih rendah daripada angka korelasi yang diperoleh jika alat pengukuran tersebut tidak dibelah. Karena itu dicari angka reliabilitas untuk keseluruhan item tanpa dibelah.
Cara mencari reliabilitas untuk keseluruhan item ialah dengan mengkoreksi angka korelasi yang diperoleh dengan rumus :
R total = 2 (R belahan) / (1 + R belahan)
Cara perhitungan di atas merumakan perhitungan reliabilitas dengan cara Spearman-Brown, ada beberapa teknik lain seperti rumus Flanaga, rumus Rulon, rumus KR-20, rumus KR-21, rumus Hoyt dan rumus Alpha Cronbach, penggunaan teknik-teknik tersebut disesuaikan dengn kebutuhan alat ukur dan bentuk data yang dihasilkan oleh alat ukur.
Teknik paralel
Teknik ini dinamakan juga equivalent form atau alternatif form. Pada teknik ini, perhitungan reliabilitas dilakukan dengan membuat dua jenis alat ukur yang mengukur aspek yang sama. Kedua alat pengukur tersebut diberikan kepada responden yang sama, kemudian dicari validitasnya untuk masing-masing jenis.
Untuk menghitung reliabilitas, perlu mengkorelasikan skor total dari kedua jenis alat ukur tersebut. Angka korelasi yang diperoleh adalah indeks reliabilitas alat pengukur yang telah disusun.
Secara luas istilah atau konsepsi validitas dan reliabilitas diterapkan dalam hampir semua instrument penelitian, hanya penerapan perhitungan saja yang mungkin membedakan tergantung tipe penelitian yang dilakukan. Untuk konsepsi yang telah dibahas pada pemaparan di atas, lebih banyak digunakan dalam tipe penelitian survey, lebih spesifik dengan menggunakan kuesioner dengan opsi jawaban pertanyaan bersifat tertutup dan umum digunakan skala likert dengan output data bersifat ordinal. SEMANGAT MENELITI!!!
Dalam sebuah penelitian survey terutama yang menggunakan kuisioner atau angket dalam proses mendapatkan data penelitiannya, kiranya perlu diketahui beberapa istilah atau konsepsi yang dapat membantu peneliti dalam membangun framework yang tepat dalam proses persiapan hingga pelaksanaan penelitian. Indeks dan Skala!
Sebelumnya mari kita dengan seksama mengkonsepsikan proses pengukuran yang umum digunakan sebagai framework pada penelitian sosial :
Menentukan dimensi konsep penelitian. Konsep dan variabel penelitian sosial seringkali memiliki lebih dari satu dimensi. Semakin lengkap dimensi suatu variabel yang dapat diukur, semakin baik ukuran yang dihasilkan. Sebagai misal, dalam penelitian internasional tentang nilai anak, oleh Arnold dan Fawcett konsep ini dirumuskan sebagai hal-hal yang menguntungkan dan merugikan orang tua anak. Menurut mereka, konsep ini terdiri dari empat dimensi, yakni Nilai Positif, Nilai Negatif, Nilai Keluarga Besar dan Nilai Keluarga Kecil. Ukuran variabel nilai ekonomi anak, jadinya hanya dapat dikatakan lengkap apabila keempat dimensi tadi tercakup oleh instrumen pengukuran.
Rumusan ukuran untuk masing-masing dimensi. Ukuran ini biasanya berbentuk pertanyaan-pertanyaan yang relevan dengan dimensi tadi.
Tentukan tingkat ukuran yang digunakan. Dalam proses penelitian sosial dikenal empat tingkat ukuran, yakni : nominal, ordinal, interval dan rasio. (Baca artikel : Pengukuran dan Skala Ukur)
Tentukan tingkat validitas dan reliabilitas dari alat pengukuran. Pengujian ini perlu dilakukan bila yang dipakai adalah instrumen penelitian yang baru. (jika perubahan sosial terjadi setiap waktunya maka instrumen penelitian penting untuk dilakukan pengujian ulang setiap diadakan pengulangan penelitian).
Dalam penelitian sosial, instrumen pengukuran yang paling sederhana biasanya berbentuk pertanyaan tunggal. Misalnya, untuk mengukur variabel Nilai Ekonomi Anak ditanyakan “Apakah Bapak/Ibu mengharapkan bantuan keuangan dari Anak di hari tua?” Tiga alternatif jawaban yang mungkin diminta diantaranya “1” Tidak Mengharapkan, “2” Tidak Berpendapat, dan “3” Mengharapkan. Walaupun ukuran disini sudah memenuhi syarat sebagai instrumen pengukuran, namun kualitasnya masih rendah, sebab pertanyaan tunggal seperti ini tidak akan dapat mengungkapkan konsep nilai ekonomi anak dengan lengkap dan tepat. Karena itulah dalam penelitian sosial dikembangkan ukuran gabungan yang dipandang lebih dapat mengukur konsep-konsep ilmu sosial secara lebih lengkap dan tepat. Ukuran gabungan ini dikenal sebagai indeks dan skala.
Dalam literature metodologi, istilah indeks dan skala sering digunakan secara salah, seolah-olah keduanya mempunyai arti yang sama. Bila dipandang selintas, indeks dan skala ada persamaan, yakni keduanya adalah ukuran ordinal yang disusun sedemikian rupa sehingga dapat mengurutkan respoden dalam urutan yang lebih tepat menurut variabel tertentu.
Indeks dan skala adalah ukuran gabungan untuk suatu variabel. Agar diperoleh ukuran yang lebih lengkap dan tepat, maka ukuran suatu variabel tidaklah semata-mata didasarkan pada satu pertanyaan, melainkan pada beberapa pertanyaan. Misal, untuk mengukur nilai ekonomi anak, digunakan indeks ekonomi anak yang terdiri dari beberapa pertanyaan dan skor responden adalah jumlah skor dari pertanyaan tadi.
Perbedaan pokok antara indeks dan skala terletak pada penentuan skor. Indeks adalah akumulasi skor untuk tiap pertanyaan. Jadi, kalau suatu indeks terdiri dari 5 pertanyaan dan setiap pertanyaan memiliki jenjang skor 1 sampai 3, maka skor indeks berkisar antara 5 dan 15. Sebaliknya, skala disusun atas dasar penunjukkan skor pada pola-pola atribut (indikator). Artinya, dalam penyusunan skala diperhatikan instensitas (tingkatan bobot) struktur dari atribut-atribut yang hendak diukur. Jadi dalam penerapannya terdapat perbedaan yang sangat jelas antara indeks dan skala.
Suatu ilustrasi sebelum kita mengenal lebih jauh mengenai konsepsi penilaian intrumen penelitian yang hendak disusun dan digunakan dalam penelitian.
“Misalkan, peneliti ingin mengukur penerimaan sosial masyarakat terhadap bekas tahanan politik (tapol) dengan menanyakan pekerjaan apa yang boleh dipangku oleh mereka.”
Pertama : Kalau penelitian menggunakan indeks, maka pertanyaannya adalah sebagai berikut, “Apakah bekas Tapol boleh bekerja sebagai (1) Pegawai Negeri (2) Pegawai Swasta (3) Pedagang (4) Petani dan (5) Buruh Tani”
Responden yang mempunyai tingkat penerimaan sosial yang tinggi akan menjawab “Ya” untuk kelima jenis pekerjaan tersebut dan akan mendapat skor 5, Responden yang mempunyai tingkat peneriamaan sosial rendah mungkin hanya menjawab “Ya” untuk salah satu pekerjaan di atas, Kalau seorang responden memiliki skor 1, skor tersebut hanya menunjukkan bahwa tingkat penerimaan sosial rendah, tetapi dari jawaban tersebut tidak mengetahui pekerjaan mana yang menurut responden boleh dipegang oleh bekas Tapol, karena tiap pekerjaan diberi bobot yang sama.
Kedua : Berbeda dengan dengan indeks penerimaan sosial yang disusun atas jumlah pekerjaan yang diperbolehkan untuk bekas Tapol, skala penerimaan sosial disusun dengan memperhatikan bobot atau intensitas pekerjaan. Jadi bentuk pertanyaan untuk skala penerimaan sosial akan berbentuk, “Apakah bekas Tapol boleh bekerja sebagai (1) Dirjen, Gubernur atau Direktur Utama (2) Kepala Biro, Kepala Dinas atau Direktur (3) Pegawai Tata Usaha (4) Operator Produksi dan atau (5) Buruh”
Kelima jenis pekerjaan ini mempunyai bobot status dan tanggung jawab yang berbeda, karena itu responden yang memperbolehkan bekas Tapol untuk menjadi Gubernur dapat diharapkan akan menjawab “Ya” juga untuk pekerjaan lainnya. Responden yang menjawab “Ya” untuk Buruh belum tentu memberikan jawaban yang sama untuk Operator Produksi dan Direktur yang memiliki bobot tanggung jawab yang lebih berat dari buruh.
Dengan demikian skor pada skala penerimaan sosial selalu dapat dikaitkan dengan jenis pekerjaan yang menurut responden boleh dijabat oleh bekas Tapol. Karena skala dapat memberikan informasi yang lebih lengkap, ukuran ini kualitasnya lebih baik dari Indeks. Dan karena penyusunan Skala amat rumit dan merupakan upaya tersendiri, maka dalam penelitian sosial biasanya lebih sering dipakai Indeks sebagai instrumen pengukuran.
Untuk lebih jelasnya kita uraikan pembahasan indeks dan skala sebagai berikut :
Penyusunan Indeks
Pada kebanyakan penelitian sosial, peneliti belum memberikan perhatian yang cukup serius pada instrumen pengukuran (skal atau indeks). Karena itulah seringkali ditemui indeks dan skala yang kurang baik dan hasil penelitian yang kurang dapat dipercaya.
Walaupun dikatakan bahwa indeks lebih sering dipakai dalam penelitian sosial, sebenarnya penyusunan indeks bukanlah pekerjaan yang mudah. Langkah-langkah yang perlu ditempuh dalam penyusunan indeks adalah sebagai berikut :
a. Menyeleksi pertanyaan
Indeks adalah ukuran gabungan yang disusun untuk mengukur suatu variabel tertentu. Salah satu kriteria yang dipakai untuk menentukan “apakah pertanyaan dapat dimasukan ke dalam suatu indeks”, adalah validitas muka. Misal, seorang peneliti ingin mengukur nilai ekonomi anak, maka pertanyaan-pertanyaan yang hendak dimasukan haruslah menunjukkan tingkat ketergantungan ekonomi responden pada anak-anak. Oleh karenanya, pertanyaan-pertanyaan yang menunjukkan nilai psikologis anak tidak dapat dimasukan kedalam indeks nilai ekonomi anak, walaupun hubungan keduanya amat erat (prinsip unidimensonality).
b. Hubungan antar pertanyaan
Langkah kedua dalam penyusunan indeks adalah melihat hubungan bivarate atau multivariate dari pertanyaan-pertanyaan yang hendak dimasukan. Secara teoritis, pertanyaan-pertanyaan yang mengukur suatu variabel harus berhubungan satu sama lain. Pada indeks nilai ekonomi anak, pertanyaan-pertanyaan tersebut harus mempunyai korelasi cukup tinggi satu sama lain (bivariate) maupun secara keseluruhan (multivariate), karena semuanya mengukur derajat ketergantungan responden kepada anak secara ekonomis.
c. Menentukan skor
Setelah pertanyaan-pertanyaan untuk suatu indeks ditentukan, maka langkah selanjutnya adalah menentukan skor untuk pertanyaan-pertanyaan tersebut. Skor ini kemudian dijumlahkan untuk mendapatkan skor gabungan. Pada tahap ini, ada dua keputusan yang harus dibuat oleh peneliti.
Pertama, peneliti harus membuat keputusan tentang jenjang (range) skor untuk indeks yang disusunnya. Ada peneliti yang menggunakan jenjang 3 (1, 2, 3), jenjang 5 (1, 2, 3, 4, 5), jenjang 7 (1, 2, 3, 4, 5, 6, 7), jenjang mana yang cocok sangat tergantung dari populasi penelitian.
Kedua, yang harus dibuat adalah mengenai skor yang akan diberikan pada setiap pertanyaan. Apakah setiap pertanyaan akan diberi skor yang sama atau diberi penimbang (weighting). Kalau peneliti tidak mempunyai alasan yang kuat untuk meragukan ketidaksamaan bobot pertanyaan pada suatu indeks, maka sebaiknya setiap pertanyaan dipandang memiiki bobot yang sama, dan skor masing-masing indeks adalah jumlah dari skor masing-masing pertanyaan.
Tabel. Aplikasi Penggunaan Indeks Pada Angket
Catatan : skala adalah ukuran gabungan yang didasarkan pada struktur intensitas (bobot) pertanyaan-pertanyaan. Sedangkan “Skala Likert” secara makna bukanlah skala, melainkan suatu cara yang lebih sistematis untuk memberikan skor pada indeks.
Penyusunan Skala
Semua indeks disusun dengan suatu asumsi : responden yang memiliki skor yang lebih tinggi pada suatu indeks juga memiliki kualitas yang lebih tinggi dalam hal yang dipertanyakan. Jadi seorang responden yang memiliki skor yang lebih tinggi dari responden lainnya pada nilai Indeks Nilai Ekonomi Anak diharapkan mempunyai derajat ketergantungan yang lebih tinggi pula. Dengan demikian indeks diharapkan dapat menguatkan para responden secara ordinal menurut suatu variabel tertentu.
Yang tidak diperhatikan dalam penyusunan indeks adalah kenyataan bahwa tidak semua indikator suatu variabel mempunyai bobot yang sama beratnya. Sedangkan skala dapat mengurutkan responden-responden ke dalam urutan ordinal dengan lebih tepat karena dalam proses tersebut diperhatikan intensitas bobot dari tiap pertanyaan. Ada 4 teknik penyusunan skala yang banyak digunakan dalam penelitian sosial diantaranya :
a. Metode Bogardus
Salah satu contoh skala yang baik adalah skala jarak sosial Bogardus. Skala ini berusaha untuk mengukur tingkat kesediaan orang kulit putih untuk berhubungan dengan orang Negro.
Tabel. Bogardus
Kita lihat bahwa kelima pertanyaan dalam contoh skala menunjukkan intensitas hubungan yang semakin meningkat. Responden menjawab “Ya” untuk pertanyaan no. 5 pasti akan menjawab “Ya” untuk pertanyaan-pertanyaan lainnya karena intensitasnya lebih rendah.
Skala Bogrdus tidak hanya berguna untuk mengukur hubungan antar ras, tetapi dapat diubah untuk mengukur sikap politik, hubungan orang tua dan anak, hubungan antar negara, dll.
b. Metode Thrustone
Skala yang disusun menurut metode Thurstone disusun sedemikian rupa sehingga interval interval antar urutan dalam skala mendekati interval yang sama besarnya. Karena itu skala seperti ini sering disebut equal appearing interval atau equal interval scale (skala interval sama).
Yang merupakan ciri pokok metode ini adalah penggunaan panel yang terdiri dari 50 s.d 100 ahli untuk menilai sejumlah pertanyaan guna mengukur variabel tertentu. Jenjang skala kemudian ditentukan atas dasar pendapat para ahli. Ringkasnya tahapan yang harus ditempuh untuk penyusunan skala adalah sebagai berikut :
Peneliti mengumpulkan sejumlah pertanyaan (40 s.d 50) yang relevan untuk variabel yang hendak diukur. Pertanyaan ini dapat bersifat positif atau negatif. Misalnya, peneliti hendak mengukur sikap terhadap pemogokan.
Suatu panel ahli diminta menilai relevansi pertanyaan-pertanyaan tadi terhadap variabel yang hendak diukur dan memberikan skor (misal : 1 s.d 10, skor 1 untuk pertanyaan paling tidak relevan dan skor 10 untuk yang paling relevan). Pernyataan yang paling mendapatkan penilaian yang sangat berbeda dari panel disingkirkan dan pertanyaan yang mendapatkan penilaian yang hampir sama diikutkan dalam skala. Untuk ini biasanya dihitung median untuk tiap-tiap pertanyaan. Pertanyaan yang mempunyai median yang rendah berarti mendapatkan penilaian yang hampir sama dari para ahli.
Setelah nilai skala tiap pertanyaan ditentukan, dipilih sejumlah pertanyaan (10 s.d 20) yang mempunyai nilai yang merata untuk skala yang ditentukan. Karena dalam poin b ditentukan skor 1 s.d 10, maka pernyataan-pernyataan yang mempunyai nilai-nilai tersebut dimasukan kedalam instrumen yang disusun.
Untuk mencegah systematic-bias pertanyaan-pertanyaan sebaiknya disusun acak, tidak mengikuti urutan skala.
Skor responden pada skala ini adalah nilai rata-rata (mean atau median) dari nilai petanyaan-pertanyaan yang dipilihnya
Penafsiran pada skala Thrustone sama seperti membaca skor pada skala Bogardus; respoden yang mempunyai skor yang lebih tinggi pada Skala Sikap terhadap Aksi Pemogokan, misalnya, berarti lebih mempunyai sikap positif terhadap aksi tersebut.
Dalam praktek metode Thurstone, sudah jarang digunakan karena prosedur penyusunannya amat memakan waktu dan tenaga. Disamping itu penilaian para ahli amat tergantung pada pengetahuan mereka tentang konsep yang hendak diukur. Karena itu skala yang disusun oleh para ahli dapat berubah dan ditinjau kembali dari waktu ke waktu.
c. Metode Guttman atau Metode Skalogram
Yang hendak dipertahankan oleh skala Guttman adalah ketunggalan dimensi (unidimensionality). Artinya skala sebaiknya hanya mengukur satu dimensi saja dari variabel yang memiliki beberapa dimensi. Misal, walaupun variabel nilai anak mempunyai dimensi ekonomi, dimensi psikologi dan dimensi sosial, namun suatu skala nilai anak sebaiknya hanya mengukur salah satu dimensi.
Prinsip lain dari skala Guttman ini adalah seperti pada skala Bogardus dan Thurstone. Pernyataan-pernyataan mempunyai bobot yang berbeda dan apabila seorang responden menyetujui pernyataan yang lebih berat bobotnya, maka diharapkan akan menyetujui pernyataan-pernyataan yang bobotnya lebih rendah.
Untuk menilai ketunggalan dimensi suatu skala diadakan analisa skalogram untuk mendapatkan koefisien reprodusibilitas, Kr dan koefisien skalabilitas, Ks. Perhitungan-perhitungan tersebut diperlukan sebuah tabel Guttman.
Misal : seorang peneliti hendak menyusun suatu skala untuk mengukur nilai ekonomi anak. Skala ini mempunyai 7 pertanyaan. Untuk menilai apakah skala tersebut cukup baik untuk digunakan dalam survey, skala tersebut dicobakan pada 15 sampel yang memiliki ciri-ciri yang hampir sama dengan populasi yang hendak diteliti. Setelah informasi terkumpul, diadakan analisis skalogram.
Tabel. Guttman
Setelah tabel Guttman tersusun langkah selanjutnya adalah menilai Skala Nilai Ekonomi Anak dengan analisa skalogram. Untuk ini perlu dihitung jumlah kesalahan (e). Jika dihitung sel-sel kosong dai jawaban “Ya” yang menyeleweng pada kolom-kolom pertanyaan 1 s.d 7 dalam tabel Guttman, maka jumlah kesalahan adalah 6. Apakah Skala yang memiliki 6 kesalahan masih dipandang baik?
Jumlah total kesalahan yang dapat terjadi pada Skala di atas adalah sama dengan jumlah total pilihan jawaban (n) dikurangi jumlah jawaban para responden (Tn), yaitu 105 – 71 = 34. Apakah Skala yang memiliki 6 kesalahan dari 34 kemungkinan kesalahan, cukup baik digunakan?
Untuk menjawab pertanyaan tersebut perlu diadakan 2 macan test, yakni reprodusibilitas (Kr) dan skalabilitas (Ks) test.
Koefisien reprodusibilitas (Kr) menunjukkan derajat ketepatan instrumen pengukuran untuk digunakan dalam survei.
Dimana :
Kr = 1 – Jumlah Kesalahan (e) / (Jumlah Pertanyaan x Jumlah Responden (n))
Pada contoh di atas, Kr = 1 – 6/105 = 0.94. Secara arbitrer dintentukan bahwa Skala yang memiliki Kr 0.90 ke atas dianggap cukup baik untuk digunakan.
Setelah Kr diketahui, Langkah selanjutnya ialah menghitung koefisien skalabilitas (Ks).
Ks = 1 – Jumlah Kesalahan (e) / Jumlah Kesalahan Yang Diharapkan (x)
Ks untuk contoh di atas adalah 1 – 6 / (0.5 x (105-71)) = 0.65. Skala yang memiliki Ks = 0.60 ke atas dianggap cukup baik digunakan dalam survei.
Dan
e = jumlah kesalahan
x = jumlah kesalahan yang diharapkan atau c (n – Tn) dan c adalah kemungkinan mendapatkan jawaban yang benar. Karena jawaban adalah “Ya” dan “Tidak” c = 0,5
n = jumlah jawaban
Tn = jumlah pilihan jawaban
Ringkasnya langkah-langkah yang harus ditempuh untuk menyusun skala dengan metode Guttman adalah sebagai berikut :
Susunlah sejumlah pertanyaan yang relevan untuk mengukur variabel yang diteliti
Pre-test pertanyaan tersebut pada suatu sampel sebesar lebih kurang 50 responden
Singkirkan pertanyaan-pertanyaan yang memperoleh jawaban yang ekstrem, yang disetujui atau tidak disetujui oleh 80 persen responden
Susun jawaban yang diperoleh dalam suatu tabel Guttman. Pada baris susunlah responden menurut skor total jawaban dari terkecil sampai terbesar. Pada kolom susunlah pernyataan-pernyataan dari yang paling banyak mendapatkan jawaban sampai yang paling sedikit
Hitung koefisien reprodusibilitas (Kr) dan koefisien skalabilitas (Ks). Skala yang memiliki Kr = 0,90 dan Ks = 0,60 ke atas dapat diterima
Skor skala Guttman dihitung dari jumlah jawaban “Ya” untuk peryataan-pernyataan dalam skala tersebut. Jadi kalau responden menjawab “Ya” untuk 6 peryataan dalam skala Nilai Ekonomi Anak, skor totalnya adalah 6
d. Metode Perbedaan Semantik
Skala perbedaan semantik berusaha mengukur arti objek atau konsep bagi seorang responden. Responden diminta untuk menilai suatu objek atau konsep pada suatu skala yang mempunyai 2 adjektif yang bertentangan. Skala bipolar ini mengandung unsur evaluasi (bagus – buruk), unsur potensi (besar – kecil) dan unsur aktivitas (cepat – lambat).
Menurut Osgood, ketiga unsur tersebut dapat mengukur 3 dimensi sikap, yakni
Evaluasi responden tentang objek atau konsep yang sedang diukur
Persepsi responden tentang potensi objek atau konsep tersebut
Persepsi responden tentang aktivitas objek
Misal :
Untuk mengukur sikap petani tentang Program Bimas, dapat diukur skala perbedaan semantik, sebagai berikut :
Tabel. Semantik
Langkah-langkah untuk menyusun suatu skala perbedaan semantik adalah sebagai berikut:
Tentukan konsep atau objek yang hendak diukur
Pilih pasangan ajektif yang relevan untuk konsep atau objek tersebut. Penentuan ajektif harus dilakukan secara empiris pada dua kelompok sampel yang berbeda. Misal, kita pilih dua kelompok; pertama, pro-Bimas dan kedua, anti-Bimas. Jawaban dari kedua kelompok dianalisa dan pilihlah ajektif yang dapat membedakan dengan jelas kedua kelompok tersebut.
Skor untuk seorang responden adalah jumlah skor dari pasangan ajektif.
Diperlukan kehati-hatian dan kecermatan dalam proses penentuan instrumen yang akan dibuat oleh peneliti. Selain harus disesuaikan dengan kebutuhan akan tujuan survey juga perlu dicermati target responden nantinya. Agar instrumen yang dibuat dapat secara efektif (valid dan reliabel) dalam mendapatkan data. SEMANGAT MENELITI!!!
Pada artikel sebelumnya telah dibahas 2 tipe pilihan pengujian dalam penyelesaian statistik atas suatu data hasil penelitian, yaitu statistik parametrik dan non-parametrik. Salah satu bahasannya adalah keterkaitan skala ukur data hasil penelitian. Skala ukur data merupakan salah satu bagian yang sangat penting dalam statistika dan patut mendapatkan perhatian serta pemahaman dari peneliti. Sebelum membahas lebih jauh terkait dengan skala ukur data, mari kita sedikit menelaah pemahaman kita terkait dengan pengukuran yang menghasilkan data dan nanti akan ditentukan jenis dari skala ukur data yang dihasilkan tersebut.
Pengukuran
Sebuah ilustrasi, jika seorang ahli fisika berbicara mengenai pengukuran, maka biasanya yang dia maksudkan adalah pelekatan angka-angka atas observasi-observasi sedemikian rupa sehingga angka-angka itu sesuai dengan analisis melalui pemanfaatan atau penanganan menurut hukum tertentu. Analisis dengan pemanfaatan (manipulasi) ini akan membuahkan informasi baru mengenai objek yang diukur. Dengan kata lain, hubungan antara yang diobservasi dengan angka-angka yang diletakan pada observasi-observasi itu adalah langsung sehingga dengan manipulasi angka-angkanya, ilmuan fisika memperoleh informasi baru tentang benda-benda itu. Misalnya, ilmuan itu dapat menentukan berapa berat suatu massa materi homogen kalau dipotong menjadi dua, dengan cara membagi berat benda itu dengan dua.
Teori pengukuran terdiri dari seperangkat teori atau dari teori yang terpisah dan berbeda, masing-masing memiliki tingkat pengukuran yang berlainan. Hal-hal yang dapat dikerjakan atas seperangkat skor bergantung pada tingkat pengukuran yang dicapai. Selanjutnya akan dibahas 4 tingkatan pengukuran yaitu nominal, ordinal, interval dan rasio.
Skala Ukur
Skala Nominal atau Skala Klasifikasi
Pengukuran pada tingkatan paling lemah adalah ketika angka-angka digunakan semata-mata untuk untuk mengklasifikasikan suatu objek, orang atau sifat. Jika angka-angka itu digunakan untuk mengidentifikasikan kelompok-kelompok sebagai induk objek-objek yang berlainan, angka tersebut merupakan skala nominal atau klasifikasi.
Misal : Angka-angka pada plat nomor mobil merupakan suatu skala nominal. Setiap mobil yang memakai plat nomor adalah anggota dari suatu sub-kelas tunggal. Dan jika suatu huruf atau angka tertentu pada plat tadi menunjukkan wilayah tertentu, di mana si pemilik mobil bertempat tinggal. Maka setiap sub kelas dalam skala nominal tersebut terdiri dari suatu kelompok yang merupakan suatu keutuhan tersendiri yakni semua pemiliknya berdiam di wilayah yang sama. Dalam hal ini susunan angka atau huruf dalam plat nomor mobil merupakan sebuah indentifikasi atau klasifikasi atas kepemilikan di suatu wilayah.
Hitungan yang diperkenankan dari data dengan skala ukur nominal diantaranya, pertama, jenis statistik deskriptif yang diperkenankan diantaranya modus dan frekuensi. Kedua, uji hipotesis mengenai distribusi kasus-kasus diantara kategori-kategori dengan menggunakan tes statistik non parametrik berupa chi square (koefisien kontingensi).
Skala Ordinal atau Skala Urutan
Jika kita memiliki suatu kelompok yang terdiri dari kelas-kelas yang sama, kalau hubungan lebih besar ( > ) berlaku untuk beberapa pasang kelas, tetapi tidak untuk semua pasangan yang ada, maka yang dihadapi adalah skala berurutan sebagian (partially ordered scale). Jika hubungan lebih besar ( > ) berlaku untuk semua pasangan kelas yang ada, sehingga terjadilah susunan urutan kelas-kelas secara lengkap, maka yang kita punyai adalah suatu skala ordinal.
Misal : Status sosial-ekonomi. Dalam prestise dan akseptibilitas sosial, semua anggota kelas menengah atas lebih tinggi daripada ( >) semua anggota kelas menengah bawah. Hubungan sama dengan ( = ) berlaku untuk anggota-anggota kelas yang sama dan hubungan lebih tinggi ( > ) berlaku untuk sembarang pasangan kelas.
Hitungan yang diperkenankan dari data dengan skala ukur ordinal diantaranya, pertama, statistik yang cocok untuk melukiskan nilai tengah (rata-rata) skor dalam skala ordinal adalah median. Kedua, uji hipotesis yang dapat diuji dengan menggunakan statistik ranking diantaranya koefisien korelasi spearman atau kendall.
Skala Interval
Kalau seuatu skala mempunyai segala sifat skala ordinal dan kalau disamping itu jarak antar dua angka pada skala tersebut diketahui ukurannya, maka telah dicapai pengukuran yang lebih kuat dari pada hanya memperlihatkan urutan (ordinal). Dalam kasus seperti itu, pengukuran dalam artian skala interval sudah tercapai. Artinya, jika pemetaan kita atas beberapa kelas objek sebegitu tepatnya sehingga kita tahu berapa besar interval (jarak) antar objek satu dengan yang lainnya, maka kita telah mencapai pengukuran interval. Dalam skala interval, titik nol dan unit pengukurannya adalah sembarang.
Misal : Kita mengukur suhu pada suatu skala interval (Celcius dan Fahrenheit). Unit pengukuran dan titik nol dalam mengukur suhu adalah sembarang. Semisal, “membeku” terjadi pada 0 derajat di skala Celcius dan mendidih pada 100 derajat. Di skala Fahrenheit, “membeku” terjadi pada 32 derajat dan “mendidih” pada 212 derajat.
Hitungan yang diperkenankan dari data dengan skala ukur interval diantaranya, pertama, semua statistik parametrik biasa (rata-rata, standar deviasi, korelasi Pearson, dll) dapat diterapkan terhadap data dalam suatu skala interval. Kedua, tes statistik yang umum seperti tes t dan tes F dapat diterapkan pada data dengan skala interval.
Skala Rasio
Kalau suatu skala memiliki semua ciri suatu skala interval, dan disamping itu memiliki suatu titik nol sejati sebagai titik asalnya, maka skala itu dinamakan skala rasio. Dalam skala rasio, perbandingan antara suatu titik skala tidak bergantung pada unit pengukurannya.
Misal : Kita mengukur masa atau berat dalam skala rasio. Rasio antara dua berat adalah independen terhadap unit pengukurannya. Jika kita menetapkan berat dua objek yang berbeda bukan saja dalam pon melainkan juga dalam gram, akan kita dapatkan bahwa rasio antara dua berat dalam pon adalah sama dengan rasio antara dua berat dalam gram.
Hitungan yang diperkenankan dari data dengan skala ukur rasio diantaranya, pertama, semua tes statistik dapat digunakan. Kedua, dengan skala rasio dapat digunakan statistik semacam rata-rata ukur dan keofisien variasi, yakni statistik yang menuntut diketahuinya titik nol sejati.
Dalam pembahasan statistik, pemahaman terhadap jenis dari skala ukur data sangat diperlukan. Seperti yang telah dikemukakan bahwa dengan diketahuinya skala ukur data dapat memandu peneliti dalam menentukan jenis alat statistik yang tepat bagi data yang dimiliki. Oleh karenanya, pengidentifikasian skala ukur data pada data yang didapatkan dari hasil pengukuran harus diperhatikan karena dapat mempengaruhi proses lanjutan dalam pengolahdan data tersebut. Pada artikel-artikel selanjutnya kita akan banyak membahas alat-alat statistik yang penggunaanya mensyaratkan jenis dari skala ukur data yang mendasarinya. SEMANGAT MEMAHAMI!!!
Salah satu fungsi penelitian adalah untuk menemukan jawaban atas suatu pertanyaan mendasar atas suatu phenomena yang diamati. Dalam statistik phenomena yang diamati tersebut tidak hanya dinikmati hanya dengan kepuasan visual atau rasa saja, akan tetapi dituangkan ke dalam suatu bentuk berupa pencatatan terdokumentasi atas phenomena tersebut. Output pencatatan terdokumentasikan tersebut yang disebut dengan Data. Kebutuhan atas suatu penelitian adalah dihasilkannya suatu bentuk informasi handal atas dasar pengolahan data yang diperoleh melalui serangkaian pengujian secara statistik, sehingga informasi yang dihasilkan tidak hanya handal melainkan dapat dipertanggung jawabkan secara ilmiah.
Dalam statistika proses pengolahan data yang diperoleh dari hasil penelitian dibedakan menjadi 2 jenis tipe pengujian data diantaranya pengujian data secara Statistik Parametrik atau Statistik Non-Parametrik. Sebelum melangkah lebih jauh kepada tools statistik spesifik pada data, ada baiknya kita pahami ke 2 jenis tipe pengujian data yang telah disebutkan agar pemilihan tools statistik yang akan diterapkan kepada data penelitian tidak menjadi keliru.
Statistik Parametrik
Pengujian data melalui statistik parametrik disyarati dengan adanya sejumlah anggapan-anggapan yang kuat yang mendasari penggunaanya. Manakala anggapan-anggapan itu terpenuhi, pengujian-pengujian parametrik inilah yang paling besar kemungkinannya untuk menolak H0 ketika H0 salah. Artinya, kalau data penelitian dianalisis secara tepat dengan pengujian parametrik, pengujian tersebut akan lebih kuat dari pengujian mana pun dalam hal penolakan terhadap H0 jika H0 salah. Oleh karenanya dalam penggunaan pengujian statistik parametrik perlu dipenuhi beberapa unsur-unsur dari model pengujian dengan statistik parametrik, diantaranya :
Objek pengamatan harus saling independen. Artinya pemilihan sembarang kasus dari populasi untuk dimasukan dalam sampel tidak boleh menimbulkan bias pada kemungkinan-kemungkinan bahwa kasus yang lain akan termasuk juga dalam sampel tersebut dan juga skor yang diberikan pada suatu kasus tidak boleh mempengaruhi skor yang diberikan kepada kasus lainnya.
Objek pengamatan harus ditarik dari populasi yang berdistribusi normal.
Populasi-populasi di mana objek pengamatan ditarik harus memiliki varians yang sama.
Variabel-variabel yang terlibat harus setidaknya dalam skala interval, sehingga memungkinkan digunakannya penanganan secara ilmu hitung terhadap skor-skornya (menambah, membagi, menemukan rata-rata, dst)
Rata-rata populasi normal dan bervarians sama itu harus juga merupakan kombinasi linier dari efek-efek yang ditimbulkan. Artinya, efek-efek itu harus bersifat penjumlahan. (khusus dalam analisis varians atau uji F)
Kalau kita cukup mempunyai alasan untuk percaya bahwa persyaratan tersebut terpenuhi oleh data yang sedang dianalisis, tentu kita akan memilih suatu tes statistik parametrik, untuk menganalisis data. Pemilihan ini adalah paling baik, sebab tes parametrik akan merupakan tes paling kuat untuk menolak H0 manakala H0 memang harus ditolak.
Contoh penggunaan statistik parametrik seperti pada uji t dan F, yang aplikasinya banyak diterapkan semisal pada analisi regresi, path analisis, rancangan percobaan, analisis faktor (CFA), struktural equation modeling (SEM), dll.
Statistik Non-Parametrik
Tes statistik non parametrik adalah tes yang modelnya tidak menetapkan syarat-syarat mengenai parameter-parameter populasi yang merupakan induk sampel penelitiannya. Tes non parametrik tidak menuntut pengukuran sekuat yang dituntut tes statistik parametrik. Sebagian besar tes non parametrik dapat diterapkan untuk data dalam skala ukur ordinal dan beberapa yang lain dapat diterapkan untuk data dalam skala ukur nominal.
Meskipun semua anggapan tes parametrik mengenai populasi dan syarat-syarat mengenai kekuatan pengukuran dipenuhi (5 poin syarat parametrik), kita ketahui bahwa dengan memperbesar ukuran sampel dengan banyak elemen yang sesuai dapat menggunakan suatu tes non parametrik sebagai ganti tes parametrik dengan masih mempertahankan kekuatan yang sama untuk menolak H0.
Keuntungan Tes Statistik Non Parametrik
Pernyataan kemungkinan yang diperoleh dari sebagian besar tes statistik non parametrik adalah kemungkinan-kemungkinan yang eksak, tidak peduli bagaimana bentuk distribusi populasi yang merupakan induk sampel-sampel yang kita tarik.
Jika sampelnya sekecil N = 6, hanya tes statistik non parametrik yang dapat digunakan kecuali kalau sifat distribusi populasinya diketahui secara pasti.
Terdapat tes statistik non parametrik untuk menggarap sampel-sampel yang terdiri dari observasi-observasi dari beberapa populasi yang berlainan. Tidak ada satupun di antara tes parametrik dapat digunakan untuk data semacam itu tanpa menuntut kita untuk membuat anggapan-anggapan yang nampak tidak realistis.
Tes statistik non parametrik dapat untuk menggarap data yang pada dasarnya merupakan ranking dan juga untuk data yang skor-skor keangkaanya secara sepintas kelihatan memiliki kekuatan ranking. Jika data pada dasarnya berupa ranking atau bahkan data itu hanya bisa diikategorikan sebagai plus (+) atau minus (-), data tersebut dapat digarap dengan menggunakan statistik non parametrik.
Metode statistik non parametrik dapat digunakan untuk menggarap data yang hanya merupakan klasifikasi semata, yakni yang diukur dalam skala nominal.
Kelemahan Tes Statistik Non Parametrik
Jika data telah memenuhi semua anggapan model statistik parametrik, dan jika pengukurannya mempunyai kekuatan seperti yang dituntut, maka penggunaan tes statistik non parametrik akan merupakan penghamburan data. Misal : kita ingat bahwa bila suatu tes statistik non parametrik memiliki kekuatan efisiensi besar, katakanlah 90%, ini berarti bahwa kalau semua syarat tes statistik parametrik dipenuhi, maka tes statistik parametrik yang sesuai akan efektif dengan sampel yang 10% lebih kecil daripada yang digunakan dalam tes statistik non parametrik.
Belum ada satupun metode statistik non parametrik untuk menguji interaksi-interaksi dalam model analisis varian (ANOVA), kecuali kita berani membuat anggapan-anggapan khusus tentang aditivitas.
Contoh penggunaan statistik non parametrik seperti pada uji t pada parametrik digantikan menjadi uji Mannn Whitney ataupun Wilcoxon pada non parametrik dan uji F pada parametrik digantikan oleh uji Kruskal Wallis pada non parametrik, dll.
Dengan pengetahuan kita akan klasifikasi metoda statistik yang sudah dijelaskan di atas, diharapkan ada kehati-hatian dalam diri peneliti untuk menentukan dan menetapkan suatu alat uji statistik pada data hasil penelitiannya. Kata kuncinya adalah “mengoptimalkan penolakan H0 (asumsi dasar penelitian) yang memang seharusnya di tolak”. Sehingga perlakuan awal terhadap data penelitian yang telah didapatkan menjadi lebih teliti dan spesifik guna mengoptimalkan penggunaan alat atau metode statistik yang tepat agar dihasilkan suatu simpulan yang optimal atas suatu penelitian.
Berbicara tentang statistika mungkin kebanyakan kenal atau umum dikenal semisal statistik pertandingan dalam sepak bola atau lebih dikenal dengan naik turunnya harga rupiah ataupun saham di bursa… Kedua contoh tersebut tidaklah salah, keduanya merupakan bagian dari produk-produk statistik.
Kalau begitu apa itu statistika sebenarnya. Statistika sebenarnya adalah sebuah ilmu, ilmu yang mempelajari tentang bagaimana cara mengumpulkan, mengolah dan menyajikan data sehingga menciptakan suatu informasi yang bermanfaat secara umum dan dapat dipertanggung jawabkan.
Apakah statistika itu sulit?? pertanyaan ini sangatlah relatif jawabannya. Bagi sebagian besar orang mungkin mengatakan sangatlah sulit, karena terbayang-bayang pola matematis yang sangat rumit bin nge-jelimet. Tapi untuk sebagian orang lagi mungkin mengatakan mudah, karena menyukai akan hal detail dan terstruktur.
Kenapa sih harus statistika?? karena ini adalah sebuah ilmu maka tidak dapat dihindari bahwa keberadaanya melengkapi kesempurnaan ilmu-ilmu yang lainnya. Nah,, karena sifatnya melengkapi ilmu yang lainnya maka wajib bin kudu disertakan statistika dengan kekhasannya jika berkaitan dengan data dan informasi dari ilmu yang lainnya.
Bagaimana sebetulnya statistika itu bekerja?? nah disinilah kekhasan statistika yang tidak bisa dilakukan oleh ilmu yang lainnya makanya ilmu ini sifatnya pelengkap. Statistika bekerja dengan data, untuk memperoleh data diharuskan dilakukan observasi/pengamatan terhadap sesuatu sedangkan pengamatan itu sendiri dilakukan ketika ada sesuatu yang ingin dicari tahu atau dipastikan. Melalui proses itulah statistika ada.
Jika kita berpikir sistematis dan mendalam, statistika harus dimulai dengan adanya kerangka permasalahan atas sesuatu. Berbagai bidang ilmu memainkan peran akan hal ini semisal sesuatu itu terkait dengan kedokteran, ekonomi, manajemen, kejiwaan dan lain sebagainya. Setelah permasalahan terdefiniskan biasanya munculah apa yang biasa dikatakan banyak peneliti sebagai asumsi dasar atau hipotesis. Dari sinilah mulai statistika bekerja, dimulai dari proses survey atau eksperimen, pengambilan data hingga akhirnya pengolahan data guna menghasilkan informasi atau kesimpulan atas berbagai permasalahan yang diduga sebelumnnya.
Sudah tergambarkan sedikit-sedikit?? Menarik bukan kita bicara tentang STATISTIKA. Kita share beberapa benefit atau keuntungan penggunaan statistika dalam pengelolaan data. Pertama, struktur permasalahan dan penyelesaian suatu observasi/penelitian akan lebih rapi dan memudahkan penikmatnya. Kedua, penyajian data hasil observasi/penelitian akan lebih terstruktur, menarik dan lebih mudah untuk menjelaskan. Ketiga, karena statistika itu sebuah ilmu maka konklusi yang dihasilkan dapat dipertanggungjawabkan secara akademis.
Nah.. itu beberapa diantara banyak sekali benefit penggunaan statistika atas suatu tatanan keilmuan secara umum. Lebih lanjut akan dibahas banyak praktikal terkait penggunaan ilmu statistik baik itu dalam dunia professional maupun dalam lingkup akademis pada artikel-artikel selanjutnya.
Pada artikel sebelumnya kita sudah lebih mengenal tentang Statistika dalam lingkup yang terbatas. Pada kesempatan kali ini kita akan sedikit membahas lebih lanjut terkait dengan prinsip Penelitian yang banyak kaitannya dengan pengguanaan statistika pada prosesnya.
Tentukan Tujuan dari Riset
Melakukan riset merupakan sebuah proses dalam menemukan jawaban. Jawaban seperti apa yang kita cari dalam riset tergantung tujuan yang ditetapkan pada awal melakukan proses riset itu sendri. Saking pentingnya menentukan tujuan tersebut tidak jarang para peneliti menghabiskan waktu yang cukup lama untuk memastikan suatu fenomena layak dan perlu untuk diteliti.
Tujuan dari penelitian sangat penting dan sangat menentukan dalam penentuan tipe analisis yang digunakan (deskriptif atau inferensi) serta penentuan metoda atau alat statistik yang tepat untuk digunakan. Jadi yang perlu diperhatikan dalam proses penelitian guna menghasilkan hasil riset yang menarik dan inovatif adalah tujuan atas pemecahan permasalahan yang baik dan tepat guna.
Pastikan Apa yang Diteliti itu Menarik
Apakah kriteria menarik dalam penelitian harus selalu ada? Memang tidak lah mutlak suatu fenomena yang menarik dapat membawa peneliti pada penggunaan statistik yang menarik juga, prinsip relative berlaku. Kadang kala hal-hal yang menarik dalam penyelesaian secara statistik hanya berupa deskriptif saja, sehingga penelitian hanya berupa eksplorasi. Tapi kadang kala hal yang sederhana mungkin membawa peneliti pada penggunaan statistik yang lebih beragam dan menantang.
Anyhow… memang hal menarik harus ditemukan terlebih dahulu agar motivasi untuk melakukan riset tumbuh dan berkelanjutan. Hal menarik berguna dalam menemukan tujuan yang menarik pula, dalam hal ini berlaku hukum simetris. Hal menarik bermanfaat dalam menciptakan kreasi yang menarik pula dalam hal pemanfaatan berbagai aspek statistik dalam menghasilkan hasil penelitian yang menarik pula. Jadi, hal menarik dalam penelitian harus dikelola dengan baik agar berbagai proses dalam penelitian, keberjalannya tetap menarik dan menghasilkan hasil yang menarik serta bermanfaat pula.
Tentukan Tingkat Kepercayaan Atas Hasil Riset
Sudah selayaknyalah apa yang dihasilkan dalam riset, si peneliti memiliki rasa percaya diri yang tinggi atas hasil risetnya. Meskipun dalam segala sesuatunya memang tidak ada yang sempurna, akan tetapi amat lah penting seorang peneliti memiliki kepecayaan diri yang baik dalam mempertanggung jawabkan hasil risetnya. Ini sangat diperlukan agar hasil riset yang dihasilkan dapat secara meyakinkan diaplikasikan oleh berbagai pihak dalam berbagai kebutuhan yang berkaitan dengan pemanfaatan hasil riset.
Dalam statistik inferensi peneliti wajib memberikan taksiran level dari kepercayaan pada hasil risetnya. Ini berguna untuk memperkuat pembuktian dari asumsi awal atau hipotesis yang diajukan dalam risetnya. Dalam ilmu statistik level dari kepecayaan sering dinamakan alpha. Jika diartikan nilai alpha bermakna besar kekeliruan penelitian dimana menolak hipotesis atau asumsi dasar yang harusnya diterima. Jadi dalam hal ini semakin kecil alpha yang ditetapkan dalam riset mencirikan semakin presisi hasil riset yang diharapkan.
Temukan Jawaban dan Pengembangan Apa yang Bisa Didapatkan
Mencari jawaban dari proses riset adalah sesuatu yang kompleks. Selain procedural yang harus peneliti lewati setahap demi setahap, yang penting juga kesabaran peneliti yang harus mantap. Riset merupakan suatu proses yang tidak sebentar, tiap tahapan riset penuh dengan serpihan-serpihan jawaban atas tujuan yang telah ditetapkan diawal. Perlu ketelitian dari peneliti untuk melakukan pencatatan secara terstruktur dan teliti atas temuan-temuan ataupun kelemahan-kelemahan yang terjadi selama proses penelitian. Jawaban atas suatu riset boleh jadi memuaskan dan boleh jadi tidak memuaskan, ini lah yang harus dipersiapkan oleh peneliti.
Kadang kala, peneliti hanya bisa menerima jika hasil dari risetnya memuaskan dan tidak menerima jika hasil dari risetnya tidak sesuai dengan harapan. Padahal dalam riset kunci utama yang dicari adalah jawaban pembuktian apakah asumsi awal atau hipotesis yang diajukan pada kondisi real sesuai dengan apa yang peneliti sangkakan atau tidak, bukan tentang salah dan benar. Ketika hasil riset yang sesuai dengan sangkaan peneliti bisa dimaknai bahwa phenomena yang sedang diteliti benar adanya dikarenakan didukung oleh data realitas yang dikumpulkan selama proses penelitian dan asumsi peneliti terbukti.
Ketika hasil riset tidak sesuai dengan sangkaan peneliti bisa jadi ada 2 pemaknaan pertamabahwa phenomena yang sedang diteliti tidak benar adanya setelah pembuktian melalui data realitas yang dikumpulkan selama proses penelitian dan akhirnya asumsi peneliti tidak terbukti, kedua, boleh jadi phenomena yang sedang diteliti sebetulnya benar adanya akan tetapi selama proses penelitian terdapat kekeliruan-kekeliruan yang dilakukan sehingga data realitas yang didapat sebagai bahan untuk pembuktian juga menjadi keliru dan mendukung asumsi peneliti secara berkebalikan.
Oleh karenanya, penting untuk memiliki catatan yang terstruktur yang merekam setiap detail proses penelitian baik itu catatan yang berkaitan dengan data hasil penelitian maupun berbagai kesalahan prosedur yang dilakukan. Hal ini teramat berharga untuk dijadikan sebagai bahan penguat hasil penelitian dan sekaligus sebagai bahan koreksi apabila hasil penelitian yang dilakukan terdapat perbedaan hasil dengan konteks keumuman.
Selain itu, dengan proses perekaman yang baik boleh jadi peneliti menemukan inovasi dalam hal prosedur penelitian atau eksperimen yang dapat menjadikannya nilai tambah dari penelitian, boleh jadi inovasi tersebut terkait pemangkasan lama waktu penelitian atau efisiensi biaya penelitian atau eksperimen yang didapatkan ataupun terkait temuan-temuan produk hasil penelitian atau eksperimen yang baru, jadi mulailah untuk menjadi peneliti yang “perfect” dalam hal recording. Lebih lanjut, dengan adanya perekaman hasil penelitian yang baik memudahkan untuk dilakukannya pengembangan lebih lanjut dari penelitian tersebut, baik itu dari segi prosedur penelitian atau tujuan penelitian atau produk capaian penelitian ataupun hanya sekedar untuk mensempurnakan kesalahan yang terjadi selama penelitian sebelumnya. Jadi mulailah para peneliti untuk peduli pada catatan-catatan penelitiannya.
Pastikan Data Pendukung Riset Tersedia dan Mencukupi
Ilmu statistik pastilah berbicara tentang data. Data merupakan satuan terkecil yang diperoleh dari penelitian, yang jika diproses lebih lanjut dari data tersebut dapat menghasilkan suatu informasi terkait dengan penelitian. Salah satu fungsi dari proses penelitian adalah untuk memperoleh data real terkait dengan phenomena yang sedang diteliti. Data dalam penelitian menjadikannya penting untuk mengevaluasi atau membuktikan asumsi awal atau hipotesis yang telah ditetapkan di awal melalui serangkaian pengujian terhadap data yang diperoleh.
Selain ketersediaan data, data yang diperoleh dalam penelitiaan juga harus mencukupi. Dalam artian data yang didapatkan mewakili lokus yang dijadikan penelitian. Jika penelitian berkaitan dengan sampel dari suatu populasi maka sampel yang didapat dari populasi haruslah representative populasi baik dari ukuran sampel maupun karakteristiknya. Penting untuk diperhatikan bahwa kondisi sampel harus seidentik mungkin dengan karakteristik populasi untuk meningkatkan presisi hasil penelitian terhadap populasi tersebut. Begitu pun bagi penelitian lainnya yang melibatkan bagian dari keseluruhan objek/phenomena yang sedang diteliti.
Keberlanjutan Dalam Riset
Prinsip yang harus dipegang oleh peneliti dalam riset adalah tidak ada titik akhir kepuasan pada hasil riset. Kenapa demikian, karena pada prinsipnya perkembangan ilmu pengetahuan tidak ada titik waktu akhirnya, except the entire world end. Jadi, keberlanjutan dalam proses penelitian haruslah tetap disampaikan pada masyarakat akademisi maupun praktisi.
Dikarenakan prinsip keberlanjutan itulah, pada dasarnya konsepsi statistik dalam penelitian pun akan terus berkembang menyesuaikan dengan perkembangan kondisi semesta yang terus berkembang. Jadi, statistik akan berkembang sebagai mana ilmu yang lainnya berkembang pula, semakin unik penemuan suatu phenomena maka akan semakin unik pula kemungkinan penggunaan statistik.
Sebagai suatu keumuman bahwa suatu pemecahan masalah membutuhkan skema yang runut, selain untuk memudahkan pembaca juga memudahkan peneliti dalam melewati suatu proses penelitan. Pada bahasan sebelumnya sedikit banyak telah dibahas terkait dengan ancang-ancang dalam melakukan penelitian. Nah, setelah penelitian dilakukan dan diperoleh data penelitian, ada baiknya merunut penyelesaian statistic secara sistematik. Berikut cara sederhana menggunakan sistematika statistika untuk mendapatkan gambaran sederhana dari hasil penelitian yang dilakukan.
Tuliskan Hipotesis
Hipotesis atau asumsi dasar merupakan sintesa peneliti dalam mengambil kesimpulan awal atas fenomena yang sedang diamati. Hipotesis biasanya sudah ditentukan oleh peneliti pada awal penelitian ketika merumuskan masalah. Umumnya hipotesis terdapat 2 bagian yaitu hipotesis 0 (nol) dan hipotesis 1 (satu). Hipotesis 0 (nol) merupakan merupakan jawaban sementara dari penelitian yang umumnya bersifat netral dalam artian dari fenomena yang diteliti akan terjadi sesuai keumuman atau tidak bertolak belakang dengan konteks kondisi keumuman. Sedangkan hipotesis 1 (satu) merupakan jawaban sementara dari penelitian yang umumnya bersifat berkebalikan dalam artian dari fenomena yang diteliti akan terjadi berkebalikan dengan konteks keumuman.
Sebagai contoh apabila kita berbicara terkait dengan menguji perbedaan atau hubungan ataupun pengaruh atas suatu fenomena, hipoteis 0 (nol) biasa distatementkan bahwa “tidak terdapat perbedaan atau tidak terdapat hubungan atau tidak terdapat pengaruh” dari konteks keumuman fenomena yang sedang terjadi yang diteliti oleh peneliti. Sedangkan hipotesis 1 (satu) biasa distatementkan bahwa “terdapat perbedaan atau terdapat hubungan atau terdapat pengaruh” dari konteks keumuman fenomena yang sedang terjadi yang diteliti oleh peneliti.
Jika kita buat notasi pada konteks pengujian rata-rata sebagai misal maka rumusan hipotesis 0 (nol) dan hipotesis 1 (satu) akan menjadi :
H0 : μ = 0, diartikan bahwa tidak terdapat perbedaan rata-rata diantara satu atau lebih rata-rata dari kelompok data yang diteliti (fenomena sesuai dengan konteks keumuman)
H1 : μ ≠ 0, diartikan bahwa terdapat perbedaan rata-rata diantara satu atau lebih rata-rata dari kelompok data yang diteliti (ada perbedaan fenomena yang tidak sejalan dengan konteks keumuman)
Derajat Kepercayaan
Penentuan derajat kepercayaan atas suatu penelitian sangat penting. Ini akan mengukur seberapa yakin peneliti atas hasil dari penelitiannya mengacu pada konteks hipotesis yang diajukan dalam penelitian. Semakin tinggi derajat kepercayaan yang ditetapkan peneliti maka akan meningkatkan kepercayaan khalayak dalam menerima dan memaknai hasil dari penelitian yang dilakukan.
Dalam statistika untuk mengukur tingkat kepercayaan atas kesimpulan hasil penelitian biasanya dilakukan dengan penetapan nilai alpha atas suatu penelitian. Alpha atau sering disebut sebagai peluang kekeliruan penelitian, merupakan suatu ukuran peluang dimana menolak hipotesis yang seharusnya diterima. Penentuan nilai alpha relatif kepada ke_PEDE_an dari peneliti, sebagai panduan sederhana biasanya untuk penelitian medis digunakan nilai alpha dibawah 5% kenapa dikarenakan penelitian yang biasa dilakukan berkaitan dengan “nyawa atau kehidupan” sehingga semakin kecil nilai alpha yang ditetapkan akan memperkecil tingkat resiko dan meningkatkan tingkat presisi dari penelitian yang dilakukan oleh peneliti.
Sedangkan untuk penelitian sosial biasanya digunakan nilai alpha antara 5% s.d 10% kenapa dikarenakan dalam penelitian sosial relatif lebih longgar dan lebih tidak berresiko menyangkut “nyawa atau kehidupan” sehingga tingkat toleransi atas ukuran kegagalannya relatif dapat diperbesar. Meskipun demikian tetap pada prinsip bahwa semakin kecil alpha yang ditetapkan akan semakin menigkatkan presisi dari hasil penelitian.
Metode Statistik
Metode statistik atau alat statistik merupakan formula matematika yang digunakan untuk memproses data hasil penelitian untuk menghasilkan suatu ukuran nilai dari data penelitian yang merupakan hasil pendekatan dari suatu distribusi data. Maka dalam dunia statistik dan penelitian dikenal dengan adanya nilai t yang dihasilkan dari pendekatan distribusi student, nilai F yang dihasilkan dari pendekatan distribusi F, nilai chi-square yang dihasilkan dari pendekatan distribusi chi-square dan yang lainnya.
Akan tetapi dalam penggunaan secara praktis pada penelitian-penelitan biasanya diidentifikasi langsung dari statement masalah yang dituliskan. Sebagai misal jika stetment masalah yang dinyatakan mencari perbedaan, kemungkinan pendekatan adalah dengan nilai t untuk 2 kelompok data atau nilai F untuk lebih dari 2 kelompok data pada rumpun statistik kategori parametrik. Atau jika statement masalah dinyatakan mencari hubungan atau pengaruh, kemungkinan pendekatan dengan menggunakan nilai t dan nilai F pada pengujian signifikansi dari alat statistik korelasi dan regresi, dan sebagainya.
Kriteria Uji
Setelah kita memahami penggunaan metode statistik dan menghasilkan nilai statistik dari metode atau alat statistik yang digunakan baik itu berupa nilai t, F atau yang lainnya, tahapan selanjutnya ada memastikan apakah nilai yang diperoleh tersebut mendukung untuk menerima atau menolak hipotesis yang dinyatakan bedasarkan batasan-batasan yang menjadi panduan.
Secara sederhana, kriteria uji adalah berupa rentang atau interval toleransi nilai statistik yang dihasilkan dari data penelitian apakah masuk pada nilai peluang gagal yang telah ditetapkan (definisi nilai alpha). Biasanya dipakai 2 pendekatan untuk mendefinisikan kriteria uji dari nilai statistik yang dihasilkan. Pertama, membandingkan nilai statistik yang dihasilkan melalui pendekatan distribusi data penelitian yaitu nilai t, F atau yang lainnya yang dihasilkan melalui perhitungan dengan nilai t, F atau yang lainnya yang telah ditentukan berdasarkan besaran nilai kekeliruan (nilai alpha) yang ditetapkan. Kedua, membandingkan nilai peluang kekeliruan yang dihasilkan dari perhitungan pada data penelitian (mengkonversikan nilai t, F atau yang lainnya menjadi nilai peluang), langsung dengan batas nilai kekeliruan yang telah ditetapkan (nilai alpha).
Jika sudah dipahami penjelasan sebelumnya, sebagai panduan umum bahwa untuk menolak H0 , maka nilai statistik t, F atau yang lainnya harus lebih besar dari nilai statistik t, F atau yang lainnya yang diperoleh dengan alpha yang telah ditentukan. Jika nilainya lebih kecil maka hasil penelitian tersebut dikatakan menerima H0. Atau cara yang kedua, menolak H0 jika nilai peluang yang dihasilkan dari data penelitian lebih kecil dari nilai kekeliruan (nilai alpha) yang telah ditetapkan.
Kesimpulan
Untuk membuat kesimpulan relatif lebih mudah ketika kita memahami konsep Hipotesis dan Kriteria Uji. Inti dari kesimpulan adalah beruapa uraian dalam rangka menjawab statemen permasalahan dan sekaligus menjawab hipotesis yang tetapkan. Pastikan kesimpulan yang dinyatakan sinkron antara statement masalah dengan hipotesis yang diajukan. Uniknya ketika kita membuat kesimpulan berdasarkan Hipotesis dan adanya Alpha yang ditetapkan, kedua komponen tersebut dapat saling menguatkan pada penjabaran kesimpulan dan dapat terukur seberapa yakin peneliti pada hasil penelitiannya sehingga dapat memudahkan kepada khalayak dalam mempercayai sebuah hasil dari penelitian dan ini merupakan poin penting dalam memotivasi para peneliti untuk melakukan lebih banyak lagi penelitian yang bermanfaat dan aplikatif.
