Pengukuran & Skala Ukur

Pengukuran & Skala Ukur

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.

  1. 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.

  1. 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!!!

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.
  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

Parametrik & Non-Parametrik

Parametrik & Non-Parametrik

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.

  1. 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.

  1. 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.

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.
  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

#Statistika OKE!

#Statistika OKE!

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.

Selamat menyelami ilmu statistika..

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.
  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

‘HOW-WHAT’ Dalam Penelitian

‘HOW-WHAT’ Dalam Penelitian

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.

  1. 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.

  1. 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.

  1. 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.

  1. 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 pertama bahwa 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.

  1. 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.

  1. 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.

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.
  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-

“Solution FRAME” dalam Statistika

“Solution FRAME” dalam Statistika

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.

  1. 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)

  1. 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.

  1. 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.

  1. 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.

  1. 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.

———————————————————————————————————————————————————-

  1. Jika rekan peneliti memerlukan bantuan survey lapangan, data entry ataupun olahdata dapat menghubungi mobilestatistik.com :
  1. Klik “Konsultasi Gratis” untuk mendapatkan informasi atau solusi terkait dengan pertanyaan-pertanyaan seputar metodologi penelitian, aplikasi software statistik ataupun olahdata.
  • “1st Kirim Pertanyaan, Pasti Kami Jawab . . . InsyaAllah”

———————————————————————————————————————————————————-