Analisis Data Kuantitatif

BAB II

pembahasan

2.1 Pendahuluan

Secara garis besar data  penelitian dapat digolongkan menjadi dua macam yaitu data kualitatif dan data kuantitatif (data statistic). Dengan demikian menganalisis data penelitian dapat dilakukan dengan dua teknik (pendekatan) yaitu analisis kualitatif dan analisis statistic.

Analisis data kualitatif maupun analisis data kuantitatif (statistic) memiliki kekuatan dan kelemahan masing-masing. Para ahli yang terlibat dalam penelitian pada umumnya sependapat bahwa kedua-dua pendekatan analisis mampu menghasilkan kesimpulan yang dapat dipertanggung jawabkan keilmiahannya. Pilihan pendekatan analisis data penelitian harus sesuai dengan masalah penelitian, keadaan data yang menuntut digunakan salah satu pendekatan analisis data atau menggabungkan kedua-duanya pendekatan (mexing method) tersebut. Analisis data kualitatif tidak lebih rendah taraf ilmiahnya dibandingkan analisis data kuantitatif (statistic). Ini perlu dipertegaskan mengingat sering kali ada anggapan (asumsi) kalau tidak dianalisis dengan statistic hasil penelitian agak kurang nilai keilmiahannya. Analisis data kualitatif pada dasarnya menggunakan dasar berfikir deduktif. Pada bab ini penulis membicarakan analisis kuantitatif.

2.1.1 Pengertian Analisis Data

Kata analysis berasal dari bahasa Greek (Yunani), terdiri dari kata “ana” dan “lysis“. Ana artinya atas (above), lysis artinya memecahkan atau menghancurkan. Secara difinitif ialah: ”Analysis is a process of resolving data into its constituent components to reveal its characteristic elements and structure” Ian Dey (1995: 30). Agar data bisa dianalisis maka data tersebut harus dipecah dahulu menjadi bagian-bagian kecil (menurut element atau struktur), kemudian menggabungkannya bersama untuk memperoleh pemahaman yang baru. Analisa data merupakan proses paling vital dalam sebuah penelitian. Hal ini berdasarkan argumentasi bahwa dalam analisa inilah data yang diperoleh peneliti bisa diterjemahkan menjadi hasil yang sesuai dengan kaidah ilmiah. Maka dari itu, perlu kerja keras, daya kreatifitas dan kemampuan intelektual yang tinggi agar mendapat hasil yang memuaskan. Analisis data berasal dari hasil pengumpulan data. Sebab data yang telah terkumpul, bila tidak dianalisis hanya menjadi barang yang tidak bermakna, tidak berarti, menjadi data yang mati, data yang tidak berbunyi. Oleh karena itu, analisis data di sini berfungsi untuk mamberi arti, makna dan nilai yang terkandung dalam data itu (M. Kasiram, 2006: 274).

Analisis data disebut juga pengolahan data dan penafsiran data. Analisi data adalah rangkaian kegiatan penelaahan, pengelompokan, sistematisasi, penafsiran dan verivikasi data agar sebuah fenomena memiliki nilai social, akademis dan ilmiah. Kegiatan dalam analisis data adalah : mengelompokan data berdasarkan variabel dan jenis responden, mentabulasi data berdasarkan variabel dan seluruh responden, menyajikan data tiap variabel yang diteliti, melakukan perhitungan untuk menjawab rumusan masalah dan melakukan perhitungan untuk menguji hipotesis, langkah terakhir tidak dilakukan. Tujuan analisa menurut Sofian Effendi dalam bukunya Metode Penelitian Survai (1987 : 231) adalah menyederhanakan data dalam bentuk yang lebih mudah dibaca dan diinterpretasi. Dalam penelitian strukturalistik, data yang berupa kualitatif (kata-kata) dikuantifikasikan terlebih dahulu kemudian dianalisis secara statistikan bertujuan untuk menjelaskan fenomena, menguji hipotesis kerja dan mengangkat sebagai temuan berupa verifikasi terhadap teori lama dan teori baru. Sedangkan dalam penelitian naturalistik data bisa berupa kata-kata maupun angka. Data yang bersifat kuantitatif (angka) tidak perlu dikualitatifkan terlebih dahulu dan tidak menguji hipotesis/teori, melainkan untuk mendukung pemahaman yang dilakukan oleh data kualitatif dan menghasilkan teori baru.

2.2 Analisis Data Kuantitatif

Dalam penelitian kuantitatif, proses pelaksanaan secara linear, mulai dari latar belakang masalah, merumuskan masalah, kemudian merumuskan hipotesis, penyusunan instrument penelitian, menetukan populasi dan subjek penelitian, melaksanakan pengumpulan data dan analisis data, terakhir pelaporan hasil penelitan.

Untuk melakukan analisis kuantitatif, peneliti harus mampu memahami bentuk statistic yang digunakan dalam penelitian sebelum memulai analisis data statistic merupakan alat bantu yang digunakan peneliti untuk mendeskripsikan, menjelaskan dan memahami hubungan antara variable-variabel yang diteliti. Teknik analisis data dalam penelitian kuantitatif menggunakan analisis statistic. Analisis statistic adalah cara untuk mengolah informasi data (kuantitatif) yang berhubungan dengan angka-angka , bagaimana mencari, mengumpul, mengolah data, sehingga sampai menyajikan data dalam bentuk sederhana dan mudah untuk dibaca atau data yang diperoleh dapat dimaknai (diinterpretasikan). Terdapat dua statstik yang dapat digunakan dalam proses analisis data kuantitatif, yaitu: Analisis Statistik Deskriptif (Descrptive Statistics) dan analisis statistic Inferensi (Inferential Statistics).

Sebelum peneliti menggunakan statistic untuk menganalisis data penelitian, peneliti harus memahami ciri-ciri variabel-variabel yang diteliti. Untuk bisa mengukur variabel-varibel yang diteliti , peneliti harus memahami skala apa yang sesuai diguanakan untuk setiap variabel-variabel tersebut. Skala pengukuran yang umumnya dikenal dalam penelitian kuantitatif, yaitu (Skala nominal, skala ordinal, skala interval dan skala rasio) .

Adapun skala pengukuran yang di atas ini dapat digunakan di berbagai penelitian dalam bidang sains social dan pendidikan. Para ahli psikologi lebih menekankan kepada penggunaan instrument untuk mengukur perilaku manusia atau sering disebut sebagai skala sikap. Skala sikap yang digunakan dalam penelitian social dan pendidikan adalah sebagai berikut: (Skala Likert, Skala Guttman, Skala Ranting, dll).

2.2.1        Analisis Statistik Deskriptif (Descriptive Statistics)

Statistic deskriptif adalah statistic yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaiamana adanya tanpa bermaksud membuat kesimpulan yang berlaku untuk umum atau generalisasi.

Penelitian yang dilakukan pada populasi (tanpa diambil smapelnya) jelas akan menggunakan statistic deskriptif dalam analisisnya. Tetapi bila penelitian dilakukan pada sampel, maka analisisnya dapat menggunakan statistic despkriptif maupun inferensial.

Statistic deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi dimana sampel dambil. Mengenai data dengan statistik deskriptif peneliti perlu memperhatikan terlebih dahulu jenis datanya. Jika peneliti mempunyai data diskrit, penyajian data yang dapat dilakukan adalah mencari frekuensi mutlak, frekuensi relatif (mencari persentase), serta mencari ukuran tendensi sentralnya yaitu: mode, median dan mean (lebih lanjut lihat Arikunto, 1993: 363).

Sesuai dengan namanya, deskriptif hanya akan mendeskripsikan keadaan suatu gejala yang telah direkam melalui alat ukur kemudian diolah sesuai dengan fungsinya. Hasil pengolahan tersebut selanjutnya dipaparkan dalam bentuk angka-angka sehingga memberikan suatu kesan lebih mudah ditangkap maknanya oleh siapapun yang membutuhkan informasi tentang keberadaan gejala tersebut.

Fungsi statistik deskriptif antara lain mengklasifikasikan suatu data variabel berdasarkan kelompoknya masing-masing dari semula belum teratur dan mudah diinterpretasikan maksudnya oleh orang yang membutuhkan informasi tentang keadaan variabel tersebut. Selain itu statistik deskriptif juga berfungsi menyajikan informasi sedemikian rupa, sehingga data yang dihasilkan dari penelitian dapat dimanfaatkan oleh orang lain yang membutuhkan.

Analisi statistic deskriptif dapat dibedakan menjadi :

1.      Analisis potret data

Potret data adalah perhitungan frekuensi suatu nilai dalam suatu variabel. Nilai dapat disajikan sebagai jumlah absolute atau presentase dari keseluruhan.

2. Analisis kecenderungan sentral data

·         Nilai rata-rata atau mean biasa diberi symbol X, merupakan nilai rata-rata secraa aritmatika dari semua nilai dari variabel yang diukur.

·         Median adalah nilai tengah dari sekumpulan nilai suatu variabel yang telah diurutkan dari nilai terkecil kepada nilai yang tetinggi.

·         Modus (modu) adalah nilai yang paling sering muncul pada suatu distribusi nilai variabel.

3. Analisis variasi nilai

Analisis ini dilakukan untuk melihat sebaran nilai dalam distribusi keseluruhan nilai suatu variabel dari nilai tengahnya. Analisis ini untuk melihat seberapa besar nilai-nilai suatu variabel berbeda dari  nilainya. Pengukuran variasi nilai biasanya dilakukan dengan melihat kisaran data (range) atau simpangan baku (standar devinatioan).

Analisis Deskriptif, digunakan untuk membantu peneliti mendeskripsikan ciri-ciri variable-variabel yang diteliti atau merangkum hasil pengamatan penelitian yang telah dilakukan tanpa membuat kesimpulan yang berlaku untuk umum (generalisasi dari hasil penelitian) dari data yang diperoleh dari populasi atau sampel kajian; Statistik deskriptif berkaitan dengan kegiatan pencatatan, penyusunan, penyajian dan peringkasan dengan mendeskripsikan atau menggambarkan data-data yang hasil-hasil pengamatan terhadap kejadian-kejadian atau fenomena-fenomena secara kuantitatif, dengan ciri-ciri sebagai berikut:

(1)   Memahami dan menjelaskan variabel-variabel yang diteliti, sebagaimana definisi secara konseptual tentang ciri-ciri variable tersebut. Maka setiap variable diukur dengan alat ukur yang ditentukan oleh peneliti yang sesuai dengan penelitian,

(2)   Menyusun data dengan nilai terendah hingga nilai tertinggi dan mengira frekuensi yang didapat,

(3)   Menggunakan teknik statistic deskriptif dengan menggunakan (ukuran kecenderungan memusat (Measures of Central Tendency), ukuran keberagaman (Measure of Variabiliy), yang sesuai dengan skala pengukuran.

Adapun cara yang digunakan untuk menjelaskan, menyajikan dan mendeskripsikan data-data tentang ciri-ciri variable penelitian, seperti pengukuran pemusatan dan penyebaran data, adapun penjelasan sebagai berikut:

a)      Pengukuran Kecenderungan Pemusatan (Measure of Central Tendency)

Pengukuran memusat dilakukan dengan menggunakan satu nilai yang dapat mewakili atau representatif dari data penelitian yang ada. Ada tiga nilai (indeks) yang dapat mengukur kecenderungan memusat, yaitu (Mean, Median, Modus)

·         Mean, meupakan nilai rata-rata yang bisa mewakili sekumpualn data yang representative. Contoh: Seorang dosen memberikan nilai ujian semester 6 orang mahasiswa, dengan nilai sebagai berikut: 60, 70, 75, 75, 85, 90. Maka nilai mean (rata-rata) adalah 60+70+75+75+85+90/6= (75,8).

·         Median, merupakan nilai tengah dalam sesuatu ukuran, atau nilai antara. Contoh: Nilai 18 dan 19, jadi mediannya adalah 18,5, jadi nilainya adalah terletak di tengah skor yang ada.

·         Modus, merupakan nilai yang frekuensi paling banyak dalam indeks yang dapat mewakili seluruh jumlah ukuran. Dlam penelitian biasanya digunakan untuk menyatakan ciri-ciri demografi subjek penelitian yang mempunyai beberapa kategori sperti jenis kelamin (laki-laki, perempuan) umur (30-35 tahun, 36-45 tahun, 36-60 tahun), pendidikan (SMA, S1, S2).

b)      Analisis Deskriptif Menggunakan Program SPSS

Program SPSS dapat digunakan dalam menganalisis data deskriptif, yaiu menentukan frekuensi, persen, mean, mod, median, standar deviasi, varians. Adapun cara penggunaannya akan dijelaskan pada cara penyajian data statistic deskriptif dalam Program SPSS sebagai berikut:

Contoh penelitian tentang Kecerdasan Emosi , Kepuasan Kerja dan Komitmen Pekerjaan Dosen di Perguruan Tinggi X.

2.2.2    Analisis Inferensial

Analisis inferensial, digunakan peneliti untuk menetapkan sejauh manakah ia dapat menyimpulkan (mengeneralisasi) hasil penelitian dari data yang diperoleh dalam kelompok subyek yang terbatas (sampel) bagi populasi penelitian. Penelitian seperti ini biasanya dilakukan karena populasi penelitan terlalu besar dan peneliti terbatas untuk meneliti semua subjek dalam populasi. Penelit membuat hipotesis penelitian, sebelumnya peneliti harus memahami ujian statistic apa yang sesuai digunakan. Ujian statistic diguanakan menjawab hipotesis nol.

            Analisis inferensial digunakan untuk menentukan apakah hipotesis nol diterima atau ditolak. Adapun statistic inferensi yang biasa digunakan, yaitu (uji Chi Kuadrat, uji-t, Uji ANOVA, Uji Korelasi, dan Uji Regresi).

            Uji Chi Kuadrat X² , Uji-t dan Uji ANOVA, merupakan  tiga bentuk uji statistic yang digunakan untuk melihat perbedaan, untuk penjelasan yaitu: Analisis Chi Kuadrat merupakan statistic non parametric yang hanya sesuai untuk skala pengumpulan data dengan bentuk nominal dan ordinal saja. Sedangkan Analisis Uji-t dan Analisis ANOVA merupakan statistic parametrik yang berbeda dalam pengumpulan data dengan syarat taburan data harus normal atau data peneliti harus bersifat normal. Apabila data tidak normal, maka statistic Chi Kuadrat atau analysis nonparametric dapat digunakan. Statistic Chi Kuadrat atau nonparametric merupakan analisis statistic yang banyak digunakan dalam penelitian sains social, karena memiliki syarat yang lebih longgar dibandingkan analisis parametric.

Pemakaian analisis inferensial bertujuan untuk menghasilkan suatu temuan yang dapat digeneralisasikan  secara lebih luas ke dalam wilayah populasi. Di sini seorang peneliti akan selalu berhadapan dengan hipotesis nihil (Ho) sebagai dasar penelitiannya untuk diuji secara empirik dengan statistik inferensial. Jenis statistik inferensial cukup banyak ragamnya,Peneliti diberikan peluang sebebas-bebasnya untuk memilih teknik mana yang paling sesuai (bukan yang paling disukai) dengan sifat/jenis data yang dikumpulkan. Secara garis besar jenis analisis ini dibagi menjadi dua bagian. Pertama untuk jenis penelitian korelasional dan kedua untuk komparasi dan/atau eksperimen. teknik analisis dengan statistic inferensial adalah teknik pengolahan data yang memungkinkan peneliti untuk menerik kesimpulan, berdasarkan hasil penelitiannya pada sejumlah sampel, terhadap suatu populasi yang lebih besar. Kesimpulan yang diharapkan dapat dibuat biasanya dinayatakan dalam suatu hipotesis. Oleh karena itu, analisis statistik  inferensial juga bisa disebut analisis uji hipotesis. Inferensi yang sering dibuat oleh peneliti pendidikan dan ilmu social pada umunya berhubungan dengan upaya untuk melihat perbedaan (beda nilai tengah) dan korelasi, baik anatara dua variabel independent maupun anatara beberapa variabel sekaligus. Selisih nilai tengah ataupun nilai koefisien  (correlation coeficient) yang dihasilkan kemudian diuji secara statistic.

Statistic inferensial, sering juga disebut statistic induktif atau statistic probabilitas, adalah teknik statistic yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan utuk populasi. Statistic ini akan cocok digunakan bila sampel diambil dari popualsi yang jelas, dan teknik pengambilan sampel dari populasi itu dilakukan secara random. Statistik inferensial fungsinya lebih luas lagi, sebab dilihat dari analisisnya, hasil yang diperoleh tidak sekedar menggambarkan keadaan atau fenomena yang dijadikan obyek penelitian, melainkan dapat pula digeneralisasikan secara lebih luas kedalam wilayah populasi. Karena itu, penggunaan statistik inferensial menuntut persyaratan yang ketat dalam masalah sampling, sebab dari persyaratan yang ketat itulah bisa diperoleh sampel yang representatif; sampel yang memiliki ciri-ciri sebagaimana dimiliki populasinya. Dengan sampel yang representatif maka hasil analisis inferensial dapat digeneralisasikan ke dalam wilayah populasi.

Statistic inferensial meliputi statistic parametris dan non parametris. Statistic parametris digunakan untuk menguji parameter populasi melalui statistic, atau menguji ukuran populasi melalui data sampel. Parameter populasi itu meliputi : rata-rata dengan notasi µ (mu), simpangan baku σ (sigma) dan varians σ2. Dalam statistic pengujian parameter melalui statistic (data sampel) tersebut dinamakan uji hipotesis statistic. Oleh karena itu penelitian yang berhipotesis statistic adalah penelitian yang menggunakan sampel. Sebagai contoh nilai suatu pelajaran 1000mahasiswa rata-ratanya 7,5. Selanjutnya missal dari 1000 orang itu diambil sampel 50 orang, dan  nilai rata-rata dari sampel 50 mahasiswa itu 7,5. Hal ini berarti tidak ada perbedaan antara parameter (data popualasi) dan statistic (data sampel). Hanya dalam kenyataannya nilai parameter jarang diketahui. Statistic non parameter tidak menguji parameter populasi, tetapi menguji distribusi.

Penggunaan statistic parametris dan non parameter tergantung pada asumsi dan jenis data yang akan dianalisis. Statistik parametris memerlukan terpenuhinya banyak asumsi. Asumsi yang utama adalah data yang akan dianalisis harus berdistribusi normal. Selanjutnya dalam penggunaan salah satu tes mengharuskan data dua kelompok atau lebih yang diuji harus homogen, dalam regresi harus terpenuhi asumsi linieritas.statistik non parametris tidak menuntuk terpenuhinya banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi normal. Oleh karena itu statistic non parametris mempunyai kekuatan yang lebih dari statistic non parametris, bila asumsi yang melandasi dapat terpenuhi.

Dalam dunia statistik dikenal setidaknya terdapat empat jenis data hasil pengukuran, yaitu data Nominal, Ordinal, Interval dan Rasio. Masing-masing data hasil pengukuran  ini memiliki karakteristik tersendiri yang berbeda antara satu dengan lainnya Penggunaan kedua statistic tersebut juga tergantung pada jenis data yang dianalisis. Statistic parametris kebanyakan digunakan untuk menganalisis data interval dan rasio, sedangkan statistic non parametris kebanyakan digunakan untuk menganalisis data nominal, ordinal. Jadi untuk menguji hipotesis dalam penelitian kuantitatif yang menggunakan statistic, ada dua hal utama yang harus diperhatikan yaitu, macam data dan bentuk hipotesi yang diajukan.

Dalam statistik parametris menggunakan analisis data yang berupa ;

Ø  Data Interval

Data interval tergolong data kontinum yang mempunyai tingkatan yang lebih tinggi lagi dibandingkan dengan data ordinal karena mempunyai tingkatan yang lebih banyak lagi. Data interval menunjukkan adanya jarak antara data yang satu dengan yang lainnya.

Contoh data interval misalnya hasil ujian, hasil pengukuran berat badan, hasil pengukuran tinggi badan, dan lainnya. Satu hal yang perlu diperhatikan bahwa data interval tidak dikenal adanya nilai 0 (nol) mutlak. Dalam hasil pengukuran (tes) misalnya mahasiswa mendapat nilai 0. Angka nol ini tidak dapat diartikan bahwa mahasiswa tersebut benar-benar tidak bisa apa-apa. Meskipun ia memperoleh nilai nol ia memiliki suatu pengetahuan atau kemampuan dalam matakuliah yang bersangkutan. Nilai nol yang diberikan oleh dosen sebetulnya hanya merupakan atribut belaka hanya saja pada saat ujian, pertanyaan yang diujikan tidak pas seperti yang dipersiapkannya. Atau jawaban yang diberikan tidak sesuai dengan yang dikehendaki soal.

Ø  Data Rasio

Data rasio merupakan data yang tergolong ke dalam data kontinum juga tetapi yang mempunyai ciri atau sifat tertentu. Data ini memiliki sifat interval atau jarak yang sama seperti halnya dalam skala interval. Namun demikian, skala rasio masih memiliki ciri lain. Pertama harga rasio memiliki harga nol mutlak,  artinya titik nol benar-benar menunjukkan tidak adanya suatu ciri atau sifat. Misalnya titik nol pada skala sentimeter menunjukkan tidakadanya panjang atau tinggi sesuatu. Kedua angka skala rasio memiliki kualitas bilangan riel yang berlaku perhitungan matematis.

Contohnya : berat badan Rudi  70 kg, sedangkan Saifullah 35 kg. Keadaan ini dapat dirasiokan bahwa berat badan Rudi dua kali berat badan Saifullah. Atau berat badan Saifullah separuh dari berat badan Rudi. Berbeda dengan data interval misalnya Rudi  ujian dapat 70 sementara Saifullah memperoleh 30. Hal ini tidak dapat diartikan  bahwa kepandaian Rudi  dua kali lipat kepandaian Saifullah.

Data rasio dalam ilmu-ilmu sosial jarang dipergunakan, bahkan hampir tidak pernah dipergunakan. Lapangan penggunaan data berskala rasio ini lebih banyak berada dalam bidang ilmu-ilmu eksakta terutama fisika.

Sedangkan dalam statistik non parametris analisi data dibagi menjadi:

Ø  Data Nominal

Data ini juga sering disebut data diskrit, kategorik, atau dikhotomi. Disebut diskrit karena ini data ini memiliki sifat terpisah antara satu sama lainnya, baik pemisahan itu terdiri dari dua bagian atau lebih; dan di dalam pemisahan itu tidak terdapat hubungan sama sekali. Masing-masing kategori memiliki sifat tersendiri yang tidak ada hubungannya dengan kategori lainnya. Sebagai misal data hasil penelitian dikategorikan kedalam kelompok “ya” dan “tidak” saja.

Contohnya :

1.      laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah “tidak laki-laki”), kawin /tidak kawin; janda/duda, dan lainnya.

2.      Jenis pekerjaan dapat digolongkan secara terpisah menjadi pegawai negri, pedagang, dokter, petani, buruh dsb.

3.      Nomor punggung pemain sepak bola, nomor rumah, nomor plat mobil dan lainnya. Nomor-nomor tersebut semata-semata hanya menunjukkan simbol, tanda, atau stribut saja.

4.      Suku, golongan drah, jenis penyakit, bentuk atau konstitusi tubuh.

Ø  Data Ordinal

Data ordinal adalah data yang menunjuk pada tingkatan atau penjenjangan pada sesuatu keadaan. Berbeda  dengan data nominal yang menunjukkan adanya perbedaan secara kategorik, data ordinal juga memiliki sifat adanya perbedaan di antara obyek yang dijenjangkan. Namun dalam perbedaan tersebut terdapat suatu kedudukan yang dinyatakan sebagai suatu urutan bahwa yang satu lebih besar atau lebih tinggi daripada yang lainnya.Kriteria urutan dari yang paling tinggi ke yang yang paling rendah dinyatakan dalam bentuk posisi relatif atau kedudukan suatu kelompok.

            Contoh dari data ini misalnya:

1.      prestasi belajar siswa diklasifikasikan menjadi kelompok “baik”, “cukup”, dan “kurang”, atau ukuran tinggi seseorang  dengan “tinggi”, “sedang”, dan “pendek”.

2.      Hasil ujian mahasiswa peserta kuliah Statistik Pendidikan Budiman memperoleh skor 90, Rahmat 85, Musyafak 75, dan Mahsunah 65. Berdasarkan skor-skor tersebut dibuatlah suatu jenjang  (rangking), sehingga terjadilah urutan jenjang ke 1 (90), ke 2 (85), ke 3 (75), dan ke 4 (65).Data ordinal memiliki harga mutlak (dapat diperbandingkan) dan selisih perbedaan antara urut-urutan yang berdekatan bisa tidak sama.

2.3 Jenis-jenis Analisis Data Kuantitatif

a.        Analisis Univariat

Jenis analisis ini digunakan untuk penelitian satu variabel. Analisis ini dilakukan terhadap penelitian deskriptif, dengan menggunakan statistik deskriptif. Hasil penghitungan statistik tersebut nantinya merupakan dasar dari penghitungan selanjutnya.

b.      Analisis Bivariat

Jenis analisis ini digunakan untuk melihat hubungan dua variabel. Kedua variabel tersebut merupakan variabel pokok, yaitu variabel pengaruh (bebas) dan variabel terpengaruh (tidak bebas).

c.       Analisis Multivariat

Sama dengan analisis bivariat, tetapi pada mutivariat yang dianalisis variabelnya lebih dari dua. Tetap mempunyai dua variabel pokok (bebas dan tidak bebas), variabel bebasnya memliki sub-sub variable.

2.4 Tujuan Analisis Data Kuantitatif

Analisis data dimaksudkan untuk memahami apa yang terdapat di balik semua data tersebut, mengelompokannya, meringkasnya menjadi suatu yang kompak dan mudah dimengerti, serta menemukan pola umum yang timbul dari data tersebut.

Dalam analisis data kuantitatif, apa yang dimaksud dengan mudah dimengerti dan pola umum itu terwakili dalam bentuk simbol-simbol statistik, yang dikenal dengan istilah notasi, variasi, dan koefisien. Seperti rata-rata ( u = miu), jumlah (E = sigma), taraf signifikansi (a = alpha), koefisien korelasi (p = rho), dan sebagainya.

                                                Bab iii

Penutup

Analisis data merupakan salah satu langkah dalam kegiatan penelitian yang tidak boleh diabaikan. Kejelian dan ketelitian dalam melihat permasalahan dan jenis data yang diperoleh, sangat diperlukan untuk dapat menentukan jenis analisis yang paling tepat. Kesalahan dalam memilih teknik analisis akan berakibat fatal dalam pengambilan kesimpulan.

Oleh karena itu sebelum menentukan teknik analisis apa yang harus dipakai, perlu dilihat kembali jenis hipotesis yang akan diujinya, apakah deskriptif, komparatif atau korelasional. Jika sudah diketahui selanjutnya melacak jenis data yang diperoleh dari setiap variabel yang diteliti, apakah datanya kuantitatif atau kualitatif. Jika sudah ditemukan baru menentukan teknik analisis yang dapat digunakan.