Menyajikan Materi Analisis Data Kuantitatif pada Lokakarya Metodologi Penelitian yang Diselenggarakan oleh Lemlit Undana

Penelitian merupakan unsur tridharma yang kini semakin penting seiring dengan kebijakan pemerintah untuk meningkatkan publikasi ilmiah pada tingkat nasional maupun internasional. Upaya untuk meningkatkan publikasi ilmiah tersebut perlu terus digalakkan mengingat indeks sitasi (citation index) Indonesia masih dikalahkan oleh negara-negara tetangga di Asia Tenggara. Berkaitan dengan itu maka dosen perlu terus didorong untuk meningkatkan kapasitas penelitian sehingga mampu menghasilkan produk penelitian yang layak publikasi. Upaya tersebut antara lain dilakukan melalui pelatihan metodologi penelitian sebagaimana yang diselenggarakan oleh Lembaga Penelitian Undana pada 18-20 Agustus 2014 baru-baru ini.

Materi yang disajikan pada pelatihan tersebut mencakup berbagai aspek pelaksanaan penelitian, mulai dari kebijakan penelitian di lingkungan Undana, metodologi penelitian kuantitaif dan kualitatif, dan sampai pada kiat-kiat penyusunan proposal untuk memperoleh berbagai skema dana hibah penelitian yang disediakan melalui Direktorat Penelitian dan Pengabdian pada Masyarakat Direktorat Jendral Pendidikan Tinggi (DP2M Dikti). Di antara materi tersebut, PR IV diminta untuk menyajikan materi mengenai metodologi penelitian kuantitatif dan review proposal penelitian kuantitatif. Tidak disediakan rambu-rambu mengenai apa yang harus disajikan dengan judul seperti itu sehingga hanya bisa diperkirakan berdasarkan pengalaman, materi apa yang kira-kira relevan untuk dosen yang baru pertama kali mengikuti pelatihan metodologi penelitian.

Selama ini banyak peneliti pemula memperlakukan semua data angka seakan-akan sebagai data kuantitatif. Padahal, data angka terdiri atas taraf nominal, ordinal, interval, dan rasio. Data nominal bersifat hanya membedakan, misalnya membedakan laki-laki dan perempuan dengan kode 1=laki-laki dan 2=perempuan. Dalam hal ini, 2 tidak lebih besar daripada 1 (tidak memeringkatkan). Data ordinal bersifat membedakan dan memeringkatkan. Misalnya rasa bakso diskor 1=sangat tidak enak, 2=tidak enak, 3=biasa saja, 4=enak, dan 5=sangat enak, setiap skor berbeda 1. Tetapi, perbedaan 1 antara 1 dan 2 tidak bermakna sama dengan perbedaan 1 antara 2 dan 3, dan seterusnya. Data taraf berikutnya, taraf interval, bersifat membedakan dan memeringkatkan, tetapi dengan nilai 0 kesepakatan. Misalnya suhu dalam derajat Celcius, 0 tidak berarti tidak ada suhu, melainkan disepakati sebagai titik air membeku pada tekanan 1 atm. Data taraf tertinggi, taraf rasio, bersifat membedakan, memeringkatkan, dan dengan nilai 0 sejati. Jumlah telur ayam 0 berarti tidak ada telur dan 5 butir telur ditambah 6 butir telur berjumlah 11 butir telur. Data taraf rasio ini adalah data yang benar-benar bersifat kuantitatif sehingga dapat dikenai operasi matematik dan statistik.

Data rasio sekalipun tidak semuanya sama, dapat bersifat diskret atau kontinyu. Data jumlah organisme, misalnya, merupakan data diskret sehingga merupakan bilangan bulat. Misalnya, jumlah sapi, ikan kakap, capung, pohon kelapa, dan organisme lainnya merupakan data diskret. Jumlah 3,25 ekor sapi sebenarnya tidak masuk akal sebab 0,25 sapi bukan merupakan sapi hidup, melainkan daging sapi. Data diskret berbeda dengan data kontinyu, yang pada umumnya merupakan karakteristik organisme. Misalnya, berat seekor sapi 135,5 kg merupakan data kontinyu. Dalam hal data kontinyu ini, jumlah angka di belakang koma tidak selalu menunjukkan ketelitian, sebagaimana dikira banyak orang. Jumlah angka di belakang koma yang menunjukkan ketelitian bergantung pada alat ukur yang digunakan. Misalnya ukuran panjang batang bambu 135,5 cm, angka 0,5 cm menunjukkan ketelitian bila pengukuran panjang dilakukan dengan menggunakan meteran dengan skala mm. Bila dengan meteran yang sama kemudian dihasilkan ukuran panjang 135,57 cm maka angka 0,07 tidak berarti apa-apa sehingga tidak perlu dituliskan dan dimasukkan untuk analisis.

Mengenai analaisis data, perlu dibedakan analisis data kuantitatif dari analisis kuantitatif. Analisis data kuantitatif adalah analisis data bertaraf rasio, atau sekurang-kurangnya data berskala interval. Sebaliknya, analisis kuantitatif dapat dilakukan terhadap data kualitatif yang diberi skala kuantitatif dengan berbagai macam skala pengukuran, misalnya skala Likert. Kedua kategori analisis ini sama-sama menganalisis data angka, tetapi substansi yang diwakili oleh angka-angka yang dianalisis tersebut berbeda. Analisis data kuantitatif dapat dengan mudah dianalisis menggunakan teknik-teknik analisis statistika parametrik, yaitu teknik-teknik analisis yang didasarkan atas distribusi statistik tertentu. Sebaliknya, data kualitatif yang dikuantifikasi menjadi kuantitatif tidak dapat dianalisis dengan menggunakan teknik analisis yang sama, melainkan dengan menggunakan teknik-teknik analisis non-parametrik yang tidak mengasumsikan bahwa data berdistribusi statistik tertentu.

Data kuantitatif diperoleh dari pengukuran peubah (variable), baik peubah bebas (independent vatiable) maupun peubah tidak bebas (dependent variable). Analisis data yang dilakukan terhadap satu per satu peubah tidak bebas dikenal sebagai analisis statistika univariat, sebaliknya yang dilakukan terhadap beberapa peubah tidak bebas sekaligus dikenal sebagai analisis statistika multivariat. Misalkan dari percobaan pemupukan tanaman padi pertumbuhan dan produksi 5 galur padi ladang (peubah bebas) diukur: (1) jumlah anakan produktif per rumpun, (2) jumlah daun per tanaman padi, (3) tinggi tanaman pada umur 6 minggu setelah tanam, dan (4) produksi gabah kering/rumpun (peubah tidak bebas). Dalam hal ini, analisis untuk membandingkan jumlah anakan produktif per rumpun sebagai peubah tidak bebas dari kelima galur padi ladang sebagai peubah bebas merupakan analisis statistika univariat. Sebaliknya bila peneliti ingin mengelompokkan kelima galur padi ladang, dengan menggunakan keempat peubah tidak bebas sekaligus, merupakan analisis statistika multivariat.

Analisis statistik sering juga dibedakan menjadi analisis deskriptif dan analisis inferensial. Analisis deskriptif bertujuan sekedar untuk mendeskripsikan keterpusatan dan ketersebaran data, misalnya dengan menggunakan rerata (mean) sebagai ukuran keterpusatan dan ragam (variance) sebagai ukuran ketersebaran. Sebaliknya, analisis inferensial bertujuan untuk pengambilan keputusan dengan tingkat tertentu melakukan risiko salah (galat, error). Analisis inferensial ini lazim dilakukan apabila peneliti ingin menguji hipotesis, misalnya hipotesis bahwa produksi 5 galur padi ladang  tidak berbeda satu sama lain (hipotesis nol) versus produksi 5 galur padi ladang berbeda satu sama lain (hipotesis alternatif). Untuk menguji hipotesis mengenai perbedaan seperti ini lazim digunakan analisis ragam (analysis of variances) yang kemudian dilanjutkan dengan uji pemisahan rerata atau uji kontras ortogonal bila peubah bebas bersifat kualitatif (misalnya galur padi ladang) atau dengan uji polinomial ortogonal bila peubah bebas bersifat kuantitatif (misalnya dosis pemupukan). Untuk peubah bebas bertaraf kuantitatif, misalnya dosis pupuk urea, uji hipotesis juga dapat dilakukan dengan menggunakan analisis regresi (regression analysis).

Keputusan analisis inferensial dinyatakan dalam taraf nyata (significance) sebagai dasar, biasanya pada taraf 0,01 atau 0,05. Dalam hal ini, istilah nyata (signiificant) berarti tidak lebih dari sekedar berbeda lebih tinggi antar taraf perlakuan daripada antar ulangan. Perlakuan merupakan perbedaan yang sengaja diatur dalam percobaan, sedangkan ulangan harus diacak. Karena acak maka ulangan seharusnya tidak boleh berbeda dan kalau berbeda, merupakan perbedaan secara kebetulan. Dengan demikian, arti 'berbeda nyata' sebenarnya tidak lebih dari perbedaan yang disengaja lebih besar daripada perbedaan secara kebetulan. Dalam bahasa statistika, bila hasil pengukuran peubah tidak bebas dinyatakan sebagai Y dan hasil pengukuran peubah bebas dinyatakan sebagai X maka Y=X+e, di mana x menyatakan galat (error). Dalam hal ini, X dikatakan berpengaruh nyata terhadap Y bila perbedaan antar taraf Y lebih besar dari perbedaan antar ulangan setiap taraf X. Dalam hal ini taraf adalah taraf perlakuan, misalnya X₁, X₂, X₃, X₄, dan X₅, yang masing-masing, misalnya, dicobakan dalam 3 ulangan.

Analisis data kuantitatif yang selama ini semakin mendapat perhatian adalah analisis spasial. Dalam analisis spasial, data kuantitatif atribut dianalisis bersama-sama dengan data spasial (spatial data) dari setiap peubah. Data spasial merupakan posisi setiap peubah dalam ruang yang dalam konteks permukaan bumi, ruang tersebut adalah permukaan bumi. Data spasial terdiri atas data titik, data garis, dan data bidang (poligon). Ketika tipe data spasial tersebut dapat digambarkan sebagai vektor (satu titik atau kumpulan titik-titik tanpa jejaring) atau sebagai raster (jejaring titik-titik). Data spasial dinyatakan dalam format koordinat, misalnya koordinat Cartesius X,Y. Untuk ruang di permukaan bumi digunakan koordinat geografik, terdiri atas koordinat garis lintang dan koordinat garis bujur. Koordinat geografik ini dapat dinyatakan dalam berbagai cara, di antaranya dalam format derajat desimal, misalnya -10.154535°,123.658634° (koordinat titik spasial Gedung Baru Rektorat Undana). Gedung rektorat baru tersebut mempunyai data atribut luas bangunan, tinggi bangunan, jumlah lantai, jumlah ruangan, dsb. Seperti halnya analisis data atribut, analisis data spasial dapat dilakukan sekedar untuk menggambarkan (analisis deskriptif), misalnya dengan memetakan data, maupun untuk pengambilan keputusan (analisis inferensial), misalnya untuk mengklasifikasikan, fakultas mana yang terletak pada jarak lebih dari 500 m dari gedung rektorat.

Dahulu, analisis kuantitatif dilakukan secara manual dengan bantuan simpoa atau kalkulator. Kini analisis kuantitatif dapat dilakukan dengan mudah menggunakan berbagai program aplikasi komputer yang dirancang khusus untuk tujuan analisis data. Program aplikasi tersebut terdiri atas program aplikasi analisis statistika dan program aplikasi analisis spasial, masing-masing dapat berupa program aplikasi berbayar dan program aplikasi akses terbuka (gratis). Program aplikasi analisis statistika berbayar yang populer antara lain adalah Minitab, SPSS, STATISTICA, dan SAS/STAT, sedangkan yang gratis tetapi tidak kalah dari yang berbayar adalah SalStat, Statistical Lab, PSPP, dan R. Analisis data spasial lazim dilakukan dengan menggunakan program aplikasi sistem informasi geografik (SIG), baik berbayar maupun gratis. Contoh program aplikasi SIG berbayar adalah MapInfo Professional dan ArcGIS, sedangkan yang gratis adalah OpenJump, SAGA, dan QGIS. Silahkan kunjungi daftar program aplikasi analisis statistika gratis dan program aplikasi SIG gratis dan SIG sumber terbuka (open source), lalu pilih sendiri mana yang akan diunduh sesuai dengan kebutuhan.

Kemampuan untuk menggunakan program aplikasi untuk menganalisis data kuantitatif memang sangat membantu. Akan tetapi, perlu senantiasa diingat bahwa program aplikasi hanyalah alat. Hasil analisis dengan menggunakan program aplikasi yang manapun akan selalu bergantung pada kualitas data yang dianalisis. Program aplikasi analisis data tidak pernah bisa memperbaiki kualitas data, melainkan hanya menganalisis data. Data yang kaulitasnya buruk akan dianalisis apa adanya, dan hasilnya tentu saja tetap berkualitas buruk. Terhadap data berkualitas rendah, program aplikasi analisis data kuantitatif bekerja sebagai GIGOLO: Garbage In, Garbage Out, Low Output (sampah masuk, sampah keluar, hasilnya tetap saja berkualitas rendah). Teknik analisis data tidak pernah bisa mengubah sampah menjadi emas sehingga dalam penelitian kuantitatif, kualitas data sangat menetukan hasil analisis. Review proposal seharusnya difokuskan pada upaya untuk memastikan bahwa analisis data kuantitatif dengan menggunakan program aplikasi tidak bermuara pada GIGOLO, bukan pada kecanggihan program aplikasi yang digunakan.

Posted in: pelatihan