Penulis: Konsultan Data Penelitian & ArcGIS

Kategori
Jasa Olah Data

Tujuan Penggunaan Dependen t Test beserta Ketentuannya

Dependen t test

Dalam statistik parametrik, terdapat istilah uji t atau t test. Tujuan dari uji ini adalah untuk mengetahui pengaruh masing variabel bebas terhadap variabel terikat. Uji T terbagi menjadi 2, dependen dan independen. Kali ini akan dibahas mengenai dependen t test. Simak di bawah ini untuk penjelasan lebih lanjut.

Tujuan Dependen t Test

Disebut juga paired-sample t test, jenis uji yang satu ini digunakan untuk membandingkan rata-rata 2 kelompok berpasangan. Maksudnya, pengujian dilakukan terhadap sampel yang sama namun pengukurannya berbeda. Misalnya sebelum dan sesudah adanya perlakuan tertentu pada sampel. Bisa juga dilakukan tes yang sama pada sampel yang sama dengan alat yang berbeda. 

Untuk memahami hasilnya, terdapat nilai signifikansi yang memiliki arti tertentu terhadap hasil uji. Nilai ini menunjukkan apakah perbedaan dari kedua kondisi sampel yang diuji tersebut memiliki makna atau tidak.

Jika nilai signifikansi kurang dari 0.05, maka kedua variabel memiliki perbedaan signifikan. Artinya, perbedaan perlakuan terhadap sampel memberi pengaruh yang bermakna. Sementara jika nilainya lebih dari 0.05, berarti tidak ada pengaruh bermakna dari perbedaan tersebut.

Ketentuan

Terdapat setidaknya 4 ketentuan yang harus dipenuhi agar data bisa diuji dengan t test jenis ini. Memastikan bahwa data telah memenuhi ketentuan adalah salah satu cara untuk mendapatkan hasil penelitian yang kredibel. Berikut keempat ketentuan tersebut.

  • Data harus berdistribusi normal. Untuk itu, perlu dilakukan uji normalitas terlebih dulu.
  • Kelompok data yang akan diuji keduanya harus saling berpasangan atau berhubungan (dependen). Karenanya, sampel yang digunakan haruslah sama.
  • Jenis datanya harus bersifat kategorik dan numerik.
  • Kedua kelompok data memiliki satuan yang sama.

Contoh Kasus dan Langkah-Langkah Pengujiannya pada Aplikasi SPSS

Sebagai contoh, dibuatlah penelitian tentang “Peningkatan Prestasi Belajar dengan Penerapan Metode WAW”. Penelitian ini dilakukan terhadap 10 siswa. Tujuannya untuk menguji nilai latihan Bahasa Indonesia sebelum dan sesudah diterapkannya uji tersebut. Untuk melakukan uji dengan SPSS, ikuti langkah-langkah berikut.

  • Pada menu Analyze, klik Compare Means lalu Paired-Samples t test.
  • Setelah jendela Paired-Samples t test terbuka, masukkan variabel yang ingin diuji. Pada kasus ini, sebut saja “Sebelum Penerapan” dan “Sesudah Penerapan”.
  • Klik OK. Jendela output pun akan menampilkan hasilnya.

Terdapat beberapa nilai yang bisa dilihat dari hasil tes ini. Di antaranya adalah nilai rata-rata, standar deviasi, standar error, nilai korelasi, dan nilai signifikansi. Hasil-hasil ini akan menjadi petunjuk untuk melakukan langkah selanjutnya dalam penelitian.

Kesulitan dalam melakukan uji penelitian parametrik? Atau membutuhkan ahli statistik untuk berkonsultasi? Hubungi Patra Statistika untuk mendapatkan pelayanan berkaitan dengan data dan penelitian.

Sebagai konsultan penelitian terkemuka, Patra Statistika bisa membantu menyelesaikan berbagai jenis uji penelitian parametrik. Mulai dari regresi, korelasi, hingga uji t, termasuk dependen t test. Jangan ragu untuk bertanya demi kelancaran penelitian yang sedang berjalan.

Kategori
Jasa Olah Data

Mengenal Analisis Regresi Linier dalam Penelitian

Analisis regresi linear

Sebuah penelitian tidak akan lengkap tanpa adanya analisis. Guna analisis dalam suatu penelitian yakni membuktikan kebenaran hipotesis. Analisis sendiri terdiri dari berbagai jenis, salah satunya adalah analisis regresi linier.

Apa Itu Analisis Regresi Linier?

Seorang peneliti tentu sudah tidak asing dengan regresi linier sebagai analisis sebuah penelitian. Regresi linier adalah suatu metode statistika untuk mencari tahu hubungan antara variabel terikat atau (y) dengan satu atau lebih variabel bebas (x).

Regresi linier merupakan salah satu model analisis sederhana dengan jenis data interval atau rasio. Melalui analisis ini, peneliti dapat melakukan prediksi berdasarkan data-data yang didapatkan.

Secara umum, regresi linier digunakan untuk mengetahui apakah variabel bebas yang diteliti memiliki korelasi yang signifikan terhadap variabel terikat. Selain itu, analisis ini juga bisa digunakan untuk mengetahui variabel mana saja yang berpengaruh signifikan terhadap variabel terikat.

Jenis-jenis Regresi Linier

Sebelum melakukan analisis dengan regresi linier , peneliti harus dapat memilih jenis regresi linier mana yang akan digunakan. Oleh karena itu, penting bagi peneliti untuk memahami masing-masing jenis regresi linier. Terdapat dua jenis regresi linier yang biasanya digunakan dalam penelitian, yakni:

1. Regresi Linier Sederhana

Regresi linier sederhana merupakan salah satu jenis regresi linier yang digunakan untuk mencari tahu korelasi antara variabel bebas dan terikat. Pada regresi linier sederhana, terdapat satu variabel bebas dan variabel terikat.

Dengan menggunakan regresi linier, peneliti bisa mengetahui arah hubungan antara variabel bebas dan terikat. Selain itu, peneliti juga bisa melakukan prediksi besar nilai dari variabel terikat.

Untuk bisa menggunakan analisis ini,  peneliti harus memenuhi beberapa asumsi terlebih dahulu. Asumsi-asumsi yang dimaksud antara lain:

  • Data yang didapat berjenis interval atau rasio
  • Distribusi data normal
  • Jumlah sampel antara variabel bebas dan terikat sama
  • Memiliki hubungan linier

Ketika syarat-syarat atau asumsi untuk melakukan regresi linier telah terpenuhi, peneliti bisa mencari tahu korelasi antara variabel bebas dengan terikat melalui rumus regresi linier yakni:

Y= a + bX

2. Regresi Linier Berganda

Jenis regresi linier lain yang perlu diketahui adalah regresi linier berganda. Sama seperti regresi linier sederhana, regresi linier berganda dilakukan untuk mencari tahu korelasi antara variabel bebas dan terikat. Hanya saja, pada analisis ini, jumlah variabel bebas yang diteliti lebih dari satu.

Apabila peneliti ingin menggunakan analisis ini, ada beberapa asumsi klasik yang mesti terpenuhi, diantaranya:

  • Data berbentuk interval atau rasio
  • Memiliki linearitas
  • Residual bersifat normal
  • Terhindar dari Heteroskedastisitas
  • Non Multikolinearitas

Ketika semua asumsi telah terpenuhi, analisis regresi baru bisa dilakukan dengan menggunakan persamaan:

Y = a + b1X1 + b2X2 + b3X3 + … + bnXn

Penghitungan analisis regresi linier tidak melulu dilakukan secara manual. Apabila data yang dikumpulkan terlalu banyak, peneliti bisa menggunakan aplikasi statistik untuk melakukan analisis ini. Dengan begitu, hasil yang didapat bisa lebih cepat dan juga akurat.

Meskipun disebut sebagai analisis yang sederhana, regresi linier memiliki sedikit tingkat kesulitan, terutama bagi peneliti baru, seperti mahasiswa. Untuk mempermudah melakukan analisis, peneliti bisa memanfaatkan kami, jasa pengolahan data. Segera hubungi kami untuk membantu melakukan pengolahan data dan analisis penelitian!

Kategori
Jasa Olah Data

Cara Melakukan Analisis Variansi Dua Arah pada Sebuah Penelitian

Analisis variansi dua arah

Dalam penelitian, terdapat berbagai macam jenis analisis yang bisa digunakan, tergantung pada tujuan penelitian. Apabila peneliti ingin membandingkan rata-rata antara variabel bebas dan variabel terikat, maka analisis variansi adalah jenis uji statistik yang tepat. Jika diketahui variabel bebas lebih dari satu, peneliti bisa menggunakan analisis variansi dua arah.

Kapan ANOVA Dua Arah Digunakan?

Secara garis besar, tujuan peneliti melakukan penelitian dikarenakan ingin mengetahui hubungan antar variabel, pengaruh antara variabel atau ingin membandingkan dua atau lebih variabel. Masing-masing tujuan penelitian memiliki uji statistik yang berbeda.

Analisis variansi atau ANOVA merupakan uji statistik yang digunakan untuk membandingkan rata-rata variabel. ANOVA sendiri terdiri dari dua jenis yakni ANOVA satu arah dan ANOVA dua arah. Peneliti bisa menggunakan ANOVA dua arah apabila diketahui variabel bebas atau variabel faktor berjumlah lebih dari satu.

Asumsi Atau Syarat Menggunakan ANOVA Dua Arah

ANOVA merupakan salah satu uji parametrik. Oleh karena itu, ada beberapa asumsi yang perlu dipenuhi agar peneliti bisa menggunakan analisis ini. Beberapa asumsi yang dimaksud antara lain:

1. Nilai Residu Berdistribusi Normal

Salah satu hal yang paling penting sebelum melakukan uji ANOVA adalah mengetahui apakah data yang dipakai berdistribusi normal atau tidak. Apabila diketahui nilai residu tidak terdistribusi normal, maka ANOVA dua arah tidak bisa digunakan.

2. Variansi Populasi Sama

Selain nilai residu yang normal, syarat lain untuk melakukan uji ANOVA adalah variansi populasi yang sama atau homogen. Untuk mengetahui apakah variansi homogen, dilakukan uji homogenitas.

3. Sampel Tidak Berhubungan

Agar bisa menggunakan uji ANOVA, sampel yang digunakan tidak boleh memiliki keterikatan. Dengan kata lain, sampel yang dikumpulkan pada setiap kelompok harus bersifat independen.

4. Jenis Data

Uji ANOVA bisa digunakan apabila data pada variabel terikat memiliki skala numerik (rasio atau interval). Sedangkan untuk variabel bebas, data bersifat kategorik (nominal atau ordinal).

Langkah Melakukan ANOVA Dua Arah

Analisis variansi dua arah bisa dilakukan secara manual ataupun melalui aplikasi pengolah data. Langkah-langkah yang perlu dilakukan untuk melakukan ANOVA dua arah adalah sebagai berikut:

  • Mengumpulkan sampel dan mengelompokannya dalam kategori tertentu. Namun, apabila peneliti menggunakan aplikasi, maka yang perlu dilakukan hanyalah memasukan data ke dalam aplikasi pengolah data.
  • Memastikan bahwa data sampel telah memenuhi asumsi. Yang pertama perlu dilakukan adalah melakukan uji normalitas, lalu uji homogenitas.
  • Apabila peneliti menggunakan cara manual, pada tahap ini yang harus dilakukan adalah variabilitas dari seluruh sampel, kemudian menghitung variansi antar kelompok dan variansi dalam kelompok. Setelah itu, peneliti perlu menghitung F hitung dan F tabel, lalu membandingkan keduanya untuk menarik kesimpulan.
  • Jika peneliti menggunakan aplikasi pengolah data, maka yang perlu dilakukan hanyalah mengoperasikan aplikasi sesuai dengan analisis yang akan dilakukan, yakni ANOVA dua arah.

Analisis variansi dua arah merupakan satu dari sekian banyak jenis analisis statistik yang perlu dikuasai oleh peneliti. Hal ini perlu dilakukan untuk mempermudah peneliti dalam melakukan penelitian.

Namun, jika hingga kini peneliti masih belum memahami secara penuh cara melakukan ANOVA atau tidak memiliki waktu untuk melakukan analisis, ada solusi yang tepat untuk peneliti. Segera hubungi kami sebagai penyedia jasa pengolah data.

Kategori
Jasa Olah Data

Cara Melakukan Independen t Test dengan Aplikasi Pengolah Data

Independen t test

Salah satu tujuan dari penelitian adalah untuk membandingkan rerata dua buah kelompok. Untuk mencapai tujuan ini, ada beberapa jenis analisis yang bisa digunakan. Analisis Independen t test merupakan satu di antara beberapa jenis analisis yang dilakukan.

Pengertian

Independen t test termasuk dalam jenis analisis komparatif. Maksudnya, analisis ini dilakukan untuk membandingkan rerata dua kelompok atau menguji perbedaan antara dua kelompok. Pada analisis ini, kelompok yang diuji tidak memiliki keterkaitan sama sekali. Karena itulah analisis ini disebut independen.

Asumsi-asumsi Pengujian

Uji Independen t test termasuk ke dalam uji parametrik. Oleh karena itu, apabila peneliti ingin menggunakan uji ini, maka data sampel yang digunakan harus memenuhi syarat kelayakan. Syarat-syarat agar sampel bisa diuji dengan analisis ini yaitu:

1. Kedua Sampel Tidak Berpasangan

Syarat utama agar bisa melakukan analisis ini adalah dua kelompok sampel yang akan digunakan tidak memiliki keterkaitan. Artinya dua kelompok sampel tadi berasal dari data yang berbeda, misalnya data nilai kelas A dan kelas B. Apabila diketahui kelompok sampel memiliki hubungan, maka uji ini tidak bisa digunakan lagi, gantinya peneliti bisa menggunakan uji paired t test

2. Jumlah Data Kurang Dari 30

Agar bisa melakukan uji ini, data dari masing-masing kelompok sampel tidak memiliki jumlah yang besar. Jumlah maksimal yang bisa ditolerir adalah 30 orang per masing-masing kelompok. Apabila lebih dari jumlah tersebut, sebaiknya peneliti menggunakan uji Z.

3. Data Berskala Numerik

Asumsi lain untuk menggunakan uji ini adalah jenis data yang digunakan harus berskala numerik yakni data interval atau rasio. Apabila data bersifat kategorik, maka analisis ini tidak bisa digunakan.

4. Distribusi Normal

Untuk bisa melakukan uji parametrik, dalam hal ini, data yang digunakan perlu berdistribusi normal. Apabila data tidak normal, maka peneliti perlu melakukan uji non-parametrik sebagai gantinya.

Langkah Melakukan Uji Pengujian dengan Aplikasi

Pelaksanaan uji independen t test bisa dilakukan melalui aplikasi. Hal ini dimaksudkan agar peneliti tidak merasa kesulitan dalam melakukan perhitungan. Umumnya, aplikasi pengolah data yang digunakan adalah SPSS. Untuk melakukan uji ini dengan SPSS, berikut langkah yang perlu dilakukan:

  • Memasukan data ke dalam aplikasi
  • Melakukan uji normalitas untuk mengetahui distribusi data sampel
  • Melakukan analisis melalui menu Analyze, kemudian compare means dan pilih independen samples t-test.
  • Mengambil kesimpulan. Jika hasil analisis telah diketahui, peneliti bisa mengambil kesimpulan berdasarkan nilai signifikansi.  Apabila nilai signifikansi kurang dari 0,05, maka H0 ditolak yang artinya terdapat perbedaan rerata antara dua kelompok. Namun, jika signifikansi lebih dari 0,05, maka H0 diterima yang artinya tidak ada perbedaan.

Sebagai seorang peneliti atau mahasiswa, uji independen t test merupakan hal yang perlu dipahami dengan baik. Dengan begitu, peneliti tidak akan merasa kesulitan ketika penelitian membutuhkan analisis ini.

Bagi peneliti yang tidak memiliki waktu melakukan analisis atau masih tidak memahami cara mengolah data, ada cara lain yang bisa dilakukan. Peneliti hanya perlu menghubungi kami, sebagai penyedia jasa pengolah data, lalu menerima hasil yang memuaskan.

Kategori
Jasa Olah Data

Tentang Skala Pengukuran Likert: Perhitungan, Kelemahan, dan Kelebihannya

skala pengukuran likert

Skala pengukuran likert merupakan salah satu dari skala pengukuran sikap. Sikap dan pendapat responden diukur menggunakan skala ini. Umumnya, skala ini muncul dalam kuesioner yang dibagikan kepada responden pada penelitian kuantitatif. Ini beberapa hal yang harus diketahui tentang skala ini:

1. Tingkat Persetujuan Skala Pengukuran Likert

Ada 5 tingkatan atau gradasi skala likert dalam kuesioner yang bisa digunakan untuk menyatakan sikap atau pendapat responden. Pernyataan sikap diwakili oleh pilihan setuju, setuju, ragu-ragu, tidak setuju dan sangat tidak setuju. Skala ini akan muncul pada pilihan ganda jawaban yang ada di kuesioner.

Untuk menyatakan pendapat, biasanya akan muncul gradasi sangat suka, suka, netral, tidak suka, dan sangat tidak suka. Setiap pertanyaan atau pernyataan yang muncul di dalam kuesioner akan diiringi dengan skala likert ini sebagai pilihan jawaban.

2. Perhitungan Skala Likert

Setiap unit gradasi memiliki skor, dimana semakin besar nilainya semakin baik sikap atau pendapat responden. Umumnya, skor dimulai dari 1 sampai 5. Perhitungan skala likert ini bisa menggunakan rumus indeks dimana perlu dihitung lebih dulu total skor, interval serta interpretasi persennya.

Contohnya, dari 100 responden didapatkan total skor 247 menggunakan rumus total responden dikali pilihan skor likert. Kemudian, menghitung dulu ujung atas dan ujung bawah yaitu :

Ujung atas (Y) ialah skor tertinggi x jumlah responden

Ujung bawah (X) ialah skor terendah x jumlah responden

Setelah itu, hitung intervalnya (I) dengan menggunakan rumus jumlah responden dibagi jumlah skor atau 100/5, hasilnya 20. Setelah itu, barulah dihitung persentase dengan menggunakan rumus indeks yaitu Total Skor dibagi Ujung Atas dikali 100%.

3. Kelebihan Skala Likert

Skala pengukuran likert dianggap yang paling mudah jika dibandingkan dengan skala pengukuran yang lain seperti Thurstone dan Gutman. Penggunaan gradasi sikap dianggap sangat mudah dalam mengukur pendapat dan sikap responden. Reliabilitas skala likert juga dianggap relatif tinggi dan bisa memuat beberapa alternatif respon.

Selain itu, penyusunan skala likert memungkinkan untuk peneliti memasukkan item yang hubungannya dengan sikap yang sedang diteliti belum jelas. Ini tidak bisa dilakukan pada skala pengukuran sikap yang lain seperti misalnya pada skala Thurstone. Terakhir, skala likert memuat keterangan yang lebih gamblang akan sikap responden terhadap isu yang dimuat dalam kuesioner.

4. Kelemahan Skala Likert

Skala likert tidak bisa digunakan untuk apakah satu individu lebih baik daripada individu yang lain. Sebabnya adalah karena skala likert menggunakan ukuran ordinal. Skor yang ada pada skala likert juga tidak bisa memberi gambaran yang jelas tentang respon dari responden.

Kesulitan menghitung data penelitian yang menggunakan skala pengukuran likert? Hubungi saja Patra Statistika untuk berkonsultasi mengenai metode penelitian dan pembuatan kuesioner dengan skala likert.

Kategori
Jasa Olah Data

Pengertian Skala Numerik Adalah Sebagai Berikut pada Pengolahan Data:

skala numerik adalah

Dalam penelitian, mahasiswa biasanya akan mendapatkan berbagai macam data. Data-data tersebut bisa dikelompokan kembali sesuai kebutuhan. Terdapat dua macam jenis kelompok data, dan skala numerik adalah salah satunya.

Klasifikasi Data

Untuk mendapatkan hasil analisis yang akurat, pemahaman mengenai klasifikasi data adalah hal yang wajib dikuasai. Kesalahan dalam pengelompokan data bisa mengakibatkan kekeliruan dalam pemilihan metode analisis. Data penelitian sendiri bisa dikelompokan menjadi dua yakni skala kategorik dan skala numerik.

1. Skala Kategorik

Sesuai namanya, skala kategorik adalah data yang telah digolongkan sesuai dengan sifat tertentu. Skala data ini bisanya ditemukan berupa kata-kata dan tidak memerlukan pengukuran.

Skala kategorik dibagi lagi menjadi dua macam yakni skala nominal dan ordinal. Perbedaan dari dua skala tersebut yakni ada dan tidaknya derajat atau tingkatan data.

Pada skala nominal tidak ditemui perbedaan tingkatan. Artinya data yang didapat bersifat setara. Contohnya adalah jenis kelamin.

Sedangkan skala ordinal mempunyai tingkatan yang membedakan satu data dengan yang lain. Contoh dari data ordinal adalah tingkat pendidikan.

2. Skala Numerik

Jika skala kategorik didasarkan pada penggolongan data, maka skala numerik adalah hasil data yang didapat melalui pengukuran. Berbeda dari skala kategorik yang berupa huruf, skala numerik ditampilkan dalam bentuk angka-angka absolut.

Sama seperti skala kategorik, skala numerik juga dibagi menjadi dua yaitu skala interval dan skala rasio. Sekilas dua jenis data ini memang terlihat sama. Akan tetapi, terdapat perbedaan pada skala rasio dan interval.

Skala interval tidak memiliki angka 0 mutlak. Artinya, ketika menggunakan skala interval angka di bawah 0 masih bisa dihitung. Contoh dari skala interval adalah suhu.

Sebaliknya, data rasio memiliki angka 0 mutlak. Artinya angka 0 adalah hasil pengukuran terendah yang bisa didapat. Contoh skala rasio adalah tinggi badan.

Pengolahan Data dengan Skala Numerik

Data diambil dan dikelompokan sesuai dengan jenis pengukurannya untuk mempermudah peneliti dalam melakukan analisis data. Data dengan skala numerik tentu memiliki metode analisis yang berbeda dengan data skala kategorik.

Untuk menganalisis data dengan skala numerik, metode analisis yang dipakai adalah uji parametrik. Meski demikian, apabila asumsi untuk menjalankan uji parametrik tidak terpenuhi sepenuhnya, peneliti dapat mengubah data numerik tersebut menjadi data kategorik.

Untuk mengubah data numerik menjadi kategorik, peneliti bisa menggunakan aplikasi pengolah data seperti SPSS. Begitu juga saat akan melakukan analisis. Penggunaan aplikasi pengolah data akan mempermudah peneliti dalam melakukan analisis, karena tidak perlu lagi menghitung angka-angka yang rumit.

Mengenal berbagai macam data, baik pada skala kategorik maupun skala numerik adalah hal yang harus dikuasai mahasiswa terutama yang hendak melakukan penelitian. Tanpa adanya pemahaman terhadap data, maka penelitian tidak akan berjalan lancar, dan hasil penelitian pun juga diragukan.

Namun, mahasiswa tidak perlu merasa takut atau khawatir jika masih belum memahami cara pengolahan data. Yang perlu dilakukan hanya satu, datang kepada kami sebagai penyedia jasa olah data. Dengan begitu, dijamin penelitian akan beres tanpa perlu bersusah payah.

Kategori
Jasa Olah Data

Cara Mengolah Data Kuesioner Skala Likert: Bagian Penting Pada Sebuah Penelitian

cara mengolah data kuesioner skala likert

Untuk mendapatkan data penelitian, biasanya peneliti menggunakan kuesioner sebagai instrumen. Agar lebih mudah melakukan pengolahan data dari kuesioner, peneliti umumnya menggunakan skala jawaban. Skala likert adalah salah satu jenis skala yang digunakan untuk mengukur sikap dan pendapat responden Lalu, bagaimana cara mengolah data kuesioner skala likert?

Pengertian Skala Likert

Sebelum membahas cara mengolah data kuesioner dengan skala likert, pertama-tama peneliti harus memahami lebih dalam mengenai skala likert. Secara umum skala likert digunakan untuk mengetahui dan menilai sikap atau persepsi responden terhadap suatu variabel.

Pada skala likert terdapat suatu jenjang untuk menyatakan sikap atas sebuah pendapat atau variabel yang diteliti. Untuk mendapat hasil yang akurat, tentunya isi pertanyaan harus bisa dinilai oleh responden.

Dalam penyusunan kuesioner dengan skala likert, ada beberapa hal yang harus diperhatikan yakni:

  • Tidak menggunakan pertanyaan atau pernyataan yang berisi pengetahuan. Skala likert adalah skala yang digunakan untuk menilai sikap atau persetujuan responden akan sebuah permasalahan. Sedangkan pertanyaan pengetahuan tidak bisa dijawab dengan model setuju atau tidak setuju.
  • Jawaban atas pertanyaan atau pernyataan harus bisa dijenjangkan. Jangan sampai responden bingung membedakan antara tidak setuju dan kurang setuju. Setiap pilihan jawaban harus memiliki jenjang yang bisa dinilai.
  • Satu pertanyaan tidak boleh menimbulkan jawaban yang ganda. Misalnya saja pernyataan berikut ini “Saya mencintai pekerjaan saya karena membuat saya punya banyak uang”

Pada pernyataan di atas terdapat dua isi yakni mencintai pekerjaan dan punya banyak uang. Apabila responden memiliki dua pendapat atas pernyataan tersebut, tentu responden akan kebingungan dalam menentukan jawaban.

Cara Mengolah Data Skala Likert

Penggunaan skala likert dalam kuesioner biasanya digunakan dalam penelitian deskriptif kuantitatif. Pengolahan data skala likert sendiri bisa dilakukan secara manual atau melalui aplikasi. Ketika menggunakan skala likert dalam kuesioner, analisis yang bisa dilakukan oleh peneliti yaitu:

1. Analisis Frekuensi atau Proporsi

Analisis frekuensi dilakukan untuk mengetahui jumlah atau proporsi dari jawaban responden. Seperti yang diketahui, skala likert hanya digunakan untuk mengetahui sikap dari responden, sehingga penggunaan skoring bukanlah pilihan yang tepat.

Dari hasil analisis frekuensi ini, nantinya peneliti akan mendapatkan hasil berupa persentase jawaban responden.

2. Analisis Mode atau analisi terbanyak

Selain analisis frekuensi, skala likert juga bisa diolah dan dianalisis untuk mengetahui jumlah pendapat terbanyak yang dikemukakan oleh responden.

Misalnya saja dari pernyataan “Hukuman bagi koruptor adalah hukuman mati” ditemukan jawaban setuju sebanyak 45%, netral 25% dan tidak setuju sebanyak 30%. Dari jawaban di atas, maka diketahui bahwa kebanyakan responden setuju dengan pernyataan tersebut.

Meskipun terlihat mudah, nyatanya pembuatan skala likert untuk kuesioner tidak sesederhana yang terlihat. Ada banyak pertimbangan agar jawaban yang diberikan responden merupakan perwakilan dari populasi.

Kabar baiknya, sekarang peneliti tidak perlu lagi bingung dengan cara mengolah data kuesioner skala likert. Mengapa demikian? Karena kami hadir untuk membantu peneliti dalam mengolah data. Segera hubungi kami jika peneliti ingin mendapatkan hasil olahan kuesioner skala likert yang tepat dan akurat!

Kategori
Jasa Olah Data

Mengenal Lebih Dalam Metode Penelitian Eksperimen Semu

metode penelitian eksperimen semu

Eksperimen adalah salah satu metode dalam penelitian untuk mengetahui hubungan sebab-akibat suatu variabel. Metode eksperimen sendiri terbagi lagi menjadi dua macam yakni  eksperimen sesungguhnya dan  eksperimen semu. Nah, kali ini metode penelitian eksperimen semu akan dibahas secara lebih mendalam. 

Pengertian Eksperimen Semu

Eksperimen semu atau eksperimen quasi adalah jenis penelitian eksperimen dimana peneliti tidak mampu mengontrol variabel yang diteliti. Pada dasarnya eksperimen kuasi merupakan pengembangan dari penelitian true experimental dimana pengontrolan variabel luar sulit dilakukan. 

Sama seperti penelitian eksperimen sesungguhnya, penelitian eksperimen semu juga bertujuan untuk menyelidiki hubungan sebab-akibat atau mencari tahu penyebab sebuah peristiwa. Hanya saja, pada eksperimen ini kelompok kontrol dan kelompok perlakuan tidak dipilih secara acak. 

Ciri-ciri Eksperimen Semu

Secara sekilas, pelaksanaan eksperimen semu serupa dengan eksperimen sesungguhnya. Namun, jika diamati lebih lanjut, ciri-ciri dan karakteristik masing-masing eksperimen memiliki perbedaan yang cukup terlihat. Ciri-ciri dari metode penelitian eksperimen semu diantaranya:

  • Memiliki beberapa metode dalam pelaksanaan atau pengujian objek. 
  • Metode-metode yang digunakan nantinya akan saling dibandingkan. 
  • Pemilihan kelompok kontrol dan kelompok perlakuan tidak dilakukan secara acak. 

Jenis Penelitian Eksperimen Semu atau Quasi

Ketika akan melaksanakan penelitian eksperimen semu, peneliti bisa memilih satu dari beberapa jenis rancangan penelitian. Masing-masing rancangan eksperimen semu memiliki kelebihan dan kekurangannya tersendiri. Beberapa rancangan penelitian eksperimen semu adalah sebagai berikut:

1. The Time Series Experiment

Salah satu rancangan eksperimen semu adalah time series experiment. Pada penelitian ini objek hanya terdiri dari kelompok perlakuan saja. Selain itu objek juga dipilih secara tidak acak. 

Penelitian dimulai dengan mengobservasi objek penelitian dan memberi pretest pada objek. Observasi ini dilakukan selama beberapa kali untuk melihat tingkat kestabilan objek penelitian. 

Ketika observasi selesai dilakukan, peneliti akan memberi perlakuan atau intervensi kepada kelompok objek. Selanjutnya objek kembali diobservasi selama beberapa kali dengan instrumen yang sama. Hal ini dilakukan untuk mengetahui adanya perubahan setelah diberi perlakuan. 

2. The Non-Equivalent Group Design

Pada rancangan ini objek penelitian dibagi menjadi dua yakni kelompok kontrol dan kelompok perlakuan. Pemilihan kedua kelompok ini tidak dilakukan secara acak. 

Penelitian diawali dengan pemberian pretest sebagai acuan untuk mengetahui perubahan objek. Setelah diberi perlakuan, objek akan kembali diberi posttest untuk melihat sejauh mana perubahan yang dihasilkan akibat intervensi atau perlakuan. 

3. The Equivalent Time Series Samples Design

Secara umum, rancangan ini memiliki kemiripan dengan time series. Hanya saja, pada rancangan ini, intervensi atau perlakuan dilakukan lebih dari sekali. Meskipun demikian, intervensi tidak terus menerus dilakukan. Ada beberapa periode dimana intervensi tidak dilakukan.

Bagi seorang peneliti, memahami cara kerja metode penelitian eksperimen semu adalah kewajiban. Hal ini dilakukan agar sewaktu-waktu peneliti tidak merasa kesulitan dalam melaksanakan metode penelitian ini. 

Selain metode, peneliti juga harus memahami cara mengolah data dari hasil eksperimen. Untuk hal ini, peneliti tidak harus ahli karena ada jasa pengolah data yang siap membantu. Peneliti hanya perlu menghubungi kami dan data hasil penelitian pun cepat terolah secara akurat. 

Kategori
Jasa Olah Data

Uji Wilcoxon, Cara Terbaik untuk Penelitian Nonparametik

Uji wilcoxon

Dalam sebuah penelitian, tak jarang ditemukan dua kelompok data yang berbeda, namun berhubungan. Nah, di situlah uji Wilcoxon digunakan, khususnya untuk penelitian yang bersifat nonparametrik. Untuk lebih memahami mengenai metode penelitian ini, simak penjelasan berikut:

Tentang Pengujian Wilcoxon

Uji Wilcoxon ini dilakukan untuk memperhitungkan dua kelompok data yang berbeda secara kaidah statistik. Tujuannya adalah untuk mengetahui di bagian mana saja perbedaan antara kedua kelompok data tersebut.

Metode pengujian ini pertama kali diperkenalkan pada tahun 1945 pada sebuah paper penelitian yang dibuat oleh Frank Wilcoxon. Ahli statistik asal Amerika ini mencoba membuat panduan dasar dalam penentuan hipotesis untuk data penelitian yang nonparametrik.

Tipe data yang bisa diteliti menggunakan pengujian Wilcoxon ini adalah data-data yang bisa diranking, namun tidak memiliki nilai ukur yang mutlak. Pengukuran dilakukan pada obyek yang sama, namun dengan perlakuan yang berbeda.

Misalnya saja, penelitian terhadap tingkat konsentrasi siswa di kelas A untuk mata pelajaran B. Contoh lainnya pengujian akan efek dari sebuah vaksin terhadap para pasien.

Jenis Pengujian Wilcoxon

Hanya terdapat dua jenis uji Wilcoxon ini, yakni the Wilcoxon Rank Sum test dan the Wilcoxon Signed Rank test. Kedua jenis tes inilah yang diajukan oleh Frank Wilcoxon langsung pada paper penelitiannya. Berikut penjelasan lengkapnya:

1. Pengujian Wilcoxon Rank Sum

Tipe pengujian ini digunakan untuk menguji hipotesis yang menyatakan bahwa dua kelompok data memiliki karakter yang sama. Untuk melakukan pengujian ini, asumsi dasar yang dibutuhkan adalah data berasal dari satu populasi yang sama. Pengukuran data diukur dengan menggunakan skala interval serta data dipilih secara independen dan random.

2. Pengujian Wilcoxon Signed Rank

Jenis pengujian Wilcoxon yang kedua yaitu signed rank. Asumsi yang digunakan pada pengujian ini yaitu adanya perbedaan pada dua kelompok data yang diuji. Seringkali, signed rank ini digunakan sebagai alternatif untuk T-test ketika data populasi bukan termasuk dalam distribusi normal.

Untuk pengujian Wilcoxon Signed Rank, terdapat syarat-syarat yang harus dipenuhi, antara lain:

  • Skala untuk variabel dependen haruslah ordinal atau bisa juga rasio. Hanya saja, distribusi data harus tidak normal. Untuk itu, harus dilakukan uji normalitas untuk menentukan apakah pengujian bisa dilakukan dengan signed rank atau tidak.
  • Terdapat 2 kategori berpasangan untuk variabel independen yang digunakan. Artinya, data berasal dari subyek individu atau populasi data yang sama.
  • Untuk kedua kelompok data berpasangan ini, bentuk sebaran datanya harus simetris.

Uji Wilcoxon ini biasanya dilakukan dengan tools statistik seperti SPSS. Meskipun sekilas terlihat mudah, namun prosesnya cukup membingungkan pada beberapa poin. Tapi tak perlu bingung, sebab Patra Statistika hadir sebagai solusi terbaik yang bisa membantu proses pengolahan data penelitian dari awal hingga selesai.

Kategori
Jasa Olah Data

Serba-serbi Tentang Uji Statistik Chi Square yang Wajib Diketahui

cara uji normalitas spss

Chi Square adalah salah satu jenis pengujian komparatif non parametris yang biasanya dilakukan jika terdapat dua variabel. Namun, skala data kedua variabel tersebut haruslah berupa nominal. Kemudian, untuk uji statistik chi square merupakan uji non parametrik yang banyak digunakan. Jika ingin menggunakannya, diharapkan mengetahui 4 hal penting berikut ini, yaitu:

1. Kegunaan

Uji chi square digunakan untuk melihat apakah ada kaitannya antara dua variabel atau yang bisa disebut dengan independency test. Kemudian, uji chi square juga digunakan untuk mengetahui homogenitas antar sub-kelompok atau homogeneity test. Selain itu, uji chi square juga digunakan sebagai bentuk distribusi atau goodness of fit.

2. Karakteristik

Adapun hal lainnya yang wajib diketahui dalam uji statistic yang satu ini adalah karakteristiknya. Uji statistik Chi Square memiliki karakteristik nilai chi-square yang selalu positif atau tidak pernah negatif. Hal ini karena adanya selisih frekuensi pengamatan dan juga frekuensi harapan dikuadratkan.

Kemudian, ada beberapa keluarga chi-square, yaitu distribusi chi-square dengan DK=1,2,3, dan lain sebagainya. Karena nilai chi-square selalu positif maka bentuk distribusinya yaitu menjulur positif pula. Jadi, semakin meningkatnya jumlah derajat bebas, maka semakin mendekati pula ke distribusi normal.

3. Rumus Chi-Square

Uji statistik chi square ternyata memiliki dua rumus. Jika pada tabel kontingensi 2 x 2, maka rumus yang paling cocok dipakai yaitu Continuity Correction. Sedangkan jika pada tabel kontingensi 2 x 2 tetapi tidak memenuhi persyaratan uji Chi-Square, maka rumus yang dipakai yaitu Fisher Exact Test.

Kemudian, jika di tabel kontingensi lebih dari 2 x 2 atau 2 x 3 maka rumus yang paling pas dipakai yaitu Pearson Chi-Square. Namun, pada dasarnya Chi-square memiliki rumus dasar yaitu sebagai berikut:

Hal tersebut berarti X2 adalah nilai chi-kuadrat. Sedangkan untuk fe adalah frekuensi yang diharapkan. Kemudian, untuk fo adalah frekuensi yang diperoleh ataupun yang diamati.

4. Langkah-Langkah Pengujian

Adapun langkah-langkah pengujiannya yaitu tulislah dahulu hipotesis Ha dan Ho. Ho : x = 0 yang artinya tidak terdapat hubungan yang signifikan antar kedua variabel. Kemudian untuk Ha : x ≠ 0 artinya yaitu adanya hubungan yang signifikan antar kedua variabel. Langkah selanjutnya yaitu membuat tabel kontingensi berbentuk 2×4 (2 baris dan 4 kolom).

Tiap kotak kotak disebut dengan sel dan setiap sebuah kolom isilah dengan sebuah subvariabel. Kemudian, untuk setiap buah baris isilah sebuah subvariabel pula. Langkah berikutnya yaitu mencari nilai frekuensi yang diharapkan (fe) dan isikan nilai fe ke dalam tabel kontingensi.

Hitung nilai Chi-Square dengan rumus dasar dan tentukan kriteria pengujiannya. Selanjutnya, tentukan pula nilai X2 tabel dan bandingkan X2 hitung dengan X2 tabel. Dengan begitu, peneliti mengetahui kesimpulan dari uji chi square apakah ada hubungan antar kedua variabel dan seberapa besar signifikansinya.

Itulah ulasan mengenai uji statistik Chi Square yang wajib diketahui. Jika mengalami kebingungan saat ingin menggunakan uji statistic yang satu ini, hubungi saja kami. Kami adalah jasa olah data dan bimbingan skripsi, tesis, maupun disertasi yang terbaik dan juga terpercaya.