Menurut Ubaidillah, tindak lanjut kegiatan peneliti sesudah pengumpulan data sangat bervariasi bentuknya tergantung dari bagaimana data yang terkumpul akan diorganisasikan. Agar peneliti tidak terhenti langkahnya dengan kebingungan tidak tahu apa yang akan dilakukan selanjutnya, sebaiknya pada waktu menyusun proposal penelitian langkah-langkah tersebut sudah tercermin di dalamnya.
Di sisi lain, perolehan data dalam kancah penelitian sering dibicarakan kadar kevaliditasan dan kereabilitasannya. Pembicaraan masalah ini termasuk hal hal urgen dalam dunia penelitian, mengingat kualitas data yang bersumber dari hasil pengukuran akan ikut menentukan terhadap bagaimana kualitas kegiatan dan hasil suatu penelitian. Pada sisi lain pada persoalan tersebut juga terkait dengan masalah generalisasi, sehingga kualitas hasil data sangat bergantung pada kualitas alat ukurnya. Oleh karena kesahihan dan keterandalam alat ukut merupakan standar mutlak yang tak dapat ditawar lagi oleh seorang peneliti, jika ia menginginkan hasil penelitiannya memiliki kadar kualitas yang memadai. Alasan cukup sederhana, alat ukur yang baik (valid dan reliabel) akan mampu merekam data secara baik; sehingga data yang diperoleh akan memiliki kualitas yang baik pula. Data ini apabila ditindak lanjuti dengan suatu analisis, maka akan dihasilkan suatu kesimpulan (temuan) yang dapat dipercaya.
Persoalan bagaimana teknik membuat alat ukur yang handal dan dapat dipercaya tampaknya sudah ada wilayah pembahasan sediri, termasuk pula bagaiamana penggunaannya. Pembahasan makalah ini akan dibatasi hanya pada persoalan bagaimana tindak lanjut dari perolehan data setelah data terkumpul
melalui alat ukurnya sebab bagaimanapun lengkapnya data, validitas dan reliabilitasnya terpenuhi, jika ternyata tidak ditindak lanjuti dengan suatu analisis, maka data tersebut tidak akan memiliki sedikitpun arti bagi sebuah penelitian kecuali sebuah pemborosan tenaga, waktu, dan bahkan mungkin biaya. Sehubungan dengan hal tersebut, uraian berikut akan mencoba menindak lanjuti data yang terkumpul supaya bisa memiliki fungsi sebagaimana yang diharapkan oleh peneliti dalam aktivitas penelitiannya. Fokus pembahasan makalah ini akan dibatasi pada analisis kuantitatif (data yang berupa angka-angka).
B. Pendekatan Analisis Kuantitatif
Analisis kuantitatif dalam suatu penelitian dapat didekati dari dua sudut pendekatan, yaitu analisis kuantitatif secara deskriptif, dan analisis kuantitatif secara inferensial. Masing-masing pendekatan ini melibatkan pemakaian dua jenis statistik yang berbeda. Yang pertama menggunakan statistik deskriptif dan yang kedua menggunakan stastistik inferensial. Kedua jenis statistik ini memiliki karakteristik yang berbeda, baik dalam hal teknik analisis maupun tujuan yang akan dihasilkannya dari analisisnya itu (lihat Sudijono:1987:4).
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. Dengan demikian hasil olahan data dengan statistik ini hanya sampai pada tahap deskripsi, belum sampai pada tahap generalisasi. Dengan kata lain, statistik deskriptif adalah statistik yang mempunyai tugas mengorganisasi dan menganalisa data angka, agar dapat memberikan gambaran secara teratur, ringkas dan jelas, mengenai suatu gejala, peristiwa atau keadaan, sehingga dapat ditarik pengertian atau makna tertentu.
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.
C. Jenis Data Statistik
Sudah dikenal bahwa statistik merupakan salah satu cara yang banyak manfaatnya bagi peneliti untuk menganilis data. Satu modal penting yang harus dikuasai terlebih dahulu oleh peneliti yang akan menggunakan teknik statistik adalah pengertian mengenai jenis data yang akan dianalisis, agar penggunaan data kuantitatif untuk keperluan analisis statistik tepat sasaran. Atau sebaliknya, pemilihan jenis teknik statistik dapat dipilih secara tepat sesuai dengan sifat-sifat atau jenis-jenis data yang dihadapi.
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 karaktristik tersendiri yang berbeda antara satu dengan lainnya.
1. 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 misalnya laki-laki/wanita (laki-laki adalah ya laki-laki; dan wanita adalah “tidak laki-laki”), kawin /tidak kawin; janda/duda, dan lainnya.
Data nominal selain contoh di atas terdapat pula yang berupa angka-angka. Akan tetapi angka-angka tersebut bukan merupakan suatu atribut, oleh sebab itu pada angka tersebut tidak berlaku hitungan matematis. Contoh data ini misalnya nomor punggung pemain sepak bola, nomor rumah, nomor plat mobil dan lainnya. Nomor-nomor tersebut semata-semata hanya menunjukkan simbol, tanda, atau stribut saja.
2. 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: prestasi belajar siswa diklasifikasikan menjadi kelompok “baik”, “cukup”, dan “kurang”, atau ukuran tinggi seseorang dengan “tinggi”, “sedang”, dan “pendek”.
Dalam kaitannya dengan analisis data, terhadap data ordinal seringkali diberikan “skor’ sesuai dengan tingkatannya. Istilah “skor” diberi tanda petik karena skor tersebut bukan skor sebenarnya, tetapi sebagai “tanda” yang menunjukkan tingkatan.
Contoh: “Baik” …….. diberi tanda 3
“Cukup” …….. diberi tanda 2
“Kurang” …….. diberi tanda 1
Contoh lain data ordinal misalnya 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.
Data ordinal mempunyai nilai yang lebih tinggi dibandingkan dengan data diskrit karena mempunyai tingkatan yang lebih banyak daripada data diskrit yang hanya mempunyai dua kategori yaitu “ya” dan “tidak”.
3. 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 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.
4. 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. Misalnya 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.
D. Teknik Analisis Kuantitatif
Sebagaimana dijelaskan di muka bahwa analisis kuantitatif dapat didekati dari dua sudut pendekatan, yaitu analisis kuantitatif deskriptif dan analisis kuantitatif inferensial. Bagaimana teknik penggunaan masing-masing pendekatan tersebut berikut disajikan contoh penggunaannya.
1. Analisis Kuantitatif Deskriptif
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, mediandan mean (lebih lanjut lihat Arikunto, 1993: 363).
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.
Ciri analisis kuantitatif adalah selalu berhubungan dengan angka, baik angka yang diperoleh dari pencacahan maupun penghitungan. Data yang telah diperoleh dari pencacahan selanjutnya diolah dan disajikan dalam bentuk yang lebih mudah dimengerti oleh pengguna data tersebut. Sajian data kuantitatif sebagai hasil analisis kuantitatif dapat berupa angka-angka maupun gambar-gambar grafik.
Seorang dosen Statistik Pendidikan tertarik untuk meneliti Kemampuan Statistik Pendidikan mahasiswa. Untuk keperluan tersebut peneliti melihat nilai Ujian Tengah Semester (UTS) dan Ujian Semester dalam matakuliah yang diberikannya kepada 14 mahasiswa semester 4 di salah satu perguruan tinggi. Setelah melakukan studi dokumenter diperoleh data sebagai berikut:
Tabel 1
Skor Ujian Statistik Pendidikan Mahasiswa Semester V
| Nama Mahasiswa | Nilai U T S | Nilai U A S | Statistik Pendidikan |
| A | 65 | 70 | 67,5 |
| B | 70 | 73 | 71,5 |
| C | 75 | 80 | 77,7 |
| D | 73 | 71 | 72 |
| E | 60 | 75 | 67,5 |
| F | 65 | 72 | 68,5 |
| G | 74 | 80 | 77 |
| H | 68 | 74 | 71 |
| I | 67 | 78 | 72,5 |
| J | 65 | 78 | 71,5 |
| K | 80 | 82 | 81 |
| L | 78 | 81 | 79,5 |
| M | 76 | 78 | 77 |
| N | 72 | 80 | 76 |
| N = 14 |
Untuk mengetahui lebih lanjut bagaimana kualifikasi kemampuan mahasiswa tersebut dalam mata kuliah Statistik pendidikan, baik ditinjau dari nilai Ujian Tengah Semester maupun Ujian Semester, skor-skor tersebut dikonversi menjadi nilai. Pengkonversian skor menjadi nilai dapat dipergunakan pendekatan Penilaian Acuan Norma (PAN) atau Penilaian Acuan Patokan (PAP). Jika pendekatan pertama (PAN) yang dipergunakan, maka norma yang dijadikan standar adalah nilai Rata-rata (Mean) dan Standar Deviasi (SD) masing-masing nilai variabel. Namun, jika yang dipergunakan pendekatan kedua (PAP), maka standarnya adalah standar nilai yang dimiliki oleh lembaga yang bersangkutan. Misalnya STAIN Jember memiliki standar nilai prestasi hasil belajar mahasiswa sebagai berikut:
Tabel 2
Standar Konversi dan Kualifikasinya
| NO | SKOR | NILAI | KODE | KUALIFIKASI |
| 1
2
3
4
5
| 80 – 100
70 – 79
60 – 69
50 – 59
0 – 49
| 4
3
2
1
0
| A
B
C
D
E
| Baik Sekali
Baik
Cukup
Kurang
Sangat Kurang
|
Dengan berpedoman pada standar di atas, maka skor hasil pengukuran kemampuan Statistik Pendidikan yang terdapat pada tabel 1 dapat dilakukan konversi. Melalui cara ini dapat diketahui distribusi nilai berikut kualifikasinya. Hal ini dapat dilihat pada tabel berikut:
Tabel 3
Kualifikasi Nilai Ujian Statistik Pendidikan Mahasiswa Semester V
Jurusan Tarbiyah STAIN Jember TH. 2001/2002
| Nama Mhs | Nilai UTS | Nilai Ujian Semester | Statistik Pendidikan | |||
| Skor | Kw | Skor | Kw | Skor | Kw. | |
| A | 65 | C | 70 | B | 67,5 | C |
| B | 70 | B | 73 | B | 71,5 | B |
| C | 75 | B | 80 | A | 77,5 | B |
| D | 73 | B | 71 | B | 72 | B |
| E | 60 | C | 75 | B | 67,5 | C |
| F | 65 | C | 72 | B | 68,5 | C |
| G | 74 | B | 80 | A | 77 | B |
| H | 68 | C | 74 | B | 71 | B |
| I | 67 | C | 78 | B | 72,5 | B |
| J | 65 | C | 78 | B | 71,5 | B |
| K | 80 | A | 82 | A | 81 | A |
| L | 78 | B | 81 | A | 79,5 | B |
| M | 76 | B | 78 | B | 77 | B |
| N | 72 | B | 80 | A | 76 | B |
| N = 14 | 1030 | |||||
Langkah selanjutnya agar hasil konversi nilai memiliki makna lebih jelas, maka dilakukan kualifikasi berdasarkan jenis-jenis variabel beserta kualifikasinya. Tabel-tabel berikut merupakan hasil dari prosedur pengerjaan ini. Dari tabel-tabel tersebut peneliti mulai bisa bicara sesuai dengan keadaan yang termuat di dalamnya. Misalnya pada tabel 4 peneliti mulai mendeskripsikan bahwa nilai Statistik Pendidikan mahasiswa Jurusan Tarbiyah STAIN Jember Semeter V, tidak tampak (0%) yang berkategori/berkualifikasi Kurang (D) dan Sangat Kurang (E) tidak tampak (0%). Kualifikasi nilai mereka berkisar antara nilai Baik Sekali 7%, Baik sebesar 71,43%, dan selebihnya berkualifikasi Cukup 21,43%. Secara umum dapat dikatakan bahwa nilai Statistik Pendidikan yang diperoleh mahasiswa Jurusan Tarbiyah termasuk Baik. Hal ini dapat dilihat pula dari nilai rata-ratanya, yaitu sebesar 73.57.
Tabel 4
Nilai Statistik Pendidikan Mahasiswa Jurusan Tarbiyah
Nilai
| Ujian Teng. Sem. | Ujian Semester | Statistik Pend. | |||
| F | % | F | % | F | % | |
| A
B
C
D
E
| 1
7
6
0
0
| 7
50
42,86
0
0
| 5
9
0
0
0
| 35,71
64,29
0
0
0
| 1
10
3
0
0
| 7
71,43
21,43
0
0
|
2. Analisis Kuantitatif Inferensial
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. Perhatikan tabel berikut:
Tabel 5
Jenis Data dan teknik Analisis Korelasi yang Tepat
| Variabel 1 | Variabel 2 | Teknik Analisis Korelasi |
| Interval
Ordinal (rangking)
Rangking
Interval
Interval
Interval
Dikhotomi buatan
Dikhotomi asli
Kategorik asli atau buatan
| Product Moment
Tata jenjang (lebih tepat untuk N kurang dari 30
Tau dari Kendall (lebih tepat untuk N kurang dari 10)
Biserial
Wide Spread biserial
Point biserial
Tetrachoric
Korelasi Phi
Chi Kuadrat dilanjutkan Koefisien Kontingensi
|
(Suharsimi Arikunto, 1993: 422)
Untuk jenis penelitian Komparasi dan/atau eksperimen, jika hanya dua variabel yang diperbandingkan, maka penggunaan t-tes lebih tepat dengan memperhatikan besar kecilnya data serta sifat hubungan variabelnya. Namun apabila lebih dari dua variabel, maka penggunaan analisis varians akan lebih efektif dan efisien. Apalagi sekarang sudah cukup memasyarakat penggunaan komputer sebagai sarana analisis data.
Mengingat waktu yang sangat terbatas, tentu tidak mungkin semua teknik statistik tersebut akan dibahas. Pada bagian ini hanya akan diberikan contoh analisis dengan teknik korelasi Tata Jenjang. Teknik korelasi ini dipergunakan untuk melihat ada tidaknya hubungan antara dua variabel bebas (X) dan variabel terikat (Y). Persyaratan yang harus dipenuhi di dalam mempergunakan teknik ini selain datanya harus berskala ordinal, baik variabel X maupun variabel Y, dan jumlah kasusnya kurang dari 30 kasus.
Data pada tabel 1 (mahasiswa Jurusan Tarbiyah) dapat dipergunakan sebagai contoh analisis kuantitatif inferensial. Nilai Ujian Tengah Semester dianggap variabel bebas (X) dan Nilai Ujian Semester sebagai variabel terikat (Y). Berhubung teknik statistik inferensial selalu berhubungan dengan hipotesis nihil (H0), maka terlebih dahulu harus dipersiapkan hipotesis ujinya berupa hipotesis nihil. Misalnya sebagai berikut:
“Tidak ada hubungan antara nilai Ujian Tengah Semester dengan nilai Ujian Semester pada mahasiswa Jurusan Tarbiyah STAIN Jember dalam mata kuliah Statistik Pendidikan”
Selanjutnya dengan mempergunakan data dari tabel 1 (mahasiswa Jurusan Tarbiyah) dibuatkan tabel kerja sebagai berikut:
Tabel 1
Tabel Kerja Untuk Menghitung Koefisien Korelasi
Nilai Ujian Tengah Semester (X) dan Ujian Semester (Y)
Dalam Matakuliah Statistik Pendidikan
| Nama Mahasiswa | Nilai | Rangking |
D
| 2
D
| ||
| X | Y | X | Y | |||
| A | 65 | 70 | 12 | 14 | - 2 | 4 |
| B | 70 | 73 | 8 | 11 | - 3 | 9 |
| C | 75 | 80 | 4 | 4 | 0 | 0 |
| D | 73 | 71 | 6 | 13 | - 7 | 49 |
| E | 60 | 75 | 14 | 9 | 5 | 25 |
| F | 65 | 72 | 12 | 12 | 0 | 0 |
| G | 74 | 80 | 5 | 4 | 1 | 1 |
| H | 68 | 74 | 9 | 10 | - 1 | 1 |
| I | 67 | 78 | 10 | 7 | 3 | 9 |
| J | 65 | 78 | 12 | 7 | 5 | 25 |
| K | 80 | 82 | 1 | 1 | 0 | 0 |
| L | 78 | 81 | 2 | 2 | 0 | 0 |
| M | 76 | 78 | 3 | 7 | - 4 | 16 |
| N | 72 | 80 | 7 | 4 | 3 | 9 |
| N = 14 | - | - | - | - | 0 | 148 |
=
=
=
=
=
= 0,675
Bagaimana melakukan tes signifikansi terhadap hasil di atas? Sama seperti korelasi Product Moment, maka koefisien korelasi hasil perhitungan tersebut harus dikonsultasikan atau dibandingkan dengan nilai r dalam tabel. Bedanya jika r product moment mempergunakan tabel product moment, maka rho mempergunakan tabel Spearman. Tabel ini terdapat pada lampiran buku-buku statistik. Jadi koefisien korelasi dari hasil perhitungan di atas (rho = 0,675), jika dikonsultasikan dengan harga kritiknya ( r tabel). Dengan N sebanyak 14 , dan tingkat signifikansi 5 % , maka harga r tabel didapat sebesar 0,544. Berarti re > rt, sehingga hasil uji tersebut membuktikan adanya hubungan yang signifikan antara Nilai ujian Tengah Semester dengan Nilai Ujian Semester. Jadi andaikata berbunyi:
“Tidak ada hubungan antara nilai Ujian Tengah Semester dengan nilai Ujian Semester pada mahasiswa Jurusan Tarbiyah STAIN Jember dalam mata kuliah Statistik Pendidikan”
Maka berdasarkan hasil uji di atas ditolak. Kita tidak mempunyai alasan untuk menerimanyanya. Jadi kesimpulannya ialah kita menerima , yaitu ada ada hubungan yang positif antara nilai Ujian Tengah Semester dengan nilai Ujian Semester pada mahasiswa Jurusan Tarbiyah STAIN Jember dalam mata kuliah Statistik Pendidikan”
Artinya semakin baik nilai Ujian Tengah Semester, akan semakin baik pula Nilai Ujian Semester Mata kuliah Statistik Pendidikan Mahasiswa jurusan Tarbiyah STAIN Jember, dan sebaliknya semakin rendah nilai Ujian Tengah Semester, semakin rendah nilai Ujian Semesternya.
E. Tes Signifikansi
Tes signifikansi artinya melakukan perbandingan antara nilai hasil perhitungan dengan nilai yang ada di dalam tabel statistik. Perlu diingat bahwa setiap jenis teknik statistik. Selalu disertai dengan angka-angka tabel, sehingga ada yang berpendapat bahwa keterampilan statistik itu sebenarnya hanya keterampilan membandingkan angka-angka perhitungan dengan angka-angka tabelnya.
Di dalam pembandingan tersebut jika nilai hasil perhitungan nilai tabel, berarti signifikan (ditolak dan diterima). Sebaliknya jika hasil perhitungan nilai tabel berarti non signifikan ( diterima dan ditolak).
F. Penutup
Makalah ini sebenarnya masih tergolong elementer, sehingga bagi mereka yang telah banyak makan garam, tentu tulisan ini kurang bermakna. Namun, bagi pemula atau yang belum banyak mempraktekkan analisis statistik, makalah ini akan sedikit membantu dan merangsang untuk mencoba menjelajahi lebih jauh lagi.
Harapannya semoga makalah ini ada manfaatnya untuk meningkatkan wawasan dan kemampuan mahasiswa dalam mempraktekkan sebagian teknik analisis statistik dalam bidang yang akan digelutinya, terutama ketika akan menulis skripsi di mana teknik analisisnya menggunakan teknik analisis kuantitatif, baik deskriptif maupun inferensial. Amin……..
REFERENSI
A. Latif, Misno, 2000, Teknik Analisis Data Kuantitatif, Makalah diklat Action Research Mahasiswa STAIN Jember.
Arikunto, Suharsimi, 1993, Manajemen Penelitian, Jakarta: Rineka Cipta.
Maqsun Arr. Sofwan, Misno A. Latif, 1991, Pengantar Statistik Pendidikan, Jember, FKIP.
Sudijono, Anas, 1987, Pengantar Statistik Pendidikan, Jakarta: Rajawali Pers.
Wayan Ardana, 1982, Beberapa Metode Statistik Untuk Penelitian Pendidikan, Surabaya: Usaha Nsional.
No comments:
Post a Comment