Konsep-Konsep Dasar Penelitian (Bagian 4)

A. DATA

1. Primer dan Sekunder

Primary Data, adalah data mentah yang dikumpulkan langsung dari sumbernya oleh peneliti baru kemudian diolahnya.

Secondary Data, adalah data olahan yang diambil peneliti dari pihak kedua (pihak yang mengumpulkan langsung dari sumber dan mengolahnya).

Catatan: Jika menggunakan data dari pihak ketiga, maka datanya disebut data tersier, dan seterusnya.

2. Utama dan Pendukung

Prominent/Eminent Data, adalah data pokok dalam suatu penelitian. Jika data ini tidak ada, maka jawaban terhadap pertanyaan penelitian tidak akan didapat.

Supporting Data, adalah data yang meskipun tidak ada pada suatu penelitian namun jawaban atas pertanyaan penelitian masih dapat dibuat, meskipun mungkin dapat dianggap kurang memadai.

3. Kualitatif dan Kuantitatif

Qualitative Data, adalah data yang bukan berupa angka seperti atribut/kategorik.

Catatan: Data kategorik (dengan skala nominal maupun ordinal) dapat dianalisis dengan menggunakan rumus-rumus matematika/statistika setelah diberi kode (coding) berupa angka.

Quantitative Data, adalah data yang berupa angka/numerik (dengan skala ordinal, interval, ataupun rasio)

4. Nominal, Ordinal, Interval, Rasio

Jika dilihat dari skala pengukurannya (Measurement Scale), maka data dapat diklasifikasikan sebagai berikut:

a. Categorical Data

Data kategorik adalah data kualitatif sehingga untuk dapat dianalisis dengan menggunakan rumus matematika/statistika perlu diberi kode (coding) berupa angka. Analisis matematika/statistika yang digunakan adalah berdasarkan hasil membilang (counting) pada setiap kategori/pasangan kategori.

Data kategorik disebut juga data nonmetric atau data yang bukan merupakan hasil pengukuran.

Klasifikasinya adalah:

1) Kategorik Nominal, yaitu data kategorik yang tak dapat dinyatakan bahwa kategori yang satu lebih baik dari kategori lainnya atau dengan kata lain kategori yang tidak memiliki urutan tertentu.

Contoh: Pria – wanita, ungu – biru, dan lain-lain.

Karena tidak memiliki urutan tertentu, maka dapat saja kategori ”pria” diberi kode ”0” dan ”wanita diberi kode ”1” maupun sebaliknya.

2) Kategorik Ordinal, yaitu data kategorik yang mempunyai urutan tertentu namun ”jarak” antar kategori sulit untuk dinyatakan sama.

Contoh: Alat dalam kondisi ”baik”, ”sedang”, ”rusak”.

Karena memiliki urutan, maka jika ”rusak” diberi kode ”1”, maka urutan berikutnya adalah ”sedang’ yang diberi kode ”2”, dan kategori ”baik” diberi kode ”3” atau sebaliknya. Urutan pengkodean di atas tidak dapat ditukar-tukar secara acak, karena akan menjadi tidak sesuai dengan urutan kategorinya.

Data kategorik nominal maupun ordinal dapat diubah menjadi data numerik:

1) rasio, dengan cara membagi jumlah frekuensi suatu kategori dengan kategori yang lain, atau dengan total frekuensi seluruh kategori.

2) ordinal, dengan cara melakukan ranking sesuai dengan jumlah frekuensi dari kategori-kategori yang ada.

b. Numerical Data

Data numerik adalah data metric atau data yang merupakan hasil pengukuran. Jika data hasil pengukuran eksakta menghasilkan data metrik murni (pure metric data), maka pada pengukuran sosial – humaniora, data yang dihasilkan bukan data metrik murni.

Pada pengukuran sosial-humaniora, suatu variabel dikonstruk sedemikian rupa dalam beberapa indikator yang kemudian menjadi dasar pembuatan item pengukuran. Pada setiap item disediakan beberapa pilihan jawaban yang pada dasarnya berbentuk kategorik ordinal. Untuk jawaban yang dipilih pada setiap indikator diubah ke bentuk angka yang disebut scoring. Meskipun kelihatannya sama, namun istilah coding dan scoring berbeda, yaitu:

Coding	Scoring
Diterapkan pada variabel manifest, dimana setiap variabel hanya mengandung 1 item	Diterapkan pada variabel laten yang dikonstruk dari beberapa variabel manifest (indikator), dimana setiap variabel mengandung beberapa item
Hasil coding per item dapat dianalisis langsung, karena setiap item mewakili 1 variabel	Hasil scoring per item tak boleh dianalisis langsung, tapi harus dijumlahkan dengan score item-item lain yang mewakili variabel yang sama.
Data yang dihasilkan merupakan data kategorik baik nominal maupun ordinal	Data yang dihasilkan adalah data interval atau data ordinal yang diperlakukan sebagai data interval

Catatan: Data yang didapat sebagai penjumlahan skor-skor seluruh item pada suatu konstruk variabel laten dimasukkan dalam klasifikasi data interval. Namun ada yang merasa ragu dengan konsep scoring dan coding di atas, ”Apakah data ordinal yang dijumlahkan dapat menghasilkan data interval?”.

Karena itu dalam konteks seperti ini, jumlah skor-skor dari suatu konstruk dinyatakan diperlakukan sebagai data interval (threat as interval), meski sebenarnya dianggap bukan data interval.

1) Numerik Ordinal

Data numerik ordinal adalah data yang berupa angka yang menunjukkan urutan.

Contoh:

a) urutan antrian

b) urutan tempat duduk

c) urutan nomor rumah

d) urutan kemunculan

bentuk khusus data numerik ordinal ini adalah data ranking (rank – order), yaitu data yang dihasilkan dari pengurutan data interval atau rasio baik secara meningkat (ascending) maupun menurun (descending).

Seperti data kategorik ordinal, operasi matematika tak dapat dilakukan pada data ini.

Contoh: Tidak dapat dikatakan bahwa; ranking 3 – ranking 2 = ranking 1

Juga tidak dapat dikatakan bahwa; 2 x kali ranking 1 = ranking 2.

2) Numerik Interval

Data numerik interval selain mengandung unsur urutan juga memiliki unsur kesamaan jarak antar urutan. Karena itulah operasi bilangan dapat dilakukan.

Contoh: 40° C – 30° C = 10°C

40° C adalah 2x lebih panas dari 20° C.

Namun data numerik interval tidak memiliki 0 yang absolut.

Contoh: 0° C = 32° F

Siswa yang mendapat nilai 0 pada tes Statistika tidak dapat diartikan bahwa yang bersangkutan tidak memiliki pengetahuan sama sekali tentang Statistika.

Kesamaan jarak ukuran ini yang sulit dijamin pada suatu pengukuran sosial – humaniora. Karena itulah hasil pengukuran sosial – humaniora dianggap bukan data interval, tetapi data ordinal yang diperlakukan sebagai data interval.

Data numerik interval ini dapat diubah menjadi data:

a) numerik ordinal, dengan cara me-ranking-nya

b) kategorik ordinal, dengan cara mengkategorikannya.

3) Numerik Rasio

Data numerik rasio adalah data yang selain mengandung unsur urutan, memiliki jarak ukuran yang sama, serta memiliki nilai 0 absolut.

Contoh: Jika tidak ada sesuatu yang diletakkan di atas timbangan emas, maka angka digital yang tertera tetap angka 0,00.

Seperti data numerik interval, data numerik rasio ini dapat diubah menjadi data:

a) numerik ordinal, dengan cara me-ranking-nya

b) kategorik ordinal, dengan cara mengkategorikannya.

Catatan: Pada program Statistical Package and Service Solutions (SPSS) digunakan hal-hal sebagai berikut:

- Seluruh data yang di-entry untuk dianalisis diperlakukan sebagai data numerik

- Konsep pendataan disamakan dengan pengukuran yang diklasifikasikan atas skala (scale), ordinal, dan nominal.

Perbandingan dengan konsep sebelumnya dapat dilihat pada tabel berikut:

Konsep Sebelumnya			Konsep di SPSS
Pendataan	Kategorik	Nomial	Pengukuran	Nominal
		Ordinal		Ordinal
	Numerik	Ordinal
		Interval		Skala
		Rasio

Konsep-Konsep Dasar Penelitian (Bagian 3)

A. HIPOTESIS

1. Hipotesis Verbal, Matematis, dan Hipotesis Model

Verbal Hypothesis, adalah hipotesis yang dinyatakan dalam bentuk verbal (menggunakan kata-kata)

Contoh: A lebih baik dari B

Mathematical Hypothesis, adalah hipotesis yang dinyatakan dengan menggunakan lambang matematis.

Contoh: A > B

Model Hypothetic, adalah hipotesis yang dinyatakan dalam bentuk model.

Contoh: A → B

2. Hipotesis Deskriptif, Komparatif, Korelatif, dan Hipotesis Determinatif

Descriptive Hypothesis, adalah hipotesis yang menyatakan sesuatu tanpa menghubungkan atau membandingkannya dengan yang lain.

Contoh: Nilai mata kuliah Statistika mahasiswa PAI sudah cukup baik.

Comparative Hypothesis, adalah hipotesis yang menyatakan perbandingan sesuatu dengan sesuatu yang lain

Contoh: Nilai mata kuliah Statistika mahasiswa PAI kelas A lebih baik dari nilai mata kuliah Statistika mahasiswa PAI kelas B.

Correlative Hypothesis, adalah hipotesis yang menyatakan hubungan korelasional (simetrik) antara sesuatu dengan sesuatu yang lain.

Contoh: Nilai mata kuliah Statistika mahasiswa PAI berkorelasi secara positif dengan nilai mata kuliah Metodologi Penelitian mereka.

Determinative Hypothesis, adalah hipotesis yang menyatakan hubungan fungsional (pengaruh “searah”) antara sesuatu terhadap sesuatu yang lain.

Contoh: IQ mahasiswa PAI berpengaruh positif terhadap nilai mata kuliah Statistika mereka.

3. Hipotesis Nol dan Hipotesis Alternatif

Null Hypothesis disingkat H₀ (baca: Ha Nol), merupakan suatu dugaan utama yang akan diuji.

Pada hipotesis komparatif, korelatif, maupun determinatif hipotesis ini memiliki ciri utama yaitu mengandung kata-kata ”tidak ada” atau ”tidak terdapat” secara eksplisit, sedangkan pada hipotesis model, kata-kata ini bersifat implisit.

Alternative Hypothesis disingkat H_A atau menggunakan lambang angka seperti H₁, merupakan semua kemungkinan lainnya.

Pada hipotesis komparatif, korelatif, maupun determinatif hipotesis ini memiliki ciri utama yaitu mengandung kata-kata ”ada” atau ”terdapat” secara eksplisit, sedangkan pada hipotesis model, kata-kata ini bersifat implisit.

4. Hipotesis Penelitian dan Hipotesis Statistik

Research Hypothesis, adalah hipotesis yang dibuat berdasarkan konstruk teori yang dibangun.

Dengan demikian pada Data Driven Research, hipotesis ini tidak digunakan.

Hipotesis ini dapat digunakan pada penelitian kuantitatif dan kualitatif, terutama yang menggunakan paradigma positivistik.

Karena pada umumnya teori yang ada menyatakan bahwa ada perbedaan, ada hubungan, atau ada pengaruh, maka hipotesis penelitian pada umumnya merupakan H₁.

Jika berdasarkan konstruk teori yang sesuai adalah H₀, maka H₁ tak perlu dibuat, karena hanya akan menunjukkan keraguan peneliti terhadap konstruk teori yang dibangunnya. Begitu pula jika berdasarkan konstruk teori yang sesuai adalah H₁, maka H₀ tak perlu dibuat.

Catatan: Pada perkembangan mutakhir, hipotesis penelitian tidak disebut dengan H₀ atau H₁, karena akan rancu dengan pengertian hipotesis statistik.

Statistical Hypothesis, adalah hipotesis yang dibuat dalam rangka melakukan uji statistik.

Dengan demikian pada Qualitative Research hipotesis ini tidak digunakan, begitu pula pada umumnya untuk Quantitative Research yang bersifat deskriptif.

Hipotesis ini digunakan pada Quantitative Research yang bersifat inferensia, baik yang berupa Theory Driven maupun Data Driven Research.

Untuk uji statistik selalu digunakan pasangan hipotesis, yaitu H₀ dan H₁ (tidak salah satunya saja). Sehingga jika dalam satu penelitian terdapat beberapa uji statistik, maka akan ada beberapa pasang hipotesis statistik pula yang akan digunakan.

Catatan: Karena penggunaan logika hukum pada uji statistik, maka masih banyak pihak yang menyamakan hipotesis statistik dengan H₀, terutama yang dalam uji statistiknya hanya memperhatikan signifikansi uji (α) tanpa memperdulikan power atau kekuatan uji ().

Pada saat yang sama karena kejadian yang bersifat umum, maka hipotesis penelitian disamakan dengan H_1.

Sehingga pasangan H₀ dan H₁ dianggap sebagai pasangan Hipotesis Statistik dan Hipotesis Penelitian (suatu kebiasaan yang perlahan mulai ditinggalkan).

5. Hipotesis Mayor dan Minor

Major Hypothesis, adalah hipotesis penelitian yang bersifat umum

Minor Hypothesis, adalah hipotesis penelitian yang bersifat khusus, yang merupakan bagian dari hipotesis mayor.

Dua jenis hipotesis ini dapat ditemukan pada penelitian yang menggunakan Two-Level Hypothesis.

Penamaan kedua jenis hipotesis ini dapat mengikuti pasangan istilah berikut ini:

Hipotesis	Hipotesis Umum	Hipotesis Mayor
Sub Hipotesis	Hipotesis Khusus	Hipotesis Minor

Konsep-Konsep Dasar Penelitian (Bagian 2)

A. STATISTIK DAN STATISTIKA

Statistika (Statistics), adalah ilmu yang membahas tentang cara:

1. Mengumpulkan data dengan menggunakan rumus dan logika dan rumus matematika/statistika
2. Menyajikan data yang komponen utamanya berupa angka dan umumnya menggunakan rumus matematika/statistika
3. Menganalisis data dengan menggunakan rumus dan logika matematika/statistika
4. Membuat kesimpulan berdasarkan penggunaan logika matematika/statistika

Catatan: Langkah-langkah ini pada dasarnya sama dengan analisis data kualitatif yang dikembangkan kemudian, yaitu;

1. pengumpulan data

2. display data

3. reduksi data

4. penarikan kesimpulan dan verifikasi

Statistic, adalah ukuran-ukuran yang berlaku bagi sampel (lihat ”F. Populasi dan Sampel”)

Konsep-Konsep Dasar Penelitian (Bagian 1)

A. BEBERAPA KLASIFIKASI PENELITIAN

1. Theory Driven dan Data Driven

Theory Driven Research, adalah penelitian yang beranjak dari teori yang sudah ada dan menggunakan teori sebagai landasan penyusunan struktur pertanyaan penelitian, konstruk yang dibangun, hipotesis yang diajukan, ataupun pembahasan terhadap hasil yang didapat.

Beberapa ciri penelitian ini adalah:

a. Penelitian seperti ini cenderung tidak bersifat alami karena intervensi yang cukup kuat dari peneliti.

b. Paradigma yang digunakan adalah positivistik

c. Hasil penelitian bersifat verifikatif yaitu menguji teori

d. Proses berfikir yang digunakan bersifat deduktif yaitu teori yang bersifat umum diuji dalam situasi yang bersifat khusus.

Data Driven Research, adalah penelitian yang beranjak dari data dan membiarkan data berbicara sebagaimana adanya.

Beberapa ciri penelitian ini adalah:

a. Penelitian cenderung bersifat alami, karena tingkat intervensi yang relatif kecil, dimana peneliti hanya menggunakan konsep yang telah dimiliki atau hanya intuisi belaka

b. Paradigma yang digunakan bersifat naturalistik

c. Hasil penelitian merupakan suatu yang bersifat eksplanatif

d. Proses berfikir yang digunakan bersifat induktif dimana data yang bersifat khusus dieksplorasi untuk ditemukan ciri atau polanya yang bersifat umum.

2. Kuantitatif, Kualitatif, dan Gabungan Kuantitatif – Kualitatif

Quantitative Research, adalah penelitian yang menggunakan rumus-rumus statistika/matematika untuk menganalisis datanya.

Qualitative Research, adalah penelitian yang tidak menggunakan rumus-rumus statistika/matematika untuk menganalisis datanya.

Beberapa kesamaan Quantitative Research dan Qualitative Research:

1. Data yang dianalisis dapat berupa data kuantitatif maupun kualitatif

2. Proses berfikir yang digunakan dapat bersifat induktif maupun deduktif

3. Paradigma yang digunakan dapat berupa positivistik maupun non positivistik

4. Dapat bersifat verifikatif maupun explanatif

5. Dapat berlandaskan pada teori maupun tidak

Penggabungan Quantitative Research dan Qualitative Research pada dasarnya membagi penelitian dalam dua tahap atau dengan kata lain merupakan penggabungan dua tahapan penelitian. Penelitian seperti ini dapat dikerjakan dengan cara:

a. Data dianalisis secara kuantitatif dan temuan yang didapat dari hasil analisis didalami dengan menggunakan data yang dianalisis secara kualitatif

b. Data dianalisis secara kualitatif dan temuan yang didapat dari hasil analisis diuji berdasarkan data yang dianalisis secara kuantitatif

3. Eksperimental dan Observasional

Experimental Research, adalah penelitian yang dilakukan dengan cara memberikan perlakuan (treatment) kepada sesuatu dan mengamati dampak (effect) yang ditimbulkannya.

Observational Research, adalah penelitian lain yang bukan penelitian eksperimental (Non Experimental Research). Data yang didapat bukan hanya berasal dari teknik observasi tetapi juga semua teknik pengumpulan data yang lainnya. Dengan kata lain makna observasi pada penelitian ini lebih luas dari makna observasi pada teknik pengumpulan data.

Kelemahan klasifikasi ini adalah terlalu menggeneralisir penelitian di luar penelitian eksperimen dan lebih penting lagi melupakan bahwa data pada penelitian eksperimen pada dasarnya merupakan hasil dari suatu pengamatan (observation) pula.

4. Sejarah, Deskriptif, dan Eksperimen

Historical Research, adalah penelitian yang berkenaan dengan masa lalu.

Descriptive Research, adalah penelitian mengenai saat sekarang sebagaimana adanya

Experimental Research, adalah penelitian mengenai masa depan atau sesuatu yang belum terjadi.

Kelemahan klasifikasi ini adalah:

a. Menganggap filologi, arkeologi, paleontologi dan beberapa penelitian lain yang objek waktunya adalah masa lalu, sama atau merupakan bagian dari historiologi

b. Penggunaan istilah penelitian deskriptif sebagai generalisasi dari penelitian yang objek waktunya adalah masa sekarang mengaburkan makna:

1) Penelitian yang melibatkan satu variabel dalam kaitannya dengan penelitian yang melibatkan banyak variabel

2) data/catatan deskriptif dalam kaitannya dengan data/catatan reflektif

3) analisis deskriptif dalam kaitannya dengan inferensia

4) paparan deskriptif dalam kaitannya dengan paparan interpretif

c. Penambahan kata-kata menggambarkan sesuatu “sebagaimana adanya” memberikan makna bahwa penelitian historis maupun eksperimental tidak menggambarkan sesuatu “sebagaimana adanya”

d. Generalisasi penelitian yang berkaitan dengan masa depan sebagai eksperimen menjadi rancu, karena bagaimanapun eksperimen dilakukan pada masa sekarang, selain itu futurology juga tidaklah sama dengan penelitian eksperimental

e. Secara keseluruhan, “Time Series Analysis” yang datanya melibatkan data masa lalu dan data masa sekarang untuk mem-forcast masa depan menjadi sulit untuk dimasukkan dalam klasifikasi.

Profil Lengkap

ALI HASMY, lahir di Sungai Kunyit pada tanggal 10-10-1966 adalah anak kedua dari enam bersaudara, putra dari H. M. Yatim Bakar dan (Alm) Hj. Hapsah Said. Sekarang bertempat tinggal, di Jalan Danau Sentarum, Komplek Ari Karya Indah 3, No. B-40, Kelurahan Sungai Bangkong, Kecamatan Pontianak Kota, Kota Pontianak (78116), telp. 08-525252-666-1

Menamatkan pendidikan pada SDN 1 Sungai Kunyit pada tahun 1977, SLTPN 1 Sungai Kunyit pada tahun 1981, SPGN Mempawah tahun 1984, SMA Koperasi Pontianak tahun 1985, FKIP UNTAN Pontianak (Jurusan Ilmu Pendidikan, Program Studi Kurikulum & Teknologi Pendidikan) tahun 1990, dan FMIPA Institut Teknologi 10 Nopember Surabaya (Program Pasca Sarjana Jurusan Statistika) tahun 2007. Pendidikan tambahan didapat antara lain melalui Suscadoswir XL LEMHANNAS 1997 dan Pendidikan Dosen Civic Education PP Muhammadiyah. Sejak bersekolah aktif di berbagai organisasi baik ekstra maupun intra. Pada organisasi intra, pernah menjadi Ketua OSIS SLTPN selama 2 periode, menjadi Ketua OSIS SPGN 2 periode, Sekretaris Gempar FKIP UNTAN periode I, Sekretaris SEMA FKIP UNTAN, Sekretaris GRAPHI UNTAN periode I, dan Sekretaris BKMI UNTAN. Pada saat di SLTA terpilih sebagai Siswa Teladan se-Kalimantan Barat. Pada saat kuliah terpilih sebagai Mahasiswa Berprestasi UNTAN dan menjadi Juara Harapan 1 pada Lomba Karya Tulis Ilmiah (LKTI) Mahasiswa Wilayah I & II untuk bidang Pendidikan serta juara IV pada LKTI Mahasiswa Wilayah Barat untuk bidang Sosial. Terakhir menjadi Invited Speaker pada seminar internasional Joint Conference Indonesia-Malaysia on Mathematics & Statistics di ITS serta menjadi Contributed Speaker pada International Seminar on Natural Science & Aplied Natural Science di UAD.

Mengajar Statistika Pendidikan sejak tahun 1993 di Univ. Muhammadiyah Pontianak, memberikan tutorial Statistika Ekonomi I & II serta Statistika Sosial di lingkungan UPBJJ UT Pontianak, Kalbar, serta mengajar Statistika pada beberapa PTS di Kalbar. Di STAIN Pontianak sendiri, mengajarkan Statistika Pendidikan I & II di Jurusan Tarbiyah dan Statistika Sosial di Jurusan Dakwah.