Analisis Data Kuantitatif dan Statistik Inferensial

Kali ini admin postingkan analisis data kuantitatif dan statistik inferensial silahkan simak dibawah ini.

PENGOLAHAN DATA DAN STATISTIKA

METODE KUANTITATIF


I.                  PENGOLAHAN DATA KUANTITATIF
A. Data Berdasarkan Sumbernya
Berdasarkan sumbernya, data penelitian dapat dikelompokkan dalam dua jenis, yaitu data primer dan data sekunder.
1. Data primer adalah data yang diperoleh atau dikumpulkan oleh peneliti secara langsung dari sumber data utama. Data primer disebut juga sebagai data asli atau data baru yang memiliki sifat up to date. Untuk mendapatkan data primer, peneliti harus mengumpulkannya secara langsung. Teknik yang dapat digunakan peneliti untuk mengumpulkan data primer antara lain: observasi, wawancara, dan penyebaran kuesioner.
2. Data Sekunder adalah data yang diperoleh atau dikumpulkan oleh peneliti dari berbagai sumber yang telah ada (peneliti sebagai tangan kedua). Data sekunder dapat diperoleh dari berbagai sumber seperti Biro Pusat Statistik (BPS), buku, laporan, jurnal, dan lain-lain.

B. Data Berdasarkan Bentuk dan Sifatnya
Berdasarkan bentuk dan sifatnya, data penelitian dapat dibedakan dalam dua jenis yaitu data kualitatif (berbentuk kata-kata/kalimat) dan data kuantitatif (berbentuk angka).
1. Data Kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk angka. Data kualitatif diperoleh melalui berbagai macam teknik pengumpulan data misalnya wawancara, analisis dokumen, diskusi terfokus, atau observasi yang telah dituangkan dalam catatan lapangan (transkrip). Bentuk lain data kualitatif adalah gambar yang diperoleh melalui pemotretan atau rekaman video.
2. Data Kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik perhitungan matematika atau statistika. Data kuantitatif dapat dikelompokkan berdasarkan cara untuk mendapatkannya, yaitu data diskrit dan data kontinum. Berdasarkan sifatnya, data kuantitatif terdiri atas data nominal, data ordinal, data interval dan data rasio. Berdasarkan proses atau cara untuk mendapatkannya, data kuantitatif dapat dikelompokkan dalam dua bentuk yaitu sebagai berikut:

a.       Data diskrit adalah data dalam bentuk angka (bilangan) yang diperoleh dengan cara membilang. Karena diperoleh dengan cara membilang, data diskrit akan berbentuk bilangan bulat (bukan bilangan pecahan).
b.      Data kontinum adalah data dalam bentuk angka/bilangan yang diperoleh berdasarkan hasil pengukuran. Data kontinum dapat berbentuk bilangan bulat atau pecahan tergantung jenis skala pengukuran yang digunakan.
Berdasarkan tipe skala pengukuran yang digunakan, data kuantitatif dapat dikelompokkan dalam empat jenis (tingkatan) yang memiliki sifat berbeda yaitu:
a. Data nominal atau sering disebut juga data kategori adalah data yang diperoleh melalui pengelompokkan obyek berdasarkan kategori tertentu. Perbedaan kategori obyek hanyalah menunjukkan perbedaan kualitatif. Walaupun data nominal dapat dinyatakan dalam bentuk angka, namun angka tersebut tidak memiliki urutan atau makna matematis sehingga tidak dapat dibandingkan. Logika perbandingan “>” dan “<” tidak dapat digunakan untuk menganalisis data nominal. Operasi matematik seperti penjumlahan (+), pengurangan (-), perkalian (x), atau pembagian (:) juga tidak dapat diterapkan dalam analisis data nominal.
b. Data ordinal adalah data yang berasal dari suatu objek atau kategori yang telah disusun secara berjenjang menurut besarnya. Setiap data ordinal memiliki tingkatan tertentu yang dapat diurutkan mulai dari yang terendah sampai tertinggi atau sebaliknya. Namun demikian, jarak atau rentang antar jenjang yang tidak harus sama. Dibandingkan dengan data nominal, data ordinal memiliki sifat berbeda dalam hal urutan. Terhadap data ordinal berlaku perbandingan dengan menggunakan fungsi pembeda yaitu “>” dan “<”. Walaupun data ordinal dapat disusun dalam suatu urutan, namun belum dapat dilakukan operasi matematik.
c. Data Interval adalah data hasil pengukuran yang dapat diurutkan atas dasar kriteria tertentu serta menunjukan semua sifat yang dimiliki oleh data ordinal. Kelebihan sifat data interval dibandingkan dengan data ordinal adalah memiliki sifat kesamaan jarak (equality interval) atau memiliki rentang yang sama antara data yang telah diurutkan. Karena kesamaan jarak tersebut, terhadap data interval dapat dilakukan operasi matematik penjumlahan dan pengurangan ( +, - ). Namun demikian masih terdapat satu sifat yang belum dimiliki yaitu tidak adanya angka Nol mutlak pada data interval.
d. Data rasio adalah data yang menghimpun semua sifat yang dimiliki oleh data nominal, data ordinal, serta data interval. Data rasio adalah data yang berbentuk angka dalam arti yang sesungguhnya karena dilengkapi dengan titik Nol absolut (mutlak) sehingga dapat diterapkannya semua bentuk operasi matematik.  
Pemahaman peneliti terhadap jenis-jenis data penelitian tersebut di atas bermanfaat untuk menentukan teknik analisis data yang akan digunakan. Terdapat sejumlah teknik analisis data yang harus dipilih oleh peneliti berdasarkan jenis datanya. Teknik analisis data kualitatif akan berbeda dengan teknik analisis data kuantitatif. Karena memiliki sifat yang berbeda, maka teknik analisis data nominal akan berbeda dengan teknik analisis data rdinal, data interval, dan data rasio.

C. ANALISIS DATA KUANTITATIF
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 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.
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.
              Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari seluruh responden atau sumber data lain terkumpul. Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat dua macam statistik yang digunakan untuk menganalisis data dalam penelitian, yaitu statistik deskriptif dan statistik inferensial.

D. PROSES PENGOLAHAN DAN ANALISIS DATA KUANTITATIF
Diperlukan rangkaian proses pengolahan serta analisis agar data dapat digunakan sebagai landasan empirik dalam menjawab rumusan masalah atau menguji hipotesis penelitian. Kegiatan analisis data dalam penelitian kuantitatif meliputi pengolahan dan penyajian data, melakukan berbagai perhitungan untuk mendeskripsikan data, serta melakukan analisis untuk menguji hipotesis. Perhitungan dan analisis data kuantitatif dilakukan menggunakan teknik statistik.
a.    Pengolahan Data
Pengolahan data adalah suatu proses untuk mendapatkan data dari setiap variabel penelitian yang siap dianalisis. Pengolahan data meliputi kegiatan pengeditan data, tranformasi data (coding), tabulasi data dan  penyajian data sehingga diperoleh data yang lengkap dari masing-masing obyek untuk setiap variabel yang diteliti.
1. Pengeditan Data (Editing) adalah pemeriksaan atau koreksi data yang telah dikumpulkan. Pengeditan dilakukan karena kemungkinan data yang masuk (raw data) tidak memenuhi syarat atau tidak sesuai dengan kebutuhan. Pengeditan data dilakukan untuk melengkapi kekurangan atau menghilangkan kesalahan yang terdapat pada data mentah. Kekurangan dapat dilengkapi dengan mengulangi pengumpulan data atau dengan cara penyisipan (interpolasi) data. Kesalahan data dapat dihilangkan dengan membuang data yang tidak memenuhi syarat untuk dianalisis.
2. Coding dan Tranformasi Data adalah pemberian kode-kode tertentu pada tiap-tiap data termasuk memberikan kategori untuk jenis data yang sama. Kode adalah simbol tertertu dalam bentuk huruf atau angka untuk memberikan identitas data. Kode yang diberikan dapat memiliki makna sebagai data kuantitatif (berbentuk skor). Kuantikasi atau transformasi data menjadi data kuantitatif dapat dilakukan dengan memberikan skor terhadap setiap jenis data dengan mengikuti kaidahkaidah dalam skala pengukuran.
3. Tabulasi Data adalah proses menempatkan data dalam bentuk tabel dengan cara membuat tabel yang berisikan data sesuai dengan kebutuhan analisis. Tabel yang dibuat sebaiknya mampu meringkas semua data yang akan dianalisis. Pemisahann tabel akan menyulitkan peneliti dalam proses analisis data.

b.    Penyajian Data
Teknik penyajian dan analisis data kuantitatif dilakukan menggunakan teknik statistik. Terdapat berbagai teknik statistik yang dapat diterapkan untuk menyajikan dan mendeskripsikan data kuantitatif, mulai dari yang sederhana sampai yang kompleks tergantung jenis data serta tujuan atau masalah penelitian.
1. Penyajian Data dalam Bentuk Tabel
Tabel adalah model penyajian yang disusun dalam baris dan kolom. Tabel data berupa kumpulan angka-angka berdasarkan kategori tertentu. Suatu tabel minimal memuat judul tabel, judul kolom, judul baris, nilai pada setiap baris dan kolom, serta sumber yang menunjukkan dari mana data tersebut diperoleh. Berdasarkan pengaturan baris dan kolom, suatu tabel dapat dibedakan dalam beberapa bentuk, yaitu:
a). Tabel Klasifikasi Satu Arah, tabel ini digunakan untuk mengelompokkan data berdasarkan satu criteria tertentu.
b). Tabel Silang, tabel ini biasanya digunakan untuk mengelompokkan data berdasarkan dua atau lebih kriteria.
c). Tabel Distribusi Frekuensi, tabel ini disusun apabila jumlah data yang akan disajikan cukup banyak. Tabel distribusi frekuensi disusun melalui tahapan sebagai berikut:
1.      Mengurutkan data dari yang terkecil sampai yang terbesar
2.      Menghitung rentang skor = Skor tertinggi – Skor terendah
3.      Menetapkan jumlah kelas dengan menggunakan aturan Strugess
4.      Menetapkan panjang kelas interval
5.      Menentukan batas bawah kelas interval pertama (diambil data terkecil)
6.      Menetapkan panjang batas setial kelas setiap
7.      Menghitung frekuensi relatif yaitu jumlah anggota dari masing-masing kelompok kelas interval
8.      Menghitung prosentase frekuensi relatif yaitu prosentase frekuensi untuk masing-masing kelas interval
9.      Menghitung frekuensi kumulatif dan prosentasenya untuk masing-masing batas bawah kelas interval.
2. Penyajian Data dalam Bentuk Diagram/Grafik
Grafik atau diagram biasanya dibuat berdasarkan tabel. Grafik merupakan visualisasi data pada tabel yang bersangkutan. Berikut contoh-contoh bentuk grafik atau diagram yang biasa digunakan dalam penyajian data penelitian kuantitatif, yaitu:
a). Diagram Lingkaran (Pie Chart), digram lingkaran atau pie chart biasanya digunakan untuk melihat komposisi data dalam berbagai kelompok.
b). Diagram Batang, diagram batang biasanya digunakan untuk melihat perbandingan data berdasarkan panjang batang dalam suatu diagram.
c). Diagram Garis, diagram garis biasanya digunakan untuk melihat perkembangan suatu kondisi. Perkembangan tersebut bisa naik dan bisa juga turun. Hal ini akan Nampak secara visual dalam bentuk garis.
d). Grafik Histogram Frekuensi, histogram adalah penyajian tabel distribusi frekuensi yang dubah dalam bentuk diagram batang. Untuk membuatnya digunakan sumbu mendatar sebagai batas kelas dan sumbu vertikal sebagai frekuensi.
c. Deskripsi dan Ukuran Data
Penelitian kuantitatif biasanya berkenaan dengan sekolompok data. Deskripsi data yang memperlihatkan karakteristik atau ukuran sekelompok data dianalisis menggunakan teknik statistik deskriptif. Tujuannya adalah memperoleh gambaran umum mengenai data atau skor variabel yang diukur. Teknik analisis yang sering digunakan untuk mendeskripsikan data antara lain: (1) Ukuran pemusatan data (rata-rata, median, dan modus), serta (2) Ukuran penyebaran data (rentang, simpangan baku, dan varians).
1.         Ukuran Pemusatan Data
Ukuran pemusatan data memperlihatkan suatu ukuran kecenderungan skor dalam suatu kelompok data. Terdapat tiga jenis ukuran kecenderungan pemusatan data (central tendency) yang sering digunakan dalam mendeskripsikan data kuantitatif yaitu rata-rata, media, dan modus. Ukuran tersebut sering digunakan untuk menggambarkan karakteristik kelompok data tanpa harus menunjukkan semua data yang ada dalam kelompok tersebut. Misalnya, dengan menyebutkan rata-ratanya sudah terjelaskan gambaran umum suatu kelompok data.
1). Modus, adalah data yang paling sering muncul pada suatu distribusi dalam satu kelompok data.
2). Median, adalah nilai tengan diperoleh dengan cara mengurutkan data mulai dari skor terkecil sampai tertinggi dalam satu kelompok kemudian dicari nilai tengahnya.
3). Mean, adalah rata-rata diperoleh dengan cara menjumlahkan seluruh data dalam satu kelompok kemudian dibagi dengan jumlah anggota kelompok tersebut.
2. Ukuran Penyebaran Data
Penjelasan keadaan sekelompok data dapat pula didasarkan pada ukuran penyebarannya atau variasinya. Sebaran data menunjukkan variasi data secara keseluruhan dilihat dari nilai tengahnya (rata-ratanya). Ukuran penyebaran data biasanya dilakukan dengan melihat rentang skor (kisaran data), varians, dan simpangan baku (standard deviation)
1). Rentang, rentang diperoleh dengan cara mengurangi data terbesar dengan data terkecil dalam satu kelompok data.
2). Varians (s2), varian dapat menjelaskan homogenistas suatu kelompok. Semakin kecil varians maka semakin homogen data dalam kelompok tersebut. Sebaliknya, semakin besar varians maka maka makin heterogen data dalam kelompok tersebut.
3). Simpangan Baku atau standar deviasi yang diberi simbol (s) adalah akarvarians (s2). Simpangan baku memiliki fungsi yang sama dengan varians dalam menjelaskan sekelompok data.

d. Pengujian Hipotesis
Penelitian kuantitatif pada umumnya diarahkan untuk menguji hipotesis. Kebenaran hipotesis penelitian harus dibuktikan berdasarkan data yang telah dikumpulkan. Hipotesis penelitian adalah jawaban sementara terhadap rumusan masalah yang diajukan dalam penelitian kuantitatif. Berdasarkan sifat masalahnya dapat dibedakan dua jenis hipotesis yaitu:
a. Hipotesis Komparatif: yaitu hipotesis yang diajukan sebagai jawaban atas rumusan masalah penelitian yang menanyakan tentang ada atau tidaknya perbedaan keberadaan variabel dari dua kelompok data atau lebih.
b. Hipotesis Asosiatif, yaitu hipotesis yang diajukan sebagai jawaban atas rumusan masalah penelitian yang menanyakan tentang hubungan antar dua variabel atau lebih.

1. Pengujian Hipotesis Komparatif (Uji Perbedaan)
Dalam proses penelitian pendidikan seringkali dilakukan analisis data dengan tujuan untuk membandingkan dua kelompok data atau lebih. Misalnya membandingkan hasil pretes dengan postes; membandingkan prestasi belajar siswa di beberapa sekolah; membandingkan mutu sekolah, atau perbandingan lain sesuai dengan lingkup kajian penelitian pendidikan. Analisis komparatif atau uji perbedaan digunakan untuk menguji hipotesis komparatif. Berdasarkan hasil analisis komparatif tersebut dapat ditemukan faktor-faktor yang melatarbelakangi munculnya suatu perbedaan. Teknik yang digunakan dalam analisis komparatif tergantung jenis data yang akan diuji. Berikut disajikan beberapa teknik analisis statistik komparatif yang dapat digunakan untuk setiap jenis data.
 Tabel Jenis Data dan Teknik Analisis Komparatif yang digunakan
Jenis data
Tipe Komparatif
Dua kelompok sampel
k kelompok sampel (k>2)
Berpasngan
independen
Berpasangan
Independen
Nominal
· McNemar
· Fisher Exact Probability
· X2 dua sampel

· Chochran Q
· c2 untuk k sample
Ordinal
·  Sign Test
·  Wilcoxon Matched Pairs
· Median Test
· Mann Whitney U-test
· Kolomogorov Smirnov
· Wald Wolfowitz
· Friedman Two-Way Anova
· Median Extention
· Kruskal-Wallis One Way Anova

Interval atau rasio
· Uji-t sampel berpasangan
· Uji-t sampel independen
· One-Way Anova (Anova Satu Jalur)
· Two-Way Anova (Anova Dua Jalur)
· One-Way Anova (Anova Satu Jalur)
· Two-Way Anova (Anove Dua Jalur)

2. Pengujian Hipotesis Asosiatif (Analisis Korelasi)
Hipotesis asosiatif merupakan dugaan adanya hubungan antara variable penelitian. Kekuatan hubungan antar variabel tersebut dinyatakan dalam koefisien korelasi. Koefisien korelasi memperlihatkan sejauh mana variasi dalam satu variabel berhubungan dengan variasi dalam variabel lainnya. Pengujian hipotesis asosiatif dilakukan dengan cara menghitung dan menguji signifikansi koefisien korelasi. Kekuatan hubungan dapat dilihat dan besar kecilnya koefisien korelasi. Nilai yang mendekati nol berarti lemahnya hubungan dan nilai yang mendekati angka satu menunjukkan kuatnya hubungan.
Terdapat beberapa teknik analisis yang dapat digunakan untuk melihat ada tidaknya hubungan antar variabel. Teknik analisis yang digunakan tergantung jenis data yang akan dianalisis.
Tabel Jenis Data dan Teknik Analisis Komparatif yang digunakan
Jenis data
Teknik korelasi yang digunakan
Nominal
· Koefisien Kontingensi.
Ordinal
· Korelasi Spearman Rank
· Korelasi Kendal Tau
Interval atau rasio
· Korelasi Produk Moment.
· Korelasi ganda
· Korelasi parsial
 · Analisis regresi

Proses analisis data kuantitatif yang diuraikan di atas dapat dilakukan dengan mudah jika menggunakan program-program komputer yang dirancang khusus untuk keperluan analisis data. Salah satu contoh program komputer yang dapat digunakan untuk analisis data kuantitatif adalah SPSS. Program ini mempunyai kemampuan untuk melakukan analisis statistik dari yang paling sederhana hingga yang paling kompleks. Dengan bantuan program komputer, proses persiapan dan analisis data dapat dilakukan dengan cepat dan efisien.

II.               STATISTIKA INFERENSIAL
A.                Pengertian Statistik Inferensial
Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari seluruh responden atau sumber data lain terkumpul. Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat dua macam statistik yang digunakan untuk menganalisis data dalam penelitian, yaitu statistik deskriptif dan statistik inferensial.
Statistik inferensial, sering juga disebut statistik induktif atau statistik probabilitas, adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan utuk populasi. Statistik ini akan cocok digunakan bila sampel diambil dari populasi 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.
Statistik inferensial berkenaan dengan permodelan data dan melakukan pengambilan keputusan berdasarkan analisis data, misalnya melakukan pengujian hipotesis, melakukan prediksi observasi masa depan, atau membuat permodelan hubungan yaitu korelasi, regresi, dan ANOVA.

B.                 STATISTIK PARAMETRIK DAN NON-PARAMETRIK
Statistika Inferensial terdiri dari statistik parametik dan non-parametrik. Statistik parametrik digunakan untuk menguji parameter populasi melalui statistik, atau menguji ukuran populasi melalui data sampel, kebanyakan digunakan untuk menganalisis data interval dan rasio sedangkan statistik non-parametik kebanyakan digunakan untuk menganalisis data nominal, statistik ini tidak menuntut terpenuhi banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistibusi normal.
1.      Persyaratan Analisis Statistik Parametrik yaitu Uji Homogenitas, Uji Normalitas dan Uji Linearitas Regresi.
2.      Uji T (T-test)
a.         Jika standar deviasi diketahui maka yang digunakan adalah rumus
                                 


Dimana :
Zhitung = harga yang dihitung dan menunjukan nilai standar deviasi pada distribusi normal
X = rata-rats nilai yang diperoleh dari hasil pengumpulan data
µo = rata-rata nilai yang dihipotesakan
Æ  = standar deviasi populasi yang telah diketahui
n =jumlah populasi penelitianµ

b.      Jika standar deviasi tidak diketahui maka yang digunakan adalah rumus
Dimana :
Zhitung = harga yang dihitung dan menunjukan nilai standar deviasi pada distribusi t (tabel t)
X = rata-rats nilai yang diperoleh dari hasil pengumpulan data
µo = nilai yang dihipotesakan
s = standar deviasi sampel yang dihitung
n =jumlah sampel penelitianµ
3.      Uji T (T-test) Dua Sampel
Uji t dua sampel ini terdapat uji perbandingan (uji komparatif) tujuan dari uji ini adalah untuk membandingkan (membedakan) apakah kedua data (variabel) tersebut sama atau berbeda. Gunanya uji komparatif adalah untuk menguji kemampuan generalisasi (signifikasi) hasil penelitian yang berupa perbandingan keadaan variabel dari dua rata-rata sampel
4.      ANOVA Satu Jalur
ANOVA adalah anonim dari Analysis Of Variance, ANOVA merupakan bagian dari metode analisis statistika yang tergolong analisis komparatif (perbandingan) lebih dari dua rata-rata. ANOVA jalur satu digunakan untuk menguji kemempuan generalisai, ANOVA lebih dikenal dengan uji-f (Fisher Test) sedangkan arti variasi asal uslnya dari pengertian konsep “Mean Square” atau kuadrat rata-rata (KR), rumus sistematisnya :
 


dimana :          JK = Jumlah Kuadrat
                                                                        db = derajat bebas
5.      Anova Dua Jalur
ANOVA dua jalur digunakan untuk menguji hipotesis perbandingan lebih dari dua sampel dan setiap sampel terdiri atas dua jenis atau lebih secara bersama-sama.
6.      Uji Pearson Product Moment
Kegunaan uji pearson product moment atau analisis koralasi adalah untuk mencari hubungan variabel bebas (X) dengan variabel terikat (Y) dan data berbentuk interval dan ratio, rumus yang dikemukakan adalah
     
Korelasi PPM dilambangkan (r)dengan ketentuan nilai r tidak lebih dari harga (-1≤ r ≤1). Apabila r = -1 artinya korelasinya negatif sempurna, r = 0 artinya tidak ada korelasi, dan r = 1 berarti korelasinya sempurna positif (sangat kuat). Sedangkan harga r akan dikonsultasikan dengan tabel interpretasi nilai r sebagai berikut :
TABEL INTERPRETASI KOEFISIEN KORELASI NILAI r
Interval Koevisien
Tingkat Hubungan
0,00 - 0,190
Sangat rendah
0,20 – 0,399
Rendah
0,40 – 0, 599
Cukup
0,60 – 0,799
Kuat
0,80 – 1,000
Sangat kuat

Sedangkan untuk menyatakan besar kecilnyas sumbangan variabel x terhadap y dapat ditentukan dengan rumus koefisien diterminan, yaitu:

KP = r2 x100%

Dimana :          KP = besarnya koefisien penentu
                 r =  koefisien korelasi
7.      Uji Korelasi Parsial
Korelasi parsial adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih yang salah satu atau bagian variabel X konstan atau dikendalikan. Uji ini digunakn untuk mengetahui pengaruh atau hubungan variabel X dan Y dimana salah satu variabel X dibuat tetap. Koefisien korelasi parsial dirumuskan sebagai berikut :
Selanjutnya untuk mengetahui apakah pengaruh atau hubungan pengujian ini signifikan atau tidak maka perlu diuji dengan uji signifikansi untuk koefisien korelasi parsial menggunakan rumus thitung sebagai berikut :

8.      Uji Korelasi Ganda
Uji korelasi ganda adalah suatu nilai yang memberikan kuatnya pengaruh atau hubungan dua variabel atau lebih secara bersama-sama dengan variabel lain. Nilai uji korelasi ganda dirumuskan sebagai berikut :
Selanjutnya untuk mengetahui signifikansi korelasi ganda X1 dan X2 terhadap Y ditentukan dengan Rumus Fhitung kemudian dibandingkan dengan Ftabel sebagai berikut :
Rumus                      
Dimana :
R = Nilai koefisien korelasi ganda
= Jumlah variabel bebas (independen)
n  = Jumlah sampel                              
F  = Fhitung yang selanjutnya akan dibandingkan dengan Ftabel
9.      Uji Regresi
Kegunaan uji regresi sederhana adalah untuk meramalkan (memprediksi) variabel terikat (Y) bila variabel bebas (X) diketahui. Pada dasarnya uji regeresi dan uji korelasi keduanya punya hubungan yang sangat kuat dan mempunyai keeratan. Setiap uji regresi otomatis ada uji korelasinya, tetapi sebaliknya uji korelasi belum tentu diuji regresi atau diteruskan uji regresi. Uji korelasi yang tidak dilanjutkan dengan uji regresi adalah uji korelasi yang kedua variabelnya tidak mempunyai hubungan fungsional dan sebab akibat. Apabila peneliti mengetahui hal ini lebih lanjut, maka perlu konsep dan teori yang mendasari kedua variabel tersebut.
Persamaan regresi sederhana dirumuskan : Y = a+bX
Dimana :
Y = (baca Y topi), subjek variabel terikat yang diproyeksikan
X = variabel bebas yang mempunyai nilai tertentu untuk diprediksikan
a = nilai konstanta harga Y jika X = 0
b  = nilai arah sebagai penentu ramalan (prediksi) yang menunjukkan nilai peningkatan (+) atau nilai penurunan (-) variabel Y.

b = n.∑XY - ∑X.∑Y                            a = ∑Y – b. ∑X
        n. ∑X2 – (∑X)2                                                      n

10.  Uji Regresi Ganda
Uji regresi ganda pengembangan dari uji regresi sederhana. Kegunaannya, yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebas minimal dua atau lebih. Uji regresi ganda adalah alat analisis peramalan nilai pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat untuk membuktikan ada atau tidaknya hubungan fungsional atau hubungan kausal antara dua variabel bebas atau lebih (X1) (X2) (X3) ... (Xn) dengan satu variabel terikat.
Asumsi dan arti persamaan regresi sederhana berlaku pada regresi ganda, tetapi bedanya terletak pada rumusnya, sedangkan analisis regresi ganda dapat dihitung cara komputer dengan program Stastistical Product and Service Solution (SPSS), ada juga dengan kalkulator atau manual
Persamaan Regeresi Ganda dirumuskan
a.       Dua variabel bebas           : Y = a + b1X1 + b2X2
b.      Tiga variabel bebas           : Y = a + b1X1 + b2X2 + b3X3
c.       Empat variavel bebas       : Y = a + b1X1 + b2X2 + b3X3 + b4X4
d.      SSSSSSSUntuk n variabel bebas : Y = a + b1X1 + b2X2 + ......... + bnXn

DAFTAR PUSTAKA
Sugiyono.2009.Metode Penelitian Pendidikan.Bandung:Alfabeta
Sudijono, Anas.2005.Pengantar Statistik Pendidikan.Jakarta:Grafindo
Sudjana.2005.Metoda Statistika.Bandung:Tarsito

Demikianlah yang saya bagikan mengenai analisis data kuantitatif dan statistik inferensial semoga bermanfaat.