Metode ilmiah

Pengujian secara empiris merupakan salah satu mata rantai dalam metode ilmiah yang membedakan ilmu dari pengetahuan-pengetahuan yang lainnya.
be well,
Dwika-ExecuTrain



Statistika
Oleh: Yamin Setiawan

Baru-baru ini salah seorang teman kampusku menanyakan ke salah seorang dosen statistika, apa boleh dia menggunakan metode non parametrik pada penelitian dalam rangka pembuatan skripsi-nya. Teman saya yang sudah membuat kerangka menggunakan metode non parametrik berusaha menanyakan lebih jelas dan mengejar terus dengan pertanyaan-pertanyaan ketika sang dosen mengatakan bahwa dalam pembuatan skripsi-nya harus menggunakan metode parametrik.

Lalu, bagaimanakah yang seharusnya?

Ilmu secara sederhana dapat didefinisikan sebagai pengetahuan yang telah teruji kebenarannya. Semua pernyataan ilmiah adalah bersifat faktual, dimana konsekuensi-nya dapat diuji baik dengan jalan mempergunakan panca indera, maupun dengan mempergunakan alat-alat yang membantu panca indera tersebut. Pengujian secara empiris merupakan salah satu mata rantai dalam metode ilmiah yang membedakan ilmu dari pengetahuan-pengetahuan yang lainnya. Kalau kita kaji lebih dalam maka pengujian merupakan suatu proses pengumpulan fakta yang relevan dengan hipotesis yang diajukan. Sekiranya hipotesis itu didukung oleh fakta-fakta empiris maka pernyataan hipotesis tersebut diterima atau disahkan kebenarannya. Sebaliknya jika hipotesis tersebut bertentangan dengan kenyataan maka hipotesis itu ditolak.

Pengujian mengharuskan kita untuk menarik kesimpulan yang bersifat umum dari kasus-kasus yang bersifat individual. Jadi dalam hal ini kita menarik kesimpulan berdasarkan logika induktif. Di pihak lain maka penyusunan hipotesis merupakan penarikan kesimpulan yang bersifat khas dari pernyataan yang bersifat umum dengan mempergunakan deduksi. Kedua penarikan kesimpulan ini tidak sama dan tidak boleh dicampur adukkan. Logika deduktif berpaling kepada statistika. Statistika merupakan pengetahuan untuk melakukan penarikan kesimpulan induktif secara lebih seksama.

Penarikan kesimpulan induktif pada hakikatnya berbeda dengan penarikan kesimpulan secara deduktif. Dalam penalaran deduktif maka kesimpulan yang ditarik adalah benar sekiranya premis-premis yang digunakannya adalah benar dan prosedur penarikan kesimpulannya adalah sah. Sedangkan dalam penalaran induktif meskipun premis-premisnya adalah benar dan prosedur penarikan kesimpulannya adalah sah maka kesimpulan itu belum tentu benar. Yang dapat kita katakana adalah bahwa kesimpulan itu mempunyai peluang untuk benar. Statistika adalah pengetahuan yang memungkinkan kita untuk menghitung tingkat peluang ini dengan eksak. Untunglah dalam hal ini statistika memberikan sebuah jalan keluar. Statistika memberikan cara untuk dapat menarik kesimpulan yang bersifat umum dengan jalan mengamati hanya sebagian dari populasi yang bersangkutan.

Sedangkan statistika sendiri adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah ilmu yang berkenaan dengan data.

Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial. Statistika deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varians dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data mentah lebih mudah "dibaca" dan lebih bermakna. Sedangkan statistika inferensial lebih dari itu, misalnya melakukan pengujian hipotesis, melakukan prediksi observasi masa depan, atau membuat model regresi.

Data statistik adalah keterangan atau ilustrasi mengenai sesuatu hal yang bisa berbentuk kategori (misalnya rusak, baik, cerah, berhasil) atau bilangan. Data yang berkategori disebut sebagai data kualitatif dan data bilangan disebut data kuantitatif.

Ada empat tipe pengukuran atau skala pengukuran yang digunakan didalam statistika (berdasarkan cara menyusunnya), yakni: nominal, ordinal, interval, dan rasio. Keempat skala pengukuran tersebut memiliki tingkat penggunaan yang berbeda dalam riset statistik. Skala nominal hanya bisa membedakan sesuatu yang bersifat kualitatif (misalnya: jenis kelamin, agama, warna kulit). Skala ordinal selain membedakan juga menunjukkan tingkatan (misalnya: pendidikan, tingkat kepuasan). Skala interval berupa angka kuantitatif namun tidak memiliki nilai nol mutlak (misalnya: tahun, suhu dalam Celcius). Sedangkan skala rasio berupa angka kuantitatif yang memiliki nilai nol mutlak.

Pengumpulan data secara kualitatif tidak membutuhkan sampel yang besar atau banyak, tapi data tersebut harus benar-benar mewakili populasi yang akan diteliti dan harus benar-benar dikaji sangat dalam. Data kualitatif biasanya diambil lewat wawancara dan observasi. Seperti halnya bola salju yang jatuh dari atas gunung, demikian pula dalam pengembilan data kualitatif, harus benar-benar membentuk bola-bola salju yang tambah lama tambah besar dan akan berhenti bila sudah mencapai titik finish, berhenti bila sudah tidak ada yang bisa digali lagi.

Berdasarkan cara perolehannya, data kuantitatif dibedakan menjadi data diskrit dan data kontinu / kontinum. Data yang diperoleh dari hasil menghitung termasuk dalam data diskrit (jumlah anak, dll), sedangkan data yang didapat dari hasil mengukur termasuk dalam data kontinu (tinggi badan, berat badan, dll).

Kedudukan variabel ada dua:

1. Variabel Utama
* Variabel Bebas (Bila sebagai sebab)
* Variabel Tergantung (Bila sebagai akibat)
2. Variabel Sampingan
1. Dikontrol
* Secara Statistik
o Datanya Kontinum -> Dinamakan Variabel Sertaan
+ Tipenya Korelasi -> Dinamakan Ko Prediktor
+ Tipenya Komparatif -> Dinamakan Ko Variabel
o Datanya Diskrit -> Dinamakan Variabel Moderator
* Secara Subyek -> Dinamakan variabel Kendali
2. Tidak dikontrol
* Variabel Intervening (Bila sebagai perantara antara variabel Bebas dan variabel Tergantung)
* Variabel Rambang (Tidak dikontrol karena pada penelitian sebelumnya menyatakan sumbangannya kecil terhadap variabel utama; Sulit diukur; dan Bisa diukur tapi membutuhkan klasifikasi yang luar biasa)

Dalam pengambilan sample-pun tidak boleh sembarangan tapi ada tekniknya yang dinamakan Teknik Sampling, macam Teknik Sampling:

1. Proportional Random Sampling:
Pengambilan sample dengan memperhatikan proporsi jumlah sub-sub populasi.
2. Stratified Random Sampling:
Pengambilan sample dengan memperhatikan strata dalam populasi.
3. Cluster Random Sampling:
Pengambilan sample dengan memperhatikan sub-sub populasi, kemudian sub-sub populasi yang ada dipilih satu secara random.
4. Purposive Random Sampling:
Pengambilan sample dengan mengacak. Sebelum diacak, dipilih terlebih dahulu orang-orang yang menjadi sample penelitian berdasarkan ciri-ciri khusus yang berkaitan dengan tujuan penelitian.
5. Area Random Sampling:
Pengambilan sample dengan memperhatikan besar kecilnya wilayah populasi.
6. Incidental Sampling:
Populasi tidak jelas kedudukannya sehingga menjadikan orang-orang yang berhasil ditemui pada tempat dan waktu tertentu sebagai sample penelitian.
7. Kuota Sampling:
Menetapkan orang-orang yang akan menjadi sample penelitian adalah orang-orang yang menyerahkan / mengumpulkan angket / skala yang paling awal dengan jumlah tertentu yang telah ditetapkan peneliti.
8. Simple Random Sampling:
Diperuntukkan untuk populasi yang homogen, dengan cara mengambil orang langsung secara random.

Metode kuantitatif sendiri terbagi menjadi dua, parametrik dan non parametrik. Parametrik digunakan untuk uji asumsi / kaidah / hukum, dimana ia memiliki syarat:

1. Normalitas sebaran variabel tergantung
2. Linieritas hubungan antar variabel bebas dan variabel tergantung
3. Kolinieritas hubungan sesama variabel bebas
4. Homogenitas variabel tergantung:
* Antar Kelompok
* Antar Waktu

Sedangkan fungsi dari non parametrik adalah pengganti parametrik dan digunakan pada sampel yang kecil. Maksudnya bila sample yang diambil sangat kecil (dibawah 21 orang) maka digunakan non parametrik, jangan menggunakan parametrik. Atau bila salah satu syarat dari empat syarat parametrik tidak sesuai maka langsung beralihlah ke non parametrik.

Lalu bagaimana dengan permasalahan teman saya diatas yang ingin menggunakan metode non parametrik? Sebenarnya bisa-bisa aja kalau teman saya ingin menggunakan metode non parametrik tapi jangan langsung menggunakan non parametrik bila syarat-syarat parametrik diatas masih berlaku, karena non parametrik menggolong-golongkan data tersebut menjadi kelas-kelas yang perhitungannya biasanya tidak seteliti parametrik. Atau bila teman saya tersebut memiliki sampel yang kecil, dia bisa langsung menggunakan metode non parametrik, tapi perlu diingat, dalam pengambilan data, diusahakan sampel yang dipakai cukuplah besar, karena sampel yang besar akan sangat mewakili populasi yang ingin diteliti. Sampel yang kecil diambil bila populasi yang ingin kita teliti sangatlah langka, sangat sedikit, sangat jarang, populasi dari sampel yang akan diambil sangatlah sulit didapat.

Non parametrik biasanya dipakai untuk penelitian uji beda (komparatif), jarang yang penelitian korelasi.

Penelitian antar kelompok menggunakan lebih dari satu kelompok, misalnya kelompok sekolah bonafid dengan kelompok sekolah biasa, dll. Sedangkan untuk antar waktu adalah penelitian yang menggunakan sampel yang tetap, misalnya kemandirian anak TK baru masuk sekolah dengan pengukuran setelah enam bulan si anak masuk sekolah, jadi sampel yang diukur adalah sama.

Contoh-contoh pemilihan model statistika:

1. KORELASI / HUBUNGAN:
* KORELASI satu variabel bebas bergejala kontinum dengan satu variabel tergantung bergejala kontinum.
Parametrik: Product Moment
* KORELASI dua variabel bebas bergejala kontinum dengan satu variabel tergantung bergejala kontinum.
Parametrik: Regresi Umum (2 prediktor)
* KORELASI x variabel bebas bergejala kontinum dengan satu variabel tergantung bergejala kontinum.
Parametrik: Regresi Umum (x prediktor)
* KORELASI beberapa variabel bebas bergejala kontinum dengan beberapa variabel tergantung bergejala kontinum.
Parametrik: Regresi Simultan
* KORELASI satu variabel bebas bergejala kontinum dengan satu variabel tergantung bergejala kontinum serta mengontrol secara stastika variabel sertaan (ko prediktor).
Parametrik: Korelasi Parsial m jalur jenjang ke-n
(M=Jumlah var Moderator, N=Jumlah Ko-Prediktor)
* KORELASI satu variabel bebas bergejala kontinum dengan satu variabel tergantung bergejala diskrit.
Parametrik: Analisis Korelasi
* DLL
2. KOMPARATIF / PERBEDAAN:
* KOMPARATIF ANTAR KELOMPOK dengan dua variabel bebas
Parametrik: Uji-t antar kelompok
Non Parametrik: Uji beda Mann-White U-Test
* KOMPARATIF ANTAR KELOMPOK dengan x (x>2) variabel bebas
Parametrik: Analis Variansi (ANAVA) 1 jalur
Non Parametrik: Uji beda Jenjang Anava Kruskal-Wallis
* KOMPARATIF dengan x (x>2) variabel bebas dan mengontrol secara statistika variabel moderator
Parametrik: Analis Variansi (ANAVA) 2 jalur
* KOMPARATIF dengan x (x>2) variabel bebas dan lebih dari 1 variabel tergantung
Parametrik: Analis Variansi (ANAVA) Simultan 1 jalur
* KOMPARATIF ANTAR WAKTU dengan dua variabel bebas
Parametrik: Uji-t antar waktu (Amatan ulangan)
Non Parametrik: Uji Tanda Wilcoxon
* KOMPARATIF ANTAR WAKTU dengan x (x>2) variabel bebas
Parametrik: Analisi Variansi (ANAVA) Amatan ulangan
Non Parametrik: Uji Beda Amatan Ulangan Dari Friedman
* KOMPARATIF kelompok data yang sifatnya jumlah subyek atau presentase
Parametrik: Kai Kuadrat
* KOMPARATIF lebih dari dua kelompok data serta mengontrol secara statistik variabel sampingan (ko variabel)
Parametrik: Anakova (Analisis Ko Variansi) 1 jalur
* KOMPARATIF lebih dari dua kelompok data serta mengontrol secara statistik variabel sampingan (ko variabel) dan variabel moderator
Parametrik: Anakova (Analisis Ko Variansi) 2 jalur
* KOMPARATIF lebih dari dua kelompok data dimana jumlah variabel tergantung juga lebih dari 1, serta mengontrol secara statistik variabel sampingan (ko variabel)
Parametrik: Anakova (Analisis Ko Variansi) Simultan 1 jalur
* DLL

Statistika itu menarik bukan? ;-D