Lagi, ada kegalauan korelasi atau komparasi.

Para peneliti, khususnya mahasiswa, dari jurusan ilmu-ilmu kesehatan masih ada yang mengalami kegalauan untuk memilih teknik analisis dalam kelompok korelasi atau komparasi? teknik analisis yang jadi alternatif misalnya ingin korelasi Spearman, Gamma, Lamda, atau Chi Square?

Seperti kita tahu bahwa  Spearman, Gamma, Lamda merupakan teknik korelasi, sedangkan Chi Square merupakan teknik uji beda atau komparasi.

Uji Kontras Helmert

Pada penelitian eksperimen, kita dapat jumpai uji kontras. Berbagai teknik dapat dilakukan untuk menguji hal itu, salah satunya adalah Uji Helmert. Uji ini hampir sama dengan posthoc yakni uji pasca Anova. Hanya jika dalam uji post hoc, misalnya DMRT (duncan), kelompok yang dibandingkan adalah head to head (antar kelompok), sedangkan pada uji kontras Helmert kelompok yang dibandingkan adalah level dengan later.
Level menunjukkan kelompok yang diuji, sedangkan later menunjukkan rerata kelompok lain.

Misalnya ingin menguji Level dengan later maka yang sedang diuji adalah kelompok 1 dengan rerata kelompok 2,3 dst. Dalam uji helmert ini tidak menguji hasil interaksi antar parameter perlakuan (variabel bebas atau independent).

Cermat dalam melakukan pengukuran variabel

Merancang pengukuran pada variabel yang akan diteliti seringkali terlupakan oleh peneliti. Mereka umumnya belum sampai pada bagaimana cara mengukur variabel dan data seperti apa yang akan didapatkan. 

Beda jumlah kuesioner maupun jml kasus. Kalau korelasi harus memiliki jumlah kasus yang sama satu variabel dengan variabel lain, sedangkan untuk uji beda tidak masalah memakai jumlah kasus yang berbeda tiap kelompok (variabel). => kasus ibu yg S3 pertanian.
Ternyata hal ini dialami juga oleh mahasiswa lain yang sedang mengambil tesis. Jadi, sekali lagi, kita harus cermat dalam melakukan pengukuran variabel.

Untuk penelitian yang menguji hubungan/pengaruh, perlu dicermati bahwa jumlah sampel/responden harus sama antar variabel. Unit analisis/subyek penelitian juga  diharapkan sama, agar didapatkan pengukuran yang benar. Sebagai contoh, jika sampelnya karyawan, semua variabel diukur dari karyawan, jangan ada yang diukur dari pimpinannya.

 

Data Analyst

Ternyata persoalan menentukan teknik analisis data tidak hanya persoalan yang dialami mahasiswa, akan tetapi juga oleh dosen. Awal bulan ini saya dapat klien seorang mahasiswa S3, beliau mengaku binggung bagaimana menganalisis data. 

Dari pembicaraan itu, kemudian kami terlibat diskusi mengenai desain dan analisis data. Diskusi agak tersendat karena beliau tidak mau menunjukkan proposal. Dan lagi ditanyain hipotesisnya seperti apa juga tidak dijawab dengan jelas. Akhirnya kami berdiskusi dengan hasil yang produktif. Kami menyepakati untuk memakai teknik analisis tertentu untuk melakukan analisis datanya.

Dari diskusi tersebut, beliau berterimakasih karena telah dibantu untuk menemukan teknik analisis yang relevan. Dari kasus tersebut menunjukkan peran data analyst cukup signifikan, sebagai tenaga ahli yang membantu pengambilan keputusan. Mereka bagaikan kamus berjalan yang siap menjawab pertanyaan yang menginginkan berkonsultasi.

Peran tenaga analyst sangat membantu dalam menyingkat waktu karena jika mereka mempelajari sendiri teknik statistik yang relevan, belum tentu mereka akan dapat dengan tepat memilih teknik analisis yang relevan. Tidak jarang mereka tetap salah dalam menentukan teknik analisis yang digunakan, meski telah belajar sekian waktu sampai harus lembur. Bahkan, sebagian dari mereka pun, telah belajar berhari-hari bahkan berminggu-minggu untuk mempelajari akan tetapi tetap tidak dapat menentukan teknik statistik yang relevan.

Ketika Tidak Signifikan

Sabtu, 27 April 2013 saya diundang mantan klien kami untuk mengikuti acara promosi ujian terbuka di Program Doktor. Pada kesempatan itu, saya amati sebenarnya hampir sama aja dengan ujian tugas akhir pada umumnya (skripsi, tesis, dll). Faktor yang membedakan yakni pada saat itu juga, promovendus langsung akan diumumkan kelulusan dan besarta predikat kelulusannya.

Secara umum, ujian ini terasa lebih resmi dengan adanya protokoler yang memandu acara. Jalannya ujian dimulai dengan memaparkan biodata promovendus. Selanjutnya sesi presentasi dan akhirnya interaktif tanyajawab. Dari sembilan orang penguji, sebagian besar lebih banyak memuji dibandingkan menelaah secara kritis.

Hingga pada akhirnya ada penguji yang masih mencermati secara kritis mengapa hubungan dua variabel tidak signifikan? Bukankah bertentangan dengan teori? Kemudian promovenda menjelaskan kondisi di lapangan. Penguji tampak belum menerima penjelasan tersebut, seraya menyatakan bahwa penjelasan itu harus dilengkapi dalam naskah, disertai teori dan hasil penelitian lain yang relevan. Selain itu, porsi diskusi juga harus memuat hal tersebut.

Nah, sebenarnya tidak mengapa jika memang hasil penelitian tidak signifikan, asalkan dapat dijelaskan dan didapatkan melalui prosedur yang sudah benar.

Grafik Bivariat (Variabel X dengan Y)