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.

Konsultasi teknik analisis data

Lagi, datang kepada saya seorang klien yang binggung bagaimana cara membuktikan hipotesisnya. Si Fulan ini sudah berusaha untuk menganalisis data sendiri, akan tetapi dianggap salah oleh pembimbingnya. Membuktikan hipotesis sebenarnya lebih mudah dibandingkan belum memiliki hipotesis. Setelah kami berdiskusi, akhirnya saya berikan solusi atas permasalahannya.

Jika Dalam rangkaian proses menganalisis data, harus ditelusuri terlebih dahulu dari jenis data dan hipotesisnya. Kita mengenal jenis data: nominal, ordinal, interval dan rasio, sedangkan jenis hipotesis kita memiliki: deskriptif, komparatif serta asosiatif. Untuk hipotesis akan diperinci lagi menjadi hipotesis satu sisi (tail) ataupun dua sisi.

.
Menganalisis data memang gampang-gampang susah. Untuk melakukannya diperlukan pengetahuan tentang statistik, metodologi penelitian dan juga konteks teori/penelitian yang dilakukan. Tidak jarang, selama saya memberikan konsultasi harus menelusuri terlebih dahulu dengan membaca latar belakang masalah, kemudian perumusan masalah hingga tujuan penelitian. Hal ini karena mereka belum menyertakan hipotesis dalam proposal penelitiannya.

Bahkan menurut pengalaman saya mengadakan pelatihan, peserta tidak dapat langsung menerapkan rumus meski baru saja diberikan contohnya. Hal ini dikarenakan memang diperlukan latihan juga, disamping pengetahuan yang memadai.

Daftar hotel di sekitar UGM UNY Yogyakarta

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.

Beda Kuantitatif dan Kualitatif

Creswell (2008) menyebutkan perbedaan penggunaan kajian pustaka pada penelitian kuantitatif dan kualitatif. Pada penelitian kuantitatif, penggunaan kajian teori adalah bersifat substantif.
Akan tetapi memang ada perdebatan dalam hal ini. Untuk peneliti pemula, teori sangat penting karena untuk memandu mereka mengidentifikasi hasil penelitian. 
Perbedaan tersebut dapat dilihat pada tabel perbedaan antara penelitian kuantitatif dan kualitatif sebagai berikut.

Differences	Quantitative	Qualitative
Amount of literature cited at the beginning of the study	Substantial	Minimal
Use literature at the beginning of the study	Justifies or documents the need for the study. Provides a rationale for the direction of the study (i.e.purpose statement and research questions or hypotheses).	Justifies or documents the need for the study
Use or literature at the end of the study	Confirms or disconfirms prior predictions from the literature	Supports or modifies existing findings in the literature

Uji Korelasi dalam Pair Sample T Test

Dalam output SPSS untuk uji pair sample t test, dapat kita temukan tiga tabel. Tabel pertama adalah Paired Sample Statistic, kedua adalah Paired Sample Correlation dan ketiga adalah Paired Sample Test. Tabel Test of homogenity variance tidak bisa kita temukan pada output ini. Tiga tabel tersebut menunjukkan fungsi yang berbeda-beda, yang pertama menunjukkan nilai mean dan standard deviasi, yang kedua nilai korelasi dua variabel dan ketiga adalah hasil uji beda (t test).

Ada kejadian menarik ketika seorang mahasiswa ada yang ingin membaca hasil uji beda dengan melihat nilai korelasinya. Hal ini menarik perhatian saya karena, jika ingin melihat uji beda, mengapa melihat korelasinya?

Nilai korelasi menunjukkan skor antara pretest dengan postest, dimana ketika ada korelasi berarti semakin tinggi nilai pretest maka akan semakin tinggi pula postest. Dengan demikian dapat dikatakan bahwa nilai pretest yang semakin tinggi, akan semakin meningkatkan semakin tinggi pula skor postest. Tentu hal ini tidak diharapkan peneliti, karena keberhasilan treatment hanya dinikmati oleh orang yang prestestnya baik. Peneliti tentu berharap skor postest akan semakin meningkat meski skor pretestnya rendah.

Menurut pendapat saya, kita sebaiknya memakai output pada tabel Paired Sample Test, khususnya pada nilai t. Hal ini dikarenakan nilai t menunjukkan hasil uji beda antara skor pretest dengan postest. Jika nilai t signifikan, hal ini berarti ada perbedaan signifikan antara skor pretest dengan postest. Semakin signifikan berarti semakin besar pula perbedaan antar pre dengan post.

LT dan LD

Bagaimana jika LT50 maupun LD50 kita bernilai negatif?
Ini kasus yang saya tangani beberapa kali.