Statistik Multivariat

Siang itu, di ujung telepon terdengar suara seorang ibu, "apa bisa membantu saya untuk analisis multivariat?". Kemudian saya pun bertanya, ibu ingin analisis multivariat dengan rumus apa?. Si ibu pun malah binggung dengan pertanyaan saya dan balik bertanya, "ya multivariat gitu". Saya kemudian lanjutkan, "analisis multivariat itu banyak bu". "Pokoknya multivariat bisa ya?", timpal si ibu. Saya pun menjelaskan beberapa rumus statistik yang tergabung dalam analisis multivariat.

Seperti kita tau, jenis statistik ada yang kelompok: univariat, bivariat serta multivariat. Analisis bivariat umumnya berupa pengujian korelasi/pengaruh dari satu variabel bebas dengan satu variabel terikat. Analisis multivariat umumnya bertujuan untuk melakukan pengujian korelasi/pengaruh lebih dari satu variabel bebas terhadap satu variabel terikat. Contoh analisis bivariat diantaranya: chi square, Pearson, Lamda, Uji t, dll., sedangkan analisis multivariat diantaranya: analisis regresi linier, regresi logistik dll.

Dalam penelitian kesehatan, umumnya yang disebut analisis multivariat numerik adalah regresi linier, sedangkan untuk analisis multivariat kategorik umumnya adalah regresi logistik

Likert Scale

Likert scale berbeda dengan inventory ataupun check list.Likert scale digunakan untuk mengukur sikap, sedangkan inventory digunakan untuk mengukur perilaku. Dalam inventory, pertanyaan yang diajukan adalah seputar perilaku responden tentang suatu variabel yang sedang diteliti. Sebagai contoh, apakah tiap pagi responden masuk jam 07.00?
Ada perbedaan pendapat, apakah untuk instrumen inventory ini perlu diuji validitasnya atau tidak, ada yang berpendapat perlu dan sebagaian lain mengatakan tidak perlu.

Ketika Tidak Signifikan (2)

Saat kita menemukan hipotesis penelitian kita tidak signifikan, seakan telah tamat lah penelitian kita. Dan sampai-sampai beberapa orang harus mengorbankan idealismenya untuk membuatnya menjadi signifikan. Menyambung tulisan saya sebelumnya di blog ini, tidak signifikan sebenarnya bukanlah musibah terbesar, akan tetapi cobaan semata. Dalam edisi pertama, saya contohkan bahwa seorang promovenda masih bisa mendapatkan nilai A dan lulus dengan cumlaude meski ada beberapa hipotesis tidak signifikan.

Tidak hanya level S3, di S2 ataupun S1 juga banyak contoh mereka yang mendapatkan nilai A. Tidak hanya di level tugas akhir, di sebuah kompetisi penelitian pun, ada juga pemenang kejuaraan yang ternyata tidak meningkat perolehan nilai yang dihipotesiskan.

Kasus-kasus tersebut menunjukkan bahwa penilaian sebuah penelitian tidak hanya dari diterima atau ditolaknya hipotesis alternatif, tetapi dari overall performance. Dalam penilaian penelitian (skripsi, tesis, disertasi) terbagi menjadi unsur metodologi, penyajian presentasi sampai ketepatan menjawab presenter. Dalam metodologi pun, banyak penilaian yang dapat mendongkrak perolehan nilai.

Beberapa tips yang diberikan oleh Dr. Samsul Hadi ketika hipotesis alternatif kita tidak signifikan adalah: pertama cek ricek lagi metodologi yang digunakan (harus sudah benar), perbanyak diskusi hasil penelitian dengan menunjukkan data-data lapangan sehingga dapat menjelaskan mengapa itu terjadi, kemukakan teori yang relevan dengan pembahasan sehingga mendukung argumen yang kita bangun.

Heirarkhial Regression Analysis

Dunia penelitian memang cukup unik. Sering kali seorang pembaca mengetahui cara membaca hasil, akan tetapi belum tentu dapat melakukan analisis seperti yang diharapkan. Disinilah fungsi konsultasi dan data analyst menjembatani. Tidak jarang, seseorang hanya dapat merumuskan hipotesis tanpa tahu bagaimana membuktikannnya. Ada juga yang tidak mengetahui hipotesis penelitiannya, hanya perumusan masalah yang diketahuinya.

Sebagai contoh, seorang peneliti ingin menggunakan teknik analisis heirarkhial regression analysis. Berdasarkan penelitian terdahulu yang dia baca, dapat disusun rumusan, hipotesis dan sekaligus dapat ditentukan teknik analisis data yang digunakan. Akan tetapi, bagaimana cara menganalisisnya? Itu yang jadi pertannyaannya.

Teknik analisis heirarkhial regression analysis adalah metode analisis regresi dimana peneliti dapat menentukan urutan variabel yang dimasukkan dan dikeluarkan dari persamaan regresi. Analisis ini juga dinamai model multilevel karena modelnya yang berbentuk heirarkhis. Model regresi heirarkhis dilakukan dengan membuat beberapa buah model  regresi dengan menambahkan variabel bebas (prediktor) setahap demi setahap. Dengan memasukkan prediktor setahap demi setahap akan dapat diketahui berapa besarnya variabel bebas pertama dibandingkan kedua dan seterusnya. Analisis ini dapat dilakukan menggunakan software antara lain: SPSS, SPS dll.

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