Salah satu tahap penelitian- yang “jlimet” dan “bikin mumet”, adalah perhitungan dan analisis data dengan menggunakan metode statistik- baik deskriptif maupun inferensial. Deskriptif berarti kita hanya meringkas dan menyajikan data-data sehingga bisa menggambarkan data secara umum, misalnya visualisasi dalam bentuk tabel atau grafik. Kita jangan meremehkan statistika deskriptif ini karena dugaan hubungan atau pola data penelitian dapat terlihat secara visual dengan statistik deskriptif. Pola atau indikasi hubungan tersebut selanjutnya diuji dengan statistik inferential. Statistik inferensial adalah upaya mengambil kesimpulan atau generalisasi dengan menggunakan uji statistik. Sebuah cara pengambilan kesimpulan dengan metode ilmiah yang banyak dianut oleh peneliti yang menggunakanriset kuantitatif dengan pendekatan statistik.
Sebagai ilustrasi, kita harus memilih pisau yang tepat sesuai dengan bahan yang akan kita potong dengan pisau tersebut. Jangan sampai kita memilih pisau kue untuk memotong daging, atau sebaliknya kita menggunakan pedang untuk mengiris bawang. Kita harus mengetahui terlebih dahulu apakah kita berurusan dengan bawang atau daging. Setelah bahannya jelas, selanjutnya kita baru bisa memilih pisau yang tepat. Daging memang masih bisa terkoyak dengan pisau kue namun irisannya tidak sesuai dengan yang diharapkan, atau, daging alot itu tetap tidak bisa terpotong. Pemilihan pisau yang salah menunjukkan kesalahan teknis yang terjadi pada proses penelitian. Kesalahan teknis mempunyai kadar kesalahannya yang lebih berat dibandingkan kesalahan manusiawi. Kesalahan teknis tersebut bisa berujung pada kehilangan informasi, atau bahkan, informasi yang menyesatkan.
Uji statistik hanyalah alat bantu untuk membuktikan secara statistik bahwa hipotesis telah terbukti secara empiris atau berdasarkan fakta yang direpresentasikan oleh data. Metode statistik menjadi dan menjaga benang merah penelitian yang di mulai dari masalah penelitian, tujuan penelitian, hipotesis, pengambilan data, dan metode analisis dengan pendekatan statistik. Metode statistik membantu kita untuk menemukan jawaban dari masalah penelitian serta untuk mengetahui apakah tujuan penelitian kita telah tercapai. Namun, kita perlu melakukan interpretasi hasil analisis data tersebut sehingga secara eksplisit bisa dikaitkan dengan masalah atau tujuan penelitian. Sering kita mendengar kritikan pembimbing atau penguji skripsi, ”Tujuan penelitian ke sana, namun alat ujinya ke sini”. Isitilahnya, masalah atau tujuan penelitian tidak ”nyambung” dengan alat uji statistiknya.
Kadang kita terjebak dengan pemakaian berbagai uji atau analisis statistik- mulai dari metode yang sederhana sampai yang hebat-hebat, tanpa mengetahui dengan jelas mengapa kita memilih uji tersebut. Metode analisis seharusnya ditetapkan setelah kita mengetahui tujuan atau hipotesis yang telah diformulasikan. Metode statistik juga dapat diketahui setelah kita mengetahui variabel yang secara ekplisit tertera dalam hipotesis, serta jenis dan skala variablenya. Bahkan metode statistik tergantung karakteristik atau asumsi dari sampel dan tekinik pengambilan sampel yang digunakan ketika kita mengambil data.
Tergantung Skala Variabel
Memilih uji statistik tidak cukup hanya berdasarkan informasi dari formulasi hipotesis saja. Tanpa melihat jenis atau skala variabelnya, sebuah hipotesis masih mempunyai berbagai pilihan uji statistik. Masih ada sejumlah pisau yang tersedia. Mari kita lihat contoh sederhana. Kita mempunyai sebuah hipotesis yaitu “Tidak ada perbedaan gaji buruh pria dengan buruh perempuan yang bekerja di sektor informal di Jakarta”, atau bentuk formulasi lainnya dengan substansi yang sama, “Tidak ada kesetaraan jender dalam gaji buruh di sektor informal di Jakarta”. Dari hipotesis tersebut, kita mengetahui ada dua variable yang diteliti yaitu gaji dan jenis kelamin, yang diduga mempunyai hubungan. Sekedar mengingatkan kembali dengan materi sebelumnya, hipotesis tersebut tidak ujug-ujug muncul.
Jika hanya berdasarkan formulasi hipotesis di atas, kita masih mempunyai beberapa alternatif uji statistik yang dapat digunakan, yaitu “independet sample t test” atau korelasi. Sebagai catatan, uji korelasi itu bermacam-macam. Mana yang dipilih tergantung pada skala variabelnya, bahkan tergantung pada asumsi datanya. Kalau variabel jenis kelamin sudah jelas skalanya yaitu skala nominal. Jadi kita harus menjelaskan terlebih dahulu cara pengukuran dan skala variabel gajinya yang dijelaskan secara terperinci di operasionalisasi variabel yang biasanya disajikan di Bab Metodologi.
Kita tidak akan membahas mengapa kita menggunakan skala interval untuk variabel gaji pada dua skenario yang pertama dan skala ordinal pada skenario ketiga. Kita tidak juga mempertimbangkan variabel lainnya, yang mungkin mempengaruhi gaji seperti tingkat pendidikan, masa kerja, dll. Ini hanyalah ilustrasi saja bahwa skala variabel akan menentukan uji statistik yang tepat. Sekarang mari lihat contoh tabulasi data, hasil penyajian data dengan statitik deskriptif, dan akhirnya menentukan uji statistik yang tepat sesuai dengan skala variabelnya.
Gambar di atas menunjukkan contoh tabulasi data dari dua skenario penelitian, yang sama-sama mempunyai 200 data yang berisi dua variabel yaitu jenis kelamin dan gaji. Bedanya, skenario 1 menggunakan skala interval untuk variabel gaji, sedangkan yang skenario 2 memakai skala ordinal. Dari analisis deksriptif untuk kedua skenario tersebut terlihat bahwa secara ”visual” ada perbedaan atau ”pola hubungan” antara jenis kelamin dengan gaji. ”Gaji wanita cenderung lebih rendah” terlihat pada Grafik untuk skenario pertama, dan ”Gaji di bawah UMR didominasi oleh wanita” terlihat pada Tabel untuk skenario kedua. Grafik dan tabel tersebut menunjukkan analisis deskriptif, yang untuk tulisan populer atau tulisan ringan-ringan saja sudah dapat memberikan gambaran kepada pembaca tentang indikasi adanya perbedaan atau hubungan antara jenis kelamin dan gaji. Apakah kita bisa menyimpulkan atau menggenelalisir bahwa gaji wanita lebih rendah dari pria pada sektor informal?
”Tidak!”, jawab para ”pengambil kesimpulan” yang mengedepankan analisis statistik inferential. Rp 1,1 Juta adalah tidak sama dengan Rp 1,2 Juta secara matematik, namun belum tentu berbeda nyata secara statistik. Kita baru bisa menyimpulkannya setelah melakukan analisis lebih lanjut, yaitu dengan menggunakan uji statistik inferential. Skenario pertama menggunakan analisis “Independet sample t test” karena membandingkan nilai gaji yang berskala interval dilihat dari jenis kelamin yang berskala nominal. Dan skenario kedua menggunakan korelasi “Phi” karena dua variabelnya bersifat biner atau kategorikal dengan dua pilihan nilai, atau bisa juga dengan menggunakan “Chi Square” atau “Korelasi Lambda”. Ternyata masih banyak pilihan uji statistiknya. Sekali lagi, temukenali dulu datanya, baru pilih uji statistik yang sesuai dengan data tersebut. Berikut beberapa alat uji statistik yang dapat digunakan untuk setiap jenis atau skala variabel.
Dikotomi
Ordinal
Asimetrik dan Kontinyu
Skala yang Berbeda
—
Berbagai alat uji tersebut relatif masih sederhana. Alat uji semakin kompleks jika sudah melibatkan variasi atau bentuk hubungan antar variabel, analisis mutivariate atau banyak variabel, serta ada unsur waktu atau model dinamis seperti times series atau longitudinal study. Semoga kerumitan ini tidak menyebabkan penyakit fobia atau trauma terhadap statistik :)
0 Comments
