Diktat Analisis Kuantitatif

A. PENGANTAR:
Disadari bahwa pemahaman tentang metode penelitian pada sebagian
kalangan akademik masih perlu ditingkatkan. Hal ini terlihat dari banyaknya
mahasiswa yang kebingungan mengenai perbedaan antara metode kuantitatif dan
kualitatif, serta kapan menggunakannya.
Berangkat dari gejala tersebut maka diktat analisis kuantitatif ini disusun
untuk dapat sedikit memberi deskripsi sekilas tentang metode kuantitatif beserta
teknik-teknik yang dapat digunakan. Dan pada bagian akhir juga dilampirkan contoh
proposal yang memakai metode penelitian kuantitatif.

B. LATAR BELAKANG PENDEKATAN KUANTITATIF DAN KUALI-TATIF
Apabila disimak tulisan-tulisan Faisal (1990, 2001), Brannen (1997), Miles
and Huberman (1992), dan Denzin and Lincoln (1994) maka jelas perbedaan dasar
sangat menonjol antara kuantitatif dan kualitatif.
Sejak manusia memiliki awal peradabannya, manusia telah sadar akan
curiosity-nya dan karena itu selalu to want to know anything. Ini adalah manusia
dengan naluri penelitiannya. Seluruh ahli peneliti menjadi cikal bakal disiplin ilmu
yang diciptakannya dan itu berkembang terus hingga masa globalisasi dengan
teknologi dan informatika mutakhir. Dengan melihat pada perkembangan pohon ilmu
sepanjang masa, maka manusia selalu menggunakan penelitian.
Di dalam meneliti ini, manusia menggunakan metodologi yang selalu berubah
untuk mencapai tujuan utama penelitian ialah pengembangan kebenaran dalam ilmu
pengetahuan. Jadi metodologi adalah alat saja yang dapat berubah dari saat ke saat,
sejauh ia dapat dipergunakan untuk meneliti. Sudah barang tentu termasuk di
dalamnya pendekatan kuantitatif dan kualitatif. Dengan kemajuan dan perkembangan
jaman penelitian, tidak dapat didaku bahwa satu pendekatan saja yang paling benar!
Pendekatan lain harus dipertimbangkan karena semua bergerak terus (Phanta Rhei).

Ucapan Sumarno adalah gamblang, antara lain: “…statistik hanyalah alat bantu dan
tidak pernah dapat menggantikan sama sekali fungsi dari aspek logika material dan
perspektif keilmuan dari masing-masing disiplin” (Sumarno dalam Brennan, 1997:8).
Selain statistik, juga rumus, kamus ensiklopedia, materi kualitan, dan
seterusnya tidak akan pernah tetap. Mereka hanya methodos (bahasa Yunani: artinya
jalan, cara, sarana, alat, dan seterusnya) yang setiap saat dapat diganti dengan yang
lebih tepat demi memecahkan masalah dalam suatu obyek penelitian.
Perkembangan penelitian sangat pesat sejak revolusi industri di abad ke-19.
Ilmu-ilmu pengetahuan alam menjadi primadona di pentas keilmuan yaitu biologi,
kedokteran, fisika, matematika, kimia, dan teknik. Pada saat itu pendekatan
kuantitatif menjadi dasar dari semua itu. Terlebih ketika ilmu teknik berkembang
dengan aneka kualitatif ada substitusi situasi dan mutual experience, bersama-sama di
suatu medan (arena) nan tak terpisahkan yang sangat mutual dan tumpang tindih.
Terasa sekali kuantitatif melontarkan subyek atas obyek yang saling terpisahkan,
meneliti tentang sesuatu. Sebaliknya kualitatif melontarkan obyek atas obyek, yang
tak terpisahkan, meneliti menembus di dalam sesuatu. Dengan perkataan lain,
pendekatan kuantitatif to solve the problem by surrounding the problem. Sebaliknya
pendekatan kualitatif to solve the problem by penetrating the problem.
Pada dasar pandangan posibilitas generalis, maka pendekatan kuantitatif bebas
dari ikatan konteks dan waktu (nomothetic statements), sedang pendekatan kualitatif
terikat dari ikatan konteks dan waktu (idiographic statements). Itulah sebabnya
peneliti kuantitatif dapat dikenai atau dibebani dengan percobaan tertentu, lalu diukur
hasilnya (ada macam-macam jenis eksperimen). Sebaliknya peneliti kualitatif lebih
menerjunkan diri dalam riak gelombang gejolak obyek penelitian dan terbenam di
dalamnya. Ini agar dia menjadi mengerti, memahami, dan menghayati (verstehen)
pada obyek penelitiannya.
Pada dasar pandangan posibilitas kausal, maka pendekatan kuantitatif selalu
memisahkan antara sebab riil temporal simultan yang mendahuluinya sebelum
akhirnya melahirkan akibat-akibatnya. Sebaliknya pendekatan kualitatif selalu

mustahilkan usaha memisahkan sebab dengan akibat, apalagi secara simultan. Sebab
dan akibat adalah nebula yang Pantha Rhei (mengalir kontinyu terus menerus).
Itulah sebabnya pendekatan kuantitatif selalu on line process, satu arah, mulai
dari awal sebab, proses, dan akhirnya akibat. Sebaliknya pendekatan kualitatif selalu
on cyclus process, kontinyu dan banyak arah, suatu interaksi yang dipetakan dan
masing-masing berupa sebab dan akibat sebagai kutub-kutubnya. Proses sebab akibat
adalah suatu kelanjutan dari proses sistem model atau paradigma tertentu.
Pada dasar pandangan peranan nilai, maka pendekatan kuantitatif melihat
segala sesuatu bebas nilai, obyektif dan harus seperti apa adanya. Sebaliknya
pendekatan kualitatif melihat segala sesuatu tidak pernah bebas nilai, termasuk si
peneliti sendiri yang subyektif. Itulah sebabnya penelitian kuantitatif selalu mendaku
bahwa penelitian yang terbaik ialah yang obyektif, jujur, netral, dan apa adanya, dan
yang terpenting kebal terhadap nilai-nilai di sekitar suatu obyek penelitian. Penelitian
kualitatif memustahilkan hal ini. Hasil pengamatan jenis penelitian, analisa datang
dan sekalian hasil penelitian tidak lepas (konstektual) dengan era, geografi, budaya
dan aliran-aliran nilai yang berpengaruh di situ. Peranan nilai hendak dilihat dengan
totalitas eksistensialnya.
Demikianlah kelima dasar pandangan yang sangat berbeda antara pendekatan
kuantitatif dengan kualitatif. Williams menyebut 13 karakter pendekatan kualitatif
berdasar perbedaan di muka. Di antaranya, dijabarkan di sini hanya lima karena
dianggap bahwa di antara karakter-karakter tersebut ada nuansa-nuansa yang
overlapping antara kedua pendekatan tersebut. Cukup dari lima dasar perbedaan di
muka untuk melihat perbedaan kedua pendekatan itu. Kaitan antara dasar untuk
aplikasi kepada proses atau konstruk berikutnya sebagai follow-up ialah pada aspek
ilmu dan metodologisnya.

C. PERBEDAAN PENDEKATAN KUANTITATIF DENGAN
KUALITATIF DARI ASPEK KEILMUAN DAN METODOLOGIS

Apabila disimak tulisan Bogdan dan Biklen (1982) dalam Faisal (1990:28-30), maka nampak ada perbedaan baik pada tatanan ilmu atau pun proses
penelitiannya. Namun pada pandangan penulis terlihat rongga-rongga nuansa yang
nampak longgar di mana terjadi saling tumpang tindih antara keduanya. Sekaligus hal
ini berarti arah kesamaan dan arah penggabungan pada kedua pendekatan ini. Ada 15
aspek yang diperhadapkan antara pendekatan kuantitatif dan kualitatif pada nuansa
ketajaman. Kelima belas aspek tersebut ialah sebagai berikut.

1. Aspek Pendekatan Metodologis
Pada pendekatan kuantitatif, jenis-jenis bidang pendekatan ialah eksperimen,
hard data, empirik, positivistik, fakta nyata di masyarakat dan statistik, eksperimen,
survai, interview terstruktur, dan seterusnya. Pada pendekatan kualitatif, jenis-jenis
bidang pendekatan ialah etnografis, tugas lapangan, soft data, interaksionisme
simbolik, naturalistik, deskriptif, pengamatan dengan keterlibatan peran,
phenomenologik, data dokumenter, studi kasus, studi sejarah deskriptif, dan studi
lingkungan kehidupan, observasi, review dokumen, partisipan observer dan story.

2. Aspek Konseptualisasi
Pada pendekatan kuantitatif, jenis-jenis konseptual kunci ialah variabel,
validitas, reliable, signifikansi, hipotesis, replikasi, dan seterusnya. Pada pendekatan
kualitatif, jenis-jenis konseptual kunci ialah: makna, akal sehat, pengertian, batasan
situasi, fakta kehidupan sehari-hari, proses, kontruksi sosial, dan sebagainya. Pada
umumnya pendekatan kunci berasal dari obyek penelitian alamiah dan biarlah apa
adanya, jangan diintervensi, ataupun diubah.

3. Aspek Tokoh-tokoh Pelopornya
Pada pendekatan kuantitatif, tokoh-tokoh beraliran positivistik seperti Emile
Durkheim, L. Guttman, Fred Kerlinger, Donald Cambell, dan Peter Rossi. Rata-rata
beliau adalah ahli yang percaya pada ilmu pasti dan eksak dengan rumus-rumus
kuantum yang kuat. Pada pendekatan kualitatif, tokoh-tokoh beraliran Pragmatik
seperti Max Weber, Charles Horton Cooley, Harold Garfinkel, Margaret Mead,
Anselm Strauss, Herbert Blumer, Erving Goffman, George H. Mead, dan Burney
Glaser. Kebanyakan dari mereka, walaupun ada yang ahli ilmu-ilmu eksak, ialah dari
jenis-jenis ilmu kemanusiaan misalnya kedokteran, psikologi, sosiologi, antropologi,
ekonomi dan kebudayaan.

4. Aspek Orientasi Teoretik
Pada pendekatan kuantitatif dasar teorinya ialah struktural fungsional,
positivisme, behaviorisme, logika empirik dan sistem teoritik. Mereka mengutamakan
teori yang tersistematik, jelas dan pasti. Pada pendekatan kualitatif, dasar teoritiknya
ialah simbolik interaksionisme, etnometodologi, phenomenologik, kebudayaan, dan
sebagainya. Para kualitan ini mengutamakan bukan teori yang pasti atau mapan,
mereka berteori tentang fenomena-fenomena manusia dari aspek simbol, etnik, dan
seterusnya. Sesuatu yang dapat saja berubah, bahkan ada aliran ekstrim yang
kualitatif dengan meniadakan teori dalam penelitian.

5. Aspek Jenis Ilmunya
Bidang ini agak terbaur dan berubah secara nuansa (range), artinya sulit untuk
menspesifikan (koridor, kotak) ilmunya an sich. Namun kecenderungan ada ilmu-ilmu yang memiliki pendekatan ambivalen sekaligus. Kecenderungan kuantitatif
terdapat pada ilmu-ilmu teknik, pasti dan alam, ekonomi, psikologi, sosiologi,
computer science, dan seterusnya. Kecenderungan kuanlitatif terdapat pada ilmu-ilmu humaniora, sejarah, sosiologi, anthropologi, ilmu kebudayaan, dan seterusnya.
Akhir-akhir ini ada ilmu yang

memiliki pendekatan kedua-duanya seperti sosiologi, kedokteran, perilaku, ekonomi
deskriptif, dan seterusnya.

6. Aspek Tujuan atau Target
Pada pendekatan kuantitatif arah dan fokus suatu penelitian ialah melalui uji
teoritik, membangun atau menyusun fakta dan data, deskripsi statistik, kejelasan
hubungan dan prediksi. Berarti tiap langkah mengutamakan aksioma, rumus, dan
soal-soal penyelesaian dan mengatasi persoalan secara langsung. Pada pendekatan
kualitatif arah dan fokus suatu penelitian ialah membangun teori dari data atau fakta,
mengembangkan sintesa interaksi dan teori-teori yang dibangun dari fakta-fakta
mendasar (grounded) mengembangkan pengertian, dan sebagainya. Berarti tiap
langkah mengutamakan proses, apa adanya dan tanpa dibatasi norma-norma, rumus,
dan seterusnya.

7. Aspek Korelasi dengan Responden
Pada pendekatan kuantitatif diperlukan ukuran short term atau long term,
jarak dengan yang diteliti, menilai sebagai peneliti penuh terhadap yang diteliti,
dominasi pada peneliti, dan seterusnya. Mereka menghadapmukakan peneliti orang
dan diteliti obyek dengan aneka ulah, aturan dan norma. Pada pendekatan kualitatif
diperlukan hubungan yang sederajat dan tidak terbatas atau membedakan antara yang
meneliti dan diteliti. Hubungan ialah emphatik, equilitarian, kontak yang intensif,
interview mendalam, dan sebagainya. Mereka yang meneliti harus tenggelam atau
sama derajat dengan yang diteliti. Bila perlu mereka berkedok sebagai informan
rahasia di tengah penelitiannya. Mereka “penetrating” (menembus) di tengah
masalahnya.

8. Aspek Instrumen dan Perlengkapan
Pada pendekatan kuantitatif, maka perlengkapan seperti kuesioner,
inventories, komputer, indeks, pengukuran dari rumus-rumus, dan seterusnya. Jelas

mereka menerapkan aplikasi teknik rumus dan kepastian. Pada pendekatan kualitatif,
maka perlengkapan seperti tape recorder, audiovisual, dan seterusnya yang
diperlukan. Mereka menganggap “The researcher is often the only instrument”.

9. Aspek Pendekatan terhadap Populasi
Pada pendekatan kuantitatif dipergunakan rechecking berupa kontrol,
validitas, reification, obtrusiveness, dan seterusnya. Mereka mempergunakan kontrol
yang jelas dengan pengulangan proses menuju pada kebenaran tujuan penelitian. Pada
pendekatan kualitatif dipergunakan time consuming, reduksi data, reliabilitias, dan
seterusnya.

10. Aspek Desain
Pada pendekatan kuantitatif, mereka menginginkan disain yang terstruktur,
terorganisasi, urut, bagan yang sistematik. “Design is a detailed plan of operation”.
Pada pendekatan yang kualitatif, mereka menginginkan disain yang fleksibel, umum,
dan muncul dengan sendirinya. “Design is a punch as to how to you might proceed”.
Oleh karena itu disain pendekatan kualitatif tidak pernah uniform atau seragam.

11. Aspek Penggalian Data Lapangan
Pada pendekatan kuantitatif, penggalian data dilakukan melalui coding
kuantitatif, perhitungan, pengukuran, dan statistik. Kesemuanya diaplikasikan pada
patokan umum dan diukur dengan patokan tersebut, untuk dinyatakan pembuktian
diterima atau ditolak. Pada pendekatan kualitatif, penggalian data dilakukan melalui
deskripsi obyek dan situasi, dokumentasi pribadi, catatan lapangan, fotografis, istilah-istilah atau jargon-jargon kerakyatan, dokumentasi resmi, dan sebagainya. Tidak ada
patokan absah dari peneliti, semua proses dianggap absah asal itu terjadi benar-benar
(empirik) dan patokan baru diadakan setelah semua peristiwa terjadi.

12. Aspek Pengambilan Sampel
Pada pendekatan kuantitatif, jumlah sampel harus terseleksi jelas, dengan cara
acak, terstruktur, mana yang kelompok eksperimen dan mana yang kelompok kontrol.
Sampel harus mewakili populasi (representatif). Pada pendekatan kualitatif, jumlah
sampel tidak perlu besar, namun purposiveness, dapat berwujud sistem bola salju,
analisis isi, historiografi, dan biographical evidence.

13. Aspek Analisa Data
Pendekatan kuantitatif memakai penyimpulan analisa data berdasar deduksi,
kesimpulan dari suatu koleksi data, akhirnya dihitung melalui perhitungan statistik.
Analisa data kuantitatif membentuk batasan yang diterima atau ditolak oleh teori
yang telah ada. Pendekatan kualitatif memakai penyimpulan konsep, induktif, model,
tematik, dan sebagainya. Analisa data kualitatif dapat membentuk teori dan nilai yang
dianggap berlaku di suatu tempat.

14. Aspek Keabsahan Data
Pendekatan kuantitatif memakai kontrol berupa alat statistik, pengukuran, dan
hasil-hasil yang relevan dengan rumus yang berlaku. Pendekatan kualitatif memakai
kontrol berupa negative evidence, triangulasi, kredibilitas, dependabilitas,
transferabilitas, dan konfirmabilitas. Alat-alat pada pendekatan berupa aktivitas paska
penelitian untuk lebih meyakinkan dengan mengulang pemeriksaan data, bertanya
obyektif pada para ahli, hubungan-hubungan yang pasti, kepercayaan yang berulang-ulang mempola, dan seterusnya.

15. Aspek Penulisan Laporan
Pendekatan kuantitatif menulis laporan menurut bagan formal tetap, isi yang
tetap, lengkap dan merupakan hasil laporan dan hasil uji dengan perhitungan dari
lapangan penelitian yang empirik. Pendekatan kualitatif menulis laporan menurut
logika penulis dalam urutan laporannya. Isi tidak menurut formalitas yang tetap,

namun berupa rangkaian stories yang dapat dipertanggungjawabkan oleh peneliti,
terdiri dari story dengan penulisan yang dapat saja saling tumpang tindih namun
bermakna.
Secara garis besar perbedaan antara keduanya adalah sebagai berikut:

Aspek Penelitian Kuantitatif Penelitian Kualitatif
Pendirian Epistemologis
dan Teoretis
Dipengaruhi model Ilmu
Alam dengan
positivisnya
Menolak kesesuaian
pendekatan ilmu alam
terhadap studi humaniora
Pendekatan Deduktif
Positivistik
Induktif
Verstehen (pemahaman)
Fokus penelitian Berkaitan dengan sebab-akibat, pengukuran,
generalisasi
Berkaitan dengan sudut
pandang individu-individu yang diteliti.
Metode Pengumpulan
Data
Berkaitan dengan teknik
survai sosial, seperti
kuesioner tersusun,
wawancara terstruktur,
eksperimen, observasi
terstruktur, analisis
statistik
Berkaitan dengan teknik
observasi partisipatoris,
wawancara tak
berstruktur, kelompok
fokus, telaah teks
kualitatif, analisis wacana
Kaitan dengan variabel Penelitian verifikatif
(untuk menguji variabel)
Penelitian eksploratif
(untuk menemukan
variabel)
Analisis Menggunakan angka
statistik untuk analisis
Menggunakan fenomena,
bahasa dan interpretasi
untuk analisis

Sebagaimana diungkapkan di atas bahwa eksistensi aplikasi statistik sangat
urgen dalam aliran positivistik karena merupakan instrumen utama dalam analisis
yang bersifat kuantitatif. Sutrisno Hadi mendefinisikan statistik ke dalam dua
pengertian yaitu dalam arti luas dan dalam arti sempit. Dalam arti sempit, statistik
digunakan untuk menunjuk semua kenyataan yang berwujud angka-angka tentang
sesuatu kejadian khusus, seperti statistik kelahiran, kematian, kecelakaan lalu lintas
dan sebagainya. Sedangkan statistik dalam arti luas adalah dalam pengertian teknik
metodologik yang berarti cara-cara ilmiah yang dipersiapkan untuk mengumpulkan,

menyusun, menyajikan, dan menganalisis data penelitian yang berwujud angka-angka. Lebih jauh dari itu statistik diharapkan dapat menyediakan dasar-dasar yang
dapat dipertanggungjawabkan untuk menarik kesimpulan yang benar dan untuk
mengambil keputusan yang baik.
Sementara Samsubar Saleh mendefinisikan statistik sebagai ilmu yang
bertujuan untukmengumpulkan data, mengklasifikasikan data, menyusun data,
menyajikan data, menginterpretasikan data serta menyimpulkan berdasarkan data.
Dilihat dari jenisnya, statistik dibedakan menjadi dua yaitu statistik deskriptif
dan statistik inferensial. Statistik deskriptif hanyalah bertujuan untuk menerangkan
gejala. Sedangkan statistik inferensial bertujuan untuk meramalkan dan mengontrol
kejadian. Adapun kajian dalam mata kuliah pengantar statistik sosial ini adalah
statistik deskriptif. Sedangkan untuk statistik inferensial akan diberikan pada mata
kuliah analisis kuantitatif.
Sutrisno Hadi mengemukakan tiga macam ciri pokok statistik, yaitu:
1. Statistik bekerja dengan angka-angka. Angka angka ini dalam statistik
mempunyai dua arti yaitu angka sebagai jumlah yang menunjukkan frekuensi,
dan angka yang menunjukkan nilai atau harga misalnya nilai rapor, angka
kecerdasan.
2. Statistik bersifat obyektif. Kerja statistik menutup pintu bagi masuknya unsur-unsur subyektif yang dapat menyulap keinginan menjadi kebenaran. Statistik
sebagai alat penilai kenyataan tak dapat bicara lain kecuali apa adanya.
Adapun makna apa dan bagaimana menggunakan kenyataan statistik itu
adalah persoalan di luar statistik.
3. Statistik bersifat universal dalam arti dapat digunakan hampir dalam semua
bidang penyelidikan.

Tingkat Pengukuran:
Pengukuran tidak lain adalah penunjukkan angka-angka pada suatu variabel
menurut aturan yang telah ditentukan. Aturan pertama yang perlu diketahui seorang

peneliti agar dapat mengukur atau memberikan nilai yang tepat untuk konsep yang
diamatinya adalah mengenai tingkat pengukuran. Tingkat pengukuran yang luas
digunakan dalam penelitian sosial adalah yang dikembangkan oleh SS Stevens yang
membagi tingkat ukuran ke dalam empat kategori, yaitu: nominal, ordinal, interval
dan rasio.
1. Ukuran Nominal: Skala nominal adalah tingkat pengukuran yang paling
sederhana. Pada ukuran ini tidak ada asumsi tentang jarak maupun urutan
antara kategori-kategori dalam ukuran itu. Dasar penggolongan hanyalah
kategori yang tak tumpang tindih dan tuntas. Angka yang ditunjuk untuk suatu
kategori tidak merefleksikan bagaimana kedudukan kategori tersebut terhadap
kategori lainnya, tetapi hanyalah sebagai kode atau label. Misalnya: jenis
kelamin, preferensi parpol dalam pemilu, tempat tinggal dan sebagainya.
2. Ukuran Ordinal: Tingkat ukuran yang kedua adalah yang memungkinkan
peneliti untuk mengurutkan respondennya dari tingkatan paling rendah ke
tingkatan paling tinggi menurut suatu atribut tertentu. Contoh yang sederhana
adalah ukuran untuk kelas ekonomi, biasanya digunakan urutan ordinal atas,
menengah dan bawah. Ukuran ini tidak menunjukkan angka rata-rata kelas
ekonomi dan tidak memberikan informasi berapa besar interval antara kelas
ekonomi rendah dengan kelas ekonomi atas. Karena itu perhitungan statistik
yang berdasarkan penghitungan rata-rata dan standard deviasi tak dapat
diterapkan pada ukuran ini.
3. Ukuran Interval: Seperti halnya ukuran ordinal, ukuran interval adalah
mengurutkan orang atau obyek berdasarkan suatu atribut. Selain itu ia juga
memberikan informasi tentang interval antara stu orang dengan orang lainnya.
Interval atau jarak yang sama pada skala interval dipandang sebagai
mewakili interval atau jarak yang sama pula pada obyek yang diukur.
4. Ukuran Rasio: Ukuran rasio diperoleh apabila selain informasi tentang
urutan dan interval antar responden, kita mempunyai informasi tambahan
tentang jumlah absolut atribut yang dimiliki oleh salah satu dari responden

tadi. Jadi ukuran rasio adalah suatu bentuk interval yang jaraknya tidak
dinyatakan sebagai perbedaan nilai antara responden, tetapi antara seorang
responden dengan nilai nol absolut. Karena ada titik nol, maka perbandingan
rasio dapat ditentukan.

Jenis Skala:
Di samping itu ada kategori skala yang lain, yaitu:
1. Skala Diskrit: skala yang mengandung pengukuran nilai bulat atau tidak
mengandung pecahan. Misalnya: jumlah anak, jumlah pemilikan rumah,
mobil, hewan ternak dan sebagainya.
2. Skala Continues: skala yang dapat mengandung nilai pecahan, misalnya:
berat badan 52,5, tinggi badan 171,2 cm dan sebagainya.

D. KEGUNAAN METODE KUANTITATIF:
Metode kuantitatif digunakan untuk penelitian yang bersifat verifikatif, yaitu
untuk menguji hipotesis yang dirumuskan guna menjawab rumusan masalah, yang
berkaitan dengan ada tidaknya perbedaan antar variable, ada tidaknya hubungan antar
variable, ada tidaknya pengaruh antar variable dengan pelbagai variannya. Di
samping itu juga dapat digunakan untuk fungsi prediksi (trend analysis) maupun
fungsi pengukuran persepsi atau opini (skala indeks)

E. TEKNIK-TEKNIK STATISTIK DALAM METODE KUANTITATIF

1. Teknik Uji Hipotesis Dengan Kurve Normal

Salah satu teknik dalam metode kuantitatif untuk teknik uji hipotesis
menggunakan kurve normal. Kurve normal adalah persebaran data secara umum
yang mana data akan terkonsentrasi di tengah, dan mencekung di kedua kutub
ekstrimnya.

Teknik ini bisa digunakan untuk uji hipotesis berdasarkan Hipotesis alternatif
(Ha) dan Hipotesis nol (Ho). Hipotesis alternatif merupakan pernyataan sebagai
jawaban rumusan masalah yang diajukan, sedangkan hipotesis nol adalah
pengingkarannya.
Untuk keperluan analisis data yang kurang dari 30 maka digunakan uji-t.
Sedangkan untuk data lebih atau sama dengan 30 digunakan uji-z.
Adapun rumusnya adalah sebagai berikut:
Rumus Uji-t: t = (x – )/(s/ n)
Dalam hal ini,
x = rerata hasil penelitian
n = banyaknya responden,
= rerata populasi,
s = standard deviasi populasi

Rumus Uji-z: z = (x – )/(s/ n)
Dalam hal ini,
x = rerata hasil penelitian
n = banyaknya responden,
= rerata populasi,
s = standard deviasi populasi

Berikut adalah paparan tiga jenis hipotesis yang dapat menggunakan uji
hipotesis dengan kurve normal:

(A). Jenis Hipotesis I
PERNYATAAN:
“Pemerintah menyatakan bahwa rata-rata pendapatan Pemerintah Propinsi adalah Rp.
15 juta dengan standard deviasi Rp. 2 juta. Kita akan membuktikan apakah
pernyataan pemerintah tersebut benar atau tidak, maka kita ambil 10 Pemprop se
Indonesia, dan ternyata setelah diteliti rata-rata PAD-nya Rp. 13 juta. Apakah rata-rata PAD yang diperoleh dari hasil penelitian berbeda dengan pernyataan
pemerintah? Tingkat signifikansi yang digunakan 5%.”

PENYELESAIAN:
1. Merumuskan Ho dan Ha
Dalam hal ini pedoman yang digunakan adalah apa yang ditanyakan dalam
soal merupakan perumusan Ha. Karena yang ditanyakan dalam soal adalah apakah
ada perbedaan, maka berarti tidak sama.
Ho : x =
Ha : x =
2. Tingkat signifikansi 5%
3. Statistik yang digunakan adalah uji t

Karena N<30 maka : t = (x – )/(s/ n)
Dalam hal ini, n =10, = 15, s=2

T = 13 – 15/(2/ 10)
= -2/0,63
= -3,17

4. Daerah kritis dan Daerah penolakan Ho
Karena yang diuji jenis hipotesis I dan n<30, maka kriteria daerah kritis adalah:
t-hit < t –1/2 atau t-hit < t +1/2
Dalam hal ini t-hit = -3,17, sedangkan harga t +1/2 atau t -1/2 harus dicari dalam
tabel kurve normal dan tabel distribusi-t.
Untuk mengetahui harga t +1/2 atau t -1/2 di tabel, didasarkan pada df(n-1) dan
yang digunakan. Dalam contoh di atas df (9) dan = 0,05, setelah dilihat dalam tabel
harga t-hit < -2,262 atau t hit > 2,262.
5. Kesimpulan
Berdasarkan penghitungan dan kriteria daerah penolakan Ho yang dinyatakan
bahwa pendapatan yang diteliti sama dengan pernyataan pemerintah ditolak. Dengan
demikian dapat disimpulkan bahwa rata-rata PAD propinsi yang diteliti berbeda
dengan rata-rata PAD yang dinyatakan pemerintah.

(B). Jenis Hipotesis II:
PERNYATAAN:
“Pemerintah menyatakan bahwa tahun 2000 rata-rata pendapatan Pemerintah
Kabupaten adalah Rp. 20 juta dengan standard deviasi Rp. 5 juta. Kita akan
membuktikan apakah pernyataan pemerintah tersebut benar atau tidak, maka kita
ambil 50 Pemkab se Indonesia, dan ternyata setelah diteliti rata-rata PAD-nya Rp. 17
juta. Apakah rata-rata PAD Pemkab adalah lebih rendah dari pernyataan
pemerintah?” Tingkat signifikansi yang digunakan 5%.

PENYELESAIAN:
1. Merumuskan Ho dan Ha
Dalam hal ini pedoman yang digunakan adalah apa yang ditanyakan dalam
soal merupakan perumusan Ha. Karena yang ditanyakan dalam soal adalah apakah
PAD pemkab lebih rendah dari pernyataan pemerintah
Ho : x >=
Ha : x <
2. Tingkat signifikansi 5%
3. Statistik yang digunakan adalah uji z
Karena N>30 maka : t = (x – )/(s/ n)
Dalam hal ini, n =50, = 20, s=5, x =17

z = 17 – 20/(5/ 50)
= -3/0,707
= -4,24

4. Daerah kritis dan daerah penolakan Ho
Karena yang diuji jenis hipotesis II dan n>30, maka kriteria daerah kritis adalah:

z-hit < z
Dalam hal ini z-hit = -4,24, sedangkan harga z harus dicari dalam tabel
kurve normal dan tabel C (areas under the normal curve).

Angka 0,4500 yang dicari dalam table C. Karena dalam table yang ada 0,4505
dan 0,4495 yang masing-masing harganya 1,63 dan 1,64, maka untuk menentukan
0,4500 harus dicari dengan metode perbandingan.
X:0,01 = 0,0005:0,0010
X = 0,0050
Sehingga harga 0,4500 adalah 1,645
Dengan demikian daerah penolakan Ho adalah z hit < -1,645. Sebagaimana
diketahui z hit = -4,24. Ini berarti apabila dilihat dalam kurve normal terletak di
daerah penolakan Ho.

5. Kesimpulan
Berdasarkan penghitungan dan kriteria daerah penolakan Ho yang dinyatakan
bahwa rata-rata pendapatan daerah yang diteliti sama lebih tinggi atau sama dengan
pernyataan pemerintah ditolak. Dengan demikian dapat disimpulkan bahwa rata-rata
PAD kabupaten yang diteliti lebih rendah dari rata-rata PAD yang dinyatakan
pemerintah.

(C). Jenis Hipotesis III

PERNYATAAN:
“Pemerintah DIY menyatakan bahwa pendapatan rata-rata DIY Rp. 750.000 per
bulan dengan standard deviasi Rp. 150.000,- Padahal menurut hasil survey FE UGM
terhadap 100 orang rata-rata pendapatannya Rp. 790.000,- per bulan. Apakah kita
bias menerima bahwa hasil survey FE lebih baik daripada yang dinyatakan Pemprop
DIY? “ Tingkat signifikansi yang digunakan 5%.

PENYELESAIAN:
1. Merumuskan Ho dan Ha
Dalam hal ini pedoman yang digunakan adalah apa yang ditanyakan dalam
soal merupakan perumusan Ha. Karena yang ditanyakan dalam soal adalah apakah
hasil survey FE lebih baik daripada yang dinyatakan Pemprop DIY .

Ho : x <=
Ha : x >
2. Tingkat signifikansi 5%
3. Statistik yang digunakan adalah uji z
Karena N>30 maka : z = (x – )/(s/ n)
Dalam hal ini, n =100, = 750000, s=150000, x =790000
z hit = 790000 – 750000/(150000/ 100)
= -40000/1500
= 2,67

4. Daerah kritis dan daerah penolakan Ho
Karena yang diuji jenis hipotesis II dan n>30, maka kriteria daerah kritis
adalah:
z-hit > z
Dalam hal ini z-hit = 2,67, sedangkan harga z harus dicari dalam tabel kurve
normal dan tabel C (areas under the normal curve).
Angka 0,4500 yang dicari dalam table C. Karena dalam table yang ada 0,4505 dan
0,4495 yang masing-masing harganya 1,63 dan 1,64, maka untuk menentukan 0,4500
harus dicari dengan metode perbandingan.
X:0,01 = 0,0005:0,0010
X = 0,0050

Sehingga harga 0,4500 adalah 1,645
Dengan demikian daerah penolakan Ho adalah z hit >1,645.
Sebagaimana diketahui z hit = 2,67. Sedangkan z = 1,645. Ini berarti apabila
dilihat dalam kurve normal terletak di daerah penolakan Ho.

5. Kesimpulan
Berdasarkan penghitungan dan kriteria daerah penolakan Ho yang
menyatakan bahwa rata-rata pendapatan hasil survey FE UGM lebih rendah atau
sama dengan pernyataan Pemprop DIY ditolak. Dengan demikian dapat disimpulkan
bahwa rata-rata pendapatan hasil survey FE UGM lebih baik daripada pernyataan
Pemprop DIY.

2. ANALISIS TREND

Trend Analysis atau analisis trend adalah teknik statistik untuk memprediksi
kecenderungan kondisi masa mendatang berdasarkan serangkaian data yang tersedia
pada saat ini.
Adapun kegunaannya adalah sebagai alat analisis forcasting kondisi masa
mendatang berdasarkan trend data yang tersedia. Salah satu metode yang banyak
dikenal adalah Metode Least Square.
Rumus persamaan Least Square tersebut adalah sebagai berikut:
Y = a + b X
Dimana, a = Y/N
b = XY/X
2
Misalnya:
“Data Pendapatan Asli Daerah Kabupaten Bantul antara tahun 1994 sampai 2004
menunjukkan sebagai berikut:
Tahun PAD Tahun PAD
1994 25 2000 75
1995 55 2001 30
1996 40 2002 55
1997 20 2003 45
1998 70 2004 65
1999 30

Apabila kita ingin mengetahui trend PAD pada tahun 2005 maka dapat
dihitung dengan metode Least Square.
Tahun PAD (Y) X XY X
2
1994 25 -5 -125 25
1995 55 -4 -220 16
1996 40 -3 -120 9
1997 20 -2 -40 4
1998 70 -1 -70 1
1999 30 0 0 0
2000 75 1 75 1
2001 30 2 60 4
2002 55 3 165 9
2003 45 4 180 16
2004 65 5 330 25
510 230 110

a = 510/11 = 46,36
b = 230/110 = 2,09
Dengan demikian rumus operasionalnya: Y = 46,36 + 2,09 X

Untuk memprediksikan PAD tahun 2008, maka harus ditentukan terlebih dahulu X
pada tahun 2008. Karena X = 0 terletak pada tahun 1999, maka X pada tahun 2008
adalah = 2008 – 1999 = 9

Jadi Y’2005 = 46,36 + 2,09 (9)
= 46,36 + 18,81
= 65,17

Apabila datanya berjumlah genap misalnya antara tahun 1995 sampai 2004
(10 tahun), maka letak tengah nilai X antara 1999 dan 2000. X=0 juga terletak di
antara tahun-tahun tersebut, penghitungannya sebagai berikut:
Tahun PAD (Y) X XY X
2
1995 55 -9 -495 81
1996 40 -7 -280 49
1997 20 -5 -100 25
1998 70 -3 -210 9
1999 30 -1 -30 1
0 0 0
2000 75 1 75 1
2001 30 3 90 9
2002 55 5 275 25
2003 45 7 315 49
2004 65 9 585 81
510 225 330
a = 510/10 = 51
b = 225/330 = 0,68
Dengan demikian rumus operasionalnya: Y = 51 + 0,68 X

Untuk memprediksikan PAD tahun 2008, maka harus ditentukan terlebih
dahulu X pada tahun 2008. Karena X = 1 terletak pada tahun 2000, dengan jarak 2
maka X pada tahun 2008 adalah = 17

Jadi Y’2005 = 51 + 0,68 (17)
= 51 + 11,56
= 62,56

3. CHI-KUADRAT (CHI-SQUARE)

Pengertian
Rumus
Contoh
Fungsi Chi square:
1. sebagai tes asosiasi untuk mengetahui ada tidaknya perbedaan antara dua
variable nominal
2. sebagai tes asosiasi untuk mengetahui ada tidaknya perbedaan antara dua
variable ordinal atau interval
(fo – fh)
2
Rumus: X
2
= —————
fh

fo = frekuensi yang diobservasi
fh = frekuensi yang diharapkan

Tabel fo: Tabel fh:
A B O A1 B1 O1
C D P C1 D1 P1
X Y N X1 Y1 N1

A1 = (O*X)/N
B1 = (O*Y)/N
C1 = (O*X)/N
D1 = (O*Y)/N

Dalam contoh di atas, sel Chi Square yang digunakan adalah 2 x 2. Tapi dalam
prakteknya bisa 3×2, 3×3, 3×4 dan seterusnya.

1. Chi Square untuk variabel nominal (misal: jenis kelamin, agama, etnis dsb)
Peneliti melakukan penelitian dalam rangka untuk mengetahui apakah ada
perbedaan antara latar belakang etnis (independent variable) dengan identifikasi
partai (dependent variable). Untuk keperluan tersebut, ia mengambil 10 mahasiswa
sebagai responden. Adapun hasilnya adalah sebagai berikut:
Responden Etnis Identifikasi
partai
1 Jawa Golkar
2 Non Jawa PPP
3 Jawa PPP
4 NonJawa Golkar
5 Jawa PDIP
6 Jawa PPP
7 Non Jawa PPP
8 Jawa PDIP
9 Non Jawa Golkar
10 Jawa Golkar

Data tersebut kemudian diolah dengan cara mengelompokkan kuantitas etnis
Jawa yang berafiliasi ke Golkar, PDIP dan seterusnya. Hasilnya adalah sebagai
berikut:

Tabel fo:
Etnis Jawa Non Jawa Jumlah
Identifikasi partai
PPP 2 2 4
Golkar 2 2 4
PDI-P 2 0 2
Jumlah 6 4 10

Tabel fh:
Etnis Jawa Non Jawa Jumlah
Identifikasi partai
PPP 2,4 1,6 4
Golkar 2,4 1,6 4
PDI-P 1,2 0,8 2
Jumlah 6 4 10

Chi Square:
Fo fh (fo-fh) (fo-fh)
2
(fo-fh)
2
/fh
2 2,4 -0,4 0,16 0,06
2 1,6 0,4 0,16 0,10
2 2,4 -0,4 0,16 0,06
2 1,6 0,4 0,16 0,10
2 1,2 0,8 0,64 0,53
0 0,8 -0,8 0,64 0,80
Jumlah X2 = 1,65

Dengan demikian X
2
hit = 1,65
Kemudian untuk melihat ada tidaknya perbedaan antara dua variabel tersebut,
harga X
2-hit dibandingkan dengan harga X
2
tabel dengan kriteria sebagai berikut:

Jika X
2-hit >= harga X
2
tabel, maka ada perbedaan antara dua variabel yang diteliti
Jika X
2-hit < harga X
2
tabel, maka tidak ada perbedaan antara dua variabel yang
diteliti

Cara mencari harga X
2
tabel dengan menggunakan tabel I Distribution of X
2
,
berdasarkan d.f. dan tingkat signifikansi yang digunakan.
Dalam contoh di atas df = (jumlah kolom – 1) (jumlah baris – 1)
= (2-1)*(3-1)
= 2

Tingkat signifikansi yang digunakan 0,05 atau 5%.
Berdasarkan df =2, dan tingkat signifikansi 5%, maka harga X
2
tab = 5,991. (lihat
tabel Distribution X2)
Selanjutnya hasil X
2
tab dibandingkan dengan hasil X
2
hit, hasilnya X
2
hit< X
2
tab,
sehingga tidak ada perbedaan antara latar belakang etnis dengan identifikasi partai.
Kemudian untuk mengetahui signifikan tidaknya perbedaan tersebut digunakan
Coefficient Contingency (CC) dengan kriteria:

Jika CC mendekati 0,8 berarti perbedaan atau tidak adanya perbedaan dua variabel
adalah signifikan
Jika CC menjauhi 0,8 berarti perbedaan atau tidak adanya perbedaan dua variabel
adalah tidak signifikan

CC = X
2
hit/ X
2
hit+n

CC = (1,654)/ 1,65+10
= 0,14
= 0,37
Dalam hal ini, 0,37 mendekati 0,80 sehingga kesimpulan yang dapat diambil bahwa
tidak ada perbedaan antara latar belakang etnis dengan identifikasi partai yang
signifikan.

2. Chi Square untuk variabel interval
Peneliti mengadakan penelitian dengan tujuan mengetahui apakah ada
hubungan antara partisipasi masyarakat dengan keberhasilan pembangunan desa.
Dalam hal ini variabel partisipasi masyarakat dan variabel keberhasilan adalah
variabel interval. Karena pada dasarnya yang dimaksud dengan variabel interval
adalah variabel yang ditentukan menurut jarak tertentu, misal: tinggi, sedang dan
rendah.

Untuk kasus di atas, partisipasi masyarakat diklasifikasikan tinggi, sedang dan
rendah. Sedangkan keberhasilan pembangunan diklasifikasikan sangat berhasil,
cukup berhasil dan kurang berhasil.
Untuk mengetahuinya diedarkan 10 pertanyaan untuk variabel partisipasi (X)
dan 15 pertanyaan untuk variabel keberhasilan pembangunan (Y). Masing-masing
pertanyaan ada 3 alternatif jawaban, di mana:
skor tertinggi =3, sedang =2, dan rendah =1.
Misalnya:
“Apakah Bapak/Ibu sering ikut gotong royong dalam pembuatan jalan desa?”
Alternatif : a. Sering skor: 3
b. Kadang-kadang skor: 2
c. Tidak pernah skor: 1

Apabila responden pertama menjawab (a), maka untuk pertanyaan di atas dia
mendapat skor 3. Apabila responden 1 ini untuk 10 pertanyaan variabel X memilih
(a) semua, maka skor totalnya =30. Demikian pula bila untuk 15 pertanyaan variabel
Y, responden memilih (a) semua maka total skornya =15×3 = 45. Tetapi bisa saja
masing-masing responden menjawab berbeda, sehingga skor total masing-masing
berbeda pula.
Untuk contoh di atas, diteliti sebanyak 10 responden. Adapun hasilnya
sebagai berikut:

Responden Variabel X Variabel Y
1 10 (R) 15 (R)
2 19 (S) 29 (S)
3 27 (T) 35 (S)
4 28 (T) 30 (S)
5 10 (R) 21 (S)
6 20 (S) 25 (S)
7 30 (T) 40 (T)
8 24 (S) 16 (R)
9 11 (R) 17 (R)
10 26 (T) 45 (T)

Kriteria kategorinya untuk variabel X:
30 – 10
——– = 6,67
3

Jadi, 10 – 16,67 = rendah (R)
16,68 – 23,33 = Sedang (S)
23,34 – 30 = Tinggi (T)
Kriteria kategorinya untuk variabel Y:
45 – 15
——– = 10
3
Jadi, 15 – 25 = rendah (R)
26-35 = Sedang (S)
36-45 = Tinggi (T)

Kemudian seperti halnya contoh no 1, data di atas dimasukkan ke dalam tabel fo sbb:
Tabel Fo:
Var X Tinggi Sedang Rendah Jumlah
Var Y
Tinggi 2 0 0 3
Sedang 2 2 1 4
Rendah 0 1 2 3
Jumlah 4 3 3 10

Tabel Fh:
Var X Tinggi Sedang Rendah Jumlah
Var Y
Tinggi 1,2 0,9 0,9 3
Sedang 1,6 1,2 1,2 4
Rendah 1,2 0,9 0,9 3
Jumlah 4 3 3 10

Chi Square:
Fo fh (fo-fh) (fo-fh)
2
(fo-fh)
2
/fh
2 1,2 0,8 0,64 2,70
0 0,9 -0,9 0,81 0,90
0 0,9 -0,9 0,81 0,90
2 1,6 0,4 0,16 0,10
2 1,2 0,8 0,64 0,53
1 1,2 -0,2 0,04 0,03
0 1,2 -1,2 1,44 1,20
1 0,9 0,1 0,01 0,01
2 0,9 1,1 1,21 1,37
Jumlah X2 = 5,57

Dengan demikian harga X
2
hit = 5,57
Sedangkan harga X
2
tab:
d.f. = (3-1)(3-1) = (2)(2) = 4
df = 4, pada signifikansi 0,05
harga X
2
tab = 9,488
Ternyata harga X
2
hit < X
2
tab, yaitu 5,57 < 9,488.
Dengan demikian kesimpulan yang dapat diambil adalah bahwa tidak ada
hubungan antara variabel X dengan variabel Y, yaitu tak ada hubungan antara
partisipasi masyarakat dengan keberhasilan pembangunan desa.

Tes signifikansi:
CC = X
2
hit/ X
2
hit+n
CC = (7,86)/ 7,86+10
= (7,86)/ 17,86
= 0,44
= 0,66

Dalam hal ini, CC=0,66 mendekati 0,80, sehingga berarti tidak adanya
hubungan antara partisipasi masyarakat dengan keberhasilan pembangunan desa
adalah signifikan.

4. KORELASI PRODUCT MOMENT (KORELASI PEARSON)

Korelasi product moment (Korelasi Pearson) berfungsi untuk mengetahui ada
tidaknya hubungan antara dua variabel interval. Ini merupakan perangkat statistik
inferensial yang paling banyak digunakan dalam penelitian sosial.
Adapun rumusnya adalah sbb:
n XY – ( X)(Y)
r
xy
= ———————————————-
[n X
2
– ( X)
2
] [n Y
2
– ( Y)
2
]

Contoh penggunaan korelasi product-moment:
Suatu penelitian ingin mengetahui ada tidaknya hubungan antara variabel
tingkat status sosial ekonomi (X) dengan variabel partisipasi dalam pembangunan
desa (Y).
Adapun perincian data skornya adalah sebagai berikut:
Responden X Y X2 Y2 XY
1 15 11 225 121 165
2 19 29 361 841 551
3 27 35 729 1225 945
4 28 30 784 900 840
5 17 20 289 400 340
6 20 25 400 625 500
7 30 40 900 1600 1200
8 24 12 576 144 288
9 13 14 169 196 182
10 26 45 676 2025 1170

Jumlah 219 261 5109 8077 6181

n XY – ( X)(Y)
r
xy
= ———————————————-
[n X
2
– ( X)
2
] [n Y
2
– ( Y)
2
]

10 * 6181 – (219)(261)
r
xy
= ——————————————————
[10 * 5109 – (219)
2
] [10 * 8077 – (261)
2
]

61810 – 57159
r
xy
= ——————————————————
[51090 – 47961] [80770 – 68121]

4651
r
xy
= —————————
[3129] [12649]

4651
r
xy
= —————————
39578721

4651
r
xy
= —————————
6291,16

r
xy
= 0,74

Dengan demikian dapat disimpulkan bahwa status sosial ekonomi mempunyai
hubungan dengan partisipasi masyarakat dalam pembangunan desa, dan besarnya
hubungan adalah 0,74.
Untuk mengetahui apakah hubungan kedua variabel sebesar 0,74 tersebut
termasuk kategori tinggi atau kuat, sedang atau lemah, digunakan kriteria berikut:

0,00 = tidak ada hubungan
0,01 – 0,09 = ada hubungan sangat lemah

0,10 – 0,29 = ada hubungan yang lemah
0,30 – 0,49 = ada hubungan yang sedang
0,50 – 0,69 = ada hubungan yang kuat
0,70 – 0,99 = ada hubungan yang sangat kuat
1 = ada hubungan yang sempurna

Berdasarkan kriteria tersebut, maka hubungan antara status sosial ekonomi
dengan partisipasi masyarakat dalam pembangunan desa sebesar 0,74 termasuk
hubungan yang sangat kuat.

Test Signifikansi:
Untuk mengetahui apakah hubungan antara dua variabel yang dianalisis
dengan korelasi Pearson itu signifikan atau tidak, maka digunakan test signifikansi
dengan F-test, yang rumusnya adalah sebagai berikut:
r
2
xy
F-test = —————- .(n-2)
1 – r
2
xy

Untuk mengetahui apakah signifikan atau tidak, harga F-test dibandingkan
dengan harga F-tabel, dengan kriteria:

F test > F tabel = hubungan kedua variabel signifikan
F test < F tabel = hubungan kedua variabel tidak signifikan
Dalam hal ini, harga F-tabel diperoleh dari Tabel Distribusi F. Apabila
tingkat signifikansi yang digunakan 5%, maka tabel yang digunakan Distribusi F
(p=0,05), bila yang digunakan 1%, maka tabel yang digunakan Distribusi F (p=0,01).
Di samping tergantung dari tingkat signifikansi yang digunakan, harga F-tabel juga
ditentukan dari jumlah sampel yang diteliti.

Dalam tabel distribusi F, baris paling atas tertera n1
, dan kolom paling kiri n
2
.
Dalam hal ini, n1
menunjukkan jumlah variabel independen yang diteliti, sedangkan
n
2
menunjukkan jumlah sampel yang diteliti (patokannya n-2).

5. KORELASI PARSIAL
Korelasi parsial digunakan untuk mengetahui murni tidaknya hubungan antara
dua variabel tertentu, dengan variabel lain yang mempengaruhi dikontrol.
Adapun rumusnya adalah:

r
12
– (r
13
)(r
23
)
r
12.3
= ———————————-
(1-r
2
13
)* (1-r
2
23
)

Kemudian untuk menguji signifikansinya, digunakan rumus:

r
2
(N – k – 1)
F = —————————
1 – r
2

F = tes signifikansi
r
2
= kuadrat koefisien korelasi parsial
N = banyaknya sampel
k = banyaknya variabel bebas.

Adapun kriterianya,
Jika F-test >= F-tabel maka hubungannya signifikan
Jika F-test < F-tabel maka hubungannya tidak signifikan

6. ANALISIS JALUR (PATH ANALYSIS)
Analisis Jalur digunakan untuk melihat keterkaitan antar variabel. Tapi
keterkaitan itu bersifat kausalitas (sebab-akibat). Jadi Path Analysis digunakan untuk
melihat pengaruh antar variabel.
(NB: Koefisien Regresi bukan bermakna pengaruh, melainkan prediksi/kontribusi)

Misal:
X1 = Gaji
X2 = Suasana Kerja
X3 = Kepemimpinan
Y = Produktivitas Kerja
Z = Kepuasan Kerja

Dengan cara regresi hal itu dapat diterangkan.

Y = o + 1X1 + 2X2 (tak bisa diterangkan karena o konstant)

o

Oleh sebab itu o harus dihilangkan.
Cara menghilangkan konstanta adalah dengan menstandardizedkan data.

Y X1 X2 Y* X1* X2*
Gunakan
rumus:
(Y-Y)/st.d Y
Gunakan
rumus:
(X1-X1)
/st.dv X1
Gunakan
rumus:
(X2-x2)/st.d
X2

Hasilnya pasti Variance = 1, dan rerata= 0
Y = Y rata-rata

X1
X2
X3
Z Y

Dengan hilangnya konstanta, maka rumusnya berubah:

Y* = b1X1* + b2X2*
b1 dan b2 adalah koefisien jalur.

Misal: Y = 0,7 X1 + 0,6 X2
Pengaruh X1 lebih besar daripada X2.

Dalam Analisis Jalur terdapat dua variabel yang dilibatkan, yaitu variabel endogen
dan variabel eksogen.

Variabel Eksogen adalah variabel yang tak dipengaruhi variabel lain dalam
suatu sistem keterkaitan.
Variabel Endogen adalah variabel yang dipengaruhi variabel lain dalam suatu
sistem keterkaitan.

Misal dalam contoh di atas, X1, X2 dan X3 adalah variabel eksogen. Sedangkan Y
dan Z adalah variabel endogen. Mengenai ada tidaknya keterkaitan ini sangat
ditentukan oleh teori yang digunakan dalam penelitian tersebut.

Karena terdapat dua variabel endogen, maka perlu adanya 2 (dua) epsilon (1 dan 2)
yang merupakan simbol faktor lain yang mempengaruhi variabel Y dan Z.

Misal:
X1 = Gaji
X2 = Suasana Kerja
X3 = Kepemimpinan
Y = Produktivitas Kerja
Z = Kepuasan Kerja

X1
X2
X3
Z Y
1 2

Dengan demikian ada dua hipotesis:
Hipotesis 1 = Y dipengaruhi X1, X2, X3
Hipotesis 2 = Z dipengaruhi X1, X3, Y

Simbol koefisien jalur digunakan P.
Pengaruh X1 terhadap Y ditulis dengan notasi = PYX1
Pengaruh X2 terhadap Y ditulis dengan notasi = PYX2
Pengaruh X3 terhadap Y ditulis dengan notasi = PYX3
Pengaruh X1 terhadap Z ditulis dengan notasi = P
ZX1
Pengaruh X3 terhadap Z ditulis dengan notasi = PZX3
Pengaruh Y terhadap Z ditulis dengan notasi = PZY

Jadi:
Y = PYX1 +
PYX2 + PYX3 + 1
Z = PZX1
+ PZX3
+ PZY + 2

Untuk mengetahui besarnya pengaruh, maka digunakan rumus P
2
. Misal PYX1 =
0,70, maka berarti besarnya pengaruh adalah 49%.

Untuk mengetahui besarnya pengaruh tak langsung maka digunakan rumus:
Misal untuk mengetahui pengaruh tak langsung antara X1 dan Z melalui Y
Y = (PYX1
)
2
* (P
ZXY
)
2
Misal: Y = (0,70)2 * (0,60)2
= 0,49 * 0,36
= 0,18

GUNAKAN SPSS:
1. Data
2. Analyze
3. Regresi
4. Linear (cari Dependent Variabel)
5. Klik Hasil

Sub-struktur 1:
X1
X2 Y
X3

Sub-struktur 2:
X1
X3 Z
Y

GUNAKAN LISREL: (Var type Data harus interval/continues)
1. Baris awal untuk judul
2. Observed variables X1 – X3 Y Z
3. Correlation Matrix
4. Kembali ke menu awal LISREL (Stat – Output – Option – file from nama file)
5. Sample size 50
6. Relationships
Y = X1 X2 X3
Z = X1 X3 Y
7. Path Diagram
8. End of problem
Agar dapat dieksekusi, maka simpan dalam file .spr
Untuk menjalankan lakukan dengan Run.

7. FACTOR ANALYSIS

Faktor analysis digunakan untuk data multivariat (data yang diambil dari
banyak aspek tentang obyek tertentu). Misalnya: penelitian tentang pekerja bisa
dilihat dari aspek usia, pengalaman (bivariat).
Analisis faktor bertujuan untuk mereduksi dan mengelompokkan variabel
yang banyak sekali (>100 variabel indikator) untuk dikelompokkan menjadi beberapa
variabel baru lainnya.
Dalam analisis faktor, variabel yang dikelompokkan adalah yang memiliki
korelasi yang tinggi dan kemudian dijadikan satu kelompok.
Pada Path Analysis maupun Factor Analysis tidak dikenal adanya dependent
dan independent variabel. Tapi kalau data regresi ada variabel X dan Y.

Misal:
Penelitian tentang: X1, X2, X3, …… X100

X1,X5,X8,X20: saling berkorelasi kuat maka dijadikan satu kelompok
X2,X15,X28,X30: saling berkorelasi kuat maka dijadikan satu kelompok

Kelompok baru tersebut kita beri nama tersendiri. (Dimensi)

Dimensi: Jabarannya Indikator-indikator
Dimensi Indikator
A A.1
A.2
A.3

Ketika kita belum mengetahui dimensi, ada beberapa indikator ketika mereka
mengelompok maka dia menjadi dimensi.

Contoh:
Terdapat 14 indikator untuk menyatakan preferensi konsumen membeli mobil.
1. low-cost repair
2. variety of colors
3. room interior
4. efficient-petrol
5. easy driven
6. high resale
7. futuristic performance
8. cc-nya bagus
9. bagasi luas
Resp X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14

Low cost repair, good gas milleage, high resale value jadi satu dimensi cost efficiency
Dimensi tak bisa diukur, yang bisa diukur adalah indikator
Setelah dikelompokkan maka akan muncul empat dimensi:
1. compatibility
2. stylesness
3. cost-efficiency
4. easy to handle

Model Analysis Factor:
F = Factor (Dimensi) atau variabel latent (karena tak bisa diukur secara langsung)
Indikator adalah variabel manifest (bisa diukur secara langsung).

Dalam contoh di atas: F1, F2, F3, dan F4

Analysis Factor exploratif adalah analysis factor untuk menentukan banyaknya F.

Analysis Factor confirmatory adalah analisis faktor untuk membuktikan apakah
indikator yang telah kita ketahui benar adanya. (Apakah benar indikator X adalah
indikator Faktor Y). Ini bisa digunakan untuk uji validitas kuesioner dan item-itemnya.

Misal:
L1 L2 L3 L4
X1 = 0,7 F1+ 0,02 F2+ 0,03F3+ 0,9F4
X2= 0,06 F1+ 0,7F2+ 0,08F3+ 0,1F4

X1 cenderung ke F4 (besarnya 0,9)
X2 cenderung ke F2 (besarnya 0,7)

L= loading faktor (bobot faktor)

F1 F2 F3 F4
X1 0,7 0,02 0,03 0,9
X2 0,06 0,7 0,08 0,1

Kalau dalam menentukan kelompok faktor muncul keraguan, karena selisih korelasi
yang kecil saja, maka digunakan rotasi.

Dalam exploratory AF kita belum tahu berapa faktor.
Pakai SPSS:
1. Buka data (data mentah)
2. Analyze
3. data reduction
4. Factor, extraction (untuk jumlah berapa faktor pakai agent (eigen) values>1)
ataui click scree plot dan tekan Ok.
5. rotasi diklik, vari max oke

Hasilnya tabel:
Loading faktor bukan korelasi. Hasil negatif dimutlakkan

Scree plot berbentuk kurva. Gunanya untuk menetukan banyaknya Faktor F harus
berapa? Mulai landai pada titik mana itulah penentunya.

Dengan pemampatan menjadi 3 faktor, maka ada data yang hilang. 83,4% bisa
diterangkan oleh F1-F4.
Cut off berlaku = 80%

8. ANALISIS FAKTOR CONFIRMATORY:

Dalam Analisis Faktor Eksploratori, peneliti belum mengetahui indikator-indikator termasuk dalam dimensi apa.

Dalam Analisis Faktor Konfirmatori, dalam setiap dimensi kita sebenarnya
telah mengetahui dimensinya. Hanya sekedar membuktikan apakah benar merupakan
indikator dimesni tersebut.

Untuk ini tidak bisa digunakan SPSS, melainkan LISREL.

F1 = variabel laten, X1 = variabel manifest. Cut off kekeliruan pengukuran = 60%

F
1
F
3
F
2
X1 X2 X3 X4 X5 X6 X7 X8 X9
F
3
F
2
F
1
X9 X8 X7 X6 X5 X4 X3 X2

X1

9. STRUCTURAL EQUATION MODELLING (SEM)

SEM adalah gabungan antara Analisis Jalur dengan Analisis Faktor.

Var Laten Endogen

Varibel Laten Eksogen

= Variabel

= Indikator

Variabel Laten Eksogen diberi simbol ksi ()
Variabel Laten Endogen diberi simbol eta ()
Variabel Manifest dari variabel laten eksogen diberi simbol x
Variabel Manifest dari variabel laten endogen diberi simbol y
Sikap
Perilak
u
X1
X2
X3
X4
X8
X7
X6
X5
X12
X11
X10
X9

Koefisien yang menghubungkan variabel laten eksogen dengan variabel laten
endogen diberi simbol gamma ( )
Koefisien yang menghubungkan variabel laten endogen dengan variabel laten
endogen diberi simbol beta ( ).
Epsilon () dan delta ( ) untuk mengukur kekeliruan pengukuran.

Dalam SEM, unit analisisnya (N) minimal 100.
N = 5 – 10 kali indikator manifest
Data harus interval.

Misal:
Dimensi Indikator
Kemampuan Visual Visual Perception
Cubes
Lozenges
Kemampuan Verbal Paragraph Comprehension
Sentence Comprehension
Word mean Comprehension
Kemampuan Matematikal Penjumlahan
Pengurangan
SC Caps.

Kita bisa melihat bobot dengan Factor Analysis menggunakan LISREL.

Caranya:
1. File : New .. Syntax
2. Baris 1: judul
3. baris 2: subjudul
4. baris 3 : observe variables visual perception cubes lozenges dst.
5. baris 4: correlation matrix (variabel continues harus!!!). Correlation matrix
from file *.cor (Sebelumnya buka stat, output option, correlation, simpan
dalam npv.cor. OK …. layar muncul, kembali ke syntax)
6. baris 5 : sample size : 145

7. baris 6: Latent variables visual verbal matematikal
8. baris 7: relationships:
visual cubes lozenges = visual
x4 x5 x6 = verbal
x7 x 8 x9 = matematikal
9. path diagram
10. end of problem
11. simpan dalam .spl
Run
Loading factor > 0,60 buruk
LF kuadrat + kekeliruan = 1,00
Jika hasilnya buruk, cek kuesioner. Tidak ada perlakuan khusus lainnya.
Jadi confirmatory digunakan untuk menguji validitas.
Makna loading faktor kalau dikuadratkana dalah pengaruh.

SEM:
Apakah visual seseorang mempengaruhi verbal dan matematikal ?
Simbol eksogen : ksi; simbol endogen eta 1 dan eta 2

Visual
(Ekso-gen)
Verbal
(Endo-gen)
Matem
atikal
(Endo)
0,54
0,48
0,08
Yang
dihipotesis-kan
ini

Untuk analisis ini, maka syntax baris ke 7 ditambah di bawahnya dengan :
Verbal = Visual
Matematikal = Visual Verbal
Path diagram
End of problem

Untuk melihat signifikansi, click t-value, akan terdapat warna merah yang
menunjukkan tak signifikan.
Variabel eksogen dan endogen warna berbeda.

Untuk melihat model, basic model diganti structure model (yang dilihat hanya faktor
latent saja)
Terus t-values, akan kelihatan signifikan tidaknya.

CONTOH ATAU DISAIN PENELITIAN DENGAN PENDEKATAN KUANTITATIF :

“PENYERAPAN TENAGA KERJA PADA USAHA TANI PADI
BIMAS DAN INMAS”
(Dikutip dari Satyadharma dalam Singarimbun, 1984:29-33).

1. Latar Belakang dan Masalah
Pengangguran dan kemiskinan dewasa ini merupakan pusat suatu tahap dalam
drama pembangunan ekonomi negara-negara yang sedang berkembang, di mana
negara-negara tersebut mengalami pengangguran baik yang bersifat nyata maupun
yang tidak kentara. Adanya kegiatan yang tidak produktif dan rendahnya pendapatan
di satu pihak serta pertumbuhan penduduk yang cepat di lain pihak menambah
besarnya jumlah penganggur. Selanjutnya dalam usahanya menciptakan lapangan
kerja yang lebih luas dan distribusi pendapatan yang lebih merata, pada umumnya
akan menghadapi suatu dilemma yang merupakan pemilihan antara meningkatkan
produksi dan GNP dengan pemecahan masalah pengangguran.
Agaknya keadaan yang digambarkan di atas sedikit banyak dihadapi
Indonesia dalam pembangunannya. Seperti diketahui tujuan Pelita di sektor pertanian
bukan hanya peningkatan produksi pangan terutama beras dan peningkatan
penghasilan petani akan tetapi juga perluasan kesempatan kerja di sektor tersebut.
Kebijaksanaan pemerintah dalam hal ini didasarkan atas kenyataan, antara lain
bahwa:
a. Dari ± 119 juta penduduk Indonesia, 85% bertempat tinggal di daerah pe-desaan dengan mata pencaharian pokok bertani.
b. Angkatan kerja diperkirakan meliputi 35% dari jumlah penduduk atau 42 juta
orang.
c. Jumlah penganggur dan setengah penganggur diperkirakan meliputi 25% dari
jumlah angkatan kerja atau lebih kurang sebelas juta orang.
d. Jumlah desa lebih kurang adalah 50.000 buah dengan penduduk masing-ma-sing rata-rata 2.500 orang. Di setiap desa angkatan kerja 875 orang dan
jumlah penganggur/setengah penganggur lebih kurang 220 orang.
Seperti telah disebutkan di atas, bahwa 85% dari penduduk Indonesia
bertempat tinggal di pedesaan, maka perlu kiranya kemampuan menyerap tenaga
kerja di sektor pertanian ditingkatkan. Terutama bila diingat bahwa dalam waktu
singkat, pembangunan di sektor industri yang diharapkan dapat menyerap tenaga
kerja yang berlebihan di sektor pertanian belum memungkinkan. Di samping itu,
karena pada umumnya luas usaha tani kecil-kecil, maka perbaikan teknologi yang
dijalankan untuk menanggulangi masalah tersebut di atas harus merupakan
tekonologi yang mempunyai sifat dapat menyerap tenaga kerja yang lebih besar dan
sekaligus mampu juga mengadakan land saving.
Tekonologi yang dimaksudkan di atas adalah tekonologi baru yang antara lain
melaksanakan penyuluhan, menggunakan bibit unggul, pupuk kimia dan insektisida.
Dalam hal ini perbaikan tekonologi pada usaha tani dengan sistem Bimas (yang

disempurnakan) diperkirakan sesuai. Yang menjadi masalah ialah sampai seberapa
jauh perbaikan tekonologi itu sampai menimbulkan daya serap terhadap tenaga kerja
di sektor pertanian.

2. Tujuan dan Kegunaan Penelitian
Tujuan:
a. Untuk mengetahui hasil produksi usaha tani padi dengan sistem Bimas dan
Inmas.
b. Untuk Mengetahui modal kerja yang digunakan pada usaha tani padi dengan
sistem Bimas dan Inmas.
c. Untuk mengetahui kemampuan penyerapan tenaga kerja antara usaha tani
dengan sistem Bimas dan Inmas.
d. Untuk mengetahui faktor-faktor apa yang menyebabkan adanya perbedaan
daya serap tersebut.
Kegunaan:
a. Sebagai latihan dalam penelitian ilmu sosial khususnya di bidang ekonomi
pertanian.
b. Mudah-mudahan dapat pula memberikan sumbangan pemikiran bagi yang
berminat di bidang ini.

3. Hipotesis
a. Hasil produksi usaha tani padi dengan sistem Bimas lebih besar daripada
usaha tani Inmas.
b. Modal kerja usaha tani padi dengan sistem Bimas lebih besar daripada usaha
tani Inmas.
c. Kemampuan menyerap tenaga kerja pada usaha tani padi dengan sistem
Bimas adalah lebih besar daripada usaha tani Inmas.

4. Variabel-variabel
Variabel yang digunakan untuk menguji hipotesis tersebut di atas adalah:
a. Jumlah hasil produksi (per musim tanam)
b. Jumlah biaya produksi (biaya untuk bibit, pupuk, insektisida, upah, dan lain-lain).
c. Jumlah jam kerja seluruhnya (dari pesemaian, pengolahan tanah, dan
pemeliharaan sampai panen).
d. Jumlah tenaga kerja seluruhnya.

5. Metode Penelitian
a. Sample daerah
Kelurahan Pengasih, Kecamatan Pengasih, kabupaten Kulom Progo diambil
sebagai daerah penelitian berdasarkan pertimbangan bahwa di daerah tersebut
terdapat usaha tani dengan sistem Bimas dan Inmas.

b. Sample responden
Responden adalah petani dengan sistem Bimas dan Inmas. Sample diambil dengan
random sampling.

c. Pengujian hipotesis
Hipotesis-hipotesis yang diajukan diuji dengan menggunakan “t-tes”.

Hipotesis pertama:
H0 : X B
= X I
H1 : X B
> X I

dimana X
B
dan X
1
masing-masing adalah hasil produksi usaha tani dengan sistem
Bimas dan Inmas.
SXB
dan SX1
masing adalah standar deviasi dari hasil produksi usaha tani dengan
sistem Bimas dan Inmas.
nB = n1 = 12 masing-masing adalah jumlah sample pada usaha tani dengan sistem
Bimas dan Inmas.

S = (X-X)
2
/(n-1)

T = (XB
-X1
) / (nB-1)S
2
XB +
(n1-1).S
2
X1
/ (nb+na)-2 * (1/nb+1/n1)

Hipotesis kedua
Analog dengan yang di atas, di mana:
X B
dan X 1
masing-masing adalah modal kerja rata-rata pada usaha tani dengan
sistem Bimas dan Inmas.
SXB
dan S
X1
masing-masing adalah standar deviasi dari modal kerja yang usaha tani
dengan sistem Bimas dan Inmas.

Hipotesis ketiga
Analog dengan yang di atas, di mana:
X B
dan X 1
masing-masing adalah penyerapan tenaga kerja rata-rata pada usaha tani
dengan sistem Bimas dan Inmas.
SXB
dan S
X1
masing-masing adalah standar deviasi dari penyerapan tenaga kerja yang
usaha tani dengan sistem Bimas dan Inmas.

DAFTAR PUSTAKA

Brannen, Julia, Memadu Metode Penelitian Kualitatif dan Kuantitatif, 1997.
PustakaPelajar, Yogyakarta.

Faisal, Sanapiah. 1989. Format-Format Penelitian Sosial: Dasar-dasar dan Aplikasi,
Rajawali Press, Jakarta.

Faisal, Sanapiah, 1990, Penelitian Kualitatif: Dasar-dasar dan Aplikasi. YA-3-Malang.

Glaser, B.G. dan A.L. Strauss. 1967. The Discovery of Grounded Theory. Aldine de
Gruyter Inc., New York.

Hadi, Sutrisno. 1990. Statistik Jilid 1, Yogyakarta: UGM Press

Hadi, Sutrisno. 1990. Statistik Jilid 2, Yogyakarta: UGM Press

Hadi, Sutrisno. 1990. Statistik Jilid 3, Yogyakarta: UGM Press

Lincoln, Y.S. dan E.G. Guba. 1985. Naturalistic Inquiry. Sage Publications, Ltd.
USA.

Miles, M.B. dan M.A. Huberman. 1992, Analisis Data Kualitatif, Penerbit
Universitas Indonesia, Jakarta.

Moleong, L.J. 1989. Metode Penelitian Kualitatif. Ramaja Karya, Bandung.

Nasution. 1992. Metode Penelitian Naturalistik Kualitatif. Tarsito, Bandung.

Singarimbun. 1984. Pedoman Praktis Membuat Usulan Penelitian. Ghalia Indonesia.

Syamsi, Ibnu. Dasar-Dasar Keuangan Negara. Yogyakarta.Bina Ilmu.

Tobing, Harapan L. Kumpulan Materi Kuliah Review Statistika Terapan, Program
Pasca Sarjana UNPAD 2004.

Williams, D.C. 1988. Naturalistic Inquiry Materials, FPS IKIP Bandung.

DIKTAT

ANALISIS KUANTITATIF

Oleh:
Drs. SURANTO, M.Pol.
Dosen Tetap Fakultas Isipol UMY

JURUSAN ILMU PEMERINTAHAN
FAKULTAS ILMU SOSIAL DAN ILMU POLITIK
UNIVERSITAS MUHAMMADIYAH YOGYAKARTA
2005

DAFTAR ISI

Halaman

1. PENGANTAR
1
2. LATAR BELAKANG PENDEKATAN KUANTITATIF
DAN KUALITATIF

1
3. PERBEDAAN PENDEKATAN KUANTITATIF DENGAN KUALITATIF
DARI ASPEK KEILMUAN DAN
METODOLOGIS

4
4. KEGUNAAN METODE KUANTITATIF 12
5. TEKNIK-TEKNIK STATISTIK DALAM METODE
KUANTITATIF

12
2. Teknik Uji Hipotesis Dengan Kurve Normal 12
2. Analisis Trend 21

3. Chi Square (Chi kuadrat) 25
4. Korelasi Product Moment 34
5. Korelasi Parsial 37
6. Analisis Jalur 38
7. Analisis Faktor 42
8. Analisis Faktor Confirmatory 46
9. Structural Equation Modelling (SEM) 47

F. CONTOH DESAIN
PENELITIAN
KUANTITATIF
51

DAFTAR PUSTAKA 54

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s