ANALISIS DATA PENELITIAN KEBIJAKAN PUSAT PENELITIAN KEBIJAKAN PENDIDIKAN BADAN PENELITIAN DAN PENGEMBANGAN KEMENTERIAN PENDIDIKAN NASIONAL 2011
DAFTAR ISI I PENDAHULUAN...1 II PENGERTIAN DAN PENGELOMPOKAN JENIS DATA...2 A. Berdasarkan Bentuknya...2 B. Berdasarkan Cara Memperolehnya...3 C. Berdasarkan Skala Pengukurannya...3 III PENYAJIAN DATA...6 A. Tabel...6 B. Grafik/ Diagram...7 IV ANALISIS DATA...9 DAFTAR PUSTAKA...15
I PENDAHULUAN Pada Bab I ini dipaparkan tentang penyusunan disain atau rancangan penelitian, pengembangan instrumen pengumpul data, pelaksanaan pengumpulan data, pengolahan, penyajian dan analisis data, penyusunan laporan dan penyampaian usulan kebijakan pemecahan masalah kepada penentu kebijakan. Secara lengkap diuraikan di bawah ini. Penelitian kebijakan adalah proses penyelenggaraan penelitian atau analisis terhadap masalah yang mendasar dalam rangka memberikan rekomendasi kebijakan kepada penentu kebijakan untuk memecahkan masalah. Pelaksanaan penelitian kebijakan dimulai dari penyusunan disain atau rancangan penelitian, pengembangan instrumen pengumpul data, pelaksanaan pengumpulan data, pengolahan, penyajian dan analisis data, penyusunan laporan dan penyampaian usulan kebijakan pemecahan masalah kepada penentu kebijakan. Pengolahan, penyajian dan analisis data merupakan tahapan kegiatan yang saling terkait. Setelah diperoleh data yang bersih dan siap untuk dianalisis sebagaimana dijelaskan pada buku tentang pengolahan data, maka data tersebut harus disajikan dan dianalisis agar bisa diinterpretasikan atau diberi makna yang merupakan informasi tentang hasil penelitian yang dilakukan. Berdasarkan informasi tersebutlah bisa disusun suatu rekomendasi kebijakan yang akan menjadi bahan masukan bagi pimpinan untuk mengambil kebijakan. Data yang dikumpulkan pada penelitian kebijakan dapat berbentuk data kuantitatif, kualitatif atau keduanya. Pada umumnya suatu penelitian mengumpulkan kedua bentuk data tersebut. Kedua bentuk data hasil penelitian yang dilakukan dianalisis bersama-sama untuk saling melengkapi. Karena analisis data kualitatif lebih cenderung menguraikan, memilah-milah data dan melihat pola dari hasil penelitian yang dilakukan yang kemudian diuraikan dalam bentuk kalimat, sedangkan analisis data kuantitatif cenderung melakukan penghitungan-penghitungan yang relatif rumit. Oleh sebab itu, pada modul ini lebih banyak dibahas mengenai analisis data kuantitatif. Analisis Data - 1 -
II PENGERTIAN DAN PENGELOMPOKAN JENIS DATA Pada Bab II ini diuraikan tentang pengertian dan pengelompokan jenis data. Secara lengkap diuraikan di bawah ini. Data diartikan sebagai keterangan atau ilustrasi mengenai suatu hal baik berbentuk bilangan ataupun kategori, seperti baik-rusak, berhasil-gagal, dan lain-lain maupun dalam bentuk uraian atau kalimat. Data dapat dikelompokkan berdasarkan beberapa sudut pandang berikut: A. Berdasarkan Bentuknya Berdasarkan bentuknya data dikelompokkan menjadi: 1. Data Kuantitatif Jenis data ini biasanya dinyatakan dalam bentuk angka atau bilangan. Dilihat dari nilainya, data kuantitatif dapat dibagi menjadi dua golongan yaitu data diskrit dan data kontinyu. Data diskrit adalah data yang mempunyai nilai dalam bentuk bilangan asli (1, 2, 3,...) dan diperoleh dari hasil menghitung atau membilang. Misalnya, jumlah anggota keluarga, jumlah gedung sekolah di suatu kecamatan, jumlah murid, guru, buku, dan sebagainya. Data kontinu adalah data yang mempunyai nilai dalam bentuk bilangan real (, + ) dan diperoleh dari hasil pengukuran. Dengan demikian data kontinu dapat dinyatakan dalam bentuk pecahan ataupun desimal. Contoh : tinggi badan, berat badan, tingkat kecerdasan, dan lain-lain. 2. Data kualitatif Jenis data ini dinyatakan dalam bentuk kalimat atau uraian. Data kualitatif biasanya diperoleh dari jawaban pertanyaan terbuka yang memerlukan uraian atau hasil wawancara serta deskripsi dari hasil observasi. Data kualitatif kadang-kadang ada yang bisa dinyatakan dalam bentuk kuantitatif melalui pengelompokan data. Misalnya data berjenjang seperti sangat baik, baik, sedang, buruk dan sangat buruk dapat ditransformasikan ke dalam data kuantitatif dengan memberi simbol 1, 2, 3, 4, dan 5. Analisis Data - 2 -
B. Berdasarkan Cara Memperolehnya Berdasarkan cara memperoleh atau mendapatkannya, data dikelompokkan menjadi: 1. Data Primer Yaitu data yang dikumpulkan langsung oleh orang (organisasi) yang menggunakan data. Misalnya, data hasil penelitian yang dikumpulkan langsung dari sumber data seperti guru, kepala sekolah ataupun siswa suatu satuan pendidikan tertentu. 2. Data Sekunder Yaitu data yang dikumpulkan oleh orang (organisasi) lain yang dapat dimanfaatkan/digunakan untuk mendukung penelitian yang sedang dilakukan. Misalnya, data yang ada di Badan Pusat Statistik (BPS) atau instansi tertentu seperti Statistik Persekolahan, Statistik Pertanian, Statistik Perekonomian, dan lain-lain. C. Berdasarkan Skala Pengukurannya Berdasarkan skala atau tingkat pengukurannya, data dikelompokkan menjadi: 1. Nominal Yaitu data yang simbol atau angka yang digunakan tidak menunjukkan besaran, tingkatan atau jumlah, akan tetapi hanya merupakan simbol saja. Misalnya data tentang jenis kelamin, agama yang dianut, suku dan daerah asal. Contoh: a. Jenis kelamin: 1. Laki-laki 2. Perempuan b. Agama yang dianut: 1. Islam 2. Protestan 3. Katolik 4. Budha 5. Hindu 6. Lainnya Analisis Data - 3 -
Dari contoh tersebut tampak bahwa angka hanya menunjukkan simbol. Untuk contoh jenis kelamin yang diberi simbol angka 1 untuk laki-laki dan 2 untuk perempuan, bukan berarti bahwa perempuan adalah dua kali lipat dari laki-laki. Demikian pula untuk contoh agama yang dianut, angka 1 sampai 6 hanya sebagai simbol saja. 2. Ordinal Yaitu data yang dinyatakan dalam angka yang berfungsi sebagai lambang untuk membedakan dan bilangan mengisyaratkan pringkat/rank/ mengurutkan kualitas. Kekurangan ordinal; Bahwa kita hanya bisa mengatakan lebih besar/ lebih baik tidak bisa mengatakan seberapa besar atau seberapa baik lebihnya. Menurut teori bilangan ; Seandainya akan membuat skala ordinal, tidak perlu angkanya berurutan, asal menunjukkan apakah itu makin besar atau makin kecil (monotonic). Misalnya data perin gkat siswa di kelas berdasarkan skor yang diperoleh seperti contoh berikut: Skor Peringkat 85 1 77 2 60 3 50 4 Pada contoh, terlihat bahwa jarak/perbedaan skor antara peringkat 1 dan 2 adalah 8, sedangkan antara peringkat 2 dan 3 adalah 17, sementara jarak peringkat 3 dan 4 adalah 10. Jadi jarak antar peringkat tidak harus sama. Contoh lain data yang skala ordinal : Jenjang pendidikan, kepangkatan, golongan, skala likert dll. 3. Interval Yaitu data yang dinyatakan dalam angka berfungsi sebagai lambang, mengisyaratkan peringkat, menyatakan jarak antara masing-masing tingkat, namun angka 0 bukan titik mutlak dan suatu besaran tertentu bukan merupakan kelipatan dari bilangan lainnya. Contoh : ukuran panas dengan menggunakan satuan derajat Celcius. Perbedaan antara 40o C dan 50o C sama dengan perbedaan 70o C dan 80o C, tetapi 80o tidak merupakan Analisis Data - 4 -
kelipatan dari 40o. Demikian juga angka 0o C bukanlah angka mutlak yang menyatakan objek tersebut tidak memiliki suhu, karena kalau ditransformasikan ke dalam satuan lain seperti derajat Fahrenheit (F), nilainya bukan lagi 0o akan tetapi 32o F. Contoh lain untuk data dengan skala pengukuran interval adalah nilai atau skor prestasi belajar siswa, nilai atau skor tes IQ, dan lain-lain. 4. Rasio Yaitu data yang dinyatakan dalam angka yang menunjukkan besaran yang mempunyai jarak/perbedaan yang sama antara masing-masing tingkat; skala ini hampir sama seperti skala interval tetapi mengenal adanya nilai mutlak sehingga suatu besaran tertentu bisa merupakan kelipatan dari bilangan lainnya, misalnya angka 10 meter adalah kelipatan dua dari 5 meter atau jarak dua objek yang berhimpitan adalah 0 (angka mutlak bernilai 0 : absolut zero point). Contoh lain gaji/upah (dalam rupiah), panjang benda, berat benda dll. Dari skala-skala tersebut, skala rasio merupakan skala pengukuran yang paling tinggi, disusul skala interval, ordinal dan terakhir nominal. Keempat skala tersebut dapat dirangkum dalam tabel berikut: No. Skala Ciri-ciri skala Contoh 1. Rasio Bilangan sebagai lambang, peringkat, jarak, dan Jarak, berat perbandingan serta titik nol merupakan titik mutlak. 2. Interval Bilangan berfungsi sebagai lambang, peringkat, dan jarak.; tidak memiliki nilai mutlak o C, skor tes IQ, prestasi 3. Ordinal Bilangan menunjukkan lambang dan peringkat/ rank Peringkat kelas, jenjang pendidikan 4. Nominal Bilangan hanya menunjukkan lambang dari kategori, bukan suatu besaran agama, jenis kelamin Analisis Data - 5 -
III PENYAJIAN DATA Pada Bab III ini diuraikan tentang penyajian data. Secara lengkap diuraikan di bawah ini. Data yang telah diperoleh setelah diolah maka tahap berikutnya adalah disajikan sedemikian rupa sehingga mudah dibaca dan dipahami oleh pengguna/pembaca laporan. Secara garis besar penyajian data dikelompokkan menjadi dua yaitu tabel dan grafik/diagram. A. Tabel Tabel merupakan penyajian data dalam bentuk lajur-kolom. Komponen tabel terdiri dari (1) judul tabel, ditulis di tengah -tengah bagian atas tabel yang berisi : apa, macam atau klasifikasi dan unit data yang digunakan; (2) judul kolom, yang dapat memberikan keterangan tentang kolom, (3) judul baris, yang dapat memberikan keterangan tentang baris; (4) sel tabel, yaitu tempat nilai -nilai data dituliskan; (5) sumber, menjelaskan darimana data tersebut dikutip. Penyajian data dalam bentuk tabel secara teoritis diantaranya: 1. Tabel Satu Arah, Yaitu tabel yang memuat hanya satu variabel saja. Misalnya tentang banyaknya pegawai menurut agama saja. Tabel 1. Banyaknya Pegawai PT X menurut Agama tahun 2004 Jenis Agama Banyaknya Pegawai 1. Islam 25 2. Katholik 5 3. Protestan 4 Dst Jumlah Sumber : Analisis Data - 6 -
2. Tabel Dua Arah Yaitu tabel yang memuat dua variabel, biasanya disebut tabel silang atau cross tab. Contoh: Tabel 2. Keadaan Siswa di Indonesia Menurut Jenjang Pendidikan dan Jenis Kelamin Tahun 2002 Jenjang Pendidikan Jenis Kelamin Jumlah Pria Wanita SD SLTP SM Jumlah Sumber : 3. Tabel Tiga Arah, Yaitu tabel yang memuat tiga variabel, sebagai contoh : Pendidikan Jenis Kelamin Yang Ditamatkan Lk. Pr. Desa Kota Desa Kota 4. Dan seterusnya B. Grafik/ Diagram Penyajian data dengan menggunakan grafik atau diagram dimaksudkan agar data dapat ditampilkan secara visual. Bentuk diagram terdiri dari diagram batang, diagram lingkaran (pie), diagram garis dan campuran. Data dalam bentuk atribut atau kategori biasanya ditampilkan dalam bentuk diagram batang. Diagram batang terdiri dari sumbu datar dan sumbu tegak. Sumbu datar menyatakan atribut dan sumbu tegak untuk menyatakan kuantum atau nilai dari data. Sebagaimana namanya, diagram lingkaran disajikan dalam bentuk lingkaran atau kue pie, dan pada umumnya digunakan untuk data dalam bentuk proporsi dimana setiap proporsi akan dibatasi oleh jari-jari lingkaran sehingga berbentu seperti potongan Analisis Data - 7 -
kue pie. Sedangkan diagram garis biasanya digunakan untuk menggambarkan data atau keadaan yang kontinyu, seperti perkembangan siswa dari tahun ke tahun. Contoh-contoh diagram dicantumkan sebagai berikut. 1. Diagram batang Jumlah Siswa SD SLTP SLTA Jenjang Pendidikan 2. Diagram lingkaran Jumlah Guru SD Menurut Pendidikan Terakhir PT 60% < SLTA 5% SLTA 35% 3. Diagram garis Perkembangan jumlah siswa selama 5 tahun 3000 2800 2600 2400 2200 1 2 3 4 5 Penyajian data bertujuan supaya data yang dihasilkan mudah dipahami dan menarik untuk diperhatikan. Analisis Data - 8 -
IV ANALISIS DATA Pada Bab IV ini diuraikan tentang analisis data. Analisis data bertujuan untuk menguraikan, menjelaskan dan menginterpretasikan data agar mempunyai makna yang merupakan informasi dalam penelitian tertentu. Dari informasi tersebut dapat diambil kesimpulan yang dapat dijadikan bahan pertimbangan oleh para pengambil keputusan untuk menentukan kebijakan. Secara lengkap diuraikan di bawah ini. Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah data dari seluruh responden atau sumber lain terkumpul. Kegiatan dalam analisis data adalah: mengelompokkan data berdasarkan variabel dan jenis responden, mentabulasi data berdasarkan variabel dari seluruh responden, menyajikan data tiap variabel yang dilakukan, melakukan perhitungan untuk menjawab rumusan masalah, dan melakukan perhitungan untuk menguji hipotesis yang telah diajukan (jika ada). Teknik analisis data dalam penelitian kuantitatif menggunakan statistik. Terdapat dua macam statistik yang digunakan untuk analisis data dalam penelitian, yaitu statistik deskriptif dan statististik inferensial. Statistik inferensial meliputi statistik parametris dan statistik nonparametris. Statistik deskriptif adalah statistik yang digunakan untuk menganalisis data dengan cara mendeskripsikan atau menggambarkan data yang telah terkumpul sebagaimana adanya tanpa bermaksud membuat kesimpulan yang berlaku umum atau generalisasi. Penelitian yang dilakukan pada populasi (tanpa diambil sampelnya) jelas akan menggunakan statistik deskriptif dalam analisisnya. Tetapi bila penelitian dilakukan pada sampel, maka analisisnya dapat menggunakan statistik deskriptif maupun inferensial. Statistik deskriptif dapat digunakan bila peneliti hanya ingin mendeskripsikan data sampel, dan tidak ingin membuat kesimpulan yang berlaku untuk populasi di mana sampel diambil. Tetapi bila peneliti ingin membuat kesimpulan yang berlaku untuk populasi, maka teknik analisis yang digunakan adalah statistik inferensial. Analisis Data - 9 -
Statistik Deskriptif Macam Statistik untuk Analisis Data Statistik Parametris Statistik Inferensial Statistik Nonparametris Gambar 4.1 Macam-macam Statistik untuk analisis data Termasuk dalam statistik deskriptif antara lain adalah penyajian data melalui tabel, grafik, diagram lingkaran, pictogram,perhitungan modus, median, mean (pengukuran tendensi sentral), perhitungan kuartil, desil, persentil, perhitungan penyebaran data melalui perhitungan rata-rata dan standar deviasi, perhitungan persentase. Dalam statistik deskriptif juga dapat dilakukan mencari kuatnya hubungan antara variabel melalui analisis korelasi, melakukan prediksi dengan analisis regresi, dan membuat perbandingan dengan membandingkan rata-rata data sampel dan populasi (hanya tidak dilakukan uji signifikansi). Statistik inferensial (sering juga disebut statistikm induktif atau statistik probabilitas), adalah teknik statistik yang digunakan untuk menganalisis data sampel dan hasilnya diberlakukan untuk populasi. Statistik ini akan cocok digunakan bila sampel diambil dari populasi yang jelas, dan teknik pengambilan sampel dari pupulasi itu dilakukan secara random. Statistik inferensial terdapat statistik parametris dan nonparametris. Penggunaan statistik parametris dan nonparametris ini tergantung pada asumsi dan jenis data (skala pengukuran) yang akan dianalisis. Statistik parametris memerlukan terpenuhi banyak asumsi. Asumsi yang utama adalah data yang akan dianalisis harus berdistribusi normal. Statistik nonparametris tidak menuntut terpenuhi banyak asumsi, misalnya data yang akan dianalisis tidak harus berdistribusi normal. Oleh karena itu statistik nonparametris sering disebut distribution free (bebas distribusi). Analisis Data - 10 -
Penggunaan kedua statistik tersebut juga tergantung pada jenis data yang akan dianalisis. Statistik parametris kebanyakan digunakan untuk menganalisis data interval dan rasio, sedangkan statistik nonparametris kebanyakan digunakan untuk menganalisis data nominal dan ordinal. Jadi untuk menguji hipotesis dalam penelitian kuantitatif yang menggunakan statistik, ada dua hal utama yang harus diperhatikan,yaitu macam data (skala pengukuran) dan bentuk hipotesis yang diajukan. Macam data (skala pengukuran) penelitian seperti yang telah diketahui, yaitu: data nominal, ordinal, interval, dan rasio. Sedangkan bentuk hipotesis umumnya ada tiga, yaitu: hipotesis deskriptif, komparatif, dan asosiatif. Tabel 4.1 berikut ini merupakan rangkuman penggunaan statistik parametris dan nonparametris untuk menguji hipotesis. Tabel 4. 1 PENGGUNAAN STATISTIK PARAMETRIS DAN NONPARAMETRIS UNTUK MENGUJI HIPOTESIS Skala Pengukuran Nominal Deskriptif (1 variabel) - Binomial - 2 satu sampel Komparatif (dua sampel) Bentuk Hipotesis Komparatif (lebih dari 2 sampel) Related Independen Related Independen - Mc Nemar Ordinal - Run test - Sign test - Wilcoxon matched pairs Interval/Rasio - t test - t test of related - Fisher Exact probability - 2 dua sampel - Median test - Man Whitney U test - Kolmogorov Sirnov - Wald Woldfowitz - t test independen - Cochran Q Asosiatif (hubungan) - 2 k sampel - Contingency coeficient - Friedma - Kruskal Wallis - Two-way Anova - Spearman rank correlation - Kendall Tau - One- Way - One-way Anova - Korelasi Anova - Two-way Anova -Two-way anova product moment - Korelasi parsial/ganda Regresi - Analisis Jalur Analisis Data - 11 -
Berdasarkan Tabel 4.1 tersebut dapat dikemukan di sini bahwa: (1). Untuk menguji hipotesis deskriptif satu sampel (uni sampel) bila datanya berbentuk nominal, maka digunakan teknik statistic: a. Binomial b. Chi kuadrat satu sampel (2). Untuk menguji hipotesis deskriptif satu sampel (uni sampel) bila datanya berbentuk ordinal, maka digunakan teknik statistik: a. Run Test (3). Untuk menguji hipotesis deskriptif satu variabel (univariabel) bila datanya berbentuk interval atau rasio, maka digunakan teknik statistic: a. t test (4). Untuk menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk nominal, maka digunakan teknik statistic: a. McNemar Test (5). Untuk menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk ordinal, maka digunakan teknik statistic: a. Sign Test b. Wlcoxon matched pairs (6). Untuk menguji hipotesis komparatif dua sampel yang berpasangan bila datanya berbentuk interval atau rasio, maka digunakan teknik statistic: a. t test dua sampel (7). Untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk nominal, maka digunakan teknik statistic: a. Fisher exact probability b. Chi kuadrat Dua sampel (8). Untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk ordinal, maka digunakan teknik statistic: a. Median test b. Mann-Whitney U test c. Kolmogorov Smirnov d. Wald-Wolfowitz (9). Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya berbentuk interval dan rasio, maka digunakan teknik statistic: a. t test sampel berpasangan (related) Analisis Data - 12 -
(10). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya berbentuk nominal, maka digunakan teknik statistic: a. Chocran Q (11). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya berbentuk ordinal, maka digunakan teknik statistic: a. Friedman Two-way Anova (12). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya berbentuk ordinal, maka digunakan teknik statistic: a. Friedman Two-way Anova (13). Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya berbentuk interval atau rasio, maka digunakan teknik statistic: a. Anova one way dan Two-way Anova (14). Untuk menguji hipotesis komparatif k sampel independen bila datanya berbentuk nominal, maka digunakan teknik statistic: a. Chi Kuadrat k sampel (15). Untuk menguji hipotesis komparatif k sampel independen bila datanya berbentuk ordinal, maka digunakan teknik statistic: a. Median Extension b. Kruskal-Walis One Way Anova (16). Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbentuk nominal, maka digunakan teknik statistic: a. Koefisien Kontingensi (17). Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbentuk ordinal, maka digunakan teknik statistic: a. Koefisien Spearman Rank b. Korelasi Kendall Tau (18). Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbe ntuk interval atau rasio, maka digunakan teknik statistic: a. Koefisien Korelasi Produk Momen b. Korelasi Parsial/ Ganda c. Analisis Regresi digunakan untuk melakukan prediksi, bagaimana perubahan nilai variabel dependen bila nilai variabel independent dianaikkan/ diturunkan. d. Analisis Jalur digunakan untuk menguji teori penelitian dan mengetahui besar pengaruh dari antar variabel baik secara langsung maupun tidak langsung. Analisis Data - 13 -
Hipotesis penelitian yang akan diuji dalam penelitian berkaitan erat dengan rumusan masalah yang diajukan, tetapi perlu diketahui bahwa setiap penelitian tidak harus berhipotesis, namun harus merumuskan masalahnya. Penelitian yang harus berhipotesis adalah penelitian yang menggunakan metode eksperimen. Interpretasi Data Interpretasi data dapat dikelompokkan berdasarkan karakteristik data, konteks penelitian, hubungan antar variabel dan perbedaan menurut kategori tertentu. Berdasarkan karakteristiknya, interpretasi data dapat dilihat dari sebaran, susunan dan kedudukannya. Data dapat pula dibandingkan antara data individu dengan sesamanya atau terhadap nilai dalam kelompok, seperti nilai rata-rata (means), nilai persentil dan lain-lain. Berdasarkan konteksnya interpretasi data harus dikaitkan dengan situasi yang melatarbelakanginya. Dengan perkataan lain, kenyataan yang ada sekarang perlu dihubungkan dengan situasi waktu kejadian itu muncul. Interpretasi data berdasarkan hubungan antar variabel dapat digolongkan menjadi dua yaitu hubungan korelasional dan hubungan sebab akibat (kausal). Sebagaimana telah disinggung pada bagian terdahulu, hubungan korelasional adalah untuk melihat tingkat keeratan hubungan antara satu variabel dengan variabel lainnya. Dalam hal ini ingin diketahui apakah variabel yang satu mempunyai hubungan yang erat secara signifikan dengan variabel lain atau tidak. Sedangkan hubungan kausalitas adalah hubungan untuk mengetahui apakah suatu variabel mempengaruhi atau menyebabkan perubahan pada variabel lainnya. Dengan demikian ada variabel yang menjadi penyebab dan ada variabel yang menjadi akibat. Berdasarkan perbedaan antar kategori tertentu, interpretasi data pada umumnya dilakukan untuk menguji suatu hipotesis. Misalnya, ingin diketahui apakah prestasi siswa laki-laki berbeda atau sama secara signifikan dengan prestasi siswa perempuan. Analisis Data - 14 -
DAFTAR PUSTAKA Dayan, Anto. 1994. Pengantar Metode Statistik. Jilid II, Cetakan 17. Jakarta, LP3ES Gay, L. R. 1996. Educational Research Competencies for Analysis and Application. Fifth ed. USA, Merill Publishing Company Kshinsagar, Anant M. 1983. A Course in Linear Models. New York, Marcel Dekker Inc. New York. Meier, K.J. and J.L. Brudney. 1987. Applied Statistiks for Public Administration, Revised ed. California, Brooks/Cole Publishing Company Montgomery, Douglas C. 1991. Design and Analysis of Expperiments, 3 rd ed. New York, John Wiley & Sons Patton, M.Q. 1990. Qualitatif Evaluation and Research Methods. Newbury Park, Sage Publication. Sudjana, Nana dan Ibrahim. 2001. Penelitian dan Penilaian Pendidikan. Edisi kedua. Sinar Baru Algensindo. Bandung. Sugiyono, 2006. Metode Penelitian Kuantitatif Kualitatif dan R & D. Penerbit Alfabeta, Bandung. Suparman, 1990. Petunjuk Analisis Data. Puslit Pranata Pembangunan, UI. Analisis Data - 15 -