Sebagai mahasiswa tingkat akhir yang sedang mengembara ke sana dan ke mari mencari kitab suci, eh maksudnya topik skripsi, tentu hal yang pertama saya lakukan adalah banyak membaca jurnal penelitian dari Google Scholar maupun skripsi yang tersebar di Google. Eh, dari petualangan saya mencari topik skripsi, malah saya kepikiran membahas metode statistika yang paling sering digunakan dalam skripsi.
Memang patut diteliti. Soalnya tuh ya, setiap kali saya membaca skripsi atau makalah, saya seperti sudah dapat menduga metode statistika yang digunakan hanya dari judulnya sekalipun judulnya tidak disebutkan metode analisis yang digunakan. Hal itu seolah-olah metode statistika ini punya kekuatan khusus yang nyambung di segala topik penelitian dan akhirnya menjadi metode statistika favorit akademisi.
Berdasarkan penelusuran saya, berikut adalah metode statistika yang biasa digunakan akademisi khususnya mahasiswa tingkat akhir saat skripsian. Metode-metode statistika berikut seolah kagak ade matinye, selalu menjadi favorit sepanjang masa seperti kasih ibu.
Analisis Deskriptif
Metode statistika pertama dibuka dari metode yang hampir selalu ada dalam setiap skripsi walaupun tidak digunakan sebagai metode utama. Meski hanya bersifat pendukung, analisis deskriptif sangat penting untuk melihat pola-pola data yang digunakan sebelum melanjutkan ke analisis yang utama, analisis inferensial. Analisis deskriptif yang biasanya dipakai dalam skripsi antara lain berupa tabel ringkasan data yang berisi mean, varians, dan jumlah sampel. Kamu bisa lebih lanjut mengenai ukuran pemusatan dan ukuran varians di sini (link).
Selain itu, visualisasi data yang biasanya disesuaikan dengan bentuk datanya berupa diagram batang maupun diagram garis atau visualisasi yang lebih kompleks lainnya sering disajikan untuk melengkapi bagian awal bab hasil dan pembahasan dalam skripsi. Analisis deskriptif juga dapat menjadi analisis eksploratif untuk melihat pola awal data yang nantinya akan digunakan dalam pemodelan. Beberapa tools visualisasi seperti histogram dan box plot tentu sangat berguna dalam melihat distribusi data dan pendeteksian outlier atau data pencilan. Kamu bisa lebih lanjut mengenai boxplot di sini (link).
Analisis Korelasi dan Regresi
Bagi mahasiswa bidang sosial humaniora, pasti tak asing lagi dengan judul penelitian dengan embel-embel “pengaruh” atau “hubungan” seperti misalnya pada dua judul penelitian berikut:
“Pengaruh Tingkat Pengangguran Terbuka Terhadap Kemiskinan Multidimensi di DKI Jakarta”
“Hubungan Kemandirian Belajar Siswa Dengan Prestasi Belajar Siswa di SMPN 1 Sukamundur”
Coba tebak, mana yang menggunakan analisis regresi dan mana yang menggunakan analisis korelasi?
Analisis regresi sering digunakan untuk menjawab permasalahan sebab akibat. Biasanya, judul dari penelitian yang menggunakan analisis regresi berembel-embel “pengaruh x terhadap y”. x adalah variabel bebas (independen) atau variabel yang mempengaruhi. Untuk analisis yang lebih kompleks, x dapat berjumlah lebih dari satu variabel. Judul penelitian dengan metode analisis regresi yang lebih kompleks dengan jumlah variabel bebas yang lebih dari satu biasanya berembel-embel “determinan …” atau “faktor-faktor yang memengaruhi ..”. Analisis regresi paling sederhana yang dapat dibuat oleh peneliti adalah regresi linear. Meskipun sederhana, analisis regresi linear juga nggak sederhana-sederhana amat, sih, sebenarnya. Biasanya, peneliti direpotkan oleh asumsi-asumsi klasik residual yang tidak terpenuhi seperti asumsi normalitas, homoskedastisitas, non-autokorelasi, dan non-multikolinearitas. Kamu bisa lebih lanjut mengenai analisis regresi di sini (link). Lebih lanjut, analisis regresi berkembang menjadi regresi non-linear seperti regresi logistik dan regresi poisson, analisis runtun waktu (timeseries analysis), serta regresi spasial yang mempertimbangkan hubungan antar wilayah.
Berbeda dengan analisis regresi, analisis korelasi jauh lebih sederhana. Korelasi hanya melihat hubungan antar variabel dengan mengabaikan hubungan sebab akibatnya. Oleh karena itu, variabel x dan y dalam analisis korelasi dianggap sama-sama variabel bebas. Biasanya analisis korelasi dilakukan sebelum melakukan pemodelan statistik dengan regresi. Judul penelitian yang menggunakan analisis korelasi biasanya berembel-embel “hubungan x dengan y”. Analisis korelasi juga tidak membutuhkan berbagai asumsi klasik residual yang ada di dalam regresi linear. Keluaran dari analisis korelasi adalah koefisien korelasi yang dapat diinterpretasikan sebagai besar hubungan antar kedua variabel serta dapat menentukan arah hubungan (negatif/positif). Besar hubungan tersebut diklasifikasikan menjadi sangat kuat, kuat, cukup kuat, lemah, dan sangat lemah berdasarkan koefisien korelasinya. Kamu bisa lebih lanjut mengenai analisis regresi di sini (link).
Analisis of Variance (ANOVA)
Metode langganan terakhir adalah Anova. Analisis Varians digunakan untuk menguji perbedaan rata-rata dari beberapa populasi. Jika analisis regresi biasa digunakan oleh mahasiswa sosial humaniora, metode Anova ini lebih sering digunakan pada mahasiswa sains dan teknologi. Sebelum melakukan pengujian menggunakan Anova, terlebih dahulu harus dipenuhi asumsi normalitas populasi dan homogenitas varians antar populasi. Pengujian Anova dilakukan dengan Uji-F. Apabila menemui hasil tolak H0, maka pengujian akan dilanjutkan untuk mencari populasi yang mana yang berbeda rata-ratanya. Kamu bisa lebih lanjut mengenai Anova di sini (link).
Segitu dulu ya pembahasan dari belajar statistik. Semoga kita bisa memanfaatkan metode statistika dalam mengatasi berbagai permasalahan, ya.
