Olah Data/ Analisis Data
olah data/ Analisis data (OlDat/AnDat ), sering menjadi salah satu kendala bagi para Mahasiswa/i dalam menghadapi tugas akhir perkuliahan. Keterbatasan informasi serta ilmu pengetahuan secara teoritis sering bersebrangan dengan realita di lapangan serta kondisi yang harus dihadapi.
Statistik, merupakan sesuatu yg sudah pasti....layaknya Matematika
atau ilmu Fisika dimana penerapannya tidak bisa dilakukan secara
asal-asalan.
Metode, aplikasi yang digunakan sudah merupakan ketetapan dimana
apabila salah dalam penggunaannya maka akan menghasilkan hasil yang salah juga,
walaupun secara kasar apabila kita menggunakan penerapan metode yang salah
kaprah tetap akan menghasilkan "hasil" juga.
Memang akan menghasilkan angka/hasil, pertanyaannya adalah apakah
hasil yg kita peroleh akurat? software atau program hanya sebuah alat,
salah kita dalam mengoperasikan maka akan salah juga hasil yg kita
terima/peroleh.
Fungsi
Software/Program hanya untuk
mempermudah kita dalam proses (tidak perlu menghitung secara manual, justru
penghitungan secara manual akan memungkinkan kesalahan perhitungnya yg lebih
tinggi saat proses perhitungnya berlangsung). Penerapan sebuah rumus/metode
melalui tahapan/proses perhitungan yang sangat panjang (biasanya), hal ini yg
dpt mengakibatkan kekeliruan saat proses berlangsung jadi lebih tinggi
resikonya, seperti: Salah Mengetik, walaupun 1 angka akan menyebabkan
nilai akhir jg yang salah, Salah memaknai simbol ini juga salah
pengerjaan pada tahap-tahap selanjutnya. Ribetkan?! ..........
Proses
saat melakukan penelitian tidaklah mudah,
karena keakuratan pemilihan objek penelitian, instrumen penelitian, pengambilan
data, dsb, haruslah benar-benar akurat dan sesuai dengan permasalahan yang akan
kita teliti. Para Ahli maupun Pakar Ekonometrika telah
mengembangkan Software/Program untuk mempermudah para peneliti dalam
memperkecil resiko kekeliruan/kesalahan yang terjadi saat proses "analisis
data" berjalan (tahap akhir penelitian), sehingga hasil yang dicapaipun
dapat maksimal sesuai dengan data yang telah terkumpul.
Dalam metode Statistik, terbagi menjadi 2: yaitu 1) Metode Parametrik dan
2) Metode NonParametrik, kedua metode tersebut saling
melengkapi.
1. Metode
Parametrik, metode ini digunakan dan
harus melewati berbagai macem syarat-syarat pengujian sebelum hasil dari
pengujian hipotesis kita pergunakan (seperti: Kecukupan sampel, Uji
Asumsi/Prasyarat maupun Goodness Of Fit yang harus terpenuhi).
Bagaimana apabila hasil pengujian asumsi/prasyarat ataupungoodness of
fit tidak terpenuhi? maka hasil yang kita peroleh akan mengalami bias atau
tidak dapat digunakan (contoh: hasil pada
data bias menunjukkan A berpengaruh pada B, dan C tidak berpengaruh pada
B...hasil terbut justru bisa sebaliknya pada kenyataanya).
2. Metode
NonParametrik, metode ini merupakan metode alternatif dari metode parametrik. metode nonparametrik dapat digunakan oleh peneliti apabila
mengalami keterbatasan/kendala saat proses analisis (syarat metode parametrik tidak
terpenuhi).
Pada software/program yang biasa sering kita dengar (tidak/belum
bersifat multi dimensi) telah memiliki fasilitas pengujian untuk kedua metode
tersebut (metode parametrik dan non parametrik telah tersedia).
Beberapa Program Statistik diantaranya: SPS, MINITAB, Eviews, SPSS, dan lain sebagainya.
Beberapa Metode
Pengujian beserta alternatifnya (metode NonParametrik), diantaranya:
Ø Uji beda untuk Independen sampel T test (parametrik) sedangkan
alternatifnya (nonprametriknya) adalah Mann-Whitney, Kolmogorov-Smirnov Z,
Wald-Wolfowtz runs, dan Moses extreme reactions.
Ø Uji beda Paired-sample T test maka alternatifnya
(nonparametrik uji paired) adalah Wilcoxon, Sign, McNemar, dan Marginal
Homogenity.
Ø Anova merupakan metode pengujian parametrik yang dapat dilakukan
untuk 2 sample atau lebih, apabila pada tahap pengujian Anova tidak memenuhi
syarat maka alternatif untuk 2 sampel (kelompok bukan
responden!) maka metode alternatif/nonparametrik dapat dilakukan
menggunakan metode nonparametrik di atas, akan tetapi untuk sampel lebih dari 2
maka metode nonparametrik menggunakan Kruskal-Walis, uji Median, dan
Jonckheere-Terpstra.
"Ingat !!!
setiap langkah pengujian Hipotesis, harus juga diperlakukan hal yang sama untuk
pengujian Asumsinya, contoh: Apabila anda melakukan pengujian berjenjang
ataupun model yang memiliki mediator maka setiap pengujian dari model
terpisahnya harus dilakukan juga pengujian asumsi (kita melakukan 3x pengujian
regresi maka 3x juga pengujian asumsi harus dilakukan). Hal tersebut dikarena
setiap pengujian yang berbeda, jumlah variabel yang berbeda, data yang berbeda,
sampel/responden yang berbeda akan mengakibatkan hasil analisis yang juga
berbeda!. Jadi, salah apabila pengujian hipotesis melalui 3x langkah hanya anda
wakili dengan 1x pengujian asumsinya (oleh salah-satu langkah/model terpisah
saja)!!!."
Saat ini telah muncul metode yang kebilang baru sebagai
pengembangan dari keterbatasan atas alat analisis/software-sofware yang telah
ada sebelumnya, yaitu Structural Equation Modelling (SEM). Metode SEM
ini memiliki kecanggihan/ keunggulan seperti:
Dapat mengoperasikan model yang jauh lebih rumit dan bersifat
multidimensi.
Memiliki perhitungan measurement error dari tiap
data yang ada/yang diuji.
Tidak perlu melakukan pengujian yang berulang-ulang untuk model
yang kompleks.
Dapat menguji model rumit dengan kelompok yang lebih dari 1
(satu).
Dan tentunya masih byk keunggulan-keunggulan yg dimiliki oleh
metode ini yang merupakan alat analisis paling mutkhir saat (Pengembangan dari
metode sebelumnya).
Selayaknya pada alat analisis/metode sebelumnya, SEM juga terbagi
menjadi 2, hal tersebut karena tidak mungkin sesuatu yang akan kita teliti akan
selalu memenuhi kriteria dari sebuah metode saja. Ambil contoh; kita ingin
meneliti sebuah perusahaan/kantor yang hanya memiliki sampel yang sedikit
(sampel hanya sebatas jumlah karyawan yang dimiliki perusahaan tersebut,
contoh; 37 karyawan) atau kita ingin meneliti jumlah perusahaan, sudah barang
tentu jumlah sampel dibawah 100 (<100) tidak dapat dianalisis
menggunakan SEM Berbasis Kovarian
(metode paling kecil adalah Maximum Likelihood yang memiliki syarat kecukupan
sampel minim antara 100-200), nah akan
berbeda jika kita bandingkan dengan penelitian konsumen dimana sampel dapat
diperoleh dengan jumlah yang jauh lebih tidak terbatas.
Dalam metode SEM, metode
Statistik Parametrik SEM dikenal dengan Metode Berbasis Kovarian sedangkan pada metode
NonParametrik dikenal dengan istilah Metode Berbasis Komponen.
Berbeda dengan alat analisis/software sebelumnya, dalam SEM sebuah
program/software mewakili Basis Metode yang digunakan:
1. SEM Parametrik (Berbasis Kovarian),
software/programnya seperti:Lisrel, Amos, dan lain sebagainya.
2. SEM NonParametrik (Berbasis Komponen),
software/programnya seperti: PLS (PLSv, PLSgraph), GSCA/GeSCA , TEDTRAD IV
dan lain sebagainya.
Alhamdulillah, sedikit-banyak saya kupas mengenai hal penting
dalam penggunaan dari kedua metode yang sering salah-kaprah dalam
peng-aplikasian/penerapannya. Semoga coretan saya di atas dapat menjadi
tambahan wawasan/ilmu dan berguna bagi kita semua...Semoga yang Maha Kuasa,
Maha Pandai, Maha Kasih Sayang selalu memberikan kita jalan dan kemudahan dalam
menghadapi setiap urusan serta menjauhkan kita semua dari sifat malas yang
salah satunya adalah malas belajar.......Aammiin ya Robbal a'lamin.
"JANGAN PERNAH MENYERAH SAAT MENUNTUT ILMU"
0 comments: