penelitian

1. Menganalisis dan menginterpretasi data kuantitatif
apa langkah-langkah dalam Proses da kuantitatif
Ada beberapa langkah yang saling terkait yang digunakan dalam proses analisis data
kuantitatif. Langkah pertama adalah untuk mempersiapkan data untuk analisis. Hal ini
melibatkan menentukan bagaimana untuk menetapkan. skor numerik untuk data, menilai jenis
skor untuk menggunakan, memilih program statistik, dan memasukkan data ke dalam program,
dan kemudian membersihkan database untuk analisis. Langkah kedua dimulai dengan analisis
data. Biasanya Anda melakukan analisis deskriptif dari ukuran pemusatan dan variasi
melaporkan data. Kemudian Anda melakukan lebih analisis inferensial canggih untuk menguji
hipotesis dan Anda memeriksa interval kepercayaan dan efek ukuran. Langkah berikutnya adalah
untuk melaporkan hasil yang ditemukan menggunakan tabel, gambar, dan diskusi tentang hasil
utama. Akhirnya, Anda menginterpretasikan hasil dari analisis data.Ini terdiri dari meringkas
hasil, membandingkan hasil dengan literatur masa lalu dan teori, memajukan keterbatasan
penelitian, dan berakhir dengan saran untuk penelitian di masa depan
bagaimana Anda mempersiapkan data untuk analisis
Langkah pertama untuk Anda adalah untuk mengatur data untuk analisis. Mempersiapkan
dan mengorganisir. Data untuk analysisin penelitian kuantitatif terdiri dari mencetak data dan
menciptakan codebook, menentukan jenis nilai untuk menggunakan, memilih program komputer,
memasukkan data ke dalam program untuk analisis, dan membersihkan data.

2. Skor Data
Ketika Anda mengumpulkan data pada instrumen atau checklist, Anda akan memerlukan
beberapa sistem untuk mencetak data. Scoring datameans bahwa peneliti memberikan skor
numerik (atau nilai) untuk masing-masing kategori respon untuk setiap pertanyaan pada
instrumen yang digunakan untuk mengumpulkan data. Sebagai contoh, asumsikan bahwa orang
tua menanggapi survei yang meminta mereka untuk menunjukkan sikap mereka tentang pilihan
sekolah untuk anak-anak di distrik sekolah. Satu pertanyaan mungkin:
Silakan periksa respon yang tepat untuk pernyataan ini:
"Siswa harus diberi kesempatan untuk memilih sekolah pilihan mereka."
___________ Sangat setuju
___________ Setuju
___________ Undecided
___________ Tidak Setuju
___________ Sangat tidak setuju
Asumsikan bahwa cek orangtua "Setuju." Apa nilai numerik yang akan Anda tetapkan ke respon
sehingga Anda akan menetapkan nilai yang sama untuk setiap orang yang memeriksa "Setuju"?
Untuk menganalisis data, Anda akan perlu untuk menetapkan nilai tanggapan seperti 5 = sangat
setuju, 4 = setuju, 3 = ragu-ragu, 2 = tidak setuju, dan 1 = sangat tidak setuju. Berdasarkan hal
tersebut nomor yang ditetapkan, orang tua yang memeriksa "Setuju" akan menerima nilai 4.
Beberapa pedoman dapat membantu dalam menetapkan nomor ke pilihan respon:
 Untuk skala kontinyu (seperti timbangan interval), Anda harus konsisten mencetak
masing-masing pertanyaan pada skala ini menggunakan sistem penomoran yang sama.

3. Dalam contoh di atas, Anda secara konsisten harus mencetak skala seperti "Sangat
setuju" untuk "Sangat tidak setuju" sebagai "5" untuk "1."
 Untuk skala kategoris seperti "tingkat Apa yang Anda ajarkan? ___________ Sekolah
tinggi,___________ Sekolah menengah, ___________ SD, "Anda bisa sewenang-
wenang menetapkan nomor yang masuk akal, seperti 3 = SMA, 2 = sekolah menengah,
dan 1 = SD. Sebuah aturan yang baik untuk diikuti, bagaimanapun, adalah bahwa
semakin positif respon atau lebih tinggi atau lebih maju kategori informasi, semakin
tinggi nomor yang ditetapkan.
 Untuk membuat skor mudah, Anda dapat preassign nomor pada instrumen untuk masing-
masing Pilihan respon, seperti dalam contoh ini:
Silakan menanggapi pertanyaan ini:
"Keempat siswa kelas harus diuji untuk kemampuan matematika."
___________ (5) Sangat setuju
___________ (4) Setuju
___________ (3) belum diputuskan
___________ (2) Tidak Setuju
___________ (1) Sangat tidak setuju
Di sini Anda dapat melihat bahwa angka-angka tersebut sudah preassigned dan Anda
tahu bagaimana untuk mencetak setiap tanggapan. Kadang-kadang Anda dapat memiliki
peserta mengisi lingkaran untuk tanggapan atas "lembar gelembung" seperti yang
digunakan untuk membantu dalam mencetak gol ketika mengevaluasi guru di kelas
kuliah. Ketika siswa gelap lingkaran pada lembar tersebut, Anda optik dapat memindai
tanggapan mereka untuk analisis. Jika Anda menggunakan tersedia secara komersial

4. instrumen, perusahaan sering akan memasok manual skor untuk menggambarkan
bagaimana skor instrumen.
 Satu prosedur yang dapat membantu Anda dalam menentukan skor tanggapan adalah
untuk menciptakan codebook. Acodebookis daftar variabel atau pertanyaan yang
menunjukkan bagaimana peneliti akan kode atau skor tanggapan dari instrumen atau
daftar. Contoh dari codebook ditunjukkan pada Gambar 6.1. Perhatikan bahwa setiap
variabel diberi nama (yaitu, Grade), definisi singkat dari variabel (yaitu, tingkat kelas
siswa) adalah diberikan, dan nomor ditugaskan untuk setiap opsi respon (yaitu, 10 = kelas
10, 11 = Kelas 11, 12 = kelas 12).
GAMBAR 6.1
Codebook untuk Proyek Merokok SMA
Variabel nomor 1. ID identifikasi ditugaskan untuk setiap siswa, dari 1 50
Variabel 2. Jenis kelamin-kelamin siswa; 1 Pria, 2 Wanita
Variabel tingkat 3. Kelas-kelas siswa; 10 kelas 10, 11 kelas 11, 12 kelas 12
Variabel 4. Orangtua-orangtua status perkawinan '; 1 menikah, bercerai 2, 3 dipisahkan
Variabel 5. asap apakah siswa merokok atau tidak; 1 no; 2 ya
Variabel 6. pengunyah-apakah siswa mengunyah tembakau; 1 no; 2 ya
Variabel kemampuan 7. Kemampuan akademik berdasarkan nilai rata-rata semester terakhir; 1
dibawah ini 2,0; 2 2.0 2.9; 3 3,0 3,5; 4 3.6 4.0
Variabel 8. Peer-peer mahasiswa kelompok yang paling dekat dengan mengidentifikasi di
sekolah; 1 atlet; 2 penyanyi; 3 punkers; 4 lainnya
Variabel 9. Depresi-total skor depresi untuk semua item pada alat ukur depresi; skor dari 20
sampai 100

5. Tentukan Jenis Skor untuk Menganalisis
Lihat kembali Gambar 6.1. Variabel 9, Depresi, terdiri dari skor berdasarkan menambahkan
semua item pada instrumen. Sebelum melakukan analisis terhadap skor, peneliti
mempertimbangkan apa jenis nilai yang digunakan dari instrumen mereka. Hal ini penting
karena jenis skor akan mempengaruhi bagaimana Anda memasukkan data ke file komputer untuk
analisis.
Tabel 6.1 menyajikan tiga jenis skor untuk enam siswa: nilai tunggal-item,
menyimpulkan skor pada skala, dan bersih atau perbedaan skor.
Single-Barang Skor
Untuk penelitian, Anda mungkin ingin memeriksa skor single-item. Rata asingle-item adalah
skor individu ditugaskan untuk setiap pertanyaan untuk setiap peserta dalam studi Anda. iniskor
menyediakan analisis rinci tentang respon setiap orang untuk setiap pertanyaan pada instrumen.
Dalam satu studi, peneliti meminta orang pada pertemuan distrik sekolah setempat,
TABEL 6.1
Jenis Skor Digunakan dalam Analisis Kuantitatif
Single-item skor
Pertanyaan 1 skor Pertanyaan 2 skor Pertanyaan 3 skor
Jane 5 4 3
Jim 4 3 4
John 2 1 2
Jean 4 5 4

6. Julie 4 3 4
Johanna 5 4 5
Menyimpulkan Skor atau Skala *
Pertanyaan 1 Pertanyaan 2 Pertanyaan 3 Pertanyaan 4 Pertanyaan 5 Pertanyaan 6
Jane 5 4 3 4 4 20
Jim 4 3 4 4 3 18
John 2 1 2 2 3 10
Skor Net atau Perbedaan
Pretest Math Score Posttest Math Score Net-Difference Score
Jane 80 85 +5
Jim 76 77 +1
John 65 75 +10
Jean 95 97 +2
Julie 91 94 +3
Johanna 93 95 +2
* Skala respon Pertanyaan adalah 5 = sangat setuju; 4 = setuju; 3 = ragu-ragu; 2 = tidak setuju;
dan 1 = sangat tidak setuju
"Apakah Anda memilih ya atau tidak untuk pungutan pajak dalam pemilu Selasa depan?" Dalam
mencetak data, peneliti akan memberikan nilai 1 ke "tidak" respon dan nilai 2 ke "Ya" dan
memiliki catatan tentang bagaimana setiap individu menanggapi setiap pertanyaan. Di Tabel 6.1,
semua enam peserta memiliki nilai individu untuk pertanyaan 1, 2, dan 3.
disimpulkan Skor
Dalam kasus lain, kita mungkin perlu untuk jumlah tanggapan terhadap semua pertanyaan pada
instrumen, seperti dalam nilai skala respon Tabel 6.1. Penjumlahan ini terjadi karena individu

7. item mungkin tidak sepenuhnya menangkap perspektif peserta. Selain itu, peserta mungkin bisa
salah paham pertanyaan tunggal atau penulis mungkin telah worded pertanyaan sehingga bias
hasil. Singkatnya, tanggapan terhadap pertanyaan tunggal mungkin tidak dapat diandalkan dan
tidak mungkin akurat mencerminkan nilai individu. Salah satu solusi untuk masalah ini adalah
untuk membentuk sisik berdasarkan tanggapan tunggal questions.Summed scoresare skor
individu menambahkan lebih beberapa pertanyaan yang mengukur variabel yang sama. Para
peneliti menambahkan item individu untuk menghitung skor keseluruhan untuk variabel. Seperti
terlihat pada Tabel 6.1, tiga peserta-Jane, Jim, dan John-telah memberikan tanggapan terhadap
lima pertanyaan. Para peneliti jumlah skor untuk setiap individu untuk memberikan nilai tunggal
untuk sebuah variabel yang mewakili semua lima pertanyaan.
perbedaan Skor
Skor dijumlahkan untuk individu digunakan untuk mengembangkan nilai ujian secara
keseluruhan yang dapat dibandingkan dari satu periode waktu yang lain. Net atau perbedaan
scoresare skor dalam studi kuantitatif yang mewakili perbedaan atau perubahan bagi setiap
individu. beberapa keuntungan mungkin lebih bermakna daripada yang lain. Sebuah perubahan
kecil dalam nilai yang tinggi mungkin lebih berguna daripada perubahan besar dalam nilai kecil.
Sebagai contoh, keuntungan kecil dalam bergerak dari 98 sampai 99 pada skala 100 poin
mungkin lebih berarti daripada perubahan besar terjadi dari 46-66 pada skala yang sama. Dalam
percobaan, peneliti sering berkumpul skor pada instrumen sebelum studi dimulai (Waktu 1) dan
setelah itu berakhir (Waktu 2). Peneliti mengumpulkan nilai ini pada pretest dan posttests, yang
merupakan tindakan khas yang dikumpulkan selama Penelitian eksperimental. Pada Tabel 6.1,
untuk masing-masing 6 peserta, kita melihat matematika pretest skor, skor dijumlahkan seluruh
item pada tes sebelum unit pada matematika yang diajarkan. kami juga lihat untuk setiap peserta
skor matematika posttest, skor dijumlahkan pada akhir unit yang merupakan nilai keseluruhan
pada tes akhir. Rata-net menunjukkan bagaimana setiap peserta kinerja membaik, dalam semua
enam kasus, antara sebelum dan posttest.

8. Pilih Program statistic
Setelah mencetak data, peneliti memilih program komputer untuk menganalisis data mereka.
Peneliti akademis umumnya menggunakan program statistik yang tersedia sebagai program
perangkat lunak untuk desktop atau laptop, atau tersedia pada komputer kampus. Bagian tersulit
adalah memutuskan software paket mana yang akan digunakan. Berikut adalah beberapa
panduan untuk mengikuti ketika memilih program statistik. (Lihat Leedy & Ormrod, 2001, untuk
saran tambahan.)
 Cari program dengan dokumentasi tentang cara menggunakan program. program sering
memiliki tutorial sehingga Anda dapat dengan mudah mempelajari fitur kunci dan praktek
dengan menggunakan set data sampel. Tutorial gratis sering tersedia dari situs Web.
 Ease of use is an important factor when selecting a program. Pull-down menus and easy data
entry make a program easy to use.
 Carilah program yang meliputi jenis statistik yang akan Anda gunakan untuk menjawab
pertanyaan penelitian dan hipotesis.
 Pastikan bahwa program ini dapat menganalisa jumlah data dalam database Anda.
Pertimbangkan berapa banyak peserta dan jumlah maksimum variabel yang akan butuhkan
dalam analisis Anda. Suatu program harus cukup menampung data yang hilang dan
memberikan beberapa ketentuan untuk menangani situasi di mana beberapa data yang hilang
untuk peserta. Carilah program yang telah fl eksibilitas untuk penanganan data, dapat
membaca data dalam berbagai format (misalnya, angka dan huruf), dan dapat membaca file
yang diimpor dari spreadsheet atau database.
 Cari program dengan kemampuan untuk grafik output dan tabel yang dapat Anda gunakan
dalam laporan penelitian Anda.
 Jika Anda perlu membeli program perangkat lunak, mempertimbangkan biaya dari berbagai
program. Versi mahasiswa program yang tersedia (meskipun mereka mungkin telah terbatas
uji statistik) dengan biaya minimal.
 Pilih program yang Anda kampus menggunakan sehingga Anda dapat menemukan bantuan
untuk menjawab pertanyaan ketika mereka muncul. Beberapa program dapat memberikan
dukungan teknis untuk membantu menjawab pertanyaan, tapi mungkin memakan waktu dan
mahal.

9. Dengan kriteria ini dalam pikiran, apa program statistik yang paling sering digunakan tersedia?
Situs web berisi informasi rinci tentang berbagai analisis statistic program komputer yang
tersedia. Beberapa program yang lebih sering digunakan adalah:
 Minitab 16 (www.minitab.com). Ini adalah paket statistik perangkat lunak interaktif yang
tersedia dari Minitab Inc, 1829 Pine Balai Rd, State College, PA 16801-3008.
 JMP (www.jmp.com). Ini adalah sebuah program perangkat lunak populer yang tersedia dari
SAS Institute, Inc., 100 SAS Campus Drive, Cary, NC 27513-2414.
 SYSTAT (www.systat.com). Ini adalah paket statistik yang komprehensif interaktif tersedia
dari Systat Software, Inc., 225 W. Washington St., Suite 425, Chicago, IL 60606.
 SAS (www.sas.com). Ini adalah program statistik dengan alat sebagai komponen integral dari
sistem SAS produk yang tersedia dari SAS Institute, Inc., 100 SAS Kampus Drive, Cary, NC
27513-2414.
 Paket statistik untuk Ilmu Sosial (SPSS) Versi Mahasiswa 11,0 untuk Windows dan Versi 6.0
untuk Macintosh (www.spss.com). Ini adalah terjangkau, professional program analisis untuk
siswa berdasarkan versi profesional program, tersedia dari SPSS Science, Inc., 233 S.
Wacker Drive, Lantai 11, Chicago, IL 60606-6307.
Ada berbagai program online berguna dalam simulasi konsep statistik untuk instruksi
statistik. Salah satu contoh adalah Beras Virtual Lab Statistik ditemukan di http: // secara online
statbook.com/rvls.html. Lain adalah SAS Simulasi Studio untuk JMP (www.jmp.com) yang
memanfaatkan kekuatan simulasi untuk model dan menganalisis sistem operasional yang kritis
seperti ini di berbagai bidang seperti perawatan kesehatan, manufaktur, dan transportasi. grafis
yang user interface di SAS Simulasi Studio untuk JMP tidak memerlukan pemrograman dan
menyediakan set lengkap alat untuk membangun, melaksanakan, dan menganalisa hasil model
simulasi.
Input Data
Setelah memilih program statistik, langkah selanjutnya adalah memasukkan data dari instrument
atau checklist ke dalam komputer program.Inputting yang dataoccurs ketika Peneliti transfer data
dari respon pada instrumen ke file komputer untuk analisis. Bagi mereka yang baru untuk proses
ini, jaringan ini mirip dengan meja spreadsheet yang digunakan dalam banyak paket perangkat

10. lunak populer (misalnya, Excel). Tabel 6.2 menunjukkan database kecil untuk 50 siswa SMA
yang berpartisipasi dalam studi tentang penggunaan tembakau di sekolah. Anda sudah melihat
variabel dalam database ini di codebook disajikan pada Gambar 6.1. penutupan pemeriksaan
Tabel 6.2 menunjukkan bahwa grid mengandung sel-sel dalam baris dan kolom mana data input
peneliti untuk analisis. Anda lihat ditampilkan dalam kolom pertama nomor masing-masing
peserta diikuti dengan nomor ID ditugaskan untuk masing-masing 50 siswa. Dalam kolom
lainnya adalah variabel yang peneliti mengukur (yaitu, jenis kelamin, kelas, orang tua, dan lain
sebagainya). Menggunakan codebook, peneliti menetapkan sebuah nomor untuk setiap respon
yang
Jenis Kelamin: 1 = laki-laki; 2 = wanita
Grade: 10 = kelas 10; 11 kelas = 11; 12 = kelas 12
Orangtua: Status Induk 1 = menikah; 2 = bercerai; 3 = dipisahkan
Merokok: Anda merokok? 1 = tidak; 2 = yes
Pengunyah: Apakah Anda mengunyah tembakau? 1 = tidak; 2 = yes
Kemampuan (akademik, berdasarkan nilai rata-rata pada semester terakhir): 1 = di bawah 2,0; 2 = 2,1-2,9; 3 = 3,0-3,5; 4 = 3,6-4,0
Peer (peer group mahasiswa es paling dekat dengan identifi di sekolah): 1 = atlet; 2 = penyanyi; 3 = punkers; 4 = lainnya
Depresi = skor total pada depresi alat ukur (skor dari 20 sampai 100)

11. mencerminkan nilai pada masing-masing variabel. Di bagian bawah lembaran itu pengkodean
informasi (ditemukan di codebook) yang menyediakan hubungan antara angka dan tanggapan
pada instrumen. Nama-nama untuk variabel yang pendek dan sederhana namun deskriptif (tidak
ada lebih dari delapan karakter di SPSS, seperti "jenis kelamin," "asap," atau "pengunyah").
Sebenarnya proses memasukkan data ke dalam grid ini (George & Mallery, 2001) untuk
membuat database SPSS adalah sebagai berikut:
 Masukkan data dari nilai pada instrumen dalam sel grid dengan memilih sel dan mengetik
nilai yang sesuai. Masukkan data dengan baris untuk setiap individu dan menggunakan
kolom untuk nilai-nilai masing-masing variable.Valuesare nomor ditugaskan untuk pilihan
respon untuk variabel (misalnya, 1 = laki-laki, 2 = wanita).
 Tetapkan nomor identifikasi untuk masing-masing peserta dan nomor ini di kolom pertama
atau menggunakan nomor yang telah ditentukan diberikan dalam kolom 1 oleh SPSS (yaitu,
001, 002, 003, atau 343, 344, 345). Nomor Anda sendiri mungkin mencerminkan tiga digit
terakhir di nomor jaminan sosial individu (misalnya, 343, 344, 345) atau lainnya
mengidentifikasi nomor.
 Dalam SPSS, Anda akan melihat kepala kolom terdaftar sebagai variabel: var001, var002,
var003, dan sebagainya. Daripada menggunakan header ini, menggantinya dengan nama-
nama variabel Anda (misalnya, "var002" bisa diganti dengan "jenis kelamin").
 Anda juga dapat menetapkan nama untuk kedua nilai-nilai dan variabel sehingga hasil Anda
berisi nama-nama ini dan menyediakan cara mudah untuk mengidentifikasi informasi Anda.
Anda bias menetapkan nama untuk variabel Anda, seperti "orang tua," serta nilai-nilai untuk
variabel ini, seperti "menikah," "bercerai", dan "terpisah."
Bersih dan Rekening Hilang data
Setelah memasukkan data ke dalam jaringan komputer, Anda perlu menentukan apakah ada
kesalahan dalam data atau data yang hilang. Kesalahan terjadi ketika peserta dalam studi Anda
memberikan skor di luar jangkauan untuk variabel atau Anda masukan nomor yang salah ke
dalam data grid. Yang Hilang Data dapat mengakibatkan ketika instrumen data yang hilang,
orang melewatkan pertanyaan, peserta absen saat Anda mengumpulkan data pengamatan, atau
individu menolak untuk menyelesaikan sensitive pertanyaan. Untuk alasan etika, Anda
melaporkan bagaimana Anda menangani data yang hilang sehingga pembaca akurat dapat

12. menginterpretasikan hasil (George & Mallery, 2001). Karena masalah ini mungkin terjadi, Anda
perlu membersihkan data dan memutuskan bagaimana memperlakukan data yang hilang.
Membersihkan Database
Membersihkan datais proses memeriksa data untuk nilai (atau nilai-nilai) yang berada di luar
jangkauan diterima. Salah satu cara untuk melakukannya adalah dengan pemeriksaan visual grid
data. Untuk database besar, distribusi frekuensi (dibahas segera) akan memberikan kisaran skor
untuk mendeteksi respon luar rentang yang dapat diterima. Misalnya, peserta dapat memberikan
"6" untuk "sangat setuju" untuk "sangat tidak setuju" skala ketika hanya ada lima pilihan
jawaban. Atau, peneliti mungkin ketik skor untuk peserta sebagai "3" gender, ketika satu-satunya
nilai yang sah "1" untuk perempuan dan "2" untuk laki-laki.
Prosedur lain adalah dengan menggunakan SPSS dan memiliki program "semacam
kasus" secara ascending pesan untuk setiap variabel. Proses ini mengatur nilai-nilai variabel dari
yang terkecil nomor ke terbesar, memungkinkan Anda untuk dengan mudah melihat out-of-range
atau kasus misnumbered. Apapun prosedur, inspeksi visual data membantu untuk membersihkan
data dan gratis dari kesalahan terlihat sebelum Anda memulai analisis data.
Menilai Database Hilang data
Anda perlu memeriksa database untuk data yang hilang. Data yang hilang akan menghasilkan
individu yang lebih sedikit untuk dimasukkan dalam analisis data, dan karena kami ingin
sebanyak mungkin orang yang termasuk dalam analisis mungkin, Anda perlu untuk memperbaiki
sebanyak mungkin untuk data yang hilang. Hilang dataare data yang hilang dalam database
karena peserta tidak memberikan itu.
Bagaimana Anda harus menangani data yang hilang? Pendekatan yang paling jelas
adalah untuk memiliki yang baik instrumen yang individu ingin menyelesaikan dan mampu
menjawab sehingga data yang hilang tidak akan terjadi. Dalam beberapa situasi penelitian, Anda
dapat menghubungi individu untuk menentukan mengapa mereka tidak menanggapi. Ketika
individu tidak merespon, ada sesuatu yang salah dengan pengumpulan data Anda, yang mungkin
menunjukkan perencanaan yang salah dalam desain Anda.

13. Anda dapat mengharapkan, bagaimanapun, bahwa pertanyaan akan dihilangkan atau
peserta akan tidak memberikan informasi, untuk alasan apa pun. Dalam hal ini, Anda memiliki
beberapa pilihan:
 Anda dapat menghilangkan peserta dengan skor hilang dari analisis data dan hanya
menyertakan peserta yang data lengkap ada. Praktek ini, di Akibatnya, dapat sangat
mengurangi jumlah peserta keseluruhan untuk analisis data.
 Anda dapat mengganti nomor hilang data dalam database untuk individu. Pada Saat variabel
yang kategoris, ini berarti mengganti nilai, seperti "-9," untuk semua nilai dalam grid data
yang hilang. Ketika variabel kontinu (yaitu, didasarkan pada skala interval), prosesnya lebih
kompleks. Menggunakan SPSS, peneliti dapat memiliki program komputer pengganti nilai
untuk setiap nilai yang hilang, seperti rata-rata nomor untuk pertanyaan untuk semua peserta
penelitian. Anda dapat mengganti hingga 15% dari hilang data dengan skor tanpa mengubah
temuan statistik keseluruhan (George & Mallery, 2001). Prosedur statistik yang lebih
canggih juga tersedia untuk mengidentifikasi nomor pengganti data yang hilang (lihat Gall,
Borg, & Gall, 1996).
BAGAIMANA ANDA ANALISIS DATA?
Setelah Anda mempersiapkan dan mengatur data, Anda siap untuk menganalisanya. Anda
menganalisis Data untuk mengatasi masing-masing dari pertanyaan penelitian atau hipotesis.
Pertanyaan atau hipotesis dalam penelitian kuantitatif mengharuskan Anda:
 Jelaskan tren dalam data untuk satu variabel atau pertanyaan pada instrumen Anda (misalnya,
"Apa harga diri siswa sekolah menengah?"). Untuk menjawab pertanyaan ini, kita
needDescriptive Statisticsthat menunjukkan kecenderungan umum dalam data (mean, modus,
median), penyebaran nilai (varians, standar deviasi, dan jangkauan), atau perbandingan
bagaimana satu skor berhubungan dengan semua orang lain (zscores, peringkat persentil).
Kita mungkin mencari untuk menggambarkan setiap variabel kami: independen, dependen,
kontrol, atau mediasi.
 Bandingkan dua atau lebih kelompok pada variabel independen dalam hal variabel dependen
(misalnya, "Bagaimana anak laki-laki dan perempuan dibandingkan harga diri mereka?").
untuk menjawab pertanyaan ini, kita needinferential statisticsin yang kita menganalisa data
dari sampel untuk menarik kesimpulan tentang populasi yang tidak diketahui. Kami menilai
apakah perbedaan kelompok (berarti mereka) atau hubungan antar variable jauh lebih besar
atau lebih kecil dari apa yang kita harapkan untuk jumlah penduduk, jika kita bisa
mempelajari seluruh populasi.

14.  Hubungkan dua atau lebih variabel (misalnya, "Apakah harga diri berhubungan dengan sikap
optimistis?"). Untuk menjawab pertanyaan ini, kami juga menggunakan statistik inferensial.
 Uji hipotesis tentang perbedaan dalam kelompok atau hubungan variable (misalnya, "Anak
laki-laki memiliki lebih tinggi harga diri dibandingkan anak perempuan" atau "Self-esteem
memprediksi sikap optimistis di kalangan anak-anak sekolah menengah"). Untuk menjawab
salah satu dari pertanyaan-pertanyaan ini, statistik inferensial juga digunakan.
Dengan demikian, kami akan menjelaskan hasil untuk variabel tunggal atau pertanyaan atau kita
menyimpulkan hasil dari sampel untuk populasi. Dalam semua pertanyaan penelitian kuantitatif
atau hipotesis, kita mempelajari individu. sampel dari populasi. Namun, dalam pertanyaan
deskriptif, kita mempelajari hanya satu variabel pada satu waktu; dalam analisis inferensial, kita
menganalisis beberapa variabel pada saat yang sama. Juga dari membandingkan kelompok atau
terkait variabel, kita dapat membuat prediksi tentang variabel. Kita dapat menguji hipotesis yang
membuat prediksi membandingkan kelompok atau terkait variabel.
Melakukan Analisis Deskriptif
Bagaimana kita menganalisis data untuk menggambarkan tren? Anda menggunakan statistik,
perhitungan nilai-nilai berdasarkan angka. Banyak buku membantu memberikan rincian tentang
statistik yang berbeda, perhitungan mereka, dan asumsi (misalnya, Abelson, 1995; Gravetter &
Wallnau 2007; Wright, 1997). Kami fokus di sini pada statistik biasanya digunakan dalam
penelitian pendidikan.
Memilih Deskriptif Statistik Uji
Statistik deskriptif akan membantu Anda meringkas tren keseluruhan atau kecenderungan dalam
Anda data, memberikan pemahaman tentang bagaimana bervariasi skor Anda mungkin, dan
memberikan wawasan ke mana satu skor berdiri dibandingkan dengan orang lain. Ketiga ide
adalah pusat kecenderungan, variabilitas, dan relatif berdiri. Gambar 6.2 menggambarkan
prosedur statistik yang dapat Anda gunakan untuk memberikan informasi ini

15. Ukuran Ukuran Tendensi Sentral nomor Ringkasan tendencyare pusat yang mewakili nilai
tunggal dalam distribusi skor (Vogt, 2005). Mereka menyatakan sebagai Rata-rata (mean),
tengah satu set nilai (median), atau paling sering terjadi skor (mode). Dalam studi kuantitatif,
peneliti biasanya melaporkan semua tiga ukuran. Tabel 6.3 menggambarkan perbedaan antara
tiga langkah tendensi sentral untuk 10 siswa untuk siapa kita memiliki skor depresi.
Rata-rata adalah statistik yang paling populer digunakan untuk menggambarkan respon
dari semua peserta item pada instrumen. Sebuah rata-rata (M) adalah total nilai dibagi dengan
jumlah skor. Untuk menghitung rata-rata, Anda jumlah semua nilai dan kemudian membagi
jumlah tersebut dengan jumlah skor. Dalam Tabel 6.3, Anda akan membagi jumlah 818 dengan
10 untuk mendapatkan rata-rata dari 81,80. Dalam menghitung jenis skor untuk statistik canggih

16. lainnya, memainkan berarti peran penting. Perhatikan bahwa nilai pada Tabel 6.3 adalah kontinu
dan melaporkan sampel dari 10 skor untuk depresi. Berarti memberi kita rata-rata untuk semua
nilai.
Kita mungkin ingin mengetahui nilai tengah antara semua nilai. Skor ini median.
Themedianscore membagi skor, peringkat-memerintahkan dari atas ke bawah, dalam setengah.
Lima Puluh persen dari nilai berbaring di atas median dan 50% kebohongan bawah median.
untuk menghitung skor ini, array peneliti semua nilai dalam urutan peringkat dan kemudian
menentukan apa yang mencetak gol, median, setengah jalan antara semua nilai. Median pada
Tabel 6.3 adalah setengah antara 76 dan 83, memberikan 79,5. Ada lima nilai di atas 79,5 dan
lima skor di bawah saya t. Para peneliti sering melaporkan skor median, tapi kegunaan skor
terbatas.
Namun, modus memberikan informasi yang berguna. Para modeis skor yang muncul
paling sering dalam daftar skor. Hal ini digunakan ketika para peneliti ingin tahu yang paling

17. Rata umum dalam berbagai nilai pada variabel. Dalam Tabel 6.3, yang paling sering melaporkan
skor adalah 76, dan itu adalah nilai untuk 2 orang dalam sampel 10. Peneliti menggunakan
modus untuk melaporkan variabel dengan variabel kategori. Periksa Tabel 6.4. di sini adalah
variabel kategoris tentang affi liation peer group siswa. Dari melihat ini tabel dapat kita lihat
bahwa "penyanyi" lebih banyak daripada kelompok lain (N = 14). Modus akan menjadi
"penyanyi" karena mereka mewakili lebih dari kategori lain. Pelaporan mean akan melaporkan
informasi berarti. Jika kita diberi nomor untuk masing-masing kelompok (atlet = 4, penyanyi = 3,
punkers = 2, dan lainnya = 1) dan dihitung skor rata-rata, 137/50 = 2.74, itu tidak akan berarti
apa-apa karena tidak ada kelompok ditugaskan nomor ini. Dengan demikian, ketika kita
memiliki informasi kategoris, modus melaporkan bermakna informasi tetapi berarti tidak.
Ukuran Variabilitas Variabilitas menunjukkan penyebaran skor dalam distribusi. Range, varians,
dan standar deviasi semua menunjukkan jumlah variabilitas dalam distribusi skor. Informasi ini
membantu kita melihat bagaimana tersebar tanggapan yang item pada instrumen. Variabilitas
juga memainkan peran penting dalam banyak canggih statistic perhitungan.
Kita bisa melihat bagaimana variabel nilai yang dengan melihat rentang skor. Rentang
dari scoresis perbedaan antara tertinggi dan skor terendah untuk item pada instrumen. Dalam

18. Tabel 6.3, kita melihat bahwa skor berkisar dari yang rendah 60 sampai yang tertinggi 99, sebuah
kisaran 39 poin.
Thevarianceindicates penyebaran nilai sekitar mean. Untuk menghitung ini Rata-mudah:
 Menemukan perbedaan antara rata-rata dan skor baku untuk setiap individu.
 Persegi nilai ini untuk setiap individu.
 Sum ini nilai kuadrat untuk semua individu.
 Bagilah dengan jumlah total individu.
Dalam contoh kita, Tabel 6.3, varians sama 173,96. Informasi ini, dengan sendirinya, tidak tidak
berarti banyak, tetapi sejumlah berguna ketika menghitung statistik yang lebih canggih. Akar
kuadrat dari varians, deviasi thestandard (SD), tidak memberikan informasi yang berguna, dan
kita melihat itu sebagai indikator dispersi atau menyebar dari skor. Dalam Tabel 6.3, deviasi
standar 13.90. Jika skor memiliki standar deviasi 7.30, kita akan mengatakan bahwa variasi di
sekitar rata-rata kurang dari jika standar deviasi 13.18.
Arti dari standar deviasi menjadi jelas ketika kita grafik distribusi teoritis skor, seperti
yang ditunjukkan pada Gambar 6.3. Jika kita mengumpulkan sampel setelah sampel skor dan
diplot mereka pada grafik, mereka akan terlihat seperti kurva lonceng berbentuk seperti yang
ditunjukkan pada Gambar 6.3. Ini disebut distribusi normal atau kurva probabilitas normal. Di
kenyataannya, nilai sebenarnya mungkin tidak mensimulasikan distribusi normal (misalnya,
distribusi gaji), tetapi jika kita merencanakan cara banyak sampel, kurva normal akan terjadi.
Jika, misalnya, kami menghasilkan 5.000 sampel random dan menghitung gaji rata-rata untuk
setiap sampel, kemudian diplot ini 5.000 berarti, distribusi akan mencerminkan normal distribusi.
Melihat kembali pada Gambar 6.3, daerah yang diarsir menunjukkan persentase skor
kemungkinan untuk jatuh dalam setiap deviasi standar dari rata-rata. Sebagai contoh, 68% dari
nilai tersebut berada antara 1 (34%) dan -1 (34%) standar deviasi dari mean:

19. 95% antara 2 (13,5% + 34%) dan -2 (13,5% + 34%). Anda juga dapat mengaitkan persentil skor,
zscores, andtscores dengan masing-masing standar deviasi.
Persentil menyediakan jenis lain dari statistic.Measures deskriptif statistik standingare
relatif yang menggambarkan nilai satu relatif terhadap sekelompok skor. Pada Gambar 6.3,
2.28% dari nilai tersebut berada lebih dari dua standar deviasi di bawah rata-rata, dan 97,72%
dari skor di bawah nilai dua standar deviasi di atas rata-rata. Mengetahui di mana Rata jatuh
dalam distribusi ini merupakan faktor kunci dalam pengujian hipotesis. Dua sering digunakan
statistik peringkat persentil dan thezscore. Ukuran relatif berdiri adalah peringkat persentil.
Apercentile rankof skor tertentu adalah persentase peserta dalam distribusi dengan skor pada atau
di bawah skor tertentu. Anda menggunakannya untuk menentukan di mana dalam distribusi skor
individu skor terletak dibandingkan dengan nilai lainnya. Dalam Tabel 6.3, kita melihat bahwa
individu dengan skor 94 di persentil ke-80, dengan 20% dari peserta memiliki skor di atas ini
individu, dan 80% dari peserta yang memiliki nilai pada atau di bawah orang ini.
Ukuran lain relatif berdiri adalah nilai standar. scoreis Astandard skor dihitung yang
memungkinkan peneliti untuk membandingkan skor dari skala yang berbeda. Saya melibatkan
transformasi skor mentah menjadi skor dengan makna relatif. Sebuah zscore adalah bentuk
populer dari skor standar, dan memiliki rata-rata 0 dan standar deviasi 1. Ini menghasilkan
azscore, atau skor standar yang memiliki keuntungan yang memungkinkan Anda untuk
membandingkan nilai dari satu instrumen untuk nilai dari instrumen lain. Menggunakan nilai
standar ini juga pusat menghitung banyak statistik. Prosedur ini mengambil skor, kurangi dari
mean, dan membaginya dengan standar deviasi. Dalam Tabel 6.3, kita melihat bahwa orang

20. dengan skor 60 memiliki zscore dari -1,57, atau skor yang lebih dari satu dan standar deviasi
setengah bawah rata-rata (atau rerata).
Melakukan Analisis inferensial
Statistik deskriptif membantu Anda menganalisis pertanyaan deskriptif. Namun, ketika Anda
membandingkan kelompok atau berhubungan dua atau lebih variabel, analisis inferensial datang
ke dalam bermain. Itu Ide dasarnya adalah untuk melihat nilai dari sampel dan menggunakan
hasilnya untuk menarik kesimpulan atau membuat prediksi tentang penduduk. Seringkali Anda
tidak dapat mempelajari seluruh populasi karena ukuran dan biaya, jadi kita bukannya
memeriksa sampel yang telah dipilih dengan hati-hati dari populasi.
Ketika Anda mempelajari sampel ini dan memperoleh skor, beberapa pendekatan yang
ada untuk menentukan apakah nilai sampel yang Anda terima adalah perkiraan yang baik dari
nilai populasi (lihat Vogt, 2005). Tanyakan pada diri Anda:
1. Apakah nilai sampel (misalnya, perbedaan rata-rata antara dua kelompok) mungkin
wrongestimate mean populasi? Prosedur yang Anda gunakan untuk memeriksa pertanyaan ini
Hipotesis testing.Hypothesis testingis prosedur untuk membuat keputusan tentang hasil dengan
membandingkan nilai yang diamati dari sampel dengan nilai populasi untuk menentukan apakah
ada perbedaan atau hubungan ada antara nilai-nilai. Ini adalah cara tradisional untuk menguji
apakah berarti sampel adalah perkiraan yang baik dari rata-rata populasi. Ini memberikan ya-
tidak ada jawaban: Entah mean sampel adalah perkiraan yang baik atau tidak. Karena kita tidak
pernah bisa benar-benar membuktikan bahwa sampel adalah perkiraan yang baik, kami mencoba
untuk menentukan apakah itu adalah wrongestimate a.
2. Seberapa yakin kau bahwa skor sampel Anda yang benar? Ini adalah keyakinan
Pendekatan interval. Sebuah selang kepercayaan atau selang estimateis kisaran atas dan nilai-
nilai statistik yang lebih rendah yang konsisten dengan data yang diamati dan mungkin
mengandung berarti populasi yang sebenarnya. Dalam pendekatan ini, Anda menentukan interval
atau berkisar yang nilai populasi Anda mungkin akan jatuh. Dalam hal ini, interval kepercayaan
memberi kita fleksibilitas lebih dari ya-tidak ada pilihan pengujian hipotesis.
3. Apakah skor sampel atau perbedaan antara dua kelompok masuk akal praktis? Ini
adalah pendekatan efek ukuran. Efek sizeis sarana untuk mengidentifikasi praktis kekuatan
kesimpulan tentang perbedaan kelompok atau tentang hubungan antar variabel dalam studi

21. kuantitatif. Efek ukuran memberitahu kita betapa berbedanya nilai sampel yang dan
memungkinkan kita untuk membuat penilaian apakah ini signifikan berdasarkan pengetahuan
kami langkah-langkah, peserta, dan upaya pengumpulan data.
Alasan kami memiliki lebih dari satu pendekatan adalah bahwa baru-baru ini beberapa
peneliti merasa bahwa ya-tidak ada jawaban pengujian hipotesis pertanyaan kuantitatif dan
hipotesis menyebabkan salah tafsir dan kesalahan (Finch, Cumming, & Thomason, 2001).
kepercayaan diri interval dan ukuran efek memberikan pembacaan yang lebih praktis hasil.
Dalam melaporkan penelitian hari ini, hal ini berguna untuk melaporkan ketiga perkiraan
populasi Anda: pengujian hipotesis, yang interval kepercayaan, dan efek ukuran (Wilkinson &
Task Force on Statistik Inferensi, 1999).
Pengujian Hipotesis
Ada lima langkah dalam pengujian hipotesis: (a) mengidentifikasi null dan hipotesis alternatif;
(b) mengatur tingkat signifikansi, atau tingkat alpha; (c) mengumpulkan data; (d) menghitung
sampel statistik; dan (e) membuat keputusan tentang menolak atau gagal untuk menolak
hipotesis nol.
1. Identifikasi nol dan alternatif hypothesis.The hipotesis nol Anda adalah prediksi
tentang populasi dan biasanya dinyatakan dengan menggunakan bahasa "tidak ada perbedaan"
(atau "tidak Hubungan "atau" tidak ada hubungan "). Hipotesis alternatif, bagaimanapun,
menunjukkan perbedaan (atau hubungan atau asosiasi), dan arah perbedaan ini mungkin positif
atau negatif (hipotesis alternatif directional) atau eitherpositive atau negatif (alternative hipotesis
nondirectional).
Kembali ke data untuk siswa SMA pada Tabel 6.2, Anda dapat menyatakan null dan
hipotesis alternatif sebagai berikut:
Hipotesis Null:
Tidak ada perbedaan antara perokok dan bukan perokok pada skor depresi.
Hipotesis alternatif (nondirectional dan directional):
Ada perbedaan antara perokok dan bukan perokok pada skor depresi.
(Atau, ditulis dengan cara lain):
Perokok lebih tertekan dibanding bukan perokok.

22. 2. Mengatur tingkat signifikansi, atau tingkat alpha, untuk menolak hypothesis.If nol
kami adalah untuk mengumpulkan sejumlah besar sarana sampel, dan jika hipotesis nol benar
("no Perbedaan "), distribusi teoritis akan mendekati sebuah berbentuk lonceng normal atau
kurva, seperti digambarkan pada Gambar 6.4. Dalam gambar ini, kita melihat kurva normal
menggambarkan distribusi sampel berarti dari semua hasil yang mungkin jika hipotesis nol
benar. Kita harapkan sebagian besar sampel kami berarti jatuh di tengah kurva jika hipotesis
tersebut benar, tetapi sejumlah kecil akan jatuh pada ekstrem. Dengan kata lain, kita akan
berharap untuk menemukan bahwa, untuk setiap sampel perokok dan bukan perokok, skor
depresi mereka yang sama, tetapi dalam persentase kecil kasus, Anda mungkin benar-benar
menemukan mereka untuk menjadi berbeda. Seperti yang Anda lihat, ada daerah yang diarsir
pada setiap akhir kurva ini. Kami harapkan ada menjadi probabilitas sangat rendah bahwa skor
akan jatuh dalam daerah-daerah tersebut.
Sebuah standar yang dibutuhkan untuk daerah-daerah probabilitas rendah untuk tepatnya
menandai mereka pada kurva ini. Ini disebut menetapkan tingkat signifikansi. Sebuah tingkat
signifikansi (atau alpha level) adalah tingkat probabilitas yang refl ECTS risiko maksimum yang
bersedia untuk mengambil bahwa setiap Perbedaan yang diamati adalah karena kebetulan. Hal
ini biasanya ditetapkan pada 01 (1 dari 100 kali skor sampel akan karena kebetulan) atau 0,05 (5
dari 100 kali akan karena kebetulan). Ini berarti bahwa 1 dari 100 kali (atau 5 dari 100 kali) nilai
probabilitas yang sangat rendah akan benar-benar diamati jika hipotesis nol benar. Dalam
beberapa situasi,

23. penting untuk mengatur tingkat alpha lebih ketat daripada 01 atau 05. Asumsikan bahwa
peneliti menguji efek dari obat yang memiliki efek samping yang parah. Tingkat alpha mungkin
diatur pada tingkat yang lebih ketat untuk penolakan, mengatakan, 001, jika obat mungkin
memiliki efek samping merusak untuk pasien kanker daripada tingkat kurang konservatif dari 05
jika obat tersebut akan memiliki lebih sedikit efek samping merusak bagi individu dengan
jerawat.
Daerah pada kurva normal untuk nilai probabilitas rendah jika hipotesis nol benar disebut
daerah kritis. Jika data sampel (yaitu, perbedaan antara perokok dan bukan perokok pada
depresi) jatuh ke dalam daerah kritis, hipotesis nol ditolak. Ini berarti bahwa alih-alih "tidak ada
perbedaan"
sebagaimana dinyatakan dalam hipotesis nol, kita mencari alternatif untuk mungkin
menjadi kenyataan: "ada perbedaan." Juga perhatikan pada Gambar 6.4 bahwa daerah kritis ini
ditandai dengan tingkat signifikansi terjadi atbothends dari kurva normal. Ketika daerah kritis
untuk penolakan nol hipotesis dibagi menjadi dua area di ekor distribusi sampling, kita memiliki
dua ekor uji signifikansi (Vogt, 2005). Namun, jika kita menempatkan wilayah di hanya salah
satu ujung untuk penolakan hipotesis nol, kami melakukan tes aone ekor signifikansi. Anda
menggunakan satu sisi tes saat penelitian sebelumnya menunjukkan arah kemungkinan
(misalnya, directional, hipotesis alternatif). Sebaliknya, uji dua ekor signifikansi lebih
konservatif, atau menuntut, karena daerah penolakan di kedua ujung kurva adalah kurang dari uji
satu-ekor. Kami mengatakan bahwa uji satu sisi memiliki kekuatan lebih, yang berarti bahwa
kita lebih cenderung untuk menolak hipotesis nol.
3. Kumpulkan data.You mengumpulkan data dengan pemberian instrumen atau merekam
perilaku pada selembar cek untuk peserta. Kemudian, seperti yang dibahas sebelumnya dalam
bab ini, Anda kode data dan masukan ke dalam file komputer untuk analisis.
4. Hitung sampel statistic.Next, menggunakan program komputer, Anda menghitung
orpvalue statistik dan menentukan apakah itu berada di dalam atau di luar daerah kritis. A
pvalueis probabilitas (p) yang hasilnya bisa diproduksi secara kebetulan jika hipotesis nol adalah
benar. Setelah menghitung thepvalue, kita bandingkan dengan nilai di meja yang terletak di
bagian belakang buku statistik utama (misalnya, Gravetter & Wallnau, 2007) terkait dengan uji
statistik dengan mencari nilai yang diberikan tingkat signifikan kami (misalnya, 01), apakah
pengujian kami adalah salah satu ekor atau dua ekor, dan derajat kebebasan untuk statistik kami

24. test (atau memeriksa cetakan untuk nilai ini). Derajat kebebasan (df) digunakan dalam uji
statistik biasanya satu kurang dari jumlah skor. Untuk sampel skor, df = n-1. Derajat kebebasan
menetapkan jumlah skor dalam sampel yang independen dan bebas bervariasi karena sampel
berarti menempatkan pembatasan pada variabilitas sampel. di sebuah sampel skor, ketika nilai
mean diketahui, semua nilai tapi satu dapat bervariasi (yaitu, independen satu sama lain dan
memiliki nilai-nilai), karena salah satu nilai dibatasi oleh mean sampel (Gravetter & Wallnau,
2007).
Bagian yang sulit adalah menentukan apa uji statistik digunakan. Tabel 6.5 menyajikan
banyak uji statistik yang umum digunakan dalam penelitian pendidikan. Juga, konsultasikan
Lampiran C untuk tes umum statistik, definisi mereka, dan contoh. Tujuh pertanyaan perlu
menjawab tiba di uji statistik yang sesuai (lihat juga Rudestam & Newton, 1992, kriteria yang
sama):
 Apakah Anda berencana untuk membandingkan kelompok atau berhubungan variabel dalam
hipotesis atau penelitian pertanyaan?
 Berapa banyak variabel independen yang ada dalam satu pertanyaan penelitian atau
hipotesis?
 Berapa banyak variabel dependen yang Anda miliki dalam satu pertanyaan penelitian atau
hipotesis? Biasanya, para peneliti hanya menggunakan satu variabel dependen, atau jika
beberapa tergantung variabel yang menarik, masing-masing variabel dianalisis satu per satu.
 Apakah Anda akan statistik mengendalikan kovariat dalam analisis Anda penelitian
Pertanyaan atau hipotesis?
 Bagaimana variabel independen Anda (s) diukur? Jenis pengukuran kemungkinan skala
yang kategoris (nominal dan ordinal) dan berkesinambungan (Interval /ratio) skala.
 Bagaimana variabel dependen Anda (s) diukur? Seperti independen Anda variabel,
mengidentifikasi apakah variabel dependen adalah kategori atau kontinu variabel.
 Apakah nilai pada variabel terdistribusi secara normal; yaitu, bisa Anda menganggap kurva
normal jika nilai diplotkan pada grafik? statistik tertentu telah dirancang untuk bekerja
terbaik dengan data terdistribusi normal dan lain-lain dengan didistribusikan nonnormally
Data. (Lihat Lampiran D untuk informasi tambahan tentang distribusi tidak normal.)

25. Mengingat tujuh pertanyaan, apa uji statistik yang akan Anda gunakan untuk mempelajari nol ini
hipotesis?
"Tidak ada perbedaan antara perokok dan bukan perokok pada skor depresi."
"Tidak ada perbedaan antara perokok dan bukan perokok dan afiliasi kelompok sebaya."
Untuk hipotesis pertama, Anda akan memilih ttest, dan untuk yang kedua, chi-square statistik.
Dapatkah Anda mengidentifikasi keputusan yang masuk ke memilih kedua tes berdasarkan tujuh
kriteria?
5. Membuat keputusan tentang menolak atau gagal untuk menolak nol hypothesis.Let
asumsikan bahwa Anda sekarang telah dihitung uji statistik untuk dua hipotesis menggunakan
data dilaporkan sebelumnya pada Tabel 6.2. Asumsikan bahwa Anda telah menggunakan SPSS
Versi 14.0 dan memiliki cetakan seperti yang ditunjukkan pada Tabel 6.6. Pada Tabel 6.6, Anda
membandingkan perokok dan bukan perokok di hal nilai mereka pada depresi. Uji statistik Anda
dihitung adalah analisis t-test dan menunjukkan bahwa 26 perokok memiliki rata-rata 69,77 pada
skala depresi, sedangkan 24 perokok memiliki rata-rata 79,79, perbedaan 10,02 poin antara
kedua kelompok. Uji signifikansi dua sisi menunjukkan pada = -7,49 dengan 48 derajat
kebebasan, menghasilkan dua tailedpvalue dari 00 (p = .00). Pvalue ini secara statistic signifikan
arena kurang dari alpha = 0,05. Jika pvalue kurang dari alpha, Anda menolak hipotesis null; jika
lebih besar dari alpha, Anda menerima hipotesis. keseluruhan kami kesimpulan, kemudian,
adalah bahwa thereisa perbedaan antara perokok dan perokok dan mereka

27. 2. Tentukan apakah pvalue diamati kurang dari atau lebih besar dari nilai yang
diperoleh dari distribusi skor untuk statistik (dengan derajat tertentu kebebasan
dan dengan baik satu atau uji pada tingkat signifikansi dua sisi). Anda dapat
menentukan ini table pvalue dengan tangan dengan membandingkan nilai statistik
uji dengan nilai tabel distribusi untuk statistik. Atau, Anda dapat membiarkan
program computer mengidentifikasi pvalue diamati, dan Anda dapat menafsirkan
apakah itu lebih besar atau lebih kecil dari nilai alpha Anda.
3. Memutuskan untuk menolak atau gagal untuk menolak hipotesis nol. Kita perlu
berikutnya memutuskan apakah p kami Nilai signifikan secara statistik untuk
menolak atau gagal untuk menolak hipotesis nol. Significanceis statistik saat
pvalue dari nilai yang diamati kurang dari tingkat alpha yang telah ditentukan
ditetapkan oleh peneliti.
Contoh lain menggunakan statistik chi-square dapat dilihat pada Tabel 6.7. Tes ini
menguji apakah perokok dan perokok yang berbeda dalam hal kelompok sebaya mereka affi
liation. Tabel atas menunjukkan sel yang mengandung informasi tentang jumlah diamati pada
masing-masing sel dan jumlah yang diharapkan. Misalnya, untuk atlet, kita diharapkan 6,2
individu untuk menjadi bukan perokok, dan sebaliknya kita menemukan 8. Pearson chi-square
test = 1,71, dengan df = 3, mengakibatkan apvalue (atau tingkat signifikansi) dari 0,635. Pada p
= .05, 0,635 tidak signifikan secara statistik, dan kesimpulan kami adalah untuk gagal menolak
hipotesis nol. Kami menyimpulkan bahwa ada ada perbedaan terdeteksi antara perokok dan
bukan perokok dan kelompok sebaya affi liation. Meskipun kami mungkin telah diantisipasi
bahwa "punkers" kelompok memiliki lebih dari perokok perokok atau bahwa "atlet" kelompok
memiliki lebih dari bukan perokok perokok, uji statistik kami tidak menemukan hasil ini untuk
hadir. Potensi Kesalahan dalam Hasil Dalam kedua contoh, ttest dan uji chi-square, hasil kami
mungkin telah dalam kesalahan. Mari kita mempertimbangkan empat kemungkinan hasil yang
dapat terjadi selama pengujian hipotesis. Kemungkinan ini diuraikan pada Tabel 6.8. Kolom
dalam tabel ini mewakili dua negara yang sebenarnya urusan dalam populasi: Tidak ada
perbedaan antara perokok dan bukan perokok di

28. skor depresi (kata lain, perokok dan bukan perokok sama-sama tertekan), ataumemang ada
perbedaan antara perokok dan bukan perokok pada skor depresi. Itu informasi dalam baris
menunjukkan dua keputusan yang peneliti buat berdasarkan actual data yang mereka terima:
untuk menolak hipotesis nol atau gagal untuk menolak nol.
Mengingat faktor-faktor ini, kami memiliki empat hasil-dua kemungkinan kemungkinan
kesalahan yang mungkin terjadi dan dua hasil positif yang mungkin dalam pengujian hipotesis:
1. Peneliti dapat menolak hipotesis nol (yaitu, ada perbedaan) ketika Nilai populasi
benar-benar sehingga tidak ada efek. Tipe I erroroccurs saat hipotesis nol ditolak oleh peneliti
ketika itu sebenarnya benar. Probabilitas tingkat kesalahan ini adalah alpha.
2. Peneliti dapat melakukan kesalahan dengan tidak menolak hipotesis nol. A Tipe II
erroroccurs ketika peneliti gagal untuk menolak hipotesis nol ketika Efek benar-benar terjadi
dalam populasi. Probabilitas error rate ini disebut beta.

29. Dalam istilah praktis, kesalahan Tipe II biasanya dianggap kurang dari masalah daripada
Type Saya kesalahan, karena gagal untuk menolak (menemukan tidak ada perbedaan) kurang
menyesatkan daripada menolak (menemukan perbedaan). Dalam penelitian pendidikan, kita
perlu berhati-hati tentang mengatakan "Ada perbedaan" ketika yang benar-benar tidak ada.
3. Peneliti dapat menolak hipotesis nol ketika harus ditolak karena efek ada. Ini adalah
keputusan yang benar dan, oleh karena itu, tidak ada kesalahan yang dilakukan. Itu pengujian
hipotesis kuantitatif powerin adalah probabilitas benar menolak palsu hipotesis nol.
4. Peneliti dapat gagal untuk menolak hipotesis nol ketika tidak harus ditolak karena tidak
ada efek.
Memperkirakan Menggunakan Interval Keyakinan
Dalam Tabel 6.6 dan 6.7, kita memiliki dua uji statistik inferensial, dengan satu menolak null
hipotesis dan lain gagal untuk menolak hipotesis nol. Meskipun keputusan untuk menolak atau
gagal untuk menolak memberikan informasi yang berguna, itu tidak menunjukkan besarnya
perbedaan nilai rata-rata, terutama dalam kasus ketika hipotesis nol ditolak (sebagai dalam
contoh t-test kami). Dengan demikian, kita beralih ke interval kepercayaan untuk membantu
kami menentukan seberapa besar Perbedaan benar-benar mungkin dan untuk memperkirakan
rentang nilai yang dapat diterima.
Interval kepercayaan memberikan informasi tambahan tentang pengujian hipotesis kami.
A confidence interval atau estimasi interval rentang nilai statistik atas dan bawah yang konsisten
dengan data yang diamati dan mungkin mengandung populasi yang sebenarnya berarti. Karena
cara ini hanya perkiraan nilai populasi, mereka tidak pernah bisa tepat,dan sarana sampel

30. mengindikasikan apoint estimateof rata-rata populasi. Hal ini membantu, kemudian, untuk
mempertimbangkan rentang nilai sekitar sampel berarti bahwa hal itu bisa mengambil mengingat
beberapa pengumpulan sampel. Para peneliti menetapkan interval kepercayaan sekitar nilai rata-
rata ini sampel untuk menggambarkan berbagai potensi nilai yang mungkin terjadi. Tambahan
Pula,kejadian ini dibingkai sebagai persen, seperti 95% dari waktu (95 dari 100), nilai populasi
akan berada dalam kisaran interval. Selain itu, interval ini dapat diidentifikasi dengan batas atas
dan bawah, nilai-nilai yang menentukan rentang interval.
Beralih ke Tabel 6.6 lagi, program komputer melaporkan interval kepercayaan 95%
untuk perbedaan antara alat dua kelompok. Jika Anda menarik sejumlah besar sampel dari
populasi, 95% dari perbedaan rata-rata akan jatuh antara rendah dan nilai-nilai atas dilaporkan
dalam statistik untuk atestasi. Hal ini menyampaikan bahwa jika kita bisa mengumpulkan
sejumlah besar sampel siswa SMA, kita mungkin memperkirakan bahwa 95% dari skor untuk
depresi akan jatuh antara -12,71 dan -7,33, sekitar perbedaan -10,02 Untuk nilai rata-rata antara
perokok dan perokok (69,77-79,79 = -10,02). Untuk mengetahui kisaran ini memberikan
perkiraan yang lebih akurat dari nilai-nilai populasi, dan memberikan informasi tambahan
tentang hasil pengujian hipotesis.
Menentukan Efek Ukuran
Hal ini tidak hanya penting untuk mengetahui apakah uji statistik signifikan (p melalui nilai-
nilai) dan berbagai kemungkinan nilai yang dapat diterima (confidence interval), tetapi juga
untuk mengukur kekuatan perbedaan antara dua cara atau dua variabel. Ukuran praktis apakah
berarti berbeda hanya untuk melihat perbedaan dan menentukan apakah perbedaan bermakna
dalam arti praktis. Ini adalah prosedur menghitung ukuran efek. Efek ukuran mengidentifikasi
kekuatan kesimpulan tentang kelompok perbedaan atau tentang hubungan antar variabel dalam
studi kuantitatif. Perhitungan sien efisien ini berbeda untuk uji statistik. Untuk analisis varians
(ANOVA), untuk Misalnya, efek ukuran (eta 2) Diukur dengan menggunakan persentase varians
karena variabel yang diteliti. Phi, seperti yang digunakan dengan uji chi-square, adalah ukuran
asosiasi kekuatan. Langkah-langkah lain untuk ukuran efek untuk statistik lainnya menggunakan
prosedur yang berbeda untuk perhitungan, seperti omega 2 atau Cohen D (APA, 2010). Ketika
memeriksa mean skor untuk dua kelompok, bagaimanapun, efek ukuran 0,5 (atau satu setengah
dari SD) atau di atas adalah sering standar untuk digunakan.

31. Kita bisa menghitung ukuran efek antar kelompok di SMA contoh merokok kami.
Seorang peneliti, misalnya, bisa memeriksa sarana dalam Tabel 6.6 dan melihat bahwa mean
skor yang 10,02 poin terpisah, perbedaan yang cukup besar pada skala 100 poin. Lebih tepatnya,
kita menghitung efek ukuran dan melaporkannya dalam unit standar deviasi. Untuk t-statistik uji,
ukuran efek
(ES) dapat dihitung dengan persamaan: ES = Meansmokers –Meannonsmokers / Standar
Deviasi tertimbang
dimana standar deviasi tertimbang dapat diperoleh dengan rata-rata standar deviasi untuk
perokok dan bukan perokok, dengan mempertimbangkan ukuran kelompok.
Dengan menggunakan persamaan ini, kita lihat pada Tabel 6.6 efek ukuran dilaporkan
2,154. ini berarti bahwa rata-rata perokok akan lebih dari dua standar deviasi lebih tinggi
daripada bukan perokok dalam hal depresi. Ini adalah perbedaan besar, dalam arti praktis.
Beralih ke ilustrasi kedua, seperti yang ditunjukkan dalam analisis chi-square Tabel 6.7,
kita melihat efek ukuran koefisien phi dengan nilai 0,185 dan signifikansi perkiraan 0,635.
Menggunakan koefisien phi adalah ukuran kekuatan asosiasi antara dua variabel kategori (dua
variabel nominal). Nilai dari 0,185 menunjukkan hubungan yang lemah, dan kami memiliki
bukti tambahan bahwa perokok dan bukan perokok tidak berbeda dalam hal mereka afiliasi
kelompok sebaya.
BAGAIMANA ANDA MELAPORKAN HASIL?
Ketika peneliti menyimpulkan pengujian statistik, mereka selanjutnya beralih ke mewakili Hasil
di tabel dan gambar dan pelaporan hasil dalam diskusi. Anda mungkin termasuk ini hasil dalam
bagian berlabel "Hasil." Beberapa poin yang mungkin membantu dalam konstruksi Anda ini
bagian dan membantu Anda memahami isi dari hasil bagian diterbitkan.
Bagian ini harus alamat atau menanggapi setiap pertanyaan penelitian atau hipotesis. A
Pendekatan khas adalah untuk menanggapi setiap pertanyaan atau hipotesis satu per satu dalam
urutan yang mereka diperkenalkan awal penelitian. Dalam melaporkan hasil, peneliti juga tetap
dekat dengan temuan statistik tanpa menarik implikasi yang lebih luas atau yang berarti dari
mereka. Selanjutnya, bagian ini termasuk ringkasan dari data daripada Data mentah (misalnya,
nilai yang sebenarnya bagi individu). Bagian hasil meliputi:

32.  Tabel yang meringkas informasi statistic
 Angka (grafik, gambar, gambar) yang menggambarkan variabel dan hubungan
mereka
 Rinci penjelasan tentang hasil statistic
Table
Para peneliti menampilkan data dalam tabel yang merangkum hasil statistik untuk pertanyaan
penelitian atau hipotesis. Atableis ringkasan data kuantitatif disusun dalam baris dan kolom (lihat
Tabel 6.6 dan 6.7). Biasanya, tabel untuk hasil pelaporan mengandung kuantitatif informasi,
tetapi mereka mungkin berisi informasi teks seperti ringkasan dari studi utama yang ditemukan
dalam literatur (dan dimasukkan sebelumnya dalam sebuah penelitian, sebelum hasil). Satu
Keuntungan menggunakan tabel adalah bahwa mereka dapat meringkas sejumlah besar data di
kecil jumlah ruang. Berikut adalah beberapa panduan untuk membuat tabel.
 Meskipun Anda bisa menyajikan beberapa uji statistik dalam satu meja, pedoman umum
adalah untuk menyajikan satu meja untuk setiap uji statistik. Kadang-kadang,
bagaimanapun, Anda dapat menggabungkan data dari analisis statistik yang berbeda ke
dalam satu meja. Sebagai contoh, semua data deskriptif untuk pertanyaan (M, SD, dan
jangkauan) dapat dikombinasikan menjadi satu tabel. Namun, Anda harus menyajikan setiap
tes disimpulkan dalam tabel individu.
 Pembaca harus dapat memahami dengan mudah makna meja. Tabel harus mengatur data ke
dalam baris dan kolom dengan judul sederhana dan jelas. Juga, judul untuk tabel harus
akurat mewakili informasi yang terdapat dalam tabel dan menjadi selengkap deskripsi
mungkin.
 Hal ini penting untuk mengetahui tingkat detail statistik untuk deskriptif dan inferensial
statistik untuk melaporkan dalam tabel. Pemeriksaan tabel di jurnal ilmiah biasanya
menyediakan model yang akan digunakan untuk tingkat detail yang diperlukan untuk setiap
jenis statistic tes. Selain itu, Manual Publikasi American Psychological Association (APA,
2010) memberikan contoh tingkat detail yang akan dilaporkan secara deskriptif tabel
(misalnya, M, SD, andn, atau jumlah peserta) dan inferensial tabel (misalnya, korelasi,

33. ANOVA, dan regresi). Sebagai bantuan tambahan, Anda mungkin melihat output khas
untuk uji statistik menggunakan SPSS (misalnya, George & Mallery, 2001).
 Penulis biasanya melaporkan catatan yang memenuhi syarat, menjelaskan, atau memberikan
informasi tambahan dalam tabel, yang dapat membantu untuk pembaca. Seringkali, catatan
ini mencakup informasi tentang ukuran sampel yang dilaporkan dalam penelitian ini, nilai-
nilai probabilitas digunakan dalam pengujian hipotesis, dan tingkat signifikansi sebenarnya
dari uji statistik.
angka-angka
Membedakan perbedaan antara tabel dan gambar tidak selalu jelas dipotong. Sebuah meja
termasuk ringkasan data kuantitatif, sedangkan angka menyajikan informasi dalam grafik atau
visual yang gambar (APA, 2010). Dengan demikian, figureis ringkasan informasi kuantitatif
yang disajikan sebagai grafik, grafik, atau gambar yang menunjukkan hubungan antara nilai
atau variabel. Tabel disukai untuk fi gures (APA, 2010) karena tabel menyampaikan informasi
lebih lanjut dalam bentuk yang sederhana.
Angka yang cocok untuk visual menyajikan informasi dalam grafik dan gambar dihasil bagian
studi. ThePublication Manual American Psychological Association (APA, 2010) menunjukkan
beberapa standar untuk merancang sosok yang baik. Seorang tokoh yang baik:
 Augments, bukan duplikat, teks
 Sampaikan saja fakta-fakta penting
 Menghilangkan detil visual mengganggu
 Apakah mudah dibaca dan dimengerti
 Apakah konsisten dengan dan siap dalam gaya yang sama angka sebagai mirip dalam
artikel yang sama
 Apakah hati-hati direncanakan dan dipersiapkan (pp. 152-153)
Berbagai jenis angka yang ditemukan dalam studi penelitian pendidikan:
 tren Bar chartsdepict dan distribusi data (lihat grafik batang pada Tabel 6.4).
 Scatterplotsillustrate perbandingan dua nilai yang berbeda dan bagaimana nilai
kemunduran atau berbeda dari rata-rata. Informasi ini berguna untuk mengidentifikasi
outlier dan atas atau efek langit-langit yang lebih rendah dari skor.

34.  Jalur graphsdisplay interaksi antara dua variabel dalam percobaan.
 Chartsportray hubungan yang kompleks antara variabel dalam penelitian korelasional
desain. ThePublication Pedoman dari American Psychological Association (APA, 2010)
memberikan ilustrasi grafik garis, grafik batang, sebar, dan grafik jalur korelasional Model.
Dalam semua contoh ini, angka caption ditempatkan di bagian bawah gambar. Hal ini
berbeda dengan judul tabel, yang ditempatkan di bagian atas meja.
hadir Hasil
Meskipun tabel dan gambar merangkum informasi dari uji statistik, kebutuhan peneliti untuk
menjelaskan secara rinci hasil uji statistik. Dalam presentasi hasil, peneliti menyajikan informasi
rinci tentang hasil spesifik dari analisis statistik deskriptif dan inferensial. Proses ini
membutuhkan menjelaskan hasil utama dari masing-masing statistic pengujian dan menyajikan
informasi ini menggunakan bahasa yang dapat diterima para peneliti kuantitatif.
Untuk hasil setiap uji statistik, penyidik merangkum temuan dalam satu atau dua kalimat.
Kalimat-kalimat ini harus mencakup statistik yang cukup untuk memberikan gambaran lengkap
dari hasil. Mereka juga harus mencakup informasi yang diperlukan untuk pelaporan hasil setiap
uji statistik. Apa yang mewakili informasi "cukup" tergantung pada jenis tertentu pengujian.
Minimal:
 Laporkan apakah uji hipotesis signifikan atau tidak
 Memberikan informasi penting tentang uji statistik, mengingat statistic
 Sertakan bahasa biasanya digunakan dalam pelaporan hasil statistic
Informasi tentang uji statistik, misalnya, mungkin termasuk laporan derajat kebebasan dan
ukuran sampel untuk statistik chi-square, dan sarana dan standar penyimpangan statistik
deskriptif (APA, 2010).
Gambar 6.5 menunjukkan contoh hasil laporan untuk kedua statistik deskriptif dan
inferensial. Untuk statistik deskriptif, sarana, standar deviasi, dan kisaran skor menunjukkan
informasi yang berguna tentang hasil. Untuk statistik inferensial, informasi seperti tingkat alpha
yang digunakan, actualpvalue, wilayah kritis penolakan, tes Hasil statistik, derajat kebebasan,
dan ukuran efek harus dilaporkan. kepercayaan Diri interval juga harus dilaporkan (Wilkinson &
Task Force on Statistik Inferensi, 1999).

35. BAGAIMANA ANDA
menginterpretasikan hasil? Setelah melaporkan dan menjelaskan hasil rinci, peneliti
menyimpulkan studi dengan merangkum temuan kunci, mengembangkan penjelasan untuk hasil,
menunjukkan keterbatasan dalam penelitian, dan membuat rekomendasi untuk pertanyaan masa
depan
Merangkum Hasil Utama
Dalam proses menafsirkan hasil, peneliti pertama merangkum temuan utama dan menyajikan
implikasi yang lebih luas dari penelitian untuk khalayak yang berbeda. Asummaryis a pernyataan
bahwa ulasan kesimpulan utama untuk masing-masing pertanyaan penelitian atau hipotesis.
Ringkasan ini berbeda dengan hasil: Ini merupakan umum, bukan spesifik, kesimpulan.

36. Kesimpulan tertentu dalam hasil akan mencakup detail tentang uji statistik, tingkat signifikansi,
dan ukuran efek. Kesimpulan umum menyatakan keseluruhan apakah hipotesis ditolak atau
apakah pertanyaan penelitian didukung atau tidak didukung. Penelitian ini diakhiri dengan
pernyataan peneliti tentang implikasi positif dari study.Implicationsare saran tersebut untuk
kepentingan studi untuk berbeda khalayak. Mereka menguraikan pentingnya untuk khalayak
yang disajikan dalam laporan awalnya masalah. Akibatnya, sekarang bahwa studi ini telah
selesai, peneliti adalah dalam posisi untuk refl dll (dan pernyataan) tentang pentingnya
penelitian.
Jelaskan Mengapa Hasil Terjadi
Setelah ringkasan ini, peneliti menjelaskan mengapa hasilnya ternyata cara yang mereka
lakukan. Seringkali penjelasan ini didasarkan pada kembali ke prediksi yang dibuat dari teori
atau kerangka kerja konseptual yang dipandu pengembangan pertanyaan penelitian atau
hipotesis. Di Selain itu, penjelasan ini mungkin termasuk membahas literatur yang ada dan
menunjukkan bagaimana hasil baik dibenarkan atau tidak dibenarkan penelitian sebelumnya.
Dengan demikian, Anda sering akan menemukan studi penelitian terakhir yang disajikan oleh
penulis dalam bagian ini. Sebuah bagian penutup mungkin kontras dan membandingkan hasilnya
dengan teori atau badan sastra.
muka Keterbatasan
Para peneliti juga memajukan keterbatasan atau kelemahan studi mereka yang mungkin telah
mempengaruhi hasil. Potensi kelemahan Limitationsare atau masalah dengan studi diidentifikasi
oleh peneliti. Kelemahan ini disebutkan satu per satu, dan mereka sering berhubungan langkah-
langkah yang tidak memadai variabel, kehilangan atau kekurangan peserta, ukuran sampel yang
kecil, kesalahan dalam pengukuran, dan faktor-faktor lain yang biasanya berhubungan dengan
pengumpulan data dan analisis. Keterbatasan ini berguna untuk peneliti potensial lain yang
mungkin memilih untuk melakukan penelitian serupa atau replikasi. Memajukan keterbatasan ini
menyediakan jembatan yang berguna untuk merekomendasikan penelitian selanjutnya.
Keterbatasan juga membantu pembaca hakim sejauh mana temuan dapat atau tidak dapat
digeneralisasi untuk orang lain dan situasi.

37. Sarankan Penelitian Masa Depan
Peneliti selanjutnya muka arah penelitian masa depan berdasarkan hasil masa kini saran
study.Future penelitian directionsare dibuat oleh peneliti tentang studi tambahan yang perlu
dilakukan berdasarkan hasil dari penelitian ini. Saran ini link alami keterbatasan penelitian, dan
mereka memberikan arahan yang berguna bagi para peneliti baru dan pembaca yang tertarik
exploring dibutuhkan daerah penyelidikan atau menerapkan hasil praktek pendidikan. Pendidik
ini sering perlu sebuah "sudut" untuk mengejar untuk menambah pengetahuan yang ada, dan
saran penelitian di masa depan, biasanya ditemukan pada akhir studi penelitian, memberikan
arahan ini. bagi mereka membaca sebuah penelitian, arah penelitian masa depan menyoroti
daerah yang tidak diketahui dan memberikan batas untuk menggunakan informasi dari studi
tertentu. Biasanya, studi kuantitatif yang baik berakhir dengan catatan positif tentang kontribusi
penelitian.
ANALISIS DATA DAN INTERPRETASI memeriksa kembali DI INDUK STUDI
KETERLIBATAN
Untuk mendapatkan gambaran tentang proses analisis data kuantitatif dan interpretasi, kita
dapat mengubah sekali lagi untuk studi keterlibatan orang tua oleh Deslandes dan Bertrand
(2005). Dengan beberapa statistik canggih yang digunakan oleh penulis, mudah untuk fokus pada
statistik dan kehilangan gambaran keseluruhan analisis dan interpretasi berlangsung dalam
penelitian ini.
Para penulis yang disurvei 770 orang tua siswa tingkat menengah menghadiri lima publik
sekolah di Quebec. Orang tua ini menyelesaikan beberapa instrumen. Untuk melihat secara dekat
data analisis yang digunakan oleh penulis, akan sangat membantu untuk merenungkan
pertanyaan penulis berusaha menjawab dan kemudian memeriksa analisis statistik mereka
digunakan untuk mendapatkan jawaban atas pertanyaan itu. Pertanyaan kunci dapat ditemukan
dalam ayat 13: "Apa kontribusi relative orang tua konstruksi peran, self-efficacy, persepsi
undangan guru, dan persepsi undangan remaja untuk memprediksi keterlibatan orang tua di
rumah dan di sekolah di Kelas 7, 8, dan 9? "(Hal. 166). Dalam pertanyaan ini, "relatif kontribusi"
berarti apa variabel independen terbaik menjelaskan dua hasil, keterlibatan orang tua di rumah
dan keterlibatan orang tua di sekolah. Selanjutnya, mari kita memindai tabel informasi statistik
penulis disajikan. tabel 1 menunjukkan demografi, statistik deskriptif (persentase) tentang

38. peserta induk di studi. Tabel 2 hanya mencantumkan prediktor (independent) variabel utama,
variabel yang dikontrol dalam analisis data, dan dua hasil (tergantung) variabel. Ini adalah
membantu tabel digunakan untuk berpikir tentang analisis data dan prosedur statistik. Tabel 3
menunjukkan statistik deskriptif (sarana, standar deviasi) pada empat variabel independen dan
dua variabel dependen. Tabel 4 dan 5 menunjukkan analisis inferensial, regresi untuk variabel
independen dan variabel kontrol demografis untuk keterlibatan orang tua di rumah dan
keterlibatan orang tua di variabel dependen sekolah, masing-masing. jadi, dari pertanyaan
penelitian, kita tahu bahwa studi ini akan membangun menuju pemahaman pentingnya empat
faktor dalam menjelaskan keterlibatan orang tua. Melihat kembali lagi pada Tabel 6.5 dalam bab
ini pada analisis data, kita tahu bahwa ketika kita memiliki dua atau lebih variabel independen
(empat konstruksi dan beberapa variabel kontrol dalam penelitian ini) diukur dengan skala
kontinyu (1 = tidak setuju sangat kuat untuk 6 = setuju sangat kuat) dan satu bergantung variabel
(baik rumah atau sekolah) diukur secara terpisah sebagai skala kontinyu, kita akan menggunakan
regresi berganda sebagai prosedur statistik. Kita dapat melihat dua tabel regresi (Tabel 4 dan
Tabel 5) dan melihat bahwa beberapa variabel yang signifikan secara statistik pada p6.05, p6.01,
dan p <.001 tingkat (seperti yang ditunjukkan oleh tanda *) seperti yang terlihat dalam catatan di
bagian bawah dari dua tabel. Sayangnya, kita tidak belajar tentang ukuran efek pada Tabel 4 atau
Tabel 5. Tapi dalam hal analisis data, pada Tabel 4 dapat kita lihat bahwa "persepsi orang tua
siswa undangan di domain akademik "sangat diprediksi keterlibatan orang tua di rumah (beta =
0,44). Kemudian kita dapat membaca "Hasil" untuk melihat temuan yang lebih rinci. Jadi
pemikiran kita tentang bentuk utama dari analisis data dalam artikel jurnal ini pergi dari berpikir
tentang pertanyaan penelitian, menjelajahi meja, mengakui jenis utama dari statistik dan
menggunakan Tabel 6.5 dalam bab ini untuk menilai mengapa statistik dipilih dan kemudian
mencermati pada hasil yang disajikan dalam tabel serta dalam diskusi hasil.
Bagian Diskusi (mulai ayat 32) menyediakan "interpretasi" dari Hasil dimulai dengan
ringkasan umum dari mereka disajikan oleh tingkat kelas dan untuk masing-masing tindakan
tergantung, keterlibatan orang tua di rumah dan keterlibatan orang tua di sekolah. Perhatikan
bahwa seluruh diskusi ini, penulis memperkenalkan referensi lainnya studi yang menyoroti
temuan serupa (lihat, misalnya, ayat 36). Juga, artikel berakhir dengan diskusi tentang implikasi
untuk intervensi sekolah dan untuk meningkatkan keterlibatan orang tua, dan pentingnya kontak
guru-orang tua. Bagian terakhir mengidentifikasi beberapa keterbatasan studi dalam hal sampling

39. (Ayat 46), uang muka ide untuk penelitian lebih lanjut (Ayat 47), dan kemudian berakhir dengan
catatan positif tentang pentingnya akhir dari hasil penelitian (Ayat 49).
IDE KUNCI DALAM BAB YANG
Mengidentifikasi langkah-langkah dalam Proses Menganalisis dan Menafsirkan
data kuantitatif
Langkah-langkah dalam proses analisis data kuantitatif dan interpretasi melibatkan pertama
mempersiapkan data numerik untuk analisis menggunakan program statistik, melakukan analisis
menggunakan statistik yang melaporkan hasil baik deskriptif dan inferensial, mewakili dan
melaporkan hasil menggunakan tabel, gambar, dan diskusi dari masing-masing uji statistik, dan
akhirnya menafsirkan hasil dengan menegaskan kembali temuan umum, membandingkan temuan
ke literatur masa lalu, menyebutkan potensi keterbatasan penelitian, dan memajukan ide-ide yang
akan memperpanjang penelitian di masa depan.
Mempersiapkan Data Anda untuk Analisis
Setelah mengumpulkan skor numerik pada instrumen atau melalui pengamatan, kuantitatif
peneliti perlu mempersiapkan dan mengatur data untuk analisis statistik. Proses ini terdiri dari
menetapkan nilai numerik untuk setiap pilihan respon pada instrumen (jika Instrumen sudah
tidak menyertakan informasi ini); menentukan apakah single-item, net, atau perbedaan nilai akan
digunakan dalam analisis; dan memilih perangkat lunak computer program untuk menganalisis
data. Selanjutnya, penyidik memasukkan data ke file komputer dengan membangun data grid
yang terdiri dari variabel dan nilai-nilai mereka.
Menganalisis Data
Dengan dataset dibangun, peneliti memulai proses menganalisis data untuk mengatasi
pertanyaan penelitian atau hipotesis. Beberapa pertanyaan mungkin panggilan untuk
menggambarkan tren di data, dan peneliti menggunakan analisis deskriptif seperti ukuran
pemusatan, penyebaran nilai, dan peringkat relatif dari nilai. penelitian lain pertanyaan dan
hipotesis panggilan untuk analisis inferensial yang studi peneliti sampel dan menarik kesimpulan
dari sampel ke populasi. Untuk melakukan inferensial analisis, tiga prosedur dapat digunakan:

40. (a) Melakukan pengujian hipotesis dengan menggunakan uji statistik dan calculatingpvalues
yang bertekad untuk menjadi signifikan atau tidak signifikan, dan menunjukkan bahwa mean
sampel atau tidak perkiraan yang baik dari rata-rata populasi; (b) menetapkan interval
kepercayaan untuk mengidentifikasi berbagai nilai yang mungkin untuk menyertakan berarti
populasi; (c) menghitung efek ukuran yang meneliti kekuatan perbedaan dan makna praktis
perbedaan ini untuk perbandingan kelompok atau berkaitan variabel.
Pelaporan Hasil
Apakah analisis terdiri dari deskriptif atau analisis inferensial, atau keduanya, peneliti
menyajikan hasil dalam tabel, gambar, dan diskusi rinci hasil. ini rinci Diskusi melibatkan
menyajikan informasi tentang hasil setiap uji statistik dan menyajikan informasi menggunakan
bahasa diterima peneliti kuantitatif.
Menafsirkan Hasil
Akhirnya, peneliti menyimpulkan penelitian mereka dengan meringkas hasil rinci dalam
pernyataan umum. Mereka juga memberikan penjelasan untuk temuan mereka berdasarkan
prediksi sebelumnya yang dibuat dalam literatur atau teori, dan mereka kontras hasil mereka
dengan masa lalu penelitian. Hal ini juga penting dalam menyimpulkan penelitian untuk
memajukan keterbatasan penelitian, mencatat kelemahan potensial yang mungkin mempengaruhi
hasil. Keterbatasan ini membangun langsung ke saran untuk penelitian masa depan yang akan
memperbaiki kelemahan dan selanjutnya berkontribusi pada literatur tentang topik.
USEFULINFORMATION FORPRODUCERS OFRESEARCH
 Ketika Anda merancang atau merencanakan penelitian kuantitatif, mempertimbangkan
proses luas menganalisis dan menafsirkan data seperti yang dibahas dalam bab ini, seperti
menyiapkan dan mengatur data Anda, menganalisanya secara deskriptif dan inferensial,
meringkas hasil visual dan diskusi, dan menyimpulkan studi dengan meringkas dan
menjelaskan hasil. Topik-topik ini bisa menjadi judul dalam rencana Anda untuk belajar
atau dalam laporan akhir.
 Dalam penelitian kuantitatif, skor data dan kemudian masukan ke dalam computer Program
menggunakan grid.

41.  Pilih program komputer yang menawarkan sejumlah besar prosedur statistik.
 Jalankan analisis deskriptif untuk menjawab pertanyaan deskriptif.
 Melakukan analisis inferensial untuk mengatasi kelompok pembanding dan hubungan
pertanyaan atau hipotesis.
 Untuk analisis inferensial Anda, reportpvalues pengujian hipotesis, kepercayaan diri
interval, dan ukuran efek.
 Mewakili data dalam tabel dan gambar menggunakan format manual gaya APA.
USEFULINFORMATION FORCONSUMERS OFRESEARCH
 Untuk terbaik memahami statistik yang disajikan dalam laporan penelitian, tanyakan pada
diri sendiri apa pertanyaan penelitian adalah bahwa penyidik berusaha untuk menjawab dan
mencari pembahasan hasil yang sesuai dengan pertanyaan penelitian tersebut.
 Memahami bahwa pemilihan statistik oleh seorang peneliti harus didasarkan pada kriteria
khusus. Memeriksa data yang dikumpulkan untuk menentukan apakah keputusan yang tepat
adalah dibuat berdasarkan tujuh faktor yang diidentifikasi dalam Tabel 6.5.
 Ketika peneliti membandingkan kelompok, mencari tidak hanya laporan dari uji statistic
tetapi juga informasi tentang interval kepercayaan diri dan efek ukuran untuk menafsirkan
besarnya perbedaan kelompok.
UNDERSTANDINGCONCEPTS ANDEVALUATINGRESEARCHSTUDIES
1. Asumsikan bahwa Anda ingin menganalisis hipotesis berikut:
"Tidak ada perbedaan yang signifikan antara ceramah, diskusi kelompok kecil, dan
diskusi kelompok besar dalam hal nilai prestasi matematika untuk keenam kelas. "
Menggunakan Tabel 6.5 sebagai panduan Anda, menentukan uji statistik yang tepat digunakan
untuk menganalisis pertanyaan ini. Bekerja dengan asumsi bahwa distribusi sampling Anda
normal. Jawaban pertanyaan-pertanyaan ini untuk menentukan uji statistik Anda:
 Apakah hipotesis perbandingan kelompok atau hubungan variabel?
 Berapa banyak variabel independen yang Anda miliki? Variabel dependen?
 Apakah ada kovariat dikontrol?
 Apakah variabel independen kategoris atau terus-menerus?
 Apakah variabel dependen kategori atau terus-menerus?

42. 2. Lima orang menanggapi lima pertanyaan dengan menggunakan skala Likert dari 5
(sangat setuju), 4 (setuju), 3 (ragu-ragu), 2 (tidak setuju), dan 1 (sangat tidak setuju).
Anda memiliki input data ke dalam database SPSS dan terlihat seperti ini:
5 5 5 6 4
3 2 1 3 3
4 3 1 2
3 5 8 2 4
2 1 1 1 1
Tugas Anda adalah untuk melihat lebih database kecil ini dan membersihkannya. Apa
yang Anda memperbaikinya?
3. Dalam studi keterlibatan orang tua (Deslandes & Bertrand, 2005), penulis melaporkan
hasil untuk keterlibatan orang tua di rumah untuk siswa kelas sembilan. Mereka
mengatakan bahwa analisis statistik dari variabel independen dan tingkat keterlibatan
orang tua di rumah adalah F (10, 101) = 6.81, p6.001. Diskusikan arti pernyataan ini.
Apa doesFstand untuk? Apa 101? Apa 6.81? Apa doesp6.001 artinya?
CONDUCTINGYOURRESEARCH
Untuk proyek pendidikan, desain langkah-langkah yang akan mengambil dalam melakukan
analisis kuantitatif. Diskusikan bagaimana Anda akan mencetak data, memilih program statistik,
masukan data, dan bersih dan account untuk data yang hilang. Kemudian menjelaskan
bagaimana Anda akan menganalisis Data Anda secara deskriptif dan inferensial untuk menjawab
pertanyaan penelitian atau hipotesis. Diskusikan bagaimana Anda akan memilih statistik yang
sesuai untuk digunakan. Akhirnya, mengidentifikasi jenis dari gambar dan tabel Anda akan
menggunakan dan langkah-langkah yang akan digunakan untuk membahas hasil.
Pergi ke Topik "Statistik Deskriptif" dan "Statistik inferensial" dalam MyEducationLab
(www.myeducationlab.com) untuk kursus Anda, di mana Anda dapat:
 Cari hasil untuk "Statistik Deskriptif" dan belajar "inferensial Statistik."
 Tugas Lengkap dan Aktivitas yang dapat membantu Anda lebih dalam memahami isi bab.

43.  Apply dan praktek pemahaman Anda tentang keterampilan inti diidentifikasi dalambab
dengan Keterampilan Penelitian Building latihan.
 Periksa pemahaman Anda dari konten yang tercakup dalam bab ini dengan pergi ke Rencana
Studi. Di sini Anda akan dapat mengambil pretest, menerima umpan balik pada jawaban
Anda, dan kemudian mengakses Ulasan, Praktek, dan kegiatan Pengayaan untuk
meningkatkan pemahaman Anda. Anda kemudian dapat menyelesaikan posttest akhir.