Mengapa Statistika Sosial

Terdapat dua alasan mengapa statistika perlu diperlajari. Pertama karena kehidupan kita selalu dihadapkan dengan statistik, setiap hari kita bertemu dengan data. Survei pemasaran dan temuan penelitian sosial setiap hari muncul, sehingga dengan statistika akan lebih memahami temuan-temuan tersebut.

Proses memahami data merupakan sebuah proses kompleks yang membutuhkan kesabaran dan ketelitian.

Proses Penelitian

Proses penelitian merupakan serangkaian kegiatan yang dilakukan peneliti sosial sehingga mereka mampu menjawab pertanyaan, menguji ide atau menguji teori.

Proses penelitian terdiri dari 5 tahap yaitu:

Menentukan pertanyaan penelitian
Merumuskan hipotesis
Mengumpulkan data
Menganalisis data
Melakukan pengujian hipotesis

Setiap proses diatas dipengaruhi dan mempengaruhi teori.

Pertanyaan Penelitian

Titik awal dari sebagian besar penelitian adalah mengajukan pertanyaan penelitian.

Pertanyaan penelitian tidak bisa dijawab dengan mengandalkan alasan, spekulasi, atau preferensi subyektif. Misalnya pertanyaan “Apakah gaya hidup di perkotaan lebih baik daripada gaya hidup di pedesaan?”, pertanyaan tersebut tidak dapat dijawab secara empiris karena istilah baik dan lebih baik berkaitan dengan nilai, keyakinan, atau preferensi subyektif, sehingga tidak dapat diverifikasi secara independen.

Pertanyaan penelitian menjadi hal yang sangat penting karena menjadi

Teori

Teori adalah seperangkat asumsi dan proposisi yang digunakan peneliti sosial untuk menjelaskan, memprediksi, dan memahami fenomena yang sedang diteliti atau dipelajari. Selain itu, teori berupaya membangun sebuah hubungan antara data dan pemahaman konseptual terhadap fenomena yang terjadi.

Bagi peneliti sosial, teori merupakan sebuah penjelasan lebih detail yang biasanya dibuktikan dengan melakukan penelitian. Contohnya, peristiwa kesenjangan prestasi akademik antara siswa laki-laki dan perempuan.

Merumuskan Hipotesis

Sebuah teori mungkin terdengar masuk akal dan logis, namun terlalu umum dan tidak berisi iinfprmasi spesifik yang cukup untuk diuji.

Hipotesis merupakan pernyataan yang memperkirakan hubungan antara dua atau lebih variabel yang diamati.Tidak semua hipotesis diturunkan dari teori…

Variabel	Kategori
Gender	Laki-laki
	Perempuan
Pendidikan	Rendah
	Sedang
	Tinggi
Pendapatan	Rendah
	Sedang
	Tinggi

Variabel Independen dan Dependen: Hubungan sebab akibat

Variabel independen disebut juga variabel bebas, sedangkan variabel dependen disebut sebagai variabel terikat.

Variabel independen adalah variabel yang diharapkan dapat menjelaskan (penyebab) variabel dependen. Variabel dependen adalah variabel yang dijelaskan (akibat) variabel independen.

Misalnya seorang peneliti ingin mengetahui pengaruh jenis kelamin terhadap prestasi belajar siswa. Variabel independen (bebas) dalam penelitian tersebut adalah jenis kelamin siswa, sedangkan prestasi belajar siswa sebagai variabel dependen (terikat).

Hubungan sebab akibat antar variabel tidak mudah disimpulkan dalam ilmu-ilmu sosial. Untuk menetapkan bahwa dua variabel berhubungan secara kausal, analisis Anda harus memenuhi tiga kondisi:

Sebabnya harus mendahului akibat dalam waktu
Harus ada hubungan empiris antara sebab dan akibat
Hubungan ini tidak dapat dijelaskan oleh faktor lain.

Variabel Independen dan Dependen: Pedoman

Hubungan sebab akibat yang sulit disimpulkan, menyebabkan peneliti harus berhati-hati dalam menggunakan istilah sebab akibat ketika memeriksa hubungan antara dua variabel. Namun, penggunaan istilah variabel independen (bebas) dan dependen (terikat) tetap dibenarkan meskipun hubungan antara kedua variabel tersebut tidak diartikulasikan dalam kaitannya dengan sebab dan akibat secara langsung. Berikut ini adalah beberapa pedoman yang dapat membantu Anda untuk mengidentifikasi variabel independen dan dependen:

Variabel dependen selalu menjadi variabel yang akan Anda jelaskan; selalu menjadi objek penelitian.
Variabel independen biasanya terjadi lebih dulu sebelum variabel dependen.
Variabel independen mempengaruhi variabel dependen.

Namun pada kenyataannya, dalam suatu penelitian, variabel independen dapat menjadi variabel dependen pada penelitian yang lain. Misalnya prestasi belajar siswa dapat menjadi variabel independen dalam penelitian yang mencoba menjelaskan bagiamana prestasi belajar mempengaruhi kebahagiaan siswa. Sedangkan dalam penelitian apakah prestasi belajar siswa dipengaruhi oleh jenis kelamin, prestasi belajar sebagai variabel dependen dan jenis kelamin sebagai variabel independen.

Pengumpulan Data

Teknik pengumpulan data bisa dapat Anda lakukan melalui berbagai cara, seperti pengamatan langsung, pengumpulan data dengan survei, eksperimen, atau melalui sumber sekunder. Anda juga dapat mengumpulkan data dengan membangun instrumen pengukuran. Instrumen tersebut bisa berupa pertanyaan-pertanyaan sederhana dalam kuesioner atau pertanyaan kompleks melalui kombinasi dua atau lebih item kuesioner. Pemilihan metode pengumpulan data tergantung pada tujuan penelitian yang akan dilakukan. Misalnya untuk mempelajari bagaimana pengaruh aspek-aspek tata kelola pendidikan di Indonesia terhadap prestasi siswa, kita perlu mengumpulkan data dengan mengajukan pertanyaan kepada satuan pendidikan atau dinas pendidikan tentang aspek tata kelola pendidikan yang sudah mereka laksanakan selama ini. Metode pengumpulan data yang tepat untuk penelitian tersebut adalah survei menggunakan kuesioner atau melakukan wawancara secara langsung kepada pihak yang terkait untuk menghasilkan data yang akurat. Kuesioner dapat mencakup banyak pertanyaan yang dirancang untuk mengukur aspek tata kelola pendidikan, prestasi siswa, dan variabel lain yang relevan dengan penelitian.

Bagaimana kita akan mengumpulkan data untuk menguji hipotesis perbedaan prestasi belajar antara siswa laki-laki dengan siswa perempuan? Organization for Economic Co-operation and Development (OECD) secara rutin menyelenggarakan program PISA, yaitu penialain siswa secara internasioal yang pada tahun 2018 diikuti oleh 79 negara di dunia. PISA diselenggarakan untuk mengevaluasi sistem pendidikan di dunia melalui kemampuan matematika, membaca, dan sains siswa yang berusia 15 tahun. Tidak hanya itu, data PISA juga memuat informasi tentang jenis kelamin siswa, status sosial ekonomi siswa dan sekolah, kinerja guru saat mengajar siswa, dan lain-lain. Oleh karena itu, kita dapat menggunakan data PISA untuk menguji hipotesis kita.

Dokumentasi Data

Dokumentasi data mencakup informasi mengenai data yang digunakan seperti kode variabel, nama variabel, dan skala pengukuran. Tujuan dokumentasi data adalah untuk mempermudah peneliti/ pengguna data dalam memahami data yang akan digunakan.Dokumentasi data dapat berupa kuisioner, code book atau sintaks perangkat lunak dan output file.

Gambar diatas merupakan contoh kuisioner data PISA 2015 dengan kotak warna hijau menunjukkan pertanyaan kuisioner, kotak warna merah merupakan kode pertanyaan, warna kuning dan biru merupakan skala pertanyaan penelitian.

OECD juga menyediakan dokumentasi data yang berupa kode buku (code book).Terdapat beberapa kode buku dalam PISA, diantaranya kode buku kuisioner untuk siswa, kuisioner untuk sekolah, kuisioner untuk guru, dan lebih lengkapnya termuat dalam gambar berikut.

Di bawah ini merupakan contoh kode buku kuisioner untuk siswa pada PISA 2018.

Kotak warna merah menunjukkan kode pertanyaan, kotak warna hijau menunjukkan pertanyaan kuisioner, sedangkan warna ungu merupakann tipe data variabel.

Gambar diatas merupakan contoh kuisioner data WVS Indonesia putaran ke-7 dengan kotak warna hijau menunjukkan item pertanyaan kuisioner, kotak warna merah merupakan kode pertanyaan, warna kuning dan biru merupakan skala pertanyaan penelitian.

Di bawah ini merupakan kode buku (code book) data WVS putaran ke-7.

Kotak warna hijau menunjukkan pertanyaan kuisioner, kotak warna merah merupakan kode pertanyaan, dan warna biru merupakan skala pertanyaan penelitian.

Tingkat Pengukuran

Analisis data statistik bergantung pada variabel yang diukur. Misalnya untuk variabel jenis kelamin, angka 0 digunakan untuk mewakili perempuan dan angka 1 mewakili laki-laki. Demikian pula, angka 1 juga dapat digunakan sebagai kode numerik untuk kategori “satu dollar” pada variabel tingkat pendapatan. Jelas, dalam contoh pertama, angka adalah simbol arbitrase yang tidak sesuai dengan “laki-laki”, sedangkan contoh kedua angka 1 memiliki makna yang sesuai dengan properti “satu dollar”. Tingkat kesesuaian juga mengarahkan pada tingkat pengukuran yang berbeda. Dalam bagian ini, kita akan membahas tiga tingkat pengukuran yaitu nominal, ordinal dan interval-rasio.

Tingkat Nominal

Contoh variabel nominal adalah gender atau jenis kelamin, agama, dan status perkawinan. Angka-angka dalam pengukuran tingkat nominal hanya menggambarkan kategori dan tidak dapat diurutkan.

Variabel	Kategori
Gender	Laki-laki
	Perempuan
Agama	Katolik
	kristen
	Islam
	Hindu
	Budha
	Lainnya
Status perkawinan	Kawin
	Belum Kawin
	Cerai

Angka atau simbol sebagai kelompok kategori untuk tujuan menamkan, menandai, atau mengklasifikasikan pengamatan. Kategori nominal tidak dapat diurutkan.

Tingkat Ordinal

Ketika angka-angka kategori diurutkan dari yang paling rendah hingga paling tinggi, kita memiliki tingkat pengukuran ordinal. Misalnya untuk mengukur sikap responden terhadap pernyataan pendidikan lebih penting untuk laki-laki dibandingkan untuk perempuan, terdapat 4 kategori jawaban yang dapat dipilih responden mengenai pernyataan tersebut yaitu kategori 1 berarti sangat setuju, kategori 2 setuju, kategori 3 tidak setuju, dan kategori 4 menyatakan sangat tidak setuju.

Tingkat	Nilai
1	Sangat setuju
2	Setuju
3	Tidak setuju
4	Sangat tidak setuju

Tingkat Rasio-Interval

Contoh variabel yang diukur pada tingkat rasio-interval adalah tingkat kebahagiaan dan tingkat kepuasan hidup seperti tabel di bawah. Kita dapat membandingkan tingkat kebahagiaan dan kepuasan hidup tidak hanya dalam hal rendah atau tinggi, tetapi juga dalam seberapa tinggi atau rendah tingkat kebahagiaan dan kepuasan hidup responden.

Tingkat	Variabel	Ukuran
Rasio	Kebahagiaan	Tidak bahagia sama sekali
		Tidak begitu bahagia
		Cukup bahagia
		Sangat bahagia
Interval	Kepuasan Hidup	1: Benar-benar tidak puas
		10: Sangat puas

Dalam beberapa kasus, Anda akan melihat perbedaan antara variabel interval dan rasio yang memiliki nilai nol alami (nol berarti tidak ada nilai) dan variabel n0l sebagai titik arbitrase. Misalnya usia seseorang memiliki nol alami, sedangkan suhu memiliki nol arbitrari. Variabel dengan titik nol alami disebut dengan variabel rasio. Namun dalam statistik, variabel rasio tunduk pada operasi yang memperlakukan mereka sebagai interval dan mengabaikan sifat rasio mereka.

Properti Kumulatif Tingkat Pengukuran

Variabel pada tingkat yang lebih tinggi (variabel rasio dan interval adalah yang tertinggi) bisa diukur di tingkat yang lebih rendah, tetapi tidak sebaliknya. Variabel pada tingkat rasio dan interval dapat diukur pada tingkat ordinal dan nominal, sedangkan variabel tingkat nominal tidak dapat diukur pada tingkat ordinal.

Tingkat Pengukuran Variabel Dikotomi

Variabel dikotomi adalah variabel yang memiliki dua nilai, seperti gender (laki-laki atau perempuan), status pernikahan (menikah atau tidak menikah), dan status pekerjaan (bekerja atau pengangguran). Tidak ada kategori yang lebih tinggi atau lebih rendah dari variabel-variabel tersebut.

Perbandingan Tingkat Pengukuran

library(gt)

pengukuran <- data.frame(
  perbandingan =  c("Nominal", "Ordinal", "Rasio-Interval"),
  berbeda = c(rep("Ya", 3)),
  rendah = c("Tidak", "Ya", "Ya"),
  tinggi = c("Tidak", "Tidak", "Ya")
  )

pengukuran %>% 
  gt() %>% 
  cols_label(
    perbandingan = "Tingkat",
    berbeda = "Berbeda/ setara ",
    rendah = "Lebih tinggi/lebih rendah",
    tinggi = "Seberapa lebih tinggi"
  ) %>% 
  tab_options(column_labels.background.color = "#79AC78")

Tingkat	Berbeda/ setara	Lebih tinggi/lebih rendah	Seberapa lebih tinggi
Nominal	Ya	Tidak	Tidak
Ordinal	Ya	Ya	Tidak
Rasio-Interval	Ya	Ya	Ya

pengukuran

    perbandingan berbeda rendah tinggi
1        Nominal      Ya  Tidak  Tidak
2        Ordinal      Ya     Ya  Tidak
3 Rasio-Interval      Ya     Ya     Ya

Variabel Diskrit dan Kontinu

Variabel diskrit adalah variabel yang memiliki ukuran minimum dan tidak dapat dibagi, sedangkan varibel kontinu tidak memiliki unit ukuran minimum dan rentang mereka dapat dibagi menjadi nilai yang lebih kecil. Contoh variabel diskrit adalah jumlah anak. Dalam satu keluarga dapat memiliki lebih dari 1 anak tetapi tidak $1.5$ anak. Contoh variabel kontinu adalah tinggi badan. Meskipun kita tidak dapat mengukur tinggi badan seseorang secara mutlak, namun tinggi badan tidak memiliki unit minimum.

Kesalahan Pengukuran

Karakteristik pengukuran terdiri dari reliabilitas dan validitas. Reliablitas berarti bahwa pengukuran menghasilkan hasil yang konsisten setiap kali digunakan. Misalnya pertanyaan “Apakah Anda setuju dengan pernyataan pendidikan lebih penting untuk laki-laki daripada untuk perempuan?” lebih reliabel dibandingkan dengan pertanyaan “Bagaimana pendapat Anda mengenai pernyataan pendidikan lebih penting untuk laki-laki daripada untuk perempuan? karena pada pertanyaan kedua, jawaban responden mungkin tidak jelas dan memiliki berbagai macam interpretasi. Peneliti sosial mencari konsistensi pengukuran dari waktu ke waktu

Analisis Data dan Pengujian Hipotesis

Statistik Deskriptif dan Inferensial

Pengujian Hipotesis

Pada tahap pengujian hipotesis ini terdapat kemungkinan timbulnya pertanyaan baru disebabkan tren yang ditemukan. Hasil analisis statistik membantu peneliti melakukan evaluasi hipotesis dan teori, menemukan pola dan tren tidak terduga, serta membantu untuk membentuk dan merumuskan kembali teori yang digunakan.