Melaporkan
hasil analisis statistik nampaknya dianggap remeh, namun kenyataannya masih
banyak peneliti yang melaporkan hasil analisisnya tidak sesuai standar. Beberapa
contoh kesalahan yang sering dilakukan peneliti adalah melaporkan nilai p
= 0,00; atau melaporkan adanya perbedaan mean tanpa menyebutkan nilai df nya; dan
masih banyak kesalahan lainnya. Tulisan ini akan memberikan panduan singkat
untuk melaporkan nilai-nilai apa saja yang harus ada dalam pelaporan hasil
analisis statistik berdasarkan panduan APA. Akan disajikan contoh juga menuliskan laporan dari hasil output SPSS.
Panduan umum
- Jangan mengulang pelaporan nilai statistik yang sudah ada dalam teks ke tabel atau gambar.
- Dalam tabel dan gambar, laporkan nilai p sesungguhnya (misal p = ,015), kecuali jika p adalah <,001 (sebagai gantinya tulis “p <,001”). Terkadang, penulis kesulitan jika harus melaporkan nilai p sesungguhnya dalam tabel. Dalam kasus tertentu, penulis dapat mengganti nilai p dengan tanda bintang di samping nilai statistik (misal .24**). Kaidah umum penggunaan tanda bintang adalah *p < ,05. **p < ,01. ***p < ,001.
- Beri spasi sebelum dan sesudah tanda hitung matematika (misal kurang, tambah, lebih besar dari, kurang dari). Untuk nilai negatif, beri spasi hanya sebelum tanda minus, bukan setelah tanda minus (misal M = –8.25).
- Gunakan cetak miring untuk simbol statistik (misal M, SD, F, t, df, p, N, n, OR), sementara untuk huruf Yunani (misal α, β, χ2) tidak perlu cetak miring. Penggunaan symbol tersebut juga tidak perlu diberi penjelasan artinya.
Berikut
ini merupakan panduan pelaporan analisis statistik untuk masing-masing jenis teknis
analisis yang dilakukan.
Statistik deskriptif
Yang
paling sering dilaporkan dalam statistik deskriptif adalah jumlah sampel (N),
Mean (M), dan Standar Deviasi (SD) harus dituliskan dalam teks
atau tabel. Singkatan hanya digunakan ketika nilai tersebut
dilaporkan di dalam tanda kurung atau di akhir kalimat.
Contoh
Subjek berjumlah 103 orang dengan usia berkisar antara 18 hingga 70 tahun (M = 25,5; SD = 7,94).
Korelasi
Analisis
korelasi dilakukan untuk melihat adanya hubungan antara dua variabel. Dalam analisis
korelasi, hal yang biasanya dilaporkan adalah jumlah sampel untuk melakukan
analisis korelasi (N), koefisien korelasi (r), dan nilai signifikansi (p).
Nilai p dalam tabel bisa diganti dengan tanda bintang.
Contoh
Hasil analisis korelasi Pearson menunjukkan bahwa ada hubungan yang signifikan antara prestasi dengan IQ dengan r = ,58; p < ,001
Note:
- Nilai p
tidak ditulis 0,00 tapi p < ,001 karena nilai p memang tidak mungkin 0. Itu hanya
keterbatasan kolom SPSS saja
Regresi
Analisis
regresi digunakan untuk melihat apakah variabel predictor mampu memprediksi variabel
kriteria. Dalam analisis regresi, nilai yang umumnya dilaporkan adalah nilai R2, F, df, β, p. Nilai R2 menunjukkan
proporsi varians variabel kriteria yang mampu dijelaskan oleh predictor secara keseluruhan,
sementara nilai β
menunjukkan peranan tiap-tiap predictor. Dalam kasus tertentu nilai β sering diganti dengan nilai B yang
merupakan koefisien regresi tidak terstandar, jika tujuannya adalah untuk
menentukan persamaan regresinya.
Contoh
Hasil analisis regresi menunjukkan bahwa motivasi dan prestasi keduanya mampu menjelaskan 59% variasi dari prestasi (R2 = 0,59; F(2,78) = 56,70; p < ,001). Motivasi secara signifikan mampu memprediksi prestasi (β = ,52; p < ,001), begitu juga dengan IQ yang juga mampu memprediksi prestasi (β = ,47; p < ,001).
Note:
- Nilai p tidak ditulis 0,00 tapi p < ,001 karena nilai p memang tidak mungkin 0. Itu hanya keterbatasan kolom SPSS saja
t-test
Analisis
t-test digunakan untuk membandingkan mean dua kelompok. Analisis t-test terdiri
atas beberapa jenis, seperti independent sample t-test dan paired sample
t-test. Perbedaannya terletak pada jenis kelompoknya, jika independent sample
t-test kelompoknya adalah individu yang berbeda, pada paired sample t-test
kelompokknya adalah individu yang sama namun berbeda waktu pengukurannya. Nilai
yang biasanya dilaporkan dalam analisis t-test adalah nilai t, df, p, M, SD.
Contoh independent sample t-test
Hasil analisis independent sample t-test menunjukkan bahwa ada perbedaan prestasi yang signifikan antara laki-laki dan perempuan (t[79] = -12,38; p < ,001). Laki-laki (M=76,76; SD=2,28) memiliki prestasi yang lebih tinggi dibanding perempuan (M=82,37; SD=1,78).
Contoh paired sample t-test
Hasil analisis paired sample t-test menunjukkan bahwa ada perbedaan signifikan antara religiusitas sebelum diberi terapi (M = 15,99; SD = 3,24) dan religiusitas setelah diberi terapi (M = 18,37; SD = 2,35), t(34) = -6,34; p < ,001.
Note:
- Nilai p tidak ditulis 0,00 tapi p < ,001 karena nilai p memang tidak mungkin 0. Itu hanya keterbatasan kolom SPSS saja
- Nilai p yang dilaporkan adalah nilai p two-tailed. Jika analisis dilakukan dengan menggunakan one-tailed, maka perlu diberi keterangan
Anova
Anova
digunakan untuk membandingkan lebih dari dua kelompok. Anova ada beberapa
jenis, seperti one-way anova, repeated measure anova, dan two-way anova. Prinsip
pelaporan ketiga jenis tersebut sama, hanya saja untuk analisis two-way anova,
penulis perlu melaporkan main effect dan interaction effectnya. Nilai yang umumnya
dilaporkan dalam Anova adalah nilai F, df, dan nilai p. Penulis juga perlu
menampilkan statistik deskriptif seperti jumlah sampel, mean, dan SD dan
analisis post-hoc (uji pasangan)nya.
Contoh one-way Anova
Hasil analisis one way Anova menunjukkan bahwa ada perbedaan prestasi yang signifikan antara suku Asmat, Minang, dan Bali dengan F(2,78) = 202,14; p < ,001. Analisis post-hoc dengan metode Tukey juga menunjukkan bahwa Suku Bali (M = 83,44; SD = 1,33) memiliki prestasi yang secara signifikan lebih tinggi dibanding suku Minang (M = 79,96; SD = 0,88) dan suku Asmat (M = 75,65; SD = 1,87), p < ,001. Sementara suku Minang memiliki prestasi yang lebih tinggi secara signifikan dibanding suku Asmat (p < ,001).
Contoh repeated Anova
Hasil analisis repeated measure Anova menunjukkan bahwa ada perbedaan religiusitas antara sebelum, sesudah, dan satu bulan sesudah pesantren kilat (F (2,160) =19,31; p < ,01). Setelah pesantren kilat, religiusitas siswa berada pada level paling tinggi (M = 18,37; SD = 2,35) dan berbeda signifikan dengan sebelum (M = 15,98; SD = 3,24) dan satu bulan sesudah pesantren kilat (M = 16,43; SD = 3,11).
Note:
- Nilai dalam tanda kurung setelah F adalah nilai df
- Nilai p tidak ditulis 0,00 tapi p < ,001 karena nilai p memang tidak mungkin 0. Itu hanya keterbatasan kolom SPSS saja
Chi square
Analisis
chi-square dilakukan untuk melihat adanya asosiasi antara dua variabel kategorikal.
Laporan analisis chi-square biasanya memuat nilai df, dengan ukuran sampel
dalam tanda kurung, dan nilai p. Statistik deskriptif yang diperlukan
untuk mendukung uji chi-square bervariasi sesuai dengan tes spesifik yang
dilakukan, tetapi frekuensi masing-masing kategori atau kombinasi kategori
biasanya cukup.
Contoh
Sampel terdiri atas 117 anak-anak, 95 remaja, dan 72 dewasa. Hasil analisis chi-square menunjukkan bahwa ada asosiasi antara makna kebahagiaan dengan umur individu (anak-anak, remaja, dan dewasa), c2(6, N = 284) = 95,06, p < ,001.
Pelaporan dalam bentuk tabel
Pelaporan hasil analisis dalam bentuk tabel dapat
memudahkan pembaca memahami dengan cepat hasil analisis yang telah dilakukan. Kaidah
pokok dalam pembuatan tabel di antaranya
- Ikuti kaidah pembuatan tabel format APA. Output SPSS masih belum standar APA, jadi perlu disesuaikan. Gunakan output dari JASP jika ingin tabel yang sudah standar JASP.
- Tidak ada bentuk baku tabel harus seperti apa, namun sajikan nilai-nilai yang perlu disajikan untuk masing-masing teknik analisis (seperti penjelasan sebelumnya).
- Sajikan informasi semudah mungkin agar pembaca mampu memahami dengan sekilas informasi yang disajikan. Tabel biasanya disajikan ketika penjelasan dengan kalimat terlalu panjang. Namun pada analisis yang sederhana, misal hanya mengkorelasikan dua variabel, tabel tidak diperlukan.
- Tabel dan teks harusnya tidak saling overlap, apa yang sudah tertulis di tabel tidak perlu ditulis kembali di teks, begitupun sebaliknya.
Contoh pelaporan dalam bentuk tabel dapat dilihat
di bawah ini.
Catatan:
- Dalam tulisan ini, tanda koma banyak ditulis dengan simbol (,) karena mengikuti penyesuaian dalam bahasa Indonesia, sementara seharusnya kalau mengikuti panduan APA, tanda koma ditulis dengan simbol (.).
- Format APA tidak menuliskan angka 0 di depan tanda koma untuk bilangan yang nilainya tidak mungkin lebih dari 1 (misal koefisien korelasi r, cukup tuliskan r = ,32), sedangkan jika nilainya bisa lebih dari nol, tuliskan angka 0 tsb (misal nilai z = 0,32). Meskipun demikian, untuk jurnal nasional sebagian besar masih menuliskan angka nol di depan koma, jadi untuk publikasi di jurnal nasional format silakan mengikuti panduan jurnal.
- Dalam tulisan ini, tanda koma banyak ditulis dengan simbol (,) karena mengikuti penyesuaian dalam bahasa Indonesia, sementara seharusnya kalau mengikuti panduan APA, tanda koma ditulis dengan simbol (.).
- Format APA tidak menuliskan angka 0 di depan tanda koma untuk bilangan yang nilainya tidak mungkin lebih dari 1 (misal koefisien korelasi r, cukup tuliskan r = ,32), sedangkan jika nilainya bisa lebih dari nol, tuliskan angka 0 tsb (misal nilai z = 0,32). Meskipun demikian, untuk jurnal nasional sebagian besar masih menuliskan angka nol di depan koma, jadi untuk publikasi di jurnal nasional format silakan mengikuti panduan jurnal.
4 komentar
Write komentarIt is perfect time to make some plans for the future and it is time to be happy. I’ve read this post and if I could I desire to suggest you few interesting things or tips. Perhaps you could write next articles referring to this article. I want to read more things about it!
Reply360DigiTMG PMP Certification
360DigiTMG PMP Certification in Malaysia
360DigiTMG PMP Course
360DigiTMG PMP Course in Malaysia
I am impressed by the information that you have on this blog. It shows how well you understand this subject.
Replydata analytics course
big data analytics malaysia
big data course
Great post I would like to thank you for the efforts you have made in writing this interesting and knowledgeable article.
Replydata science course
Thank you for sharing the article. The data that you provided in the blog is informative and effective.
ReplyTableau Training in Hyderabad
EmoticonEmoticon