Cara Analisis Data Kuantitatif Skripsi dengan SPSS
Analisis data kuantitatif bukan sekadar menekan tombol “Analyze”. Kamu perlu memastikan setiap uji menjawab rumusan masalah dan sesuai dengan rancangan penelitian. SPSS membantu menghitung, tetapi pilihan variabel, pemeriksaan asumsi, dan penafsiran hasil tetap menjadi tanggung jawab peneliti. Artikel ini berfokus pada pengolahan data dan uji hipotesis—bukan cara menulis seluruh Bab 4.
1. Tetapkan tujuan dan rencana analisis
Sebelum membuka SPSS, tulis variabel yang akan dianalisis, skala datanya, kelompok yang dibandingkan, serta hipotesis nol (H₀) dan alternatif (H₁). Misalnya, penelitian ingin mengetahui apakah nilai ujian berbeda antara kelas yang menggunakan metode A dan metode B. Nilai menjadi variabel numerik, sedangkan metode menjadi variabel kategori dengan dua kelompok.
Pilihan uji tidak ditentukan oleh kebiasaan teman atau tersedianya menu di SPSS. Pertimbangkan pertanyaan penelitian, jumlah kelompok, apakah pengukuran berasal dari orang yang sama, skala variabel, serta asumsi metode. Diskusikan rencana ini dengan pembimbing sebelum mengolah data agar analisis selaras dengan proposal dan pedoman prodi.
2. Siapkan dan periksa data
Di Variable View, buat nama dan label yang jelas untuk setiap variabel, tentukan tipe data, kode kategori, serta level pengukuran. Contohnya, metode dapat dikodekan 1 = A dan 2 = B; beri label nilai agar kode tidak tertukar saat membaca output. Di Data View, masukkan satu responden atau unit penelitian pada setiap baris dan satu variabel pada setiap kolom. Alur dasar ini sejalan dengan panduan pemula UMSU tentang memasukkan dan mengolah data SPSS.
Simpan berkas data asli secara terpisah dari salinan kerja. Sebelum uji, cocokkan jumlah baris dengan data yang terkumpul, periksa salah ketik, kode di luar rentang, sel kosong, dan duplikasi. Tetapkan kode *missing* secara konsisten; jangan mengubah nilai kosong menjadi nol kecuali nol memang nilai yang sah. Gunakan tabel frekuensi untuk kategori dan rentang nilai, lalu telusuri nilai ekstrem pada data sumber. Data yang tampak tidak biasa tidak otomatis boleh dihapus—pastikan dulu apakah itu kesalahan pencatatan atau nilai yang benar.
3. Mulai dari deskriptif dan grafik
Tampilkan jumlah kasus yang valid, frekuensi untuk variabel kategori, serta ringkasan yang cocok dengan skala data. Untuk nilai numerik, mean dan standar deviasi dapat membantu; median dan rentang juga berguna ketika distribusi menceng atau memiliki pencilan. Di SPSS, statistik dasar dapat diminta melalui Analyze > Descriptive Statistics; panduan UMSU menjelaskan menu Frequencies dan pembuatan grafik lewat Graphs > Chart Builder.
Buat grafik sebelum menyimpulkan hasil. Histogram atau boxplot dapat membantu melihat bentuk distribusi dan pencilan, sedangkan diagram batang berguna untuk kategori atau perbandingan ringkas antarkelompok. Grafik tidak menggantikan uji hipotesis, tetapi bisa mengungkap masalah data yang luput dari tabel.
4. Pilih uji yang sesuai
Untuk membandingkan rata-rata dua kelompok berbeda, misalnya dua kelas yang anggotanya tidak sama, pertimbangkan *independent-samples t-test*. Untuk membandingkan dua pengukuran dari orang yang sama—misalnya skor sebelum dan sesudah pelatihan—rancangannya berpasangan, sehingga bukan uji independen. Dokumentasi IBM untuk uji-t independen menjelaskan bahwa prosedur tersebut membandingkan rerata dua kelompok dan menyediakan pemeriksaan kesamaan varians.
Jika ada tiga kelompok atau lebih dan satu variabel numerik yang dibandingkan, *one-way ANOVA* dapat menguji apakah semua rerata populasi sama. Contohnya, membandingkan skor dari tiga metode belajar. Menurut dokumentasi IBM tentang One-Way ANOVA, variabel terikatnya kuantitatif dan faktor bebasnya satu variabel kelompok. ANOVA yang signifikan hanya menyatakan setidaknya ada perbedaan rerata; hasil itu belum menunjukkan pasangan kelompok mana yang berbeda.
Periksa asumsi yang relevan dengan rancangan, termasuk independensi pengamatan, bentuk distribusi dalam kelompok, pencilan, dan kesamaan varians. Untuk uji-t independen maupun ANOVA, Levene membantu menilai kesamaan varians. Jika varians tidak setara, jangan membaca baris atau uji standar secara otomatis: tinjau pilihan *equal variances not assumed*, Welch, atau prosedur lain yang sesuai dan konsultasikan dengan pembimbing. Panduan SPSS Kent State University juga mengingatkan bahwa ANOVA omnibus tidak menunjukkan kelompok mana yang berbeda; analisis lanjut atau *post hoc* diperlukan jika pertanyaan penelitian membutuhkannya.
5. Jalankan uji dan tafsirkan output
Untuk uji-t independen, pilih Analyze > Compare Means > Independent-Samples T Test, masukkan variabel hasil ke *Test Variable(s)*, variabel kelompok ke *Grouping Variable*, lalu definisikan dua kode kelompok. Untuk ANOVA satu arah, pilih Analyze > Compare Means > One-Way ANOVA, masukkan hasil ke *Dependent List* dan kategori ke *Factor*. Aktifkan statistik deskriptif serta uji homogenitas bila relevan. Jika ANOVA signifikan dan perlu mengetahui pasangan yang berbeda, pilih uji *post hoc* sesuai asumsi varians dan rencana analisis, bukan sekadar memilih semua opsi.
Baca nilai p bersama statistik uji, derajat kebebasan, ukuran sampel, rerata/selisih, dan—bila tersedia—interval kepercayaan serta ukuran efek. Tetapkan taraf signifikansi sebelum analisis; bila memakai α = 0,05, nilai p di bawahnya menjadi bukti untuk menolak H₀ menurut aturan tersebut. Nilai p yang memenuhi ambang bukan ukuran besarnya efek dan tidak membuktikan hubungan sebab-akibat. Jika output menampilkan 0.000, laporkan sebagai p < 0,001, bukan p = 0.
Contoh penulisan hasil
Misalkan skor dua kelas dianalisis dengan uji-t independen. Tulis hasil dengan menyebutkan kelompok yang dibandingkan, nilai rerata atau selisihnya, statistik uji dan derajat kebebasan, nilai p, serta kesimpulan yang menjawab hipotesis. Jangan menulis “metode A menyebabkan nilai meningkat” jika rancangan hanya membandingkan kelompok tanpa dasar kausal. Untuk ANOVA, laporkan hasil F dan p terlebih dahulu; tambahkan hasil *post hoc* hanya jika dilakukan dan relevan.
6. Simpan jejak kerja dan patuhi pedoman
Simpan data, output SPSS, dan catatan keputusan analisis secara terpisah. Dalam Bab 4, jelaskan prosedur dan hasil yang benar-benar dijalankan, bukan hanya menempel tabel keluaran. Format pelaporan, jenis uji, penanganan data hilang, dan ambang signifikansi dapat berbeda menurut disiplin. Karena itu, ikuti pedoman prodi dan arahan pembimbing—terutama sebelum mengganti uji atau menghapus data.