Olah data sering menjadi titik macet dalam penelitian. Data sudah terkumpul, tetapi bingung harus memakai uji apa, membaca output yang mana, dan bagaimana menuliskannya di Bab 4 atau bagian hasil artikel. Panduan ini memetakan langkah-langkah olah data yang paling sering dipakai di penelitian mahasiswa dan dosen di Indonesia.
Angka-angka kriteria di artikel ini adalah acuan yang umum dipakai dalam literatur metodologi. Ikuti kriteria yang dirujuk dosen pembimbing atau jurnal tujuan Anda bila berbeda, dan cantumkan sumber rujukannya di naskah.
Langkah pertama: memilih teknik analisis
Teknik analisis ditentukan oleh rumusan masalah dan jenis data, bukan oleh aplikasi yang paling Anda kuasai.
| Tujuan penelitian | Teknik yang umum | Aplikasi |
|---|---|---|
| Menggambarkan kondisi variabel | Statistik deskriptif | SPSS, Excel |
| Membandingkan dua atau lebih kelompok | Uji t, ANOVA, Mann-Whitney, Kruskal-Wallis | SPSS, JASP |
| Menguji pengaruh beberapa variabel bebas terhadap satu variabel terikat | Regresi linear berganda | SPSS, EViews, Stata |
| Menguji model dengan variabel laten, mediasi, atau moderasi | SEM (PLS-SEM atau CB-SEM) | SmartPLS, AMOS, lavaan (R) |
| Data panel atau runtut waktu | Regresi data panel, ARDL, VAR | EViews, Stata, R |
| Memahami makna, pengalaman, atau proses | Analisis tematik, Miles & Huberman | NVivo, ATLAS.ti, manual |
Uji validitas dan reliabilitas instrumen
Kalau data Anda berasal dari kuesioner, instrumen harus diuji dulu agar hasil penelitian bisa dipercaya.
Uji validitas
Uji validitas memastikan setiap butir pertanyaan benar-benar mengukur apa yang ingin diukur. Cara yang umum di SPSS adalah korelasi Pearson product moment antara skor butir dan skor total. Butir dinyatakan valid bila r hitung lebih besar dari r tabel pada taraf signifikansi yang dipilih (umumnya 5%).
Uji reliabilitas
Uji reliabilitas melihat konsistensi jawaban. Ukuran yang paling sering dipakai adalah Cronbach's Alpha. Banyak rujukan memakai batas 0,70, sementara sebagian penelitian eksploratif menerima 0,60.
Uji asumsi klasik untuk regresi
Sebelum menafsirkan hasil regresi linear berganda (OLS), data harus memenuhi asumsi klasik:
| Uji | Cara yang umum | Kriteria umum lolos |
|---|---|---|
| Normalitas residual | Kolmogorov-Smirnov, Shapiro-Wilk, grafik P-P plot | Signifikansi > 0,05 |
| Multikolinearitas | Nilai VIF dan Tolerance | VIF < 10 dan Tolerance > 0,10 |
| Heteroskedastisitas | Uji Glejser, uji White, scatterplot | Signifikansi > 0,05 atau titik menyebar acak |
| Autokorelasi (data runtut waktu) | Durbin-Watson, Breusch-Godfrey | Nilai DW di antara dU dan 4 − dU |
Setelah asumsi terpenuhi, baca hasil regresi dari tiga bagian utama: uji F (pengaruh simultan), uji t (pengaruh parsial tiap variabel), dan koefisien determinasi (R²) yang menunjukkan seberapa besar variasi variabel terikat dijelaskan oleh model.
Analisis PLS-SEM dengan SmartPLS
PLS-SEM banyak dipakai untuk model dengan variabel laten, mediasi, atau moderasi, terutama bila sampel tidak terlalu besar. Analisisnya terbagi dua tahap.
1. Evaluasi model pengukuran (outer model)
- Outer loading idealnya ≥ 0,70. Indikator dengan loading 0,40–0,70 dipertimbangkan untuk dihapus bila penghapusannya menaikkan AVE atau reliabilitas komposit.
- Average Variance Extracted (AVE) ≥ 0,50 untuk validitas konvergen.
- Composite reliability dan Cronbach's Alpha ≥ 0,70.
- Validitas diskriminan dengan HTMT, umumnya < 0,90 (atau < 0,85 untuk konstruk yang berbeda secara konseptual), serta kriteria Fornell-Larcker.
2. Evaluasi model struktural (inner model)
- R² dengan acuan umum 0,75 (kuat), 0,50 (moderat), dan 0,25 (lemah).
- Uji hipotesis lewat bootstrapping. Pengaruh dinyatakan signifikan bila t-statistik > 1,96 atau p-value < 0,05 untuk uji dua arah pada taraf 5%.
- Efek mediasi dilihat dari specific indirect effect hasil bootstrapping.
Analisis data kualitatif
Penelitian kualitatif tidak berhenti di transkrip wawancara. Data perlu diolah secara sistematis. Dua pendekatan yang paling sering dipakai:
Model Miles dan Huberman
- Reduksi data: memilah, memfokuskan, dan menyederhanakan data mentah.
- Penyajian data: menyusun data dalam narasi, matriks, atau bagan agar polanya terlihat.
- Penarikan kesimpulan dan verifikasi: menafsirkan pola dan memeriksanya kembali dengan data.
Analisis tematik (Braun & Clarke)
Enam tahapnya adalah mengenali data, membuat kode awal, mencari tema, meninjau tema, mendefinisikan dan menamai tema, lalu menulis laporan. Aplikasi seperti NVivo atau ATLAS.ti membantu mengelola kode bila datanya banyak.
Keabsahan data
Tunjukkan bahwa temuan Anda dapat dipercaya melalui triangulasi (sumber, teknik, atau waktu), member check kepada informan, dan diskusi dengan sejawat.
Menuliskan hasil olah data
- Jangan menempelkan seluruh output aplikasi ke naskah. Rangkum ke dalam tabel yang rapi dan pindahkan output lengkap ke lampiran.
- Laporkan angka yang relevan: koefisien, t atau F, signifikansi, dan R² untuk kuantitatif; kutipan informan yang mewakili tema untuk kualitatif.
- Setiap tabel diikuti narasi yang menjelaskan maknanya, bukan mengulang angkanya satu per satu.
- Simpan data mentah dan file olahan. Penguji atau reviewer bisa memintanya.
Ringkasan
Olah data yang benar dimulai dari memilih teknik sesuai tujuan penelitian, menguji kelayakan instrumen dan asumsi, lalu membaca serta melaporkan hasil secara ringkas. Kalau hasil analisis sudah siap, langkah berikutnya adalah menuangkannya ke Bab 4 skripsi atau ke naskah artikel jurnal.