Metode kuantitatif berakar pada paradigma tradisional, positivistik, eksperimental atau empiricist. Metode ini berkembang dari tradisi pemikiran empiris Comte, Mill, Durkeim, Newton dan John Locke. Gaya penelitian kuantitatif biasanya mengukur fakta objektif melalui konsep yang diturunkan pada variabel-variabel dan dijabarkan pada indikator-indikator dengan memperhatikan aspek reliabilitas. Penelitian kuantitatif bersifat bebas nilai dan konteks, mempunyai banyak kasus dan subjek yang diteliti, sehingga dapat ditampilkan dalam bentuk data statistik yang berarti. Hal penting untuk dicatat di sini adalah, peneliti terpisah dari subjek yang ditelitinya. Pada hakikatnya setiap penelitian kuantitatif dalam ilmu-ilmu sosial menerapkan filosofi yang disebut deducto hipothetico verifikatif artinya, masalah penelitian dipecahkan dengan bantuan cara berpikir deduktif melalui pengajuan hipotesis yang dideduksi dari teori-teori yang bersifat universal dan umum, sehingga kesimpulan dalam bentuk hipotesis inilah yang akan diverifikasi secara empiris melalui cara berpikir induktif dengan bantuan statistika inferensial. Pengamatan kuantitatif melibatkan pengukuran tingkatan suatu ciri tertentu. Untuk menemukan sesuatu dalam pengamatan, pengamat harus mengetahui apa yang menjadi ciri sesuatu itu. Untuk itu pengamat mulai mencatat atau menghitung dari satu, dua, tiga dan seterusnya. Berdasarkan pertimbangan dangkal demikian, kemudian peneliti menyatakan bahwa penelitian kuantitatif mencakup setiap penelitian yang didasarkan atas perhitungan persentase, rata-rata dan perhitungan statistik lainnya. Dengan kata lain, penelitian kuantitatif melibatkan diri pada perhitungan atau angka atau kuantitas. Hasil analisis kuantitatif cenderung membuktikan maupun memperkuat teori-teori yang sudah ada. Ciri-ciri penelitian kuantitatif: 1. Asumsi Asumsi ontologis: realitas bersifat objektif dan singular terpisah dari peneliti; peneliti independen dari yang diteliti (asumsi epistemologis), bebas nilai dan menghindarkan bias (asumsi aksiologis); formal, berdasar definisi, impersonal dan menggunakan bahasa kuantitatif (asumsi retoris); proses deduktif, sebab akibat, desain statis kategori membatasi sebelum studi, bebas konteks, generalisasi mengarah pada prediksi, eksplanasi dan pemahaman, akurasi dan reliabilitas melalui validitas dan reliabilitas (asumsi metodologis). Penelitian kuantitatif memiliki ciri khas berhubungan dengan data numerik dan bersifat obyektif. Fakta atau fenomena yang diamati memiliki realitas obyektif yang 2
bisa diukur. Variabel-variabel penelitian dapat diidentifikasi dan interkorelasi variabel dapat diukur. Peneliti kuantitatif menggunakan sisi pandangannya untuk mempelajari subyek yang ia teliti (etik). Keunggulan penelitian kuantitatif terletak pada metodologi yang digunakan.
2. Tujuan penelitian i. Penelitian kuantitatif memiliki tujuan menjeneralisasi temuan penelitian sehingga dapat digunakan untuk memprediksi situasi yang sama pada populasi lain. Penelitian kuantitatif juga digunakan untuk menjelaskan hubungan sebab-akibat antar variabel yang diteliti, menguji teori, mencari generalisasi yang mempunyai nilai prediktif. 3. Pendekatan ii. Penelitian kuantitatif dimulai dengan teori dan hipotesis. Peneliti Peneliti menggunakan teknik manipulasi dan mengkontrol variabel melalui instrumen formal untuk melihat interaksi kausalitas. Peneliti mencoba mereduksi data menjadi susunan numerik selanjutnya ia melakukan analisis terhadap komponen penelitian (variabel). Penarikan kesimpulan secara deduksi dan menetapkan norma secara konsensus. Bahasa penelitian dikemas dalam bentuk laporan. 2. Peran peneliti 3. Dalam penelitian kuantitatif, peneliti secara ideal berlaku sebagai observer subyek penelitian yang tidak terpengaruh dan memihak (obyektif). 4. Pendekatan kuantitatif lebih menitikberatkan pada frekwensi tinggi 5. Kebenaran dari hasil analisis penelitian kuantitatif bersifat nomothetik dan dapat digeneralisasi. 6. Penelitian kuantitatif menggunakan paradgma positivistik-ilmiah. Segala sesuatu dikatakan ilmiah bila dapat diukur dan diamati secara obyektif yang mengarah kepada kepastian dan kecermatan (Sunarto, 1993: 3). Karena itu, paradigma ilmiah-positivisme melahirkan berbagai bentuk percobaan, perlakuan, pengukuran dan uji-uji statistik. 7. Penelitian kuantitatif sering bertolak dari teori, sehingga bersifat reduksionis dan verifikatif, yakni hanya membuktikan teori (menerima atau menolak teori). 8. Penelitian kuantitatif khususnya eksperimen, dapat menggambarkan sebab- akibat. Peneliti seringkali tertarik untuk mengetahui: apakah X mengakibatkan Y? atau, sejauh mana X mengakibatkanY? Jika peneliti hanya tertarik untuk 3
mengetahui pengaruh X terhadap Y, penelitian eksperimen akan mengendalikan atau mengontrol berbagai variabel (X1, X2, X3 dan seterusnya) yang diduga akan berpengaruh terhadap Y. Kontrol dilakukan sedemikian rupa bukan hanya melalui teknikteknik penelitian melainkan juga melalui analisis statistik. 9. Mengenai waktu pengumpulan dan analisis data sudah dapat dipastikan. Peneliti dapat menentukan berbagai aturan yang terkait dengan pengumpulan data; jumlah tenaga yang diperlukan; berapa lama pengumpulan data akan dilakukan; dan jenis data yang akan dikumpulkan sesuai hipotesis yang dirumuskan. Hal ini sejalan dengan instrumen yang sudah baku dan sudah dipersiapkan. Demikian halnya model analisis data, uji-uji statistik, dan penyajian data termasuk tabel- tabel yang akan dipergunakan sudah dapat ditentukan.
Histogram dan Poligon Frekuensi Data yang telah disusun dalam bentuk tabel distribusi frekuensi dapat disajikan dalam bentuk diagram yang disebut histogram, yaitu diagram kotak yang lebarnya menunjukkan interval kelas, sedangkan batas-batas tepi kotak merupakan tepi bawah dan tepi atas kelas, dan tingginya menunjukkan frekuensi pada kelas tersebut. Apabila titik-titik tengah sisi atas dari histogram dihubungkan satu sama lain oleh ruas- ruas garis maka diperoleh poligon frekuensi. Untuk lebih memahami mengenai histogram dan poligon frekuensi, perhatikan contoh berikut. Berikut ini upah karyawan (dalam ribuan rupiah) per minggu dari sebuah perusahaan.
Langkah-langkah dalam membuat histogram dan poligon frekuensi dari tabel distribusi frekuensi di atas adalah sebagai berikut. 4
1. Membuat sumbu datar dan sumbu tegak yang saling berpotongan. Untuk menyajikan data yang telah disusun dalam tabel distribusi frekuensi menjadi diagram, seperti biasa dipakai sumbu datar untuk menyatakan kelas interval dan sumbu tegak untuk menyatakan frekuensi. 2. Menyajikan frekuensi pada tabel ke dalam bentuk diagram. Setelah sumbu datar dan sumbu tegak dibuat pada langkah 1, buat diagram yang menyatakan frekuensi data. Bentuk diagramnya seperti kotak (diagram batang) dengan sisi-sisi dari batang-batang yang berdekatan harus berimpitan. Pada tepi masing-masing kotak/batang ditulis nilai tepi kelas yang diurutkan dari tepi bawah ke tepi atas kelas. (Perhatikan bahwa tepi kelas terbawah adalah 99,5 199,5). 3. Membuat poligon frekuensi. Tengah-tengah tiap sisi atas yang berdekatan dihubungkan oleh ruas-ruas garis dan titik-titik tengah sisi-sisi atas pada batang pertama dan terakhir di sisi terakhir dihubungkan dengan setengah jarak kelas interval pada sumbu datar. Bentuk yang diperoleh dinamakan poligon frekuensi (poligon tertutup). Hasil akhir dari histogram dan poligon frekuensi dari tabel distribusi frekuensi di atas dapat dilihat pada gambar berikut.
Ogive Ogive adalah grafik yang digambarkan berdasarkan data yang sudah disusun dalam bentuk tabel distribusi frekuensi kumulatif. Untuk data yang disusun dalam bentuk tabel 5
distribusi frekuensi kumulatif kurang dari, grafiknya berupa ogive positif, sedangkan untuk data yang disusun dalam bentuk tabel distribusi frekuensi kumulatif lebih dari, grafiknya berupa ogive negatif. Frekuensi kumulatif kurang dari untuk suatu kelas adalah jumlah frekuensi semua kelas sebelum kelas tersebut dengan frekuensi kelas itu. Sedangkan frekuensi kumulatif lebih dari suatu kelas adalah jumlah frekuensi semua kelas sesudah kelas tersebut dengan frekuensi kelas itu. Data upah karyawan sebelumnya dapat digambarkan ogivenya. Akan tetapi sebelum itu, buat terlebih dahulu tabel distribusi frekuensi kumulatifnya.
Dari tabel distribusi frekuensi kumulatif di atas, dapat digambarkan ogive seperti pada diagram berikut.
6
Diagram Garis
Diagram garis biasanya digunakan untuk menggambarkan data tentang m keadaan yang berkesinambungan (sekumpulan data kontinu). Misalnya, jumlah penduduk setiap tahun, perkembangan berat badan bayi setiap bulan, dan suhu badan pasien setiap jam. Seperti halnya diagram batang, diagram garis pun memerlukan sistem sumbu datar (horizontal) dan sumbu tegak (vertikal) yang saling berpotongan tegak lurus. Sumbu mendatar biasanya menyatakan jenis data, misalnya waktu dan berat. Adapun sumbu tegaknya menyatakan frekuensi data. Langkah-langkah yang dilakukan untuk membuat diagram garis adalah sebagai berikut. 1) Buatlah suatu koordinat (berbentuk bilangan) dengan sumbu mendatar menunjukkan waktu dan sumbu tegak menunjukkan data pengamatan. 2) Gambarlah titik koordinat yang menunjukkan data pengamatan pada waktu t. 3) Secara berurutan sesuai dengan waktu, hubungkan titiktitik koordinat tersebut dengan garis lurus. Contoh soal: Berikut ini adalah tabel berat badan seorang bayi yang dipantau sejak lahir sampai berusia 9 bulan.
a. Buatlah diagram garisnya. b. Pada usia berapa bulan berat badannya menurun? c. Pada usia berapa bulan berat badannya tetap? Jawab :
7
catter Diagram Ketika menyelidiki masalah, biasanya ketika mencari penyebab mereka, dapat diduga bahwa dua item yang terkait dalam beberapa cara. Misalnya, dapat diduga bahwa jumlah kecelakaan kerja berkaitan dengan jumlah lembur yang orang yang bekerja. Diagram Scatter membantu untuk mengidentifikasi adanya hubungan terukur antara dua item tersebut dengan mengukur mereka berpasangan dan merencanakan mereka pada grafik, seperti di bawah ini. Visual ini menunjukkan korelasi antara dua set pengukuran.
Gambar. 1. Poin pada Scatter Diagram Jika poin digambarkan pada Diagram Scatter tersebar secara acak, tanpa pola yang jelas, maka ini menunjukkan bahwa dua set pengukuran tidak berkorelasi dan tidak dapat dikatakan berhubungan dengan cara apapun. If, however, the points form a pattern of some kind, then this shows the type of relationship between the two measurement sets. Namun, jika titik-titik membentuk pola dari beberapa jenis, maka ini menunjukkan jenis hubungan antara dua set pengukuran. Sebuah Scatter Diagram menunjukkan hubungan antara dua item untuk tiga alasan: a. Ada sebab dan akibat hubungan antara dua item diukur, di mana salah satu menyebabkan yang lain (setidaknya sebagian). b. Dua item yang diukur adalah baik disebabkan oleh item ketiga. Misalnya, Scatter Diagram yang menunjukkan korelasi antara celah-celah dan transparansi peralatan kaca karena perubahan baik disebabkan oleh perubahan suhu tungku. c. Kebetulan Lengkap. Hal ini dimungkinkan untuk menemukan korelasi tinggi item yang tidak terkait, seperti jumlah semut persimpangan jalan dan penjualan koran. Scatter Diagram sehingga dapat digunakan untuk memberikan bukti hubungan sebab dan akibat, tetapi mereka sendiri tidak membuktikannya. Biasanya, hal itu juga memerlukan 8
pemahaman yang baik sistem yang akan diukur, dan mungkin diperlukan percobaan tambahan. 'Sebab' dan 'efek' dengan demikian dikutip dalam bab ini untuk menunjukkan bahwa meskipun mereka dapat diduga memiliki hubungan ini, belum diketahui secara pasti. Sewaktu mengevaluasi Diagram Scatter, baik tingkat dan jenis korelasi harus dipertimbangkan. Yang terlihat perbedaan Scatter Diagram untuk ini ditunjukkan dalam Tabel di bawah ini. Di mana ada hubungan sebab-akibat, tingkat tersebarnya diagram mungkin akan dipengaruhi oleh beberapa faktor (seperti yang diilustrasikan dalam diagram di bawah ini): Kedekatan dari sebab dan akibat. Ada kesempatan yang lebih baik dari korelasi tinggi jika penyebabnya adalah terhubung langsung ke efek daripada jika pada akhir rantai penyebab. Jadi akar mungkin tidak memiliki hubungan yang jelas dengan efek akhir. Beberapa penyebab efek. Ketika mengukur satu penyebab, penyebab lainnya adalah membuat efek tersebut sangat beragam dengan cara yang tidak terkait. Penyebab lainnya mungkin juga memiliki efek yang lebih besar, swamping efek sebenarnya penyebab tersebut. Alam Variasi dalam sistem. Efeknya mungkin tidak bereaksi dengan cara yang sama setiap kali, bahkan penyebab utama dekat.
Gambar. 2 Kompleks menyebabkan Tidak ada gelar yang jelas salah satu hubungan di atas mana suatu hubungan yang jelas dapat dikatakan ada. Instead, as the degree of correlation increases, the probability of that relationship also increases. Sebaliknya, sebagai tingkat korelasi meningkat, kemungkinan hubungan yang juga meningkat.
9
Jika ada korelasi yang cukup, maka bentuk Diagram Scatter akan menunjukkan jenis korelasi (lihat Tabel @ @). Yang paling umum adalah bentuk garis lurus, baik miring ke atas (korelasi positif) atau miring bawah (korelasi negatif). Scatter Diagram Derajat Korelasi Interpretasi
Tidak ada Tidak ada hubungan dapat dilihat. tidak terkait dengan 'menyebabkan' dengan cara apapun.
Rendah Hubungan samar terlihat. Itu karena 'dapat mempengaruhi' efek ', tapi hanya jauh. Ada lebih cepat menyebabkan baik dapat ditemukan atau ada variasi yang signifikan dalam 'efek'.
Tinggi Poin yang dikelompokkan menjadi bentuk linier jelas. Ini adalah kemungkinan bahwa karena 'secara langsung berkaitan dengan efek'. Oleh karena itu, setiap perubahan karena 'akan menghasilkan perubahan ditebak cukup dalam' efek '.
Perfect Sempurna Semua poin yang terletak pada baris (yang biasanya lurus). Mengingat 'menyebabkan nilai, sesuai efek' 'nilai dapat diprediksi dengan kepastian lengkap.
10
Scatter Diagram Jenis Korelasi Interpretasi
Positif Garis lurus, miring dari kiri ke kanan. Meningkatkan nilai karena 'hasil dalam peningkatan proporsional dalam nilai' efek '.
Negatif Garis lurus, miring turun dari kiri ke kanan. Meningkatkan nilai karena 'hasil penurunan proporsional nilai dari' efek '.
Lengkung Berbagai kurva, biasanya U- atau S-berbentuk. Mengubah nilai karena 'hasil dalam' efek 'berubah berbeda, tergantung pada posisi pada kurva.
Bagian linier Bagian dari diagram adalah garis lurus (miring ke atas atau bawah). Mungkin karena kerusakan atau kelebihan dari 'efek', atau kurva dengan bagian yang mendekati ke garis lurus (yang mungkin diperlakukan seperti itu).
Poin yang muncul baik di luar daerah terlihat tren mungkin karena sebab khusus dari variasi, dan harus diteliti seperti itu. Selain interpretasi visual, beberapa perhitungan dapat dilakukan sekitar Scatter Diagram. Perhitungan yang dibahas disini adalah untuk korelasi linear; kurva memerlukan tingkat matematika yang berada di luar cakupan buku ini. Koefisien korelasi memberikan nilai numerik untuk tingkat korelasi. Hal ini akan bervariasi dari -1, yang menunjukkan korelasi negatif sempurna, melalui 0, yang menunjukkan korelasi sama sekali, ke +1, yang menunjukkan korelasi positif yang 11
sempurna. Jadi nilai lebih dekat adalah plus atau minus 1, korelasi yang lebih baik. Dalam korelasi sempurna, semua poin berbaring di garis lurus. Sebuah garis regresi membentuk 'paling cocok' atau 'rata-rata' dari diplot poin. Hal ini setara dengan mean dari distribusi (lihat Variasi Bab ). Kesalahan standar adalah setara dengan standar deviasi dari suatu distribusi (lihat Variasi Bab ) dalam cara yang menunjukkan penyebaran efek mungkin 'nilai- nilai untuk setiap satu karena nilai.
12
DAFTAR PUSTAKA
Musianto L.S, Perbedaan Pendekatan Kuantitatif dengan Pendekatan Kualitatif dalam Metode Penelitian, Jurnal Manajemen & Kewirausahaan Vol. 4, No. 2, September 2002: 123 -136 Somantri G.R, Memahami metode Kuantitatif, Makara Sosial Humaniora, Volume 9, No.2 Desember 2005, 57-65 Sofyani I, Rangkuman hakekat penelitian kuantitaitf, kualitatif dan penelitian tindakan (action research) http://www.imansofyani.co.cc/Penelitian/penelitian1.pdf