1

PENYAJIAN DATA KUANTITATIF SECARA GRAFIK

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