Dalam penelitian kuantitatif, Statistical Product and Service Solutions atau yang biasa kita kenal dengan SPSS menjadi salah satu software penting untuk mengolah dan menganalisis data. Untuk itu, wajib sekali bagi para mahasiswa tingkat akhir atau yang tertarik dalam dunia penelitian kualitatif untuk bisa menggunakan perangkat lunak ini. Melihat banyaknya animo dan pentingnya mahasiswa untuk bisa menggunakan SPSS, Career Development Center Fisipol mengadakan Pelatihan Dasar Program SPSS bersama Novi Widyaningrum, S.IP, M.A, selaku peneliti Pusat Studi Kependudukan dan Kebijakan UGM dan bertempat di Gedung BA 205.
Diawal kegiatan Novi menegaskan dalam menggunakan SPSS mahasiswa harus memahami dasar pengolahan data dan mengetahui mengenai dasar statistik. Hal tersebut penting karena, SPSS adalah alat yang digunakan untuk membantu peneliti mengolah, menganalisis dan menginterpretasikan data sedang sebagai pemilik data peneliti harus memahami data yang dimiliki. Pemahaman akan data yang dimiliki peneliti sangat penting karena akan berhubungan saat melakukan input data dalam SPSS. Dalam penelitian kuantitatif atau dalam proses olah data SPSS, data yang akan diolah berbentuk kumpulan angka-angka yang harus diolah.
Untuk itu, Novi menjelaskan tiga pokok penting dalam penelitian kuantitatif yang akan memudahkan mahasiswa dalam melakukan olah data dengan SPSS.
1. Memahami dasar Ilmu Statistik dan landasan penelitian.
Dalam penelitian kuantitatif, hasil dari penelitian menjadi sebuah pembuktian hipotesis. Untuk bisa memiliki hipotesis yang mampu dibuktikan, mahasiswa harus mampu menguasi teori yang digunakan, tujuan dan/atau capaian penelitian yang diinginkan sebagai beberapa komponen utama pembentuk hipotesis. Dari landasan hipotesis yang jelas ini, pada akhirnya mahasiswa akan mampu memahami dan menganalisis apakah hasil penelitian sesuai dengan hipotesis atau capaian yang diinginkan. Selain memahami landasan penelitian, memahami atau setidaknya mengerti dasar Ilmu Statistik menjadi hal selanjutnya yang harus dimiliki mahasiswa. Dasar Ilmu Statistik ini yang akan membantu mahasiswa dalam proses pengambilan data, memasukkan data dan juga membaca hasil data yang berupa angka dan menginterpretasikannya menjadi hasil yang mudah dipahami. Seperti saat melakukan Reliability Test, mahasiswa harus mampu membaca makna angka yang keluar. Misal dengan contoh Reliability Test Quick Count, margin error dari sampling quick count adalah 0.05%. Peneliti harus mampu menghitung jumlah sampling yang pas agar hasil quick count bisa dikatakan terpercaya.
2. Memahami teknik sampling
Dalam penelitian kuantitatif, dengan teknik pengumpulan data paling popular yaitu survei, memahami teknik sampling ini sangat penting untuk dimiliki. Tidak seperti cakupan sensus yang luas dan menyeluruh, dengan teknik survei peneliti harus mampu membuat karakteristik dan komposisi yang pas untuk menentukan wakil/objek penelitian yang proporsional dari jumlah seluruh populasi dan sesuai dengan kebutuhan penelitian atau hipotesis penelitian. Seperti berapa jumlah wanita yang diinginkan menjadi objek penelitian dan signifikansi perbandingannya dengan objek pria, mengapa jenjang pendidikan penting untuk diperhatikan atau mengapa latar belakang tempat tinggal mempengaruhi. Teknik sampling ini juga penting saat mengolah data dalam SPSS karena berkaitan dengan value yang akan ditempelkan dalam setiap karakteristik sampling. Misalnya dari 50 orang objek penelitian, 15 diantaranya adalah wanita, maka peneliti harus bisa memahami bahwa value karakteristik jenis kelamin dari penelitian bukanlah 50-50 persen namun 30% untuk wanita dan 70% untuk pria.
3. Memahami jenis data
Seluruh data dalam SPSS akan dikonversikan atau diolah dalam bentuk angka sehingga memahami jenis data menjadi rumus dasar yang mutlak dimiliki peneliti. Memahami jenis data ordinal dan nominal atau data interval dan rasio adalah hal penting dalam mengolah dan menganalisis data. Peneliti harus mampu untuk mengerti sense dari setiap data yang didapatkan dan bagaimana proses pengolahannya. Memahami jenis-jenis data ini juga akan semakin memudahkan peneliti saat harus memberi value dalam data yang diolah dan kategorisasi data yang digunakan, misalnya dalam kategori jenis kelamin nomor 1 untuk melabeli laki-laki dan nomor 2 untuk melabeli wanita. Pemahaman akan jenis data ini juga akan mempengaruhi sense beberapa kategorisasi yang seragam namun bisa diberi value yang berbeda. Sama seperti nilai 83 yang berarti data nominal saat hanya menjadi data untuk menunjukkan hasil belajar namun bisa menjadi data ordinal saat diberi nilai “Memuaskan” jika dikategorikan berjenjang, kategori “Memuaskan” untuk rentang nilai 71-85. (immaculata desti)
