Merencanakan Analisis Data

Literasi Data dan Penulisan Ilmiah

Rizqy Amelia Zein

Departemen Psikologi, Universitas Airlangga

2026-09-25

Agenda

  1. Menurunkan pertanyaan penelitian menjadi hipotesis
  2. Menyusun analysis plan dan mengapa preregistration penting
  3. Jenis teknik analisis: deskriptif dan inferensial (komparatif, korelasional)
  4. Perkenalan software statistik

Kembali ke Define

  • Kita sudah melewati Find, Get, Verify, dan Clean. Sebelum masuk ke Analyze, kita perlu kembali sejenak ke tahap paling awal Data Pipeline (Open Knowledge Foundation, 2021): Define.
  • Tanpa pertanyaan penelitian yang jelas, Anda hanya punya topik penelitian dan ini berisiko menghabiskan waktu menganalisis data dengan cara yang tidak menjawab tujuan awal Anda.

Masalah psikologis/sosial vs. pertanyaan penelitian

Tema Pertanyaan penelitian
Burnout akademik Apakah beban tugas mingguan berkaitan dengan tingkat burnout pada mahasiswa magister?
Kesejahteraan psikologis Apakah durasi penggunaan media sosial berkaitan dengan kesejahteraan psikologis mahasiswa tingkat akhir?

Pertanyaan yang presisi dan spesifik akan menentukan data apa yang dibutuhkan.

Bandingkan: “Apakah mahasiswa terpengaruh media sosial?” (terlalu kabur) vs. “Apakah durasi penggunaan media sosial berkaitan dengan kesejahteraan psikologis mahasiswa tingkat akhir?” (jelas variabel apa yang diteliti).

Saya menulis esai pendek bagaimana cara merumuskan masalah dan pertanyaan penelitian. Silakan baca di luar waktu perkuliahan.

Merumuskan hipotesis

Ciri hipotesis yang baik

Sederhana, ringkas, dan yang terpenting: dapat diuji. Artinya, Anda harus bisa membuktikannya salah (i.e., falsifiability).

Hipotesis punya dua fungsi:

  • Mempertajam proyek Anda dengan menentukan observasi spesifik apa yang Anda harapkan muncul dalam data.
  • Menyusun narasi yang ingin Anda jabarkan dengan data.

Contoh

Dari masalah sosial tentang keterkaitan antara media sosial dan kesejahteraan psikologis, hipotesisnya bisa: “Mahasiswa dengan durasi penggunaan media sosial harian lebih tinggi melaporkan skor kesejahteraan psikologis yang lebih rendah.”

Menyusun Analysis Plan 📝

Apa itu analysis plan?

  • Analysis plan adalah rangkaian transformasi yang akan Anda terapkan pada data untuk menghasilkan jawaban atas pertanyaan penelitian Anda.
  • Untuk data sekunder seperti dataset kita, disusun setelah data dibersihkan tapi sebelum dianalisis, supaya tiap langkahnya bisa memakai nama kolom/variabel yang sebenarnya. Untuk data primer, idealnya disusun sebelum data dikumpulkan.
  • Tujuannya: siapa pun yang diberi data bersih dan analysis plan Anda harus bisa mereka ulang (i.e., reproducibility) analisis Anda langkah demi langkah.

Contoh analysis plan

Untuk hipotesis “persepsi tentang beban tugas mingguan berkaitan dengan tingkat burnout”:

  1. Hitung skor rata-rata SKOR_BURNOUT dari item-item skala burnout (AVERAGE()).
  2. Kelompokkan responden berdasarkan BEBAN_TUGAS menjadi “tinggi” dan “rendah” (mis. dengan nilai tengah/median sebagai batas).
    • Cara ini sederhana, tapi membuang banyak informasi. Kalau BEBAN_TUGAS diukur secara kontinu, korelasi atau regresi adalah uji yang lebih tepat (MacCallum et al., 2002).
  3. Untuk kelompok “beban tinggi”, hitung rata-rata SKOR_BURNOUT.
  4. Untuk kelompok “beban rendah”, hitung rata-rata SKOR_BURNOUT.
  5. Bandingkan kedua rata-rata tersebut, lakukan uji statistik (mis. independent samples t-test) yang mendeteksi apakah perbedaan rata-rata SKOR_BURNOUT antara kelompok dengan BEBAN_TUGAS tinggi vs. rendah signifikan.

Kalau Anda belum bisa menyusun analysis plan selengkap ini di awal, tidak masalah. Wajar bagi pemula untuk mengeksplorasi data dulu.

Yang penting: catat langkah yang berhasil begitu Anda menyusunnya, supaya jadi rujukan kalau Anda kembali ke dataset ini nanti.

Analysis plan dan pre-registration

Preregistration adalah cara yang paling umum digunakan untuk membedakan penelitian konfirmatori/hypothesis testing (menguji hipotesis yang sudah dirumuskan sejak awal) dari penelitian eksploratif/hypothesis generating (menemukan pola baru setelah melihat data). Keduanya sah, asal diberi label yang jujur dan tepat.

Tanpa rencana yang terdokumentasi lebih dulu, sangat mudah, bahkan tanpa disadari, untuk mengubah hipotesis atau cara analisis Anda setelah melihat hasilnya, supaya “cocok” dengan apa yang ditemukan.

Ragam Teknik Analisis 🔬

Jenis teknik analisis

Open Knowledge Foundation (2021) membedakan analisis deskriptif dan inferensial. Ada dua macam pertanyaan inferensial yang akan Anda kerjakan: komparatif dan korelasional.

Deskriptif

Menjelaskan fitur dasar data: rata-rata, median, frekuensi, sebaran.

Inferensial: komparatif

Membandingkan nilai suatu variabel antar kelompok (mis. skor Extraversion antara laki-laki dan perempuan).

Inferensial: korelasional

Melihat hubungan antara dua variabel atau lebih (mis. apakah Conscientiousness berkaitan dengan usia).

Ada jenis ketiga yang tidak dibahas mendalam di mata kuliah ini: analisis prediktif, bentuk analisis inferensial yang lebih lanjut untuk memprediksi kejadian di masa depan berdasarkan data masa lalu (mis. regresi, machine learning).

Pivot table

Pivot table (Pertemuan 2 sudah menyinggung tabel kontingensi. Pivot table adalah versi interaktifnya) punya empat komponen:

Komponen Fungsi
Rows Variabel utama yang ingin Anda lihat per kategori
Columns Variabel kedua untuk analisis silang
Values Angka yang dihitung (SUM, AVERAGE, COUNT, dst.)
Filter Menyaring subset data tertentu

Kunci memakainya: mulai dengan kalimat “Saya ingin melihat…” — mis. “Saya ingin melihat rata-rata skor Extraversion, untuk tiap kategori gender.” → Rows: gender, Values: AVERAGE(Extraversion).

Software untuk Analisis Data 💻

Kapan harus menggunakan software statistik

  • Spreadsheet sudah bisa menjawab banyak pertanyaan deskriptif dan komparatif sederhana, bahkan menjalankan uji dasar seperti t-test (T.TEST()) dan korelasi (CORREL()). Ini sudah cukup untuk keperluan mata kuliah ini.
  • Tapi begitu Anda butuh uji statistik yang lebih lengkap (mis. ANOVA, regresi, atau keluaran lengkap dengan effect size dan confidence interval), Anda memerlukan perangkat lunak analisis statistik.

Dua pilihan yang paling populer

jamovi/JASP

  • Gratis, antarmuka point-and-click — tidak perlu menulis kode.
  • Bisa membaca langsung berkas .sav, .csv, .xlsx.
  • Titik masuk yang ramah untuk mahasiswa yang belum terbiasa coding.

  • Berbasis kode/script — learning curvenya lebih curam di awal.
  • Analisisnya sepenuhnya reproducible: script yang sama (umumnya) menghasilkan hasil yang sama.
  • Materi presentasi mata kuliah ini sendiri dibuat dengan + Quarto.

Mata kuliah ini tidak mengajarkan cara menggunakan jamovi/ secara mendalam. Anda dapat belajar secara mandiri dari berbagai sumber yang tersedia. Salah satunya, Anda bisa menggunakan “Learning Statistics with jamovi” dan “ for Data Science” sebagai pengantar belajar untuk pemula.

🧩 Aktivitas mandiri: Susun analysis plan Anda sendiri

Kerjakan bagian ini secara mandiri

Menggunakan dataset Big Five, Anda akan menyusun analysis plan lengkap:

  1. Rumuskan satu pertanyaan penelitian yang bisa dijawab dengan dataset ini (boleh melibatkan lebih dari satu trait kepribadian atau variabel demografis).
  2. Rumuskan hipotesisnya.
  3. Tentukan apakah analisisnya bersifat deskriptif, komparatif, atau korelasional.
  4. Tuliskan langkah-langkah analysis plan secara berurutan, selengkap contoh yang sudah dibahas, termasuk nama kolom yang akan Anda buat/pakai.

🧩 Aktivitas mandiri: Mengeksekusi analysis plan untuk dataset contoh

Aktivitas ini dinilai sebagai nilai kuis.

Pertanyaan penelitian: “Apakah skor Extraversion berbeda antara partisipan laki-laki dan perempuan?”

  1. Hitung skor_extraversion per partisipan (AVERAGE() atas item E1–E10, yaitu kolom H–Q, setelah item reverse-keyed E2, E4, E6, E8, E10 dibalik dan nilai 0 (= tidak dijawab) dikosongkan).
  2. Buat pivot table: Rows = gender, Values = AVERAGE(skor_extraversion).
  3. Bandingkan rata-rata antar kategori gender.
  4. Uji perbedaan rata-rata tersebut di MS Excel dengan fungsi T.TEST()

Kumpulkan file MS Excel/LibreOffice yang digunakan untuk analisis di Psyche. Akan dinilai sebagai nilai kuis.

Penutup

Kesimpulan Pertemuan 5

  • Sebelum menganalisis, kembali ke Define: tema → pertanyaan penelitian yang presisi → hipotesis yang dapat diuji.
  • Analysis plan adalah rangkaian langkah tertulis, disusun sebelum analisis (untuk data sekunder: setelah data bersih), agar analisis Anda reproducible.
  • Menuliskan analysis plan sebelum melihat hasil adalah inti dari pre-registration, dan ini akan membantu untuk membedakan penelitian konfirmatori dari eksploratif secara lebih transparan.
  • Jenis teknik analisis: deskriptif dan inferensial (komparatif, korelasional). Pivot table serbaguna untuk analisis deskriptif dan komparatif; untuk korelasional, pakai CORREL() atau scatter plot.

Referensi

Terima kasih!😊

Ada pertanyaan?

Paparan disusun dengan menggunakan dan Quarto dengan template dari UNAIR Theme.