Custom Search

Anova dalam regresi

Bagi peneliti yang sering melakukan perlakuan yang berbeda-beda, pasti mengenal anova. Anova adalah suatu alat statistik yang menghitung ada atau tidak perbedaan antara dua group atau lebih. Adakah diantara group tersebut (factor) yang signifikan mempengaruhi response. Anova regresi hanya istilah anova di dalam regresi.

Factor atau perlakuan ini bisa dalam grup sebuah data atau perlakuan. Contoh dalam group misalnya adalah kelompok SD, SMP, SMU, dst; musim 1, musim 2, dst. Contoh dalam perlakuan misalnya dengan menggunakan pupuk kompos, pupuk kimia, atau perlakuan dengan kadar air tertentu, dan lain –lain.

Response bisa dalam bentuk variabel yang dipengaruhi, misalnya nilai rata – rata kelas, tingkat kadar air, tingkat produksi, dan lain-lain.

Penjabaran Anova

Anova yang pertama kali diperkenalkan oleh Ronald fisher merupakan singkatan dari Analysis of Variance. Biasa lebih familiar dikenal dengan sebutan uji F.  Berdasarkan jumlah factor dan responsnya, anova terdiri dari berbagai jenis.

Univariate

Univariate menandakan bahwa jumlah response atau variable dependen atau variabel terikat hanya satu. Sedangkan factor atau variabel independen bisa satu (univariate one way), bisa dua variabel ( univariate two way) dan juga bisa lebih dari dua variabel (univariate multi way).

Multivariate

Multivariate menandakan bahwa jumlah response atau variabel dependen atau variabel terikat lebih dari satu. Pembagiannya juga sama dengan univariate, factor bisa berjumlah satu (multivariate one way), bisa dua variabel (multivariate two way), atau juga bisa lebih dari satu.

Multivariate anova ini biasa disingkat sebagai MANOVA. Sehingga istilah Anova biasanya langsung merujuk kepada Univariate Anova.

Anova regresi

Karena Anova secara tidak langsung pengertiannya merujuk kepada satu response atau satu variabel dependen, atau variabel terikat, maka tidaklah mengherankan jika di dalam regresi terdapat anova, atau uji F.

Uji F didalam regresi menunjukkan apakah variabel independen secara keseluruhan signifikan mempengaruhi variabel dependen atau tidak. Lebih jelasnya bisa anda baca pada artikel regresi berganda atau regresi logistik. Hal ini sama pengertiannya dengan uji F dalam anova, apakah perlakuan yang dilakukan mempengaruhi response atau tidak.

Sekarang timbul pertanyaan: biasanya regresi variabel independennya berupa numerik, lalu bagaimana caranya kita mempberi identitas terhadap nama perlakuan? Jawabnnya adalah: gunakan variabel dummy. Bisa anda baca di artikel dummy yang pernah saya bahas sebelumnya.

Pada materi rancangan percobaan, jika secara anova diperoleh kesimpulan bahwa perlakuan secara keseluruhan mempengaruhi hasil atau response, biasanya dilanjutkan dengan duncan yang ujung-ujungnya menggunakan uji T. Ini pun sama dengan anova regresi, setelah uji F juga menggunakan uji T untuk menentukan variabel independen mana yang signifikan mempengaruhi variabel dependen.

Contoh Kasus Anova dalam regresi

Dalam sebuah percobaan, ada 2 perlakuan yakni perlakuan A dan perlakuan B untuk mendapatkan kadar air pada benih kakao. Data yang diperoleh adalah sebagai berikut, bisa di download disini.

data untuk anova

Apakah perlakuan A atau B berpengaruh signifikan terhadap kadar air dalam benih kakao?

Menggunakan one way Anova

Buka minitab dan copikan data tersebut ke sheet minitab.

anova regresi

Kemudian klik stat – ANOVA – one way

anova

anova

Pada pilihan tab pojok kanan atas pilih “response data are in a separate column for each factor level” pilihan ini menandakan bahwa kita membuat tabel perperlakuan pada kolom sheet minitab.

Kemudian masukkan semua variabel ke dalam responses, lalu klik OK

anova regresi

proses input variabel

 

Tunggu sebentar, akan keluar hasilnya. Kita akan menemukan hasil Anova.

Analysis of Variance

Source  DF   Adj SS   Adj MS  F-Value  P-Value
Factor   1  0,02830  0,02830     1,88    0,182
Error   28  0,42236  0,01508
Total   29  0,45066

 

interval plot

interval plot

Pada gambar diatas terlihat sebaran rata – rata dari kedua kelompok. Tampak rata- rata B lebih tinggi. Namun jika dilihat dari hasil ANOVA, perlakuan tersebut tidak signifikan karena memiliki nilai p value < 0.05.

Proses Anova di Regresi

Data yang sama akan saya regresikan dan akan kita lihat hasil annova yang diperoleh dari hasil regresi.

Data diatas saya buat dalam bentuk 2 kolom. Kolom pertama kolom variabel dependen (kadar air), kemudian kolom kedua kolom variabel x atau variabel independen yang berupa dummy dari perlakuan. Angka 1 menunjukkan perlakuan A, dan angka 2 menunjukkan perlakuan B

anova regresi

Kemudian copikan ke minitab

anova regresi

data di minitab

Klik stat – regression – regresion – fit regression model

proses regresi

proses regresi

Masukkan variabel kadar air kedalam responses, dan perlakuan dalam categorical predictors. Emudian klik Ok, dan tunggu hasilnya.

anova dalam regresi

proses regresi dalam minitab

Dan kita akan menjumpai anova yang sama

anova regresi

 

Analysis of Variance

Source       DF   Adj SS   Adj MS  F-Value  P-Value
Regression    1  0,02830  0,02830     1,88    0,182
  Perlakuan   1  0,02830  0,02830     1,88    0,182
Error        28  0,42236  0,01508
Total        29  0,45066

 

Jadi, mulai sekarang jangan bingung terhadap banyaknya metode. Beda departemen atau beda jurusan beda metode. Misalnya mahasiswa budidaya lebih kenal rancangan percobaan dengan duncan yang diproses di sas. Sedangkan orang sosialekonomi lebih mengenal regresi yang di proses di spss atau minitab atau stata. Padahal, jika ditelusuri..mrk menggunakan alat analisis yang sama. Uji F dan Uji T. Yang anda perlu pahami adalah kerangka statistik, tipe statistik atau tipe data apa yang anda gunakan. Parametrik atau non parametrik

Selamat Belajar!

 

Mengolah Mudah Data Panel dengan Regresi – Fixed Effect

Data panel sebenarnya tidak begitu berbeda dengan data yang lain. Jika anda melakukan regresi pada data cross section atau time series, data panel merupakan gabungan keduanya. Cross section adalah sekelompok data dari beberapa objek penelitian di tahun yang sama; misalnya data produksi padi di setiap provinsi di tahun 2018. Sedangkan time series merupakan sekelompok data dari beberapa tahun/periode di satu objek penelitian, misalnya data produksi padi Provinsi Maluku dari tahun 1990 sampai dengan 2018. Data panel merupakan gabungan keduanya, yakni beberapa objek penelitian dengan beberapa periode atau tahun.

Keuntungan dari data panel ini jelaslah data yang diperoleh akan semakin banyak sehingga menghindari bias atau nilai error yang tinggi. Multikolinearitas juga bisa dihindari karena bauran data akan semakin banyak. Iya, intinya hasil data yang akan diperoleh akan semakin valid, meskipun tidak menjamin pasti valid. Mengapa? Karena sesuai kebutuhan. Regresi data panel hanya sebuah alat, sama dengan alat yang lainnya (regresi linear berganda), memiliki kelebihan dan kekurangan yang berbeda-beda. Dalam kasus tertentu, justru regresi linear sederhana cukup dan valid untuk menjelaskan hubungan variabel independen terhadap variabel dependennya.

Kali ini saya akan mencoba berlatih untuk menggunakan data panel. Saya akan langsung praktek ketimbang teori. Karena sebelum saya menulis ini, saya menjumpai banyak literatur atau bahan referensi yang “bahasa”-nya sangat formal dan berbau makalah. Padahal bahasa blog seharusnya lebih familiar. Jadi, jika anda mencoba belajar memahami regresi panel dengan cara santai terutama untuk mengatasi kebuntuan anda melakukan pengolahan regresi panel, saya rasa artikel ini cukup tepat. Namun, jika anda mencari literatur untuk menambahkan bahan di metodelogi penelitian dan tinjauan pustaka, sebaiknya segera mencari artikel yang lain di mesin google 🙂

Saya menggunakan software Stata 12. Bahan latihan bisa di download disini.

Konversi data excel ke data panel

Pertama saya mencari data yang akan saya olah dengan regresi panel, karena data panel merupakan gabungan cross section dan time series, maka harus ada kolom tambahan untuk menjelaskan pengelompokkan data tersebut.

Data Panel

Tabel di atas menjelaskan bahwa terdapat 2 perusahaan yang masing masing memiliki variabel dependen (variabel Y) dan variabel independen (variabel X1, X2, dan X3). Tidak perlu kuatir karena data ini fiktif dan saya buat sendiri. Masing masing perusahaan memiliki data 15 tahun dan tentu jika saya proses regresi di setiap perusahaan, besar kemungkinan akan menemukan kendala karena data kurang dari 30 (minimal data regresi). Maka kedua perusahaan ini saya gabung dan sebagai konsekuensinya saya menggunakan regresi panel. Data tersebut saya ubah menjadi berikut:

data panel

Ada kolom tambahan yakni kolom perusahaan dengan kode 1 untuk perusahaan A dan kode 2 untuk perusahaan B. Data kemudian disusun memanjang kebawah. Data sudah siap untuk dipindahkan ke sheet data di Stata 12.

Intermezzo: “Mengapa sih saya menulisnya begitu detil? Karena terkadang saya mendapatkan pertanyaan yang sangat tidak saya duga dari pembaca untuk artikel-artikel sebelumnya; seperti bagaimana cara input data, bagaimana cara mengubah format, bagaimana cara membuka menu di software dll, pertanyaan yang dianggap remeh bagi sebagian orang”

Selanjutnya, mari kita buka software Stata 12, saya menggunakan software ini karena software yang biasa saya gunakan, minitab dan SPSS belum menyediakan fitur regresi panel.

tampilan stata

Selanjutnya untuk memasukkan data yang akan diproses, kita klik data – data editor – data editor (edit)

data panel

Akan muncul data editor, mirip sekali sheet SPSS. Nanti kita perlu setting ulang variabel satu persatu.

regresi panel

Kemudian copi-kan data dari excell ke sheet stata tersebut. Datanya saja, tidak dengan judul atau nama variabelnya, karena nama variabel akan di setting satu persatu. Tampilan akan menjadi seperti ini:

data Panel

Untuk mengubah nama label variabel kita klik kolom satu variabel, kemudian kita edit nama, label, type, format di pojok kiri bawah

Data Panel

Selanjutnya perlu diketahui untuk membuat label variabel yakni nilai 1 pada variabel company adalah perusahaan A, dan nilai 2 adalah perusahaan B. caranya anda klik data – data utilities – label utilities – manage value label

Kemudian klik create label

stata

Isi label name sesuai kebutuhan. Dalam latihan ini saya tulis company, kemudian value saya isikan 1, label saya isi A.

Data Panel

kemudian klik add. Kemudian isikan lagi angka 2 dan B pada label, klik add. Sehingga tampilan seperti berikut:

Data Panel

Kemudian klik OK. Dan klik close

Kembali lagi ke data editor Stata. Kemudian klik data – variabel manager. Pada variabel company, pada value label, isikan company (data value label yang baru saja dibuat), kemudian klik manage. Kemudian klik apply dan tutup windows. Pada menu ini anda dapat mengatur lebih detil tipe variabel yang dibuat, sesuai dengan pengelompokan atau tipe data yang anada gunakan. Pada pilihan type ada pilihan byte, double, float, int, dan long.

Data Panel

Pada tahap ini, data siap untuk diregresi. Tutup data editor, kembali ke tampilan awal stata.

Jenis Regresi Panel

Sebelum saya melanjutkan praktek, saya sedikit menjelaskan beberapa pendekatan yang digunakan pada regresi panel. Mayoritas peneliti membimbing kita untuk menggunakan 2 metode, yakni Fixed Effect, dan Random Effect. Sebenarnya ada satu pendekatan lagi, yakni common effect.

Common effect merupakan regresi yang umum beredar atau biasa disebut regresi sederhana atau regresi berganda. Pada regresi jenis ini, tidak memperhitungkan adanya perbedaan objek penelitian seperti perbedaan perusahaan, kampus, negara, provinsi, dan lain-lain. Selain itu, common effect juga tidak memperhitungkan adanya time series. Semua data dianggap satu tempat dan satu waktu yang kemudian diregresikan dan diketahui hasil – hasilnya. Untuk lebih jelasnya, saya sudah menjelaskan panjang lebar tentang regresi berganda beserta cara-cara memperoleh hasil yang maksimal.

Asumsi yang digunakan pada common effect tidak lagi relevan apabila ternyata ada perbedaan disetiap objek penelitian karena perilaku individu di tempat yang berbeda memungkinkan untuk memiliki nilai yang berbeda. Misalnya : terdapat penelitian tentang hubungan antara gaji dan pengeluaran (variabel independen = gaji, variabel dependen =pengeluaran). Kemudian peneliti tersebut mengambil 2 objek yang berbeda, yakni kelompok pegawai di perusahaan multinasional dan  kelompok di perusahaan domestik. Kedua objek penelitian tersebut dikhawatirkan mempengaruhi nilai gaji karena berada dalam kondisi lingkungan yang berbeda. Maka dalam hal ini common effect tidak bisa digunakan.

Fixed effect digunakan untuk mengatasi permasalahan yang dijumpai pada common effect. Asumsi fixed effect ini adalah adanya kecenderungan objek penelitian (entitas) memiliki pengaruh terhadap nilai individu atau independen variabel. Fixed effect akan menghilangkan pengaruh tersebut sehingga diperoleh murni hubungan antara variabel dependen dengan independennya (tidak ada pengaruh object penelitian).

Asumsi kedua dari Fixed effect adalah bahwa object-object penelitian/entitas tersebut memiliki karakteristik tersendiri-sendiri sehingga kumpulan error masing-masing kelompok atau objek penelitian tersebut tidak dapat dikorelasikansatu sama lain. Biasanya peneliti menggunakan asumsi ini dengan cara menambahkan variabel dummy, karena pada variabel dummy dapat dengan mudah mengetahui secara parameter apakah masing-masing entitas tersebut berbeda.

Jika ternyata kelompok error dari setiap kelompok tersebut ternyata berkorelasi, maka Fixed effect tidak dapat digunakan, dan kita sebaiknya menggunakan Random effect. Random effect memiliki asumsi berkebalikan dari FE. Random effect memiliki pendekatan bahwa kelompok object penelitian diasumsikan memiliki pengaruh pada dependen variabel. Sehingga fokus pendekatan Random effect adalah pada bauran error-nya (seperti namanya, random effect.. 🙂

Bingung? Begini.. pada Fixed effect parameter entitas berbeda dan bauran errornya tidak berkorelasi. Jika keadaannya sebaliknya, entitas tidak berbeda maka besar kemungkinan bauran errornya akan memiliki hubungan atau korelasi dan selanjutnya besar kemungkinan ini akan mempengaruhi dependen variabel karena pada umunya sebaran error ini memiliki pola yang bisa diukur. Nah, pada kondisi seperti ini, fokus prosesnya pada errornya… sehingga yang digunakan adalah Random Effect.

Mengingat perbedaan dari kedua metode tersebut, fixed effect fokus pada perbedaan entitas dan Random Effect fokus pada errornya, maka kedua metode ini tidak bisa dikatakan satu lebih unggul dibandingkan lainnya. Saya pernah mendapat pertanyaan bagaimana caranya agar data bisa diolah dengan menggunakan RE, padahal saat dia menguji hipotesis, hasilnya sebaiknya fixed effect yang digunakan.

Secara model persamaan dan teori detilnya, anda akan menjumpai bahwa pada Fixed effect memiliki nilai intercept yang berubah namun slope yang sama. Karena sudah banyak literatur yang membahas ini saya tidak perlu membahasnya lagi.

“the crucial distinction between fixed and random effects is whether the unobserved individual effect embodies elements that are correlated with the regressors in the model, not whether these effects are stochastic or not” [Green, 2008, p.183]”

“If you have reason to believe that differences across entities have some influence on your dependent variable then you should use random effects”

Kedua kalimat ini sengaja saya kutip untuk menguatkan penjelasan saya diatas.

Pertanyaan umum: Lalu, metode mana yang harus digunakan?  Pertanyaan bagus, tapi saya belum mau menjelaskan kearah sana. Mungkin saya bahas di artikel selanjutnya.

Mari kita lanjutkan prakteknya setelah teori sudah saya jelaskan … kembali ke stata dan data yang sudah kita input sebelumnya.

Proses Regresi Data Panel

Langkah pertama adalah mendefinisikan variabel yang sudah diinput agar stata memahami bahwa data tersebut data panel yang terdiri dari 2 perusahaan dan beberapa tahun. Klik statistics – longitudinal/panel data – setup and utilities – declare data set to be panel data

Regresi FE

Pada panel ID varibel kita isikan company atau diisi dari variable yng menjelaskan entitas yang kita gunakan. Pada latihan ini saya menggunakan variabel company yang menjelaskan ada data 2 perusahaan yang saya gunakan. Kemudian beri centang pada time series karena data yang kita gunakan mengandung data time series. Kemudian dibawahnya saya isikan variabel year yang menjelaskan data tersebut memiliki runtun waktu. Kemudian klik OK

Regresi Panel

Pada output akan terlihat sbb:

R squared

Selanjutnya klik statistics – longitudinal/panel data – linear models – linear regression

data panel

Masukkan variabel independen dan independen vaiabel, kemudian anda bisa memilih model type (affect which option are available) terdapat beberapa pilihan, kali ini saya coba pilih fixed-effect

Kemudian klik OK

Regresi Panel

Akan muncul hasil sebagai berikut:

Data Panel

Interpretasi hasil

Interpretasi hasil pada data panel tidak berbeda dengan interpretasi regresi berganda. Disana terdapat R-Sq, Uji F, Uji T, P value. R squared menunjukkan berapa nilai dalam persentase data dalam model (independen variabel) dapat menjelaskan secara tepat variabel dependennya, sisanya dijelaskan dengan error atau variabel lain yang belum ada dalam model. Uji F menguji secara keseluruhan model, sedangkan uji T menguji satu persatu variabel dalam model. Untuk lebih jelasnya mari kita bahas satu persatu

Data Panel

No 1. Menjelaskan tentang Independen variabel (Y), dan dependen variabel (X1, X2, X3) dengan proses FE (fixed effect). Penjelasan di bawah regressi berdasarkan grup “company”

No 2. R Squared. Pada panel data terdapat 3 macam R-sq. Definisi R-Sq within merupakan R-Sq yang dari rata-rata deviasi regression yang diperoleh dari OLS transform data. Biar gampang: ini R-Sq umum yang biasa kita ketahui di regresi.

R-Sq between: Regresi FE ini awalnya menghitung nilai prediksi dengan menggunakan parameter Fixed effect dan rata-rata dari variabel independen. Kemudian nilai prediksi ini dihitung squared korelasinya dengan nilai rata-rata dependen variabel ( variabel Y)

R-Sq Overall: R-Sq diperoleh dari hasil kalkulasi squared correlation antara nilai prediksi dengan data nilai Y (bukan rata-ratanya). nilai prediksi diperoleh dari perhitungan fixed effect dengan nilai independen variabel (bukan rata-ratanya).

Mana yang lebih penting? Tentu ketiga-tiganya memberikan informasi penting. Namun jika fixed effect dicerminkan pada R-Sq overall.

Kemudian dibawahnya terdapat corr(u_i) merupakan penjelasan correlasi antara error dalam entitas/grup (u) dengan regressors dalam model (variabel independen). Seperti yang dijelaskan sebelumnya, sebaiknya nilainya kecil atau tidak berkorelasi untuk Fixed effect

No 3. Merupakan penjelasan tentang deskripsi observasi. Disana terdapat jumlah observasi, jumlah grup, kemudian paling bawah merupakan uji F. Model secara keseluruhan dikatakan baik apabila Prob>F dibawah 0.05 atau sesuai tingkat kepercayaan yang digunakan selama penelitian.

No 4. Merupakan nilai koefisien, uji T, P value secara individu. Variabel akan dikatakan memiliki pengaruh signifikan jika memiliki nilai P value kurang dari 0.05 atau sesuai dengan tingkat kepercayaan yang digunakan

No 5. Sigma_u dan sigma_e merupakan hal yang berbeda dibandingkan regresi. Seperti yang kita ketahui bahwa pada regresi panel terdapat komponen kelompok dan error, atau biasa dijabarkan dalam model dalam bentuk slope dan intersep. Pada sigma_u jika saya definisikan merupakan ke standar deviasi dari residu/error entitas atau kelompok dalam group. Sedangkan sigma_e merupakan standar deviasi dari error secara keseluruhan. Jadi error di data panel ada 2 ya… error keseluruhan, dan error entitas atau kelompok.

Untuk apa sih sigma ini? Nilai sigma ini akan memberi gambaran kepada kita tentang sebaran error baik dalam group maupun secara total. Contohnya: jika sebaran error secara total ternyata lebih tinggi, ada kemungkinan ada variabel yang belum masuk dalam model yang bisa mempengaruhi nilai Y. nilai rho menghubungkan kedua error tersebut. Jika nilai rho 0.297 artinya terdapat 29.7% varians yang disebabkan oleh perbedaan antara kedua kelompok error tersebut. Mana yang lebih bagus? Pasti mintanya variansnya yng lebih kecil karena berarti tidak begitu beragam sebaran errornya.

Regresi Panel

Wow… panjang ya…saya belum belajar ke arah dummy pada fixed effect, Random effect, Hipotesis yang menentukan kedua metode tersebut. Episode ini saya sudahi dulu. Sampai bertemu di episode selanjutnya. Jika ada penjelasan saya yang keliru, saya senang hati jika kita berdiskusi karena apa yang saya catat ini adalah hasil pembelajaran yang saya lalui.

Selamat Belajar!

Melatih Daya Kritis

Anda tentu telah mengetahui tentang pengertian berpikir kritis. Salah satu pengertian berpikir kritis adalah suatu kemampuan nalar untuk membandingkan suatu fakta atau beberapa gagasan dan menyimpulkannya dengan menghasilkan suatu solusi atau permasalahan baru. Banyak pengertian lain dari kritis, dan anda pun bisa mendeskripsikannya dengan sudut pandang yang anda miliki.

Terkadang kita merasa heran jika menjumpai seseorang yang bisa melihat dengan jeli permasalahan dalam sebuah tulisan. Terkadang saya pun mengucapkan “That is brilliant” saat menjumpai pertanyaan yang saya pun tidak pernah memikirkannya.

Daya kritis perlu kita latih, berpikir kritis berarti mampu menganalisa masalah dengan logis. Mereka dapat menghubungkan masalah satu dengan lainnya, melihat titik point yang lemah yang mungkin disepelekan oleh orang lain. Banyak istilah yang dapat digunakan untuk orang yang berpikir out of the box, atau think different ini. Banyak juga yang berpendapat bahwa kemampuan ini diciptakan khusus oleh pencipta terhadap beberapa orang di dunia.
Begitu istimewanya orang yang memiliki daya kritis, sehingga tidak jarang mereka disebut sebagai orang pintar. Einstein, meskipun pernah tidak lulus sekolah, tetap saja pemikirannya diakui dan dijuluki sebagai sang jenius. Newton, memperhatikan apel yang jatuh dan menjadikannya sebagai dasar hukum gravitasi, padahal semua orang pasti sudah mengetahui hal tersebut (apel pasti jatuh ke bawah). Namun newton dan einstein memberikan solusi baru terhadap dunia pengetahuan. Semua hal itu berasal dari kemampuan logis dan daya kritisnya.

Berpikir kritis bukan tanpa sebab. Mereka mampu melatih otak mereka untuk melakukannya. Kali ini saya akan mencoba memberikan sebuah tips untuk kita sama – sama meningkatkan daya kritis terhadap sebuah karya tulis. Sengaja saya membatasi topik kritis dalam sebuah objek yang berbentuk karya tulis, karena karya tulis merupakan sebuah tulisan yang memiliki aturan ketat didalamnya. Sehingga sebagai reviewer, mampu dengan mudah menganalisis kesesuaian dan ketidaksesuaian dalam karya tulis tersebut.

Ciptakan antusias yang tinggi

Dalam sebuah presentasi, beberapa orang tidak peduli dengan apa yang dibawakan oleh presenter. Mereka cenderung berharap waktu cepat berlalu dan presentasi disudahi, atau sekedar menuliskan absen pertanda mereka hadir. Orang semacam ini sudah dipastikan tidak memiliki antusias dan daya kritis yang rendah terhadap bahan materi yang disampaikan.

Meskipun, sebenarnya terdapat beberapa kemungkinan pada kasus tersebut; bisa saja (1) materi yang disampaikan memang benar membosankan, (2) materi yang disampaikan hanya mencakup hal yang umum, (3) mereka memiliki kepentingan lain diluar materi tersebut, atau (4) mereka lebih menguasai materi ketimbang presenter yang menyajikan.
Namun, sebagai peserta seminar yang baik, keempat kemungkinan diatas bisa diutarakan menjadi saran atau pertanyaan kepada presenter. Jika materi memang membosankan karena layout yang kurang baik, atau presenter membawakan terlalu cepat, maka bisa diberi saran terhadap jalannya presentasi. Jika anda merasa lebih memahami persoalan ketimbang presenter, coba berikan pendapat dari sudut pandang yang berbeda sehingga menambah pengetahuan dari presenter yang kemungkinan bisa memberikan efek positif bagi perbaikan makalahnya.

Antusias terhadap apa yang akan kita lakukan merupakan kunci penting dari sebuah keberhasilan. Ciptakan rasa keingintahuan yang tinggi dan menganggap bahwa ilmu pengetahuan yang kita miliki masih harus terus ditambah. Pikirkan hal apa yang menjadi “pembeda” antara satu makalan dengan makalah lainnya. Dan apakah perbedaan tersebut dapat mengubah hasil dari sebuah penelitian selanjutnya?

Rasa antusias yang tinggi juga kita perlukan terhadap naskah yang ingin kita review. Berikan perhatian pada setiap bagian; latar belakang, metode, pembahasan, dan kesimpulan. Baca kalimat demi kalimat dan temukan alur cerita. Apakah alur cerita yang ditulis mengalir secara normal atau adakah lompatan – lompatan ide di dalamnya. Jika terdapat lompatan ide, apakah hal itu memang disengaja karena akan dibahas di bab selanjutnya ataukah memang suatu hal yang layak anda pertanyakan

Pahami alur cerita dan temukan benang merahnya

Pada sebuah naskah terutama karya tulis ilmiah, bab latar belakang masalah, tujuan, keluaran (jika ada), metode, pembahasan, dan kesimpulan HARUS memiliki benang merah. Aliran ide dipaparkan dari latar belakang yang mensintesis masalah yang dihadapi dan pengungkapan mengapa penelitian tersebut memang penting untuk dilakukan.

Kita berikan contoh kasus: Penelitian tentang perhitungan usahatani timun. Latar belakang tentang perlunya dilakukan perhitungan usahatani padi sawah kira – kira menjelaskan tentang timun yang diusahakan oleh beberapa petani. Kemudian disamping itu terdapat kebijakan pemerintah daerah setempat untuk menjadikan wilayah tersebut sebagai sentra timun. Sebelumnya juga belum pernah dilakukan analisis perhitungan usahatani budidaya timun. Maka perlulah dilakukan perhitungan usahatani timun.

Kemudian pada sub bab tujuan, tentunya akan kita cantumkan untuk mengetahui apakah timun memang layak diusahakan pada wilayah tersebut. Keluarannya adalah sebagai bahan masukan kepada pemerintah daerah setempat tentang keragaan budaya usahatani dan permasalahan yang dihadapi petani sehingga pemerintah bisa mengambil kebijakan yang tepat.

Metode perhitungan dan pembahasan tentu tidak keluar dari benang merah yang sudah ditulis di bab latar belakang. Dan kesimpulan adalah jawaban dari tujuan yang ditulis. Sangat tidak diperkenankan apabila terdapat statemen atau kalimat dalam kesimpulan yang tidak tercantum pada tujuan awal penelitian. Jika tujuan dari penelitian adalah untuk mengetahui kelayakan timun, maka kesimpulannya adalah pernyataan timun layak/tidak untuk diusahakan. Tidak relevan jika dalam kesimpulan muncul kalimat timun layak menjadi komoditas unggulan meskipun memiliki keuntungan yang tinggi. Karena penentuan komoditas unggul atau tidak, melalui proses metode penelitian yang lain.

Periksa alur cerita dan benang merah tersbeut untuk meningkatkan daya kritis anda. Pertanyaan terbesarnya adalah apakah makalah ini sudah tersusun secara padu dan kuat dari latar belakang hingga kesimpulan? Jika ada beberapa bagian yang belum padu atau belum terhubung, tanyakan mengapa, dan apakah itu layak anda jadikan pertanyaan kepada penulis makalah tersebut.

Tanyakan 5 W dan H pada karya tulis di setiap bagian

Tehnik ini sudah sangat umum diperkenalkan dan saya yakin anda sudah mengetahuinya. Karena kalimat tanya memang berawal dari kata – kata tersebut; Apa? Dimana? Kapan? Mengapa? Dan Bagaimana?
Semua orang sudah tahu kata tanya tersbeut tapi tidak semua dapat menggunakan kata tanya itu dengan baik. Kembali ke point pertama, karena mereka tidak memiliki antusias.

Dari kata tanya Apa, anda bisa mengembangkan dengan pertanyaan Apa latar belakangnya? Apa manfaat penelitian ini? Apa judul makalah ini? Apakah sudah relevan? Apakah benar metodenya? Apakah tujuan sudah dijawab di kesimpulan? Apakah pembahasan sudah cukup menjelaskan? Apa beda penelitian ini dengan penelitian sebelumnya? Apakah argumen penulis sudah tepat? Dan lain – lain…

Kata dimana bisa anda kembangkan menjadi: dimana lokasi penelitian? Dimana letak point penting dari makalah tersebut? Paragraf mana yang tidak memiliki hubungan dengan isi makalah? Dimana letak perbedaan gaya tulisan dengan penulis lain? Dimana letak ketidaksesuaian paragraf? Harusnya ditempatkan di bab mana?

Kata kapan bisa anda kembangkan menjadi kapan penelitian dilakukan? Kapan data sekunder diambil? Masih relevan atau tidak dengan kondisi sekarang? Apabila ada penelitian yang dilakukan secara time series/ deret waktu, anda bisa mengekplorasi lebih dengan kata tersebut, misal: pada grafik time series, kapan produksi mengalami penurunan, kapan produksi mengalami peningkatan? Kapan pemerintah atau pihak yang berkaitan melakukan treatment terhadap kondisi tersebut? Dan lain – lain.

Kata mengapa merupakan kata yang paling mudah dikembangkan karena kata mengapa merupakan muara semua dari pertanyaan diatas. Misal: (1) apakah penelitian ini sudah relevan? Belum. Mengapa? (2) paragraf kelima tidak berhubungan dengan latar belakang. Mengapa? (3) produksi mengalami penurunan pada tahun ketiga. Mengapa? Karena pertanyaaan mengapa ini sangat mudah dieksplorasi, kebanyakan orang langsung menanyakan kata mengapa sebelum bertanya point dari pertanyaan tersebut.

Misal: “Mengapa anda melakukan penelitian ini?” Padahal, penulis sudah menjabarkan hal tersebut di dalam latar belakang. Pertanyaan yang tidak didasari oleh point penting ini hanya terkesan pertanyaan yang asal-asalan, atau kurang berbobot. Ubah pertanyaan tersebut dengan sanggahan atau komentar terlebih dahulu terhadap latar belakang yang dibuat oleh penulis. Misalnya “ saya tidak sepakat dengan argumen anda pada paragraf kelima di bab latar belakang. Karena menurut saya…bla..bla..bla.. yang dikuatkan oleh penelitian sebelumnya bla… bla.. bla.. lalu, apakah ada kebaruan penelitian ini dengan penelitian sebelumnya?”

Kata bagaimana juga hampir sama dengan mengapa. Merupakan kata tanya yang sering muncul akibat adanya ketidakpuasan dengan pertanyaan sebelumnya. Dapat saya katakan bahwa kata apa, kapan, dan dimana merupakan kata tanya penggali dari point penting atau dasar dari sebuah makalah, sedangkan kata bagaimana dan mengapa merupakan kata tanya eksekusi untuk melahirkan sebuah pertanyaan dan mengkritisi terhadap makalah tersebut.

Periksa alat penelitian

Setalah anda melakukan penggalian terhadap struktur, alur, dan penjelasan di masing – masing bab, periksa secara khusus metode yang digunakan oleh penulis apakah sudah tepat atau belum. Alat penelitian merupakan tools sehingga meskipun tepat terkadang tidak relevan.

Saya ibaratkan tentang alat alat pemotong. Ada sabit, golok, gergaji, atau mesin potong rumput. Kesemuanya adalah alat potong. Namun jika kita menggunakan sabit untuk memotong rumput dihalaman akan tidak relevan ketimbang kita menggunakan mesin potong rumput.

Begitu juga dengan alat penelitian.semua alat penelitian adalah penting, jika digunakan sesuai bidangnya. Alat penelitian kuantitatif tidak akan maksimal jika digunakan penelitian yang bersifat kualitatif. Begitupun sebaliknya. Bahkan dalam satu rumpun penelitian kuantitatif pun, terdapat tingkatan data. Ada data parametrik, dan data non parametrik yang kesemuanya menggunakan alat penelitian yang berbeda.

Temukan kaitan karya tulis dengan hasil penelitian lainnya

Sebagai tambahan referensi, anda bisa membandingkan makalah satu dengan makalah lainnya. Temukan perbedaannya dan apakah penulis melakukan pembaruan dari penelitain – penelitian sebelumnya.

Perluas wawasan

Point 4 dan 5 memerlukan wawasan yang luas. Artinya anda perlu memperbanyak membaca makalah jika anda akan mereview sebuah makalah. Anda perlu banyak membaca buku, jika anda akan membedah sebuah buku.
Hal ini yang membuat seseorang ahli di bidang tertentu. Peneliti yang sering berkecimpung di bidang pertanian tentunya akan lebih mahir menilai dari aspek pertanian. Begitupun peneliti budaya, peneliti tehnik, dan lain-lain. Karena mereka memperbanyak wawasan di bidang masing – masing.

melatih daya kritis

perlu waktu untuk melatih daya kritis seseorang

Kritis, Bukan Berlagak Kritis

Bersikap kritis berbeda dengan berlagak kritis. Saya pernah menjumpai orang yang mengajukan pertanyaan dengan memaparkan pengalaman yang dilakukan. Namun pada akhir pertanyaan, justru terkesan tidak ada pertanyaan yang diajukan. Pertanyaan yang diajukan sudah dijawab dengan sendirinya oleh pendapatnya.

Hindari pertanyaan yang panjang namun tidak memiliki point. Buat kalimat sederhana dan singkat tapi padat dengan apa yang anda pertanyakan. Sampaikan pertanyaan tersebut dengan maksud memberikan solusi atau pandangan baru, bukan berniat menjatuhkan presenter.

Selamat Belajar!

Page 1/23123...510...Last