Kuesioner disebar ke 80 responden, kembali 63, tetapi hanya 54 lembar yang terisi lengkap. Dua narasumber wawancara menyatakan mundur karena sibuk. Satu kelas kontrol kehilangan tiga siswa karena pindah sekolah di tengah pengambilan data. Situasi seperti ini bukan tanda penelitian gagal — ini justru wajah normal dari kerja lapangan. Yang membedakan skripsi yang kokoh dari skripsi yang rapuh bukan ada atau tidaknya data kosong, melainkan bagaimana lubang-lubang kecil itu dihitung, ditangani, dan dilaporkan secara terbuka.
Bagian ini membahas data tidak lengkap (sering disebut missing data) dari sisi praktis: apa saja bentuknya, kapan boleh dibuang, kapan boleh diperkirakan, dan bagaimana menuliskannya di skripsi tanpa terkesan menutupi masalah.
Data lapangan hampir tidak pernah utuh
Di ruang kelas teori, data selalu rapi: setiap responden mengisi setiap butir, setiap partisipan hadir di setiap sesi, setiap dokumen tersedia. Di lapangan, semuanya bergerak. Responden malas menjawab pertanyaan yang dianggap pribadi, partisipan sakit saat pengukuran terakhir, berkas administrasi hilang, atau rekaman wawancara terganggu suara kipas angin. Mengakui kenyataan ini lebih sehat daripada memaksa data terlihat sempurna.
Tiga bentuk data tidak lengkap yang paling sering muncul
- Butir angket kosong (item nonresponse). Lembar kembali, tetapi satu sampai tiga pertanyaan dibiarkan kosong karena membingungkan, dianggap sensitif, atau sekadar terlewat.
- Responden gugur (dropout atau attrition). Orang yang sudah masuk daftar sampel tidak mengisi kuesioner sama sekali, berhenti di tengah program, atau tidak bisa dihubungi lagi. Dalam desain pemberian perlakuan, ini termasuk peserta yang mengundurkan diri.
- Kegagalan teknis dan dokumen. Rekaman gagal tersimpan, alat ukur bermasalah, atau data yang dijanjikan oleh instansi tidak diberikan. Ini sering luput karena datanya memang tidak pernah ada, bukan kosong di dalam tabel.
Ada juga data yang kosong karena desain, misalnya pertanyaan lanjutan yang hanya wajib diisi oleh responden yang menjawab "ya". Jenis ini bukan masalah, asalkan Anda menjelaskannya di Bab 3.
Langkah pertama: hitung, jangan buru-buru menghapus
Sebelum mengubah apa pun, buat catatan kecil: berapa jumlah awal unit yang masuk daftar sampel, berapa yang kembali, dan berapa yang lengkap. Angka ini biasa disebut rasio respons. Selanjutnya, telusuri lokasi lubangnya. Apakah kosong hanya di beberapa butir, atau menumpuk pada satu variabel tertentu? Apakah kecenderungan responden yang tidak mengisi jawaban berkaitan dengan karakteristik tertentu, misalnya mereka yang nilainya rendah, mereka yang dari sekolah tertentu, atau mereka yang mengisi pada jam terakhir?
Pertanyaan semacam itu membantu Anda memperkirakan apakah data kosong tersebar acak atau berpola. Perbedaannya penting: jika ada pola, membuang barisnya sama dengan membuang kelompok tertentu dan membuat kesimpulan Anda bias.
Membuang baris data: paling mudah, tetapi ada harganya
Cara paling sederhana adalah menghapus seluruh baris responden yang punya jawaban kosong. Pendekatan ini sah, jujur, dan mudah dipertanggungjawabkan, namun ia memakan korban: jumlah data yang dianalisis menyusut, rata-rata bergeser, dan daya uji statistik turun. Jika jumlah awal Anda dihitung dengan rumus untuk menentukan jumlah responden, ingat bahwa rumus itu bekerja pada data yang dianalisis, bukan pada data yang dikirim.
Sebagai patokan kasar, lubang yang kecil dan tidak berpola — misalnya di bawah lima persen dari total sel — biasanya tidak mengubah arah kesimpulan. Namun patokan ini bukan aturan mati; pada sampel kecil, satu responden yang hilang bisa berarti banyak. Bila data Anda tipis, pertimbangkan menggabungkan beberapa butir menjadi satu skor atau memakai uji yang tidak menuntut jumlah besar, seperti yang dibahas pada pilihan uji nonparametrik untuk data yang tidak normal.
Mengganti nilai kosong: boleh, dengan syarat
Alternatif lain adalah mengisi nilai yang kosong. Mengisi dengan rata-rata kelompok adalah cara yang paling sering dipakai mahasiswa karena mudah, dan memang membuat tabel menjadi penuh. Sayangnya, cara ini mengecilkan sebaran data sehingga variasi yang seharusnya ada seolah hilang, dan hasil uji menjadi lebih "manis" dari kenyataannya. Pendekatan yang lebih hati-hati memperkirakan nilai kosong dari pola jawaban lain responden, biasanya dengan bantuan program statistik. Diskusi metode yang cukup klasik dan mudah dibaca untuk tingkat pemula ada dalam tinjauan Dong dan Peng tentang penanganan data hilang, sedangkan contoh penerapannya pada program analisis bisa dipelajari dari materi latihan Craig Enders.
Ada satu rambu yang perlu dipegang: jangan mengisi nilai pada variabel utama temuan Anda dengan tebakan. Mengisi satu butir pendukung pada angket sikap berbeda risikonya dengan mengisi nilai hasil belajar siswa yang tidak pernah diukur. Yang terakhir bukan lagi menambal, tetapi menciptakan data.
Mengejar data sebelum dikunci
Sebelum buru-buru mengisi atau menghapus, pastikan Anda sudah berusaha mengumpulkan. Pesan pengingat yang sopan kepada responden sering menyelamatkan banyak lembar, terutama jika dikirim satu sampai tiga hari setelah batas awal, bukan berminggu-minggu kemudian. Untuk penelitian di sekolah atau instansi, meminta bantuan guru atau staf administrasi untuk mengingatkan biasanya lebih berhasil daripada menghubungi satu per satu.
Perlu diingat, pengejaran ini tetap dibatasi etika. Responden berhak menolak, dan penolakan tidak boleh berubah menjadi paksaan atau tekanan nilai. Rambu-rambu ini sudah dibahas panjang pada etika penelitian dan informed consent, termasuk bagaimana mencatat pengunduran diri responden. Hal-hal teknis yang membantu dari awal, seperti membuat formulir yang terstruktur dan menandai pertanyaan wajib, bisa disimak di panduan menyusun kuesioner daring.
Data kualitatif juga bisa bolong
Penelitian kualitatif tidak lepas dari masalah yang sama. Partisipan mundur setelah dua sesi wawancara, ada informan yang hanya bersedia berbicara di luar rekaman, dan dokumen yang dijanjikan tidak pernah diberikan. Karena analisis kualitatif bekerja dengan makna, "lubang" di sini tidak dihitung dengan persentase, melainkan dicatat sebagai jejak: siapa yang hadir, apa yang berhasil digali, dan bagian mana yang tidak terjangkau.
Catatan semacam itu membuat temuan Anda lebih dapat dipercaya, bukan lebih lemah. Pembaca jadi tahu bahwa kesimpulan Anda dibangun dari data yang benar-benar ada. Bila Anda ingin memperkuat temuan dari sumber yang tersisa, strategi triangulasi antara wawancara, observasi, dan dokumen adalah langkah yang paling sering dipakai.
Melaporkannya dengan jujur di Bab 3 dan Bab 4
Data tidak lengkap bukan bahan rahasia. Tempat terbaik untuk menjelaskannya adalah Bab 3 pada bagian prosedur pengumpulan dan analisis data, lalu ditegaskan kembali saat menyajikan hasil. Beberapa kalimat berikut bisa Anda sesuaikan:
- "Dari 80 kuesioner yang disebar, 63 kembali, dan 54 terisi lengkap. Analisis dilakukan terhadap 54 responden."
- "Sebanyak sembilan responden tidak mengisi butir tentang pendapat orang tua. Karena jumlahnya kecil dan tidak membentuk pola tertentu, butir tersebut dianalisis secara terpisah."
- "Dua partisipan mengundurkan diri pada sesi ketiga karena alasan pekerjaan. Data dari keduanya tetap dipakai untuk tema yang sudah jenuh pada dua sesi pertama."
Yang perlu dihindari adalah diam. Menyajikan tabel serba penuh tanpa menjelaskan bahwa sebagian data diisi dengan perkiraan bukan hanya soal kejujuran akademik, tetapi juga membuat pembaca salah menilai kekuatan temuan Anda. Buku ajar analisis data terbuka semacam A Guide on Data Analysis menekankan hal yang sama: keputusan pembersihan data adalah bagian dari hasil, bukan pekerjaan tersembunyi sebelum hasil.
Dampaknya pada uji statistik
Setelah data dibersihkan, jangan lupa memeriksa konsekuensinya pada analisis. Jumlah akhir menentukan derajat kebebasan pada uji yang Anda pakai, dan beberapa uji menuntut jumlah minimal per kelompok. Pada sampel yang mengecil, sebaran data lebih mudah menyimpang dari normal, sehingga Anda mungkin perlu memeriksa ulang lewat pemeriksaan asumsi sebelum memilih uji. Sajikan juga statistik dasar yang diperbarui — rata-rata, sebaran, dan jumlah unit pada tiap kelompok — sebagaimana dibahas pada panduan statistik deskriptif untuk skripsi. Jika jumlah sampel berkurang jauh dari rencana, akui hal itu saat membahas keterbatasan penelitian.
Empat kebiasaan agar data tidak bolong sejak awal
- Uji coba instrumen lebih dulu. Pertanyaan yang membingungkan akan kosong di lapangan. Mengujinya pada 10–15 orang jauh lebih murah daripada kehilangan 15 lembar data.
- Rancang alur pengisian yang pendek dan jelas. Batasi pertanyaan wajib pada hal yang benar-benar inti, dan beri keterangan bila ada butir lanjutan. Bila datanya akan diolah dalam lembar kerja, rapikan sejak awal seperti pada cara merapikan data survei sebelum dianalisis.
- Siapkan cadangan partisipan. Kalau desain Anda membutuhkan 30 siswa per kelas, jangan berhenti mengumpulkan pada angka 30. Pikirkan kemungkinan absen, pindah, atau kesalahan pengisian.
- Simpan data mentah dan catat setiap perubahan. Berkas asli tidak boleh disentuh; semua penghapusan dan pengisian dilakukan pada salinan sambil dicatat alasannya.
Kebiasaan ini juga menuntut pemahaman sejak sebelum turun lapangan, misalnya saat menetapkan jumlah responden yang benar-benar dianalisis, memilih teknik pengambilan sampel yang sesuai, dan memutuskan apakah Anda akan memakai data primer atau sekunder sebagai sumber utama.
Kesalahan yang paling sering terjadi
Pertama, menghapus tanpa dicatat sehingga tidak ada yang tahu berapa data awal. Kedua, mengisi kekosongan dengan angka nol karena dianggap netral, padahal nol berarti sesuatu yang berbeda dari "tidak menjawab". Ketiga, menghapus justru responden yang jawabannya berbeda dari mayoritas, sehingga hasil terlihat seragam. Keempat, memakai seluruh data tanpa memeriksa pola kekosongan, lalu menyimpulkan sesuatu tentang kelompok yang datanya justru paling banyak hilang.
Penutup
Data yang bolong tidak perlu disembunyikan, dan tidak selalu harus dibuang. Yang dibutuhkan adalah keputusan sadar: hitung lubangnya, pahami polanya, pilih penanganan yang wajar, lalu tuliskan semuanya di skripsi. Penelitian yang jujur mengenai keterbatasan datanya justru lebih meyakinkan daripada penelitian yang tampak mulus tanpa cela. Bila alur dari rumusan masalah sampai kesimpulan ingin Anda rapikan sekaligus, langkah-langkahnya sudah dirangkum pada alur analisis data skripsi dari rumusan masalah hingga kesimpulan.
Posting Komentar untuk "Responden yang Gugur dan Kuesioner yang Bolong: Menyikapi Data Tidak Lengkap dalam Skripsi"