Menulis Bab IV penelitian kuantitatif sering kali membingungkan karena tuntutan penyajian angka yang harus sinkron dengan analisis teoretis. Artikel ini membedah contoh penulisan Bab IV kuantitatif yang ideal melalui pendekatan studi kasus nyata, mulai dari deskripsi data, uji asumsi, pengujian hipotesis, hingga teknik penulisan bab pembahasan yang analitis dan lulus ujian skripsi.
Bab IV (Hasil Penelitian dan Pembahasan) adalah jantung dari
sebuah skripsi kuantitatif. Di sinilah seluruh data yang telah dikumpulkan
melalui kuesioner atau instrumen penelitian diproses, diuji, dan
diinterpretasikan untuk menjawab hipotesis yang telah dibangun pada Bab II.
Namun, bagian ini pula yang paling sering memicu revisi besar-besaran saat
sidang kelulusan.
Kesalahan utama mahasiswa biasanya terletak pada dua
ekstrem: terlalu fokus menyajikan angka statistik mentah tanpa pembahasan
teoretis (Garbage In, Garbage Out), atau sebaliknya, terlalu banyak
beropini tanpa didukung oleh bukti empiris data lapangan. Bab IV yang ideal dan
siap lulus ujian harus mampu mengawinkan angka-angka statistik dengan argumen
ilmiah secara presisi dan sistematis (Creswell & Creswell, 2018).
Untuk memberikan gambaran yang jelas, artikel ini akan
membedah contoh penulisan Bab IV menggunakan sebuah studi kasus kuantitatif
nyata yang terstruktur, logis, dan memenuhi standar pengujian akademik.
Studi Kasus Model Penelitian
- Judul
Penelitian: Pengaruh Digital Learning Readiness ($X$) terhadap Academic
Performance ($Y$) Mahasiswa di Masa Transisi Pasca-Pandemi.
- Sampel
($N$): 120 Responden (Mahasiswa).
- Alat
Analisis: Regresi Linear Sederhana menggunakan SPSS.
- Hipotesis
($H_1$): Digital Learning Readiness berpengaruh positif dan
signifikan terhadap Academic Performance mahasiswa.
Berikut adalah rekonstruksi komponen dan contoh penulisan
isi Bab IV yang efektif:
Bagian 1: Deskripsi Data Penelitian
Sebelum melakukan uji inferensial (uji hipotesis), Bab IV
wajib dibuka dengan deskripsi karakteristik data. Bagian ini memberikan
gambaran umum mengenai distribusi jawaban responden terhadap indikator variabel
penelitian (Sugiyono, 2018).
Contoh Penulisan Naratif Deskripsi Variabel:
"Berdasarkan hasil pengumpulan data dari 120 kuesioner
yang valid, variabel Digital Learning Readiness ($X$) diukur melalui 4
indikator utama: kemandirian belajar, penguasaan teknologi, motivasi intrinsik,
dan efikasi diri digital. Secara akumulatif, nilai rata-rata (mean) dari
variabel $X$ sebesar 4,12 dari skala 5,00. Hal ini mengindikasikan bahwa
mayoritas mahasiswa sampel memiliki kesiapan belajar digital yang berada pada
kategori 'Tinggi'.
Sementara itu, variabel Academic Performance ($Y$)
yang diukur melalui akumulasi nilai capaian pembelajaran semester berjalan
menunjukkan nilai mean sebesar 3,38 (skala IPK 4,00). Sebaran data ini
mencerminkan homogenitas capaian akademis yang stabil, dengan nilai standar
deviasi yang relatif kecil ($SD = 0,24$)."
Bagian 2: Pengujian Persyaratan Analisis (Uji Asumsi
Klasik)
Sebelum melangkah ke uji regresi, data wajib lolos dari uji
asumsi klasik untuk menjamin bahwa model linear yang digunakan bersifat Blue
(Best Linear Unbiased Estimator) (Field, 2018). Pada regresi linear
sederhana, uji yang paling krusial adalah Uji Normalitas dan Uji Linearitas.
[
Data Penelitian (N = 120) ]
│
▼
[ Uji
Persyaratan Analisis (Asumsi) ]
├── Uji
Normalitas (Kolmogorov-Smirnov) -> p = 0,200 (> 0,05) ✓
└── Uji
Linearitas (Deviation from Linearity) -> p = 0,412 (> 0,05) ✓
│
▼ (Lolos Asumsi
Klasik)
[
Analisis Inferensial (Uji Regresi) ]
Contoh Penulisan Uji Normalitas:
"Uji normalitas dalam penelitian ini menggunakan
analisis statistik non-parametrik Kolmogorov-Smirnov berbasis nilai
residual model. Berdasarkan hasil olah data SPSS, diperoleh nilai Asymp. Sig
(2-tailed) sebesar 0,200. Sesuai dengan kriteria pengambilan keputusan,
karena nilai signifikansi $0,200 > 0,05$, maka dapat disimpulkan bahwa data
residual dalam model regresi ini berdistribusi secara normal dan layak
digunakan untuk pengujian selanjutnya."
Bagian 3: Analisis Inferensial dan Pengujian Hipotesis
Bagian ini adalah inti penolakan atau penerimaan hipotesis
melalui pembuktian angka. Dalam regresi linear, tiga komponen utama yang wajib
dilaporkan adalah nilai Koefisien Determinasi ($R^2$), Nilai Uji F (Simultan/Kelayakan
Model), dan Nilai Uji t (Parsial).
Contoh Penulisan Hasil Uji Regresi (Kombinasi Tabel &
Narasi):
|
Model |
R |
R Square |
Adjusted R Square |
Std. Error of the Estimate |
|
1 |
.642 |
.412 |
.407 |
.185 |
"Berdasarkan data pada tabel di atas, diperoleh nilai
Koefisien Determinasi ($R\ Square$) sebesar 0,412. Angka ini menunjukkan bahwa
variabel Digital Learning Readiness ($X$) memberikan kontribusi pengaruh
sebesar 41,2% terhadap Academic Performance ($Y$) mahasiswa. Sementara
sisa sebesar 58,8% dijelaskan oleh variabel atau faktor lain di luar model
penelitian ini yang tidak diteliti."
Contoh Penulisan Hasil Uji t (Uji Hipotesis):
"Berdasarkan output analisis regresi linear sederhana,
nilai koefisien regresi untuk variabel $X$ adalah sebesar 0,485 dengan nilai $t\text{-hitung}$
sebesar 9,103 dan nilai signifikansi ($p\text{-value}$) sebesar 0,000.
Pengujian hipotesis dilakukan dengan membandingkan nilai
signifikansi dengan taraf $\alpha = 0,05$. Karena nilai $0,000 < 0,05$ dan
arah koefisien bernilai positif ($+0,485$), maka Hipotesis Pertama ($H_1$)
dinyatakan diterima. Hal ini membuktikan secara empiris bahwa Digital
Learning Readiness berpengaruh positif dan signifikan terhadap Academic
Performance mahasiswa di masa transisi pasca-pandemi."
Bagian 4: Pembahasan (The Art of Discussion)
Bagian pembahasan adalah pembeda utama antara skripsi yang
bernilai biasa dengan skripsi yang dinilai luar biasa oleh dosen penguji. Di
sini Anda tidak boleh lagi sekadar menulis angka, melainkan mengaitkan temuan
empiris di atas dengan kajian teoretis (Bab II) dan penelitian terdahulu
(Swales & Feak, 2012).
Contoh Penulisan Pembahasan yang Kuat:
"Temuan penelitian ini membuktikan bahwa kesiapan
belajar digital memegang peranan krusial sebesar 41,2% dalam menentukan
keberhasilan akademis mahasiswa di era pasca-pandemi. Setiap peningkatan satu
satuan pada indeks kesiapan digital diprediksi akan menaikkan capaian akademis
sebesar 0,485 poin.
Penjelasan logis atas fenomena ini berkaitan dengan
pergeseran lanskap pendidikan modern. Mahasiswa yang memiliki kemandirian
belajar dan efikasi diri digital yang tinggi tidak lagi mengalami gegar budaya
(culture shock) ketika dihadapkan pada model pembelajaran hibrida (hybrid
learning). Mereka mampu memanfaatkan ekosistem digital untuk mencari referensi
ilmiah tambahan, mengelola waktu secara mandiri, dan berkolaborasi secara
virtual tanpa batas ruang kelas fisik.
Temuan ini berjalan selaras dengan prinsip dasar Self-Regulated
Learning Theory dari Zimmerman (2000), yang menegaskan bahwa individu yang
mampu mengontrol, memotivasi, dan mengarahkan perilakunya sendiri dalam belajar
akan mencapai performa akademis yang jauh lebih optimal. Secara empiris, hasil
penelitian ini juga memperkuat studi mutakhir dari Smith (2022) dan Setiawan
(2024) yang menemukan bahwa adaptabilitas digital berkorelasi linear dengan IPK
mahasiswa di berbagai negara berkembang.
Implikasi praktis dari penelitian ini menekankan bahwa
institusi pendidikan tinggi tidak boleh hanya fokus pada pembangunan
infrastruktur fisik, melainkan wajib menggalakkan program pelatihan literasi
digital dan psikologis mahasiswa guna membentuk ketahanan belajar (learning
resilience) di era digital."
Kesimpulan
Sebuah Bab IV kuantitatif yang sukses lulus ujian adalah bab
yang memiliki benang merah yang tidak terputus. Struktur tulisan harus
mengalir dari penyajian profil data yang jujur, pengujian asumsi yang ketat,
pelaporan angka hipotesis yang presisi, hingga ditutup dengan pembahasan
teoretis yang kaya akan wawasan ilmiah. Dengan mengikuti pola penulisan studi
kasus di atas, draf Bab IV Anda akan tampil kokoh, objektif, dan meyakinkan di
hadapan dewan penguji sidang skripsi.
Daftar Pustaka
- Creswell,
J. W., & Creswell, J. D. (2018). Research design: Qualitative,
quantitative, and mixed methods approaches (5th ed.). SAGE
Publications.
- Field,
A. (2018). Discovering statistics using IBM SPSS statistics (5th
ed.). SAGE Publications.
- Setiawan,
B. (2024). Literasi digital dan hasil belajar mahasiswa di Indonesia. Jurnal
Pendidikan Digital, 12(1), 45-58.
- Smith,
J. (2022). Digital readiness and academic achievement: A global
perspective. Journal of Educational Technology, 35(3),
201-215. https://doi.org/10.1016/j.jedtech.2022.03.004
- Sugiyono.
(2018). Metode penelitian kuantitatif, kualitatif, dan R&D.
Alfabeta.
- Zimmerman,
B. J. (2000). Attaining self-regulation: A social cognitive perspective.
In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of
self-regulation (pp. 13-39). Academic Press. https://doi.org/10.1016/B978-012109890-2/50031-7
Jelajahi |
DAFTAR ISI |