- Pengertian Literasi Data
Dilansir dari Liputan6.com, Presiden Indonesia Ir. Joko Widodo dalam Pidato Kenegaraan 2019 lalu, beliau menyampaikan bahwa “Data merupakan jenis sumber daya baru bagi bangsa Indonesia dan bahkan data kini lebih berharga dari minyak sekalipun”. Oleh karena itu, sekarang ini data menjadi hal yang sangat penting dalam mendorong kemajuan peradaban dan dalam melakukan suatu tindakan ataupun pengambilan keputusan sebaiknya berlandaskan data yang ada.
Sebagai upaya pemerintah dalam menjawab tantangan Revolusi Industri 4.0 tersebut maka pada 17 Januari 2018 lalu digagaslah suatu konsep literasi yang kemudian dinamai dengan “literasi baru” oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi (Kemenristekdikti) yang dimana dalam Literasi baru ini memuat 3 cakupan diantaranya Literasi Data, Literasi Teknologi dan Literasi Manusia dengan tujuan untuk menggantikan konsep literasi lama yang mencakup 3 hal juga yakni Membaca, Menulis dan Berhitung. Salah satu yang menjadi perhatian menarik disini adalah literasi data, yaitu bagaimana sebuah informasi yang memuat fakta diubah menjadi informasi baru dan dijadikan tolak ukur dalam melakukan sebuah tindakan atau mengeluarkan kebijakan. Hal inilah yang kemudian tengah diupayakan berbagai negara di Dunia termasuk Indonesia agar eksistensi kita sebagai negara tidak tergerus oleh perkembangan zaman (Muliastrini, 2019).
Berdasarkan penjelasan dari Ridsdale (Ridsdale dkk, 2016), bahwa literasi data adalah suatu aktifitas seseorang untuk dapat mengumpulkan, melakukan pengolahan, memberikan interpretasi dan melakukan evaluasi, serta mengaplikasikan data secara baik dan benar agar apa yang dilakukan atau diputuskan merupakan hal yang paling tepat.
2. Visualisasi dan analisis deskriptif
- Total Responden
Total responden yang memberikan jawaban dalam riset ini berjumlah 235 orang dan berasal dari 7 jurusan/prodi berbeda.
- Responden berdasarkan jurusan
Terlihat dari diagram garis diatas menunjukan jumlah responden masing-masing jurusan/prodi. Statistika dan Biologi memiliki responden terbanyak.
- Proporsi tiap angkatan
| Angkatan | Frekuensi | Persentase (%) |
| 2019 | 36 | 15.3 |
| 2020 | 124 | 52.8 |
| 2021 | 75 | 31.9 |
Keterangan :
1 = Angkatan 2019
2 = Angkatan 2020
3 = Angkatan 2021
Berdasarkan diagram pie, responden dari angkatan 2020 sebanyak 124 orang (53%), kemudian angkatan 2021 berjumlah 75 orang (32%) dan terakhir angkatan 19 dengan jumlah 36 orang (15%).
- Penyajian hasil jawaban tiap jurusan/prodi
Agar mempermudah dalam melihat dan memahami sebaran data dan membagi data dalam beberapa bagian, maka dibuatlah Box Plot yang memuat nilai statistik lima serangkai. Berikut penyajiannya :
Boxplot skor total :
Pada tabel dan boxplot diatas dapat kita peroleh informasi dalam membagi klasifikasi untuk skor tingkat literasi data tiap jurusan. Berikut pembagian klasifikasinya :
| Ukuran pemusatan | Rentang nilai | Keterangan |
| Min – Q1 | 7 ≤ X < 11 | Rendah |
| Q1 – Q3 | 11 ≤ X < 14 | Sedang |
| Q3 – Max | 14 ≤ X ≤ 18 | Tinggi |
Nilai rataan skor dalam suatu jurusan akan menjadi penentu dalam menentukan kategori dari jurusan tersebut.
– Prodi Pendidikan IPA
Berikut nilai ukuran pemusatan data :
| Median | Rataan |
| 12 | 11.40625 |
Berdasarkan nilai rataan, maka Prodi Pend. IPA dapat diklasifikasikan sebagai berikut :
X = 11,4
Sehingga : 11 ≤ X < 14 dan dapat disimpulkan tingkat literasi data prodi Pend. IPA termasuk dalam kategori Sedang.
Uji normalitas :
Taraf alfa = 0,01
| > shapiro.test(IPA$ipa) Shapiro-Wilk normality test data: IPA$ipa W = 0.97027, p-value = 0.5068 |
– Prodi Statistika
| Median | Rataan |
| 14 | 14.10256 |
X = 14,10
Sehingga : 14 ≤ X ≤ 18 dan dapat disimpulkan tingkat literasi data prodi Statistika termasuk dalam kategori Tinggi.
Uji Normalitas :
| > shapiro.test(STAT$stat) Shapiro-Wilk normality test data: STAT$stat W = 0.9658, p-value = 0.2768 |
– Jurusan Matematika
| Median | Rataan |
| 12 | 12.70968 |
X = 12,7
Sehingga : 11 ≤ X < 14 dan dapat disimpulkan tingkat literasi data Jurusan Matematika termasuk dalam kategori Sedang.
Uji Normalitas :
| > shapiro.test(MTK$mtk) Shapiro-Wilk normality test data: MTK$mtk W = 0.95548, p-value = 0.2206 |
– Jurusan Kimia
| Median | Rataan |
| 13 | 13.29032 |
X = 13,3
Sehingga : 11 ≤ X < 14 dan dapat disimpulkan tingkat literasi data Jurusan Kimia termasuk dalam kategori Sedang.
Uji Normalitas :
| > shapiro.test(KIMIA$kimia) Shapiro-Wilk normality test data: KIMIA$kimia W = 0.95298, p-value = 0.1886 |
– Jurusan Biologi
| Median | Rataan |
| 11 | 11.07692 |
X = 11,07
Sehingga : 11 ≤ X < 14 dan dapat disimpulkan tingkat literasi data Jurusan Biologi termasuk dalam kategori Sedang.
Uji Normalitas :
| > shapiro.test(BIO$bio) Shapiro-Wilk normality test data: BIO$bio W = 0.93356, p-value = 0.02341 |
– Jurusan Fisika
| Median | Rataan |
| 12 | 12.5625 |
X = 12,56
Sehingga : 11 ≤ X < 14 dan dapat disimpulkan tingkat literasi data Jurusan Fisika termasuk dalam kategori Sedang.
Uji Normalitas :
| > shapiro.test(FIS$fis) Shapiro-Wilk normality test data: FIS$fis W = 0.96923, p-value = 0.4785 |
– Jurusan Geografi
| Median | Rataan |
| 12 | 12.12903 |
X = 12,13
Sehingga : 11 ≤ X < 14 dan dapat disimpulkan tingkat literasi data Jurusan Geografi termasuk dalam kategori Sedang.
Uji Normalitas :
| > shapiro.test(GEO$geo) Shapiro-Wilk normality test data: GEO$geo W = 0.94876, p-value = 0.1443 |
- Rangkuman hasil analisis deskriptif
Hasil rangkuman dan klasifikasi tingkat literasi data mahasiswa FMIPA UNM berdasarkan Jurusan/Prodi disajikan dalam tabel berikut :
| Jurusan/Prodi | Nilai Rataan | Kategori | Normalitas Data |
| Pend. IPA | 11,4 | Sedang | Normal |
| Statistika | 14,1 | Tinggi | Normal |
| Matematika | 12,7 | Sedang | Normal |
| Kimia | 13,3 | Sedang | Normal |
| Biologi | 11,07 | Sedang | Normal |
| Fisika | 12,56 | Sedang | Normal |
| Geografi | 12,13 | Sedang | Normal |
Terdapat satu jurusan dengan nilai skor rataan terendah yaitu Biologi. Sedangkan prodi Statistika memiliki nilai skor rataan tertinggi dan termasuk dalam kategori klasifikasi “Tinggi” sedangkan 6 jurusan/prodi lain tergolong dalam kategori klasifikasi “Sedang”.
3. Analisis inferensial
Dari informasi yang didapat pada analisis deskriptif sebelumnya, kita dapat melakukan salah satu jenis uji hipotesis dengan menggunakan data-data hasil survei. Analisis inferensial yang dilakukan bertujuan untuk menguji apakah dengan taraf alfa 1% terdapat perbedaan signifikan dari tiap jurusan/prodi dalam hal tingkat literasi data. Metode analisis yang digunakan adalah Uji Anova satu arah. Uji tersebut merupakan jenis uji parametrik yang mensyaratkan data harus berdistribusi normal dan tiap variabel adalah homogen.
Berikut Uji Anova untuk skor tingkat literasi data mahasiswa FMIPA UNM :
Uji Asumsi Klasik
– Uji Normalitas
Untuk uji normalitas, sudah terpenuhi karena data di semua jurusan/prodi terdistribusi normal
– Uji Homogenitas
| > leveneTest(dataAnova$skornilai~dataAnova$Jurusan, center=mean) Levene’s Test for Homogeneity of Variance (center = mean) Df F value Pr(>F) group 6 1.3066 0.2551 228 |
Pada Pr(>F) yang merupakan nilai P-value nya bernilai 0,2551 yang artinya nilai p-value (0,2551) > alfa (0,01) sehingga dapat disimpulkan data homogen.
Hipotesis :
H0 : Tidak terdapat perbedaan signifikan antara 7 jurusan/prodi di FMIPA UNM dalam hal tingkat literasi data.
H1 : Terdapat setidaknya 1 jurusan/prodi yang berbeda signifikan dari 6 jurusan/prodi lain di FMIPA UNM dalam hal tingkat literasi data.
Taraf alfa : 1% (0,01)
Statistik uji :
Uji Anova satu arah
Perhitungan :
| Anova: Single Factor | ||||||
| SUMMARY | ||||||
| Groups | Count | Sum | Average | Variance | ||
| ipa | 32 | 365 | 11.40625 | 4.700605 | ||
| kimia | 31 | 412 | 13.29032 | 4.67957 | ||
| bio | 39 | 432 | 11.07692 | 5.651822 | ||
| stat | 39 | 550 | 14.10256 | 4.831309 | ||
| geo | 31 | 376 | 12.12903 | 4.182796 | ||
| fis | 32 | 402 | 12.5625 | 4.96371 | ||
| mtk | 31 | 394 | 12.70968 | 2.87957 | ||
| ANOVA | ||||||
| Source of Variation | SS | df | MS | F | P-value | F crit |
| Between Groups | 242.3594 | 6 | 40.39324 | 8.769343 | 1.33E-08 | 2.881885 |
| Within Groups | 1050.211 | 228 | 4.606188 | |||
| Total | 1292.57 | 234 |
Diperoleh hasil yaitu :
Nilai F hitung = 8,77
Nilai F kritis = 2,88
P-value = 1,33e-08
Kriteria keputusan
Tolak H0 jika F hitung > F kritis.
Pada hasil diatas menunjukan F hitung (8,77) > F kritis (2,88) sehingga dapat diputuskan bahwa tolak H0.
Dari hasil uji diatas dapat disimpulkan bahwa dengan taraf alfa 1% cukup bukti untuk menyatakan bahwa terdapat setidaknya 1 jurusan/prodi yang berbeda signifikan dari 6 jurusan/prodi lain di FMIPA UNM dalam hal tingkat literasi data.
4. Penutup
Kesimpulan :
Kemampuan literasi data menjadi skill yang harus dimiliki saat sekarang ini, dikarenakan perkembangan zaman yang semakin pesat menuntut kita untuk mampu bersaing di era revolusi industri seperti ini. Salah satu kemampuan yang dapat menjawab tantangan kemajuan zaman ini adalah kemampuan literasi data yang memadai.
Berdasarkan hasil analisis data dan hasil yang diperoleh diatas, dapat disimpulkan bahwa hasil klasifikasi tingkat literasi data mahasiswa FMIPA UNM rata-rata berada pada kategori “Sedang” dan hanya terdapat satu program studi dengan tingkat literasi data dengan kategori “Tinggi”. Kemudian dilakukan uji hipotesis untuk menjawab dugaan bahwa tingkat literasi data mahasiswa FMIPA UNM adalah tidak berbeda signifikan dengan taraf alfa 1% dan berdasarkan hasil Uji Anova satu arah diperoleh hasil bahwa setidaknya ada 1 jurusan/prodi yang berbeda signifikan dari 6 jurusan/prodi lain di FMIPA UNM dalam hal tingkat literasi data.
Saran :
Untuk setiap mahasiswa FMIPA UNM sangat disarankan agar meningkatkan kemampuan literasi data dan tidak terkecuali dari jurusan apapun. Kemampuan literasi data harus dikuasai agar mampu beradaptasi di era revolusi industri yang semakin maju. Dalam hal peningkatan literasi data, sebaiknya jurusan/prodi turut serta dalam membantu mahasiswa dalam memberikan wadah sehingga tingkat literasi data di FMIPA UNM tersebar secara merata.
Referensi
Muliastrini, N. K. (2019). Penguatan Literasi Baru (Literasi Data,Teknologi, Dan Sdm/Humanisme) Pada Guru -Guru Sekolah Dasar Dalam Menjawabtantangan Era Revolusi Industri 4.0. PROSIDING STKIP Agama Hindu Amlapura 2019 (pp. 88-100). Bali: STKIP Agama Hindu Amlapura.
Ridsdale, C., Rothwell, J., Ali-Hassan, H., Bliemel, M., Irvine, D., Kelley, D., . . . Wuetherick, B. (2016). Data Literacy: A Multidisciplinary Synthesis. Proceedings of the Nineteenth SAP Academic Conference Americas, San Diego, California (pp. 1-4). California: Nineteenth SAP Academic.