VALIDITAS INTERNAL DAN VALIDITAS EKSTERNAL

Pada dasarnya instrumen terbagi atas instrumen berbentuk tes misalnya untuk mengukur prestasi atau capaian atas pembelajaran dan instrumen berbentuk non tes untuk mengukur sikap. Tes merupakan prosedur sistematis untuk melakukan pengamatan terhadap perilaku seseorang dan mendeskripsikan perilaku tersebut dengan bantuan skala angka atau suatu sistem penggolongan (Cronbach, 1004). 

Instrumen berbentuk tes jawabannya ada benar atau salah, namun instumen sikap tidak demikian tetapi bersifat positif atau negatif. pada dasarnya instrumen yang baik adalah instrumen yang valid dan reliabel.
Seperti penjelasan pada postingan sebelumnya sudah dijelaskan mengenai validitas dan reliabilitas secara umum. Dikatakan bahwa instrumen yang valid harus memiliki validitas internal dan validitas eksternal. Instrumen yang memiliki validitas internal bila kriteria dalam instrumen secara teoritis telah mencerminkan apa yang hendak diukur. Sedangkan validitas eksternal bila kriteria dalam instrumen disusun berdasarkan fakta empiris yang ada. (Sugiyono, 2008).

Validitas internal instrumen berbentuk tes harus memenuhi validitas konstruk dan validitas isi. Sedangkan validitas internal untuk instrumen berbentuk non tes cukup memenuhi validitas konstruk saja.

Instrumen yang memiliki validitas konstruk disusun berdasarkan teori yang relevan. Instrumennya dapat mengukur gejala sesuai dengan yang didefinisikan. Misalnya mengukur motivasi kerja, maka perlu didefinisikan terlebih dahulu motivasi kerja berdasarkan teori yang relevan. Selanjutnya baru siapkan instrumen sesuai dengan definisi tersebut. Seperti yang dilakukan penelitian mahasiswa pada tugas akhir. Jika teori sudah benar maka hasil pengukuran dengan instrumen berdasarkan teori pun sudah dipandang sebagai hasil yang valid. (Sutrisno).

Instrumen yang memiliki validitas isi merupakan instrumen yang berbentuk tes yang dapat mengukur prestasi, capaian ataupun efektivitas pelaksanaan suatu program. Instrumen prestasi / capaian harus disusun berdasarkan materi yang diajarkan sedangkan instrumen untuk mengetahui efektivitas pelaksanaan program harus disusun berdasarkan program yang telah direncanakan.

Selanjutnya, menguji validitas eksternal yaitu dengan cara membandingkan / mencari kesamaan antara kriteria yang ada pada instrumen dengan fakta empiris yang ada di lapangan. Misalnya penelitian mengukur motivasi kerja, maka kriteria pada instrumen motivasi kerja dibandingkan dengan catatan-catatan yang ada dilapangan mengenai motivasi kerja. Jika terdapat kesamaan maka dapat dinyatakan instrumen tersebut memiliki validitas eksternal yang tinggi. Sehingga hasil penelitian akan memiliki validitas yang tinggi pula. Penelitian yang memiliki validitas eksternal, bila hasil penelitian dapat digeneralisasikan pada sampel lain dalam populasi yang diteliti. Untuk meningkatkannya dapat dialkukan dengan cara menambah ukuran sampel.

by MEYF.


Materi selanjutnya kita akan bahas mengenai uji Validitas dengan menggunakan analisis faktor.

Read More

~"CONTOH - INTERPRETASI HASIL ANALISIS FAKTOR "~

Dari hasil olahan data analisis faktor pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.00. Maka dapat kita interpretasikan hasil analisisnya sebagai berikut :

Dari hasil olahan data tersebut dengan rumusan masalah adalah untuk mengetahui faktor-faktor perilaku rumah tangga dan belanja. Dalam hal ini untuk mereduksi 7 variabel (X1, X2, X3, X4, X5, X6 dan X7) menjadi lebih sedikit atau kurang dari 7 variabel. Metode yang digunakan adalah Principal Component Analysis.

Uji analisis kelayakan data dengan menggunakan KMO Bartlett Tes't diperoleh bahwa nilai KMO sebesar 0,550 yaitu lebih besar dari 0,50 hal ini menunjukkan bahwa sampel cukup untuk dilakukan analisis faktor. Selanjutnya pada uji Bartlett's Test of Sphericity sebesar 0,000 artinya ada korelasi antar variabel atau ketujuh variabel tersebut atau dalam bentuk statistika bahwa matriks korelasi bukan matrik identitas. Hal ini dapat dilihat pada gambar 1 berikut :

Gambar 1. Hasil KMO dan Uji Bartlett

Selanjutnya metode yang dipilih adalah metode Principal Component Analysis yaitu dengan mempertimbangkan nilai variannya. Maka dilakukan penentuan jumlah faktor yaitu dengan menggunakan nilai eigen, atau scree plot atau persentase varians. Dalam hal ini akan dibahas ketiganya. 

1. Penentuan jumlah faktor dengan nilai eigen 

Banyaknya faktor ditentukan dengan nilai eigen yang lebih dari 1. Dari gambar 2 di bawah pada kolom Initial Eigenvalues - Total yang memiliki nilai eigen lebih dari 1 ada sebanyak 3 component. Artinya terdapat tiga faktor yang terbentuk. 

Gambar 2. Total Variance Explained

2. Penentuan jumlah faktor dengan persentase varians

Dari gambar 2 di atas, persentase varians terletak pada kolom Initial Eigenvalues - Cumulative %. Jika dilihat per tahapan, 1 faktor (component) besarnya persentase varians sebesar 35,505 persen artinya sekitar 35,505 persen variasi varian dari tujuh variabel dapat dijelaskan oleh 1 faktor, tentu nilai  ini masih kurang dari 60 persen. Untuk 2 faktor (component) besarnya persentase varians sebesar 51,518 persen artinya sekitar 51,518 persen variasi varian dari tujuh variabel  dapat dijelaskan oleh dua faktor. Nilai persentase ini masih kurang dari 60 persen. Selanjutnya jika diambil 3 faktor (component) besarnya persentase varians sebesar 80,649 persen artinya sekitar 80,649 persen variasi varian dari tujuh variabel dapat dijelaskan oleh tiga faktor. Nilai ini sudah lebih dari 60 persen. Dan jika dilihat dari nilai eigennya, sampai tiga faktor (component) nilai eigen sudah lebih dari 1. Jadi dapat disimpulkan bahwa faktor yang terbentuk adalah sebesar 3 faktor.

3. Penentuan jumlah faktor dengan scree plot

Scree plot atau plot patahan dapat menentukan jumlah faktor yang terbentuk. Jumlah patahan yang tajam menunjukkan banyaknya faktor yang terbentuk. Dari gambar di bawah terdapat tiga garis patahan yang tajam, sedangkan patahan ke empat sampai ke tujuh tidak terlalu tajam. Sehingga dapat disimpulkan bahwa faktor yang terbentuk adalah sebanyak 3 faktor.

Gambar 3. Scree Plot

Jadi terdapat tiga faktor yang mewakili tujuh item tersebut. Dan sekitar 80,649 persen variasi dari varians tujuh item dapat dijelaskan oleh tiga faktor.

Setelah banyaknya faktor ditentukan, selanjutnya adalah menentukan variabel mana yang masuk ke dalam ketiga faktor tersebut. Yaitu dengan menggunakan matrik rotasi dengan metode varimax yang dapat dilihat pada gambar 4 berikut :

Gambar 4. Matrik Faktor Rotasi

Dari gambar 4 di atas, variabel yang membentuk faktor tertentu adalah variabel yang memiliki nilai korelasi tertinggi. Variabel X1 memiliki nilai korelasi 0,897 pada faktor/component 1 artinya variabel X1 membentuk Faktor 1. Selanjutnya jika dilihat secara keseluruhan maka faktor 1 dapat dibentuk oleh variabel X1, X3, dan X5. Ketiga variabel ini saling berkorelasi sehingga membentuk faktor 1. Faktor 2 dibentuk oleh korelasi X4 dan X7 dan faktor 3 dibentuk oleh korelasi variabel X2 dan X6. 

Faktor yang terbentuk ini selanjutnya dapat diinterpretasikan dengan memberikan nama terhadap masing-masing faktor. Tentunya didasarkan pada teori dan variabel yang membentuk.

Sebagai contoh : 

Jika dilihat dari soal sebelumnya pada contoh penggunaan analisis faktor dimana tujuh variabel tersebut yang membentuk faktor adalah 

Faktor 1 :

X1 = saya lebih baik tinggal di rumah daripada pergi pesta

X3 = majalah lebih menarik daripada bioskop

X5 = saya termasuk homebody

Faktor 2 :

X4 = saya tidak mau membeli produk yang diiklankan di billboard

X7 = perusahaan banyak menghabiskan uang untuk membiayai iklan

Faktor 3 :

X2 = saya selalu mengecek harga walaupun pada barang murah

X6 = saya menyimpan dan membelanjakan kupon

selanjutnya penamaan ditentukan oleh teori dan variabel yang membentuk. Misalnya faktor 1 diberi nama faktor perilaku pribadi, faktor 2 diberi nama faktor penjualan dan faktor 3 diberi nama faktor pembelian. Atau lainnya dikaitkan dengan teori yang ada.

Untuk menghitung faktor skor dalam hal ini menggunakan Anderson-Rubin dalam IBM SPSS 21.00 sudah langsung diperoleh nilai faktor 1, faktor 2 dan faktor 3. Dan setiap faktor memiliki model faktor yang dapat digunakan untuk menghitung skor faktor tersebut. Membentuk skor faktor dapat didasarkan pada gambar 5 berikut ini :

Gambar 5. Matrik Koefisien Skor Faktor

Berikut model faktor tersebut :

Faktor 1 = 0,391X1 + 0,10X2 + 0,302X3 + 0,170X4 + 0,405X5 - 0,008X6 - 0,086X7

Faktor 2 = 0,020X1 - 0,048X2 - 0,189X3 + 0,542X4 + 0,211X5 + 0,145X6 + 0,461X7

Faktor 3 = -0,048X1 + 0,530X2 + 0,043X3 + 0,059X4 + 0,021X5 + 0,595X6 + 0,035X7

Dan hasil skor faktor yang terbentuk di data view IBM SPSS 21.00 dapat digunakan untuk analisis lebih lanjut.

Gambar 6. Hasil Skor Faktor Anderson-Rubin

by MEYF

Read More

INTERPRETASI HASIL ANALISIS FAKTOR DENGAN IBM SPSS

Ini adalah lanjutan dari artikel yang sudah pernah di posting beberapa tahun yang lalu yaitu Analisis Faktor dan Langkah-Langkah Analisis Faktor dengan IBM SPSS 21. Dalam materi kali ini yang dibahas adalah langkah-langkah analisis faktor langsung menggunakan IBM SPSS 21.00 dan interpretasi hasilnya. Data yang digunakan dapat dilihat pada Langkah-Langkah Analisis Faktor dengan IBM SPSS 21.
Untuk lebih singkatnya dapat dilihat video berikut :

Read More

CARA MEMBUAT DIAGRAM LINGKARAN

Kali ini kita membahas cara membentuk diagram lingkaran secara manual. Sangat mudah tapi sering terlupakan. Silahkan tonotn penjelasan lengkapnya melalui video berikut ini :

Read More

CONTOH PERHITUNGAN MANUAL ANALISIS KORELASI METODE PRODUK MOMEN - MENGGUNAKAN MS EXCEL

Berikut adalah video mengenai contoh perhitungan manual analisis korelasi sedehana metode Pearson Produk Momen yaitu variabel X dan Y dimana variabel X adalah tinggi badan dan variabel Y adalah berat badan dari 12 orang sebagai sampel. Dan akan diukur seberapa kuat hubungan atau korelasi antara tinggi badan dan berat badan tersebut. Berikut penjelasannya dapat dilihat pada link video berikut ini :

Read More

CONTOH PERHITUNGAN MANUAL ANALISIS KORELASI METODE LEAST SQUARE - MENGGUNAKAN MS EXCEL

Berikut adalah video mengenai contoh perhitungan manual analisis korelasi sedehana metode Least Square yaitu variabel X dan Y dimana variabel X adalah tinggi badan dan variabel Y adalah berat badan dari 12 orang sebagai sampel. Dan akan diukur seberapa kuat hubungan atau korelasi antara tinggi badan dan berat badan tersebut. Berikut penjelasannya dapat dilihat pada link video berikut ini :

Read More

CONTOH ANALISIS REGRESI LINEAR SEDERHANA MENGGUNAKAN MS EXCEL

Pada postingan sebelumnya sudah diberikan contoh mengenai Analisis Regresi Linear Sederhana dengan perhitungan manual. Kali ini akan kita bahas contoh lain dari Analisis Regresi Linear Sederhana menggunakan MS Excel.

Dalam kasus ini diberikan contoh dua kejadian atau dua variabel yaitu berat badan sebagai variabel terikat Y dan tinggi badan sebagai variabel bebas X. Terdapat 12 data sampel dari orang yang diukur tinggi dan berat badannya.
Dengan menggunakan analisis regresi linear sederhana menggunakan MS Excel diperoleh Persamaan Regresi :

Y = 31,38 + 0,23X + error

Berikut video mengenai langkah-langkah perhitungannya :

Silahkan klik :

Semoga bermanfaat

Terimakasih ^_^

Read More

PENJELASAN LANJUTAN ANALISIS CLUSTER / KLASTER

Perbedaan mendasar analisis faktor dengan analisis klaster terletak pada apa yang dikelompokkan/direduksinya. Dalam analisis faktor mengelompokkan variabel namun pada analisis klaster mengelompokkan objek/responden. Jika data sudah diinput dalam suatu worksheet pengolahan data, maka yang membedakan keduanya yaitu pada analisis faktor meengelompokkan kolom sedangkan pada analisis klaster mengelompokkan baris. Pengelompokkan ini didasarkan pada klasifikasi objek atau responden/kasus dalam kelompok yang homogen. Kelompok homogen ini disebut klaster.

Analisis klaster telah digunakan dalam pemasaran dengan berbagai tujuan (menurut J.Supranto, 2004) sebagai berikut :

1. Tujuan membuat segmen pasar.

2. Memahami perilaku membeli

3. Mengenali peluang produk baru

4. Memilih uji pasar

5. Mereduksi data

Langkah-langkah dalam analisis klaster sebagai berikut :

1. Merumuskan masalah pengklasteran dengan mendefinisikan variabel yang digunakan.

2. Memilih ukuran jarak atau similaritas. Ukuran kemiripan yang paling biasa digunakan adalah jarak Euclidean yaitu akar dari jumlah kuadrat deviasi.

3. Memilih prosedur pengklasteran apakah hirarki atau non hirarki. Biasanya dalam pemasaran menggunakan metode hirarki aglomeratif.

4. Menentukan banyaknya klaster, tidak ada aturan baku, namun sebagai pertimbangan dapat digunakan hal berikut ini :

a. Pertimbangan teoritis, konseptual, dan praktis

b. Dalam klaster hirarki dapat menggunakan jarak

c. Dalam klaster Non-Hirarki dapat menggunakan rasio jumlah varian dalam klaster dengan antar klaster dapat diplotkan . Titik dimana suatu siku atau lekukan tajam terjadi menunjukkan banyaknya klaster.

5. Menginterpretasikan profil klaster

6. Menguji reliabilitas dan validitas klaster.

Hal ini dapat juga dilihat pada gambar 1 berikut ini :

Gambar 1. Langkah-langkah Analisis Klaster

Sumber : Supranto, 2004.

Klasifikasi prosedur pengklasteran dapat dilihat pada gambar 2 berikut ini :

Gambar 2. Klasifikasi Prosedur Pengklasteran

Sumber : Supranti, 2004

Selanjutnya kita bahas secara singkat masing-masing prosedur :
1. Klaster Hirarki
Diawali dengan pengelompokkan dua atau lebih objek yang memiliki kesamaan paling dekat. Selanjutnya masing-masing kelompok lakukan lagi pengelompokkan yang memiliki kesamaan paling dekat, demikian seterusnya hingga tidak ada yang mirip. Metode ini terlihat seperti akar pohon. Biasanya menggunakan dendogram dalam membantu menjelaskan proses hirarkinya.

Metode klaster hirarki terbagi atas dua yaitu :
a. Agglomerative = pemusatan --> setiap objek dianggap sebuah klaster, lalu cari yang mirip dan digabungkan menjadi klaster baru, dst.
b. Divisive = penyebaran --> sebuah klaster besar yang terdiri dari keseluruhan objek, lalu ketidakmiripan objek yang paling tinggi dipisahkan, dst.

2. Klaster Non-Hirarki
Diawali dengan menentukan jumlah klaster yang diinginkan apakah dua, tiga, dst. Selanjutnya proses klaster dilakukan tanpa mengikuti proses hirarki yang biasa disebut juga K-Means Cluster. Langkah-langkahnya :
a.   Memilih klaster pusat
b.   Semua objek dalam jarak tertentu ditempatkan pada klaster yang terbentuk.
c. Memilih klaster selanjutnya dan menempatkan kembali objek sampai objek semuanya ditempatkan.

Beberapa istilah jenis-jenis analisis klaster :
Single Linkage : Didasarkan pada jarak terkecil, jika jaraknya berdekatan maka akan menjadi satu klaster.
Complete Linkage : Didasarkan pada jarak terjauh, jika jaraknya berjauhan maka akan mejadi beda klaster.
Average Linkage : Didasarkan pada rata-rata jarak seluruh individu dalam klaster dengan jarak seluruh individu dalam klaster yang lain.
Ward's Methods : Didasarkan pada jumlah Sum of Square dua klaster pada masing-masing variabel
Sequential Tresholds Methods : Diawali dengan pemilihan satu klaster, kemudian penempatan objek dengan jarak tertentu, lalu lanjut dengan penempatan objek jarak tertentu lainnya, dan seterusnya.
Parallel Treshold Methods : Diawali dengan memilih sejumlah klaster secara bersamaan dan menempattkan objek ke dalamnya. Jika ada yang tidak bisa ditempatkan, maka objek itu dibiarkan saja.
Optimization Methods : Menempati objek dengan optimal yaitu memungkinkan kembali objek untuk ditempatkan.

Langkah analisis klaster lainnya yaitu interpretasi hasil maksudnya adalah memberi nama spesifik untuk menggambarkan isi klaster. Dalam melakukan analisis klaster diperlukan uji asumsi yaitu sampel benar-benar mewakili populasi dan uji multikolinearitas.


by MEYF

Read More

PENDAHULUAN ANALISIS CLUSTER

Tujuan analisis ini adalah untuk mengelompokkan objek ke dalam kelompok yang sama berdasarkan sifat kemiripan atau ketidakmiripan antar objek. Lain halnya dengan analisis faktor yaitu mengelompokkan variabel yang saling berkorelasi. Ketidakmiripan objek diukur berdasarkan jarak misalnya menggunakan jarak  Euclid, dll.

Variabel yang digunakan didasarkan pada hasil penelitian sebelumnya, teori, hipotesis yang sudah diuji atau pertimbangan dari peneliti yang senior (berpengalaman).

Metode analisa kluster terdiri dari :

1. Metode grafik

Metode grafik adalah metode yang sederhana dalam mengelompokkan responden. Didasarkan kemiripan arah grafik yang sama. Metode grafik ini efektif untuk data yang sedikit.

2. Metode berhirarki

Metode ini digunakan bila banyaknya kelompok yang akan dibentuk belum diketahui sebelumnya dan jumlah objek amat relatif kecil. Pembentukan kluster didasarkan pada kuat tidaknya hubungan antar objek.

3. Metode tak berhirarki

Metode ini disebut juga K-Meana Cluster. Metode ini lebih cepat dibandingkan metodr hirarki dan lebih menguntungkan jika jumlah objek/kasus atau observasi besar sekali (sampel besar)

Namun metode hirarki dan non hirarki disarankan dipergunakan secara berdampingan.

Read More

PARADIGMA PENELITIAN

Paradigma penelitian merupakan pola pikir yang menunjukkan hubungan antar variabel yang akan diteliti. Berdasarkan hal tersebut, maka penelitian yang merumuskan paradigma adalah penelitian yang bersifat asosiatif.

Paradigma penelitian dapat digunakan sebagai panduan dalam hal:

•        Merumuskan masalah
•        Merumuskan hipotesis
•        Menentukan teknik statistic yang akan digunakan

Paradigma Sederhana

Menunjukkan hubungan satu variabel independen (X) dengan satu variabel dependen (Y).

Contoh : X = Penampilan kerja dan Y = Produktivitas kerja

Gambar 1. Paradigma Sederhana

Berdasarkan paradigma tersebut maka dapat ditentukan rumusan masalah deskriptif untuk variabel dependen dan variabel independen. Dan selanjunya dapat ditentukan rumusan masalah asosiatif atau hubungan antara variabel dependen dan variabel independen.

Paradigma Sederhana Berurutan

Menunjukkan hubungan antara satu variabel dengan variabel lain secara berurutan.

Contoh : X1 = Tata ruang kantor; X2 = Penghasilan; X3 = Prestasi kerja dan Y = Kesejahteraan

Gambar 2. Paradigma Sederhana Berurutan

Untuk mencari hubungan antar variabel dapat digunakan korelasi sederhana.

Paradigma Ganda dua Variabel Independen

Menunjukkan hubungan bersama-sama antara X1 dengan  X2 terhadap Y

Contoh : X1 = Tata ruang kantor; X2 = Kepemimpinan dan Y = Kelancaran kerja

Gambar 3. Paradigma Ganda Dua Variabel Independen

Terdapat tiga rumusan masalah deskriptif dan empat rumusan masalah asosiatif yaitu tiga korelasi sederhana dan satu korelasi ganda.

Paradigma Ganda dengan Tiga Variabel Independen

Contoh : X1 = Pemahaman terhadap tugas; X2 = Kepemimpinan; X3 = Kepuasan kerja dan Y  = Produktivitas kerja

Gambar 4. Paradigma Ganda dengan Tiga Variabel Independen

Terdapat empat rumusan masalah deskriptif dan enam korelasi sederhana serta minimal satu korelasi ganda.

Paradigma Ganda dengan Dua Variabel Dependen

Contoh : X1 = Tingkat pendidikan; Y1 = Kepuasan kerja dan Y2 = Kematangan kerja 

Gambar 5. Paradigma Ganda dengan Dua Variabel Dependen

Terdapat tiga rumusan masalah deskriptif dan tiga korelasi sederhana antara X1 dengan Y1, X1 dengan Y2 dan Y1 dengan Y2. Analisis regresi juga dapat digunakan.

Paradigma Jalur Sederhana

Contoh : X1 = Status Social Ekonomi; X2 = IQ; X3 = Motivasi berprestasi dan Y = Prestasi

Gambar 6. Paradigma Jalur Sederhana

Terdapat tiga variabel independen dengan satu variabel dependen. Teknik yang digunakan dinamakan path analisys. Analisis dilakukan dengan menggunakan korelasi, regresi dan jalur sehingga dapat diketahui untuk sampai pada variabel dependen terakhir, harus lewat jalur langsung atau melalui variabel intervening. Terdapat empat rumusan masalah deskriptif dan enam masalah rumusan masalah hubungan jalur.

Paradigma Jalur Ganda

Contoh : X1 = Kematangan pribadi; X2 = Gaya kepemimpinan; X3 = Wibawa kepemimpinan; X4 = Kematangan guru; X5 = Gaya kepemimpinan; X6 = Wibawa kepemimpinan kepala sekolah dan Y = Hasil belajar. 

Gambar 7. Paradigma Jalur Ganda

Reference : 

- Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta. Bandung.

- Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R & B. Bandung.

- Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Mediakom. Yogyakarta.

Read More

VARIABEL PENELITIAN

Variabel penelitian pada dasarnya adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya.

Menurut Hatch dan Farhady (1981), variabel sebagai atribut seseorang atau obyek yang mempunyai variasi antara satu orang dengan yang lain atau obyek. Menurut Kerlinger (1973) variabel adalah konstruk atau sifat yang akan dipelajari. Menurut Kidder (1981) variabel adalah suatu kualitas dimana peneliti mempelajari dan menarik kesimpulan darinya.

Jadi variabel adalah suatu atribut atau sifat atau nilai dari orang, obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.

Jenis-jenis variabel berdasarkan hubungan antara satu variabel dengan variabel lainnya:

1.  Variabel independen. Nama lainnya adalah variabel bebas, stimulus, predictor, antecendent. Yaitu variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen.
2. Variabel dependen. Nama lainnya adalah variabel tak bebas, terikat, output, kriteria atau konsekuen. Yaitu variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel independen.
3. Variabel Moderator. Variabel yang mempengaruhi (memperkuat atau memperlemah) hubungan antara variabel independen dengan variabel dependen. Atau disebut juga variabel independen kedua.
4. Variabel Intervening. Variabel yang secara teoritis mempengaruhi hubungan antara variabel dependen dengan variabel independen yang menjadi hubungan yang tidak langsung dan tidak dapat diamati atau diukur.



Contoh Hubungan Variabel Independen, Dependen, Intervening dan Moderator

5. Variabel Kontrol. Variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel independen terhadap dependen tidak dipengaruhi oleh factor luar yang tidak diteliti. Biasa sdigunakan peneliti untuk penelitian yang bersifat membandingkan.

Contoh Hubungan Variabel Independen, Dependen dan Kontrol

Untuk dapat melihat manakah variabel independen, dependen, moderator, intervening atau pun variabel kontrol, kita harus tahu konteksnya dengan dilandasi dengan konsep teoritis yang mendasari maupun hasil dari pengamatan yang empiris.

Untuk itu sebelum peneliti memilih variabel apa yang akan diteliti perlu melakukan kajian teoritis dan melakukan studi pendahuluan terlebih dahulu pada objek yang akan diteliti. 

Reference:

- Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta. Bandung.

- Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R & B. Bandung.

- Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Mediakom. Yogyakarta.

Read More

MENGAPA MENGGUNAKAN SAMPEL DALAM PENELITIAN

Dalam statistika dikenal istilah sampel dan populasi. Sampel adalah bagian dari Populasi. Kalau dalam bahasa matematika dikenal himpunan bagian, maka sampel adalah himpunan bagian dari populasi. Istilah populasi adalah suatu kelompok subjek/objek yang menjadi pusat perhatian dalam penelitian. 

Jumlah anggota dalam populasi lebih banyak dibandingkan dalam sampel. 

Dalam penelitian, populasi merupakan pusat perhatian bagi peneliti yang memiliki jumlah sangat besar, sehingga memerlukan biaya yang besar untuk melakukannya. Karena keterbatasan biaya dan waktu sehingga menjadi tidak praktis melakukan penelitian terhadap seluruh populasi. 

Sampel sebagai bagian dari populasi, sehingga memungkinkan sampel dapat mewakilkan dan memberikan informasi mengenai populasi dan dengan menggunakan sampel dapat mengatasi keterbatasan biaya dan waktu tersebut, yang mempengaruhi ukuran sampel adalah 

• Ketepatan sampel yaitu seberapa dekat nilai yang diperkirakan dari nilai populasi sebenarnya.
• Nilai perbandingan populasi yang digunakan dalam perhitungan besar sampel (nilai p).
• Varian populasi (saat menggunakan data variabel).

Dengan ketepatan sampel yang sama, untuk varian data yang tinggi memerlukan ukuran sampel yang besar dibandingkan untuk varian data yang rendah.

Dilain hal, untuk data atribut dan variabel, semakin tinggi nilai ketepatan sampel yang diharapkan maka semakin besar ukuran sampel yang dibutuhkan.

Note : Data populasi ada dua bagian yaitu data atribut dan data variabel. Data atribut fokus pada satu atau lebih ciri-ciri nonnumerik dari populasi yang menjadi sampel dan data variabel adalah fokus pada satu atau lebih ciri-ciri numerik dari populasi yang menjadi sampel. 

Reference :

- Kazmier. 2004. Statistik Untuk Bisnis. Scahum's Easy Outlines. Erlangga. Jakarta
- Purbayu & Muliawan. 2007. Statistika Deskriptif dalam Bidang Ekonomi dan Niaga. Erlangga. Jakarta
- Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta. Bandung.
- Sugiyono. 2008. Statistik Nonparametris untuk Penelitian. Alfabeta. Bandung

- Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R & B. Bandung.

- Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Mediakom. Yogyakarta.

- 

Read More

TEKNIK PENGAMBILAN SAMPEL

Berdasarkan pendekatan probabilitas atau tidak, teknik pengambilan sampel terbagi dua, yaitu :

1. Probability Random Sampling
1. Simple Random Sampling : unit populasi diambil secara acak menjadi sampel, pengambilan acak dapat dilakukan dengan pengundian, tabel acak atau pun komputer.
2. Systematic Random Sampling : sama dengan Simple Random Sampling, namun dari populasi yang homogen menggunakan metode sistematik (pengurutan acak).
3. Stratified Random Sampling : untuk populasi yang heterogen menjadi beberapa kelompok, caranya :
• Tentukan jumlah sampel yang akan diambil
• Mengelompokkan populasi dikelompokkan dari stratum yang homogen
• Mengukur proporsi dari data stratum tersebut.
• Ambil sampel secara acak dari stratum sesuai dengan proporsi dan jumlah sampel yang ditentukan.
4. Cluster Random Sampling : pengambilan sampel untuk populasi heterogen yang terbagi dalam banyak cluster, caranya :
• Menentukan cluster dari populasi
• Cluster populasi diambil secara simple random sampling
• Ambil sampel secara acak dari cluster tersebut
5. Two Stage Cluster Random Sampling : diambil dua tahap cluster.
2. Non Probability Random Sampling
1. Convenience Sampling (accidental sampling) : jumlah dan kriteria diserahkan kepada subjektifitas dan penggunaannya untuk riset kualitatif atau tes produk baru.
2. Judgement/Purposive Sampling : periset lebih ketat dalam menentukan jumlah, kriteria dan kemudahan pengambilan sampel.
3. Quota Sampling : merupakan purposive sampling pada populasi heterogen atau terkelompok dan setiap kelompok ditentukan kuota jumlah samplingnya.
4. Snowball Sampling : disiasati mencari satu sampel yang sulit diperoleh dengan cara mencari satu sampel terlebih dahulu sesuai kriteria yang ditetapkan, dari sampel pertama dicari informasi untuk memperoleh sampel kedua yang punya kesamaan dan seterusnya.
5. Booster Sampling : mencari sampel yang sulit dengan cara mengamati lingkungan atau komunitas yang sesuai kriteria sampel, lalu diambil satu per satu sampelnya.

Read More

BAGAIMANA CARA MENENTUKAN SAMPEL

Dalam penelitian dengan ukuran populasi yang sangat besar, sebaiknya menggunakan sampel untuk diteliti. Hal ini karena adanya keterbatasan waktu, biaya dan tenaga dalam penelitian tersebut. Berikut beberapa pedoman sederhana dalam menentukan ukuran minimal sampel dalam penelitian, yaitu :

Jika jumlah populasi sulit diprediksi, maka perhitungan ukuran minimal sampel dengan pendekatan sebagai berikut : 

dimana= asumsi interval kepercayaan sampel terhadap populasi.

Jika proporsi populasi dan sampel yang akan diriset diketahui, maka digunakan rumus :

dimana 

n      = jumlah sampel

p      = perkiraan proporsi populasi (jika tidak diketahui ambil p = 0.5)

q      = 1 - p

 = nilai standar (distribusi normal) untuk interval kepercayaan yang ditetapkan.

e      = error sampling (estimasi yang dapat diterima)

Pendekatan rumus tanpa diketahui proporsi populasi yang tidak berhingga, pendekatan yang digunakan p = q = 0.5, sebagai berikut :

Menurut pendapat slovin, jika ukuran populasi diketahui, yaitu :

dimana 

n        = ukuran sampel

N       = ukuran populasi

 = persen kelonggaran ketidaktelitian karena kesalahan pengambilan sampel yang masih dapat ditolerir.

Dan masih banyak lagi pendekatan rumus untuk mengestimasi sampel dan populasi sesuai karakteristik dan nilai uji statistiknya.

Reference :

- Kazmier. 2004. Statistik Untuk Bisnis. Scahum's Easy Outlines. Erlangga. Jakarta
- Purbayu & Muliawan. 2007. Statistika Deskriptif dalam Bidang Ekonomi dan Niaga. Erlangga. Jakarta
- Sugiyono. 2008. Metode Penelitian Bisnis. Alfabeta. Bandung.
- Sugiyono. 2008. Statistik Nonparametris untuk Penelitian. Alfabeta. Bandung

- Sugiyono. 2009. Metode Penelitian Kuantitatif Kualitatif dan R & B. Bandung.

- Priyatno, Duwi. 2010. Paham Analisa Statistik Data dengan SPSS. Mediakom. Yogyakarta.
- 

Read More

ISTILAH-ISTILAH DALAM STATISTIKA

• Penelitian adalah kegiatan yang dilakukan secara sitematis, terencana dan mengikuti konsep ilmiah untuk mendapatkan sesuatu yang objektif dan rasional tentang sutu hal.
• Data adalah sesuatu yang dibutuhkan dalam penelitian dengan menggunakan parameter tertentu yang telah ditentukan.

Jenis data berdasarkan bentuk/isi data, yaitu

• Data Kualitatif adalah data yang dinyatakan dalam bentuk bukan angka, data bentuk kalimat, kata. gambar atau bagan.
• Data Kuantitatif adalah data yang dinyatakan dalam bentuk angka.

Jenis data Kuantitatif, yaitu :

• Data Nominal : data yang dinyatakan dalam bentuk kelompok 
• contoh : - laki-laki dan perempuan, gelap dan terang, dsb

• Data Ordinal : data yang dinyatakan dalam bentuk kelompok yang menunjukkan peringkat/urutan/tingkatan tertentu.
• contoh : SD, SMP dan SMA; nilai A, B, C dan D, dsb

• Data Interval : data yang memiliki jarak yang sama dan bukan hasil pengelompokkan sehingga dapat dilakukan penghitungan aritmatika namun tidak memiliki nilai nol mutlak.
• contoh : pengukuran suhu udara, dsb

• Data Rasio :  data yang memiliki jarak yang sama dan dapat dilakukan penghitungan aritmatika serta  memiliki nilai nol mutlak. 
• contoh : pengukuran berat, tinggi, data keuangan, dsb

Variabel : suatu atribut yang akan diteliti dan bervariasi antar satu subjek/objek lainnya. variabel merupakan suatu konsep yang beragam atau bervariasi. Variabel dapat dikelompokkan atas dua kelompok, yaitu :

• Variabel dependen : variabel yang dipengaruhi oleh variabel lainnya dan tidak dapat berdiri sendiri.
• Variabel independen : variabel yang mempengaruhi variabel lainnya dan dapat berdiri sendiri.

Populasi adalah suatu kelompok subjek/objek yang menjadi pusat perhatian dalam penelitian.

Sampel adalah bagian dari populasi. 

Analisis data : proses mengolah data dan menginterpretasikan hasil data.

Jenis-jenis analisis data terbagi atas dua yaitu :

1. Analisis deskriptif : analisis data yang menekankan pada pembahasan data dan menyajikannya secara sistematik, namun tidak dapat menyimpulkan penelitian.
2. Analisis subjektif : analisis data yang menekankan pada hubungan antar variabel dengan melakukan pengujian hipotesis dan menyimpulkan hasil penelitian.

Metode analisis data terbagi atas dua, yaitu :

1. Metode statistik parametrik : menggunakan parameter-parameter tertentu seperti ukuran pemusatan dan ukuran penyebaran data, dsb. Dengan syarat data harus memiliki distribusi data normal.
2. Metode statistik non parametrik : tidak menggunakan parameter-parameter tertentu seperti metode statistik parametrik. Data tidak harus berdistribusi normal.

Hipotesis, dinyatakan dalam kalimat pernyataan (bukan pertanyaan) dan merupakan jawaban sementara dari  rumusan masalah  penelitian yang belum dibuktikan kebenarannya.

• Hipotesis nol (Ho) : menyatakan tidak terdapat hubungan antara variabel yang diteliti.
• Hipotesis alternatif (Ha) : menyatakan terdapat hubungan antara variabel yang diteliti.

Uji Hipotesis : pengujian yang bertujuan untuk mengetahui apakah kesimpulan pada sampel dapat berlaku untuk populasi (dapat digeneralisasikan ke populasi).

Signifikan : meyakinkan atau berarti, dalam pengujian hipotesis, signifikan berarti hipotesis yang terbukti pada sampel dapat digeneralisasikan dan berlaku pada populasi, jika tidak signifikan berarti hanya berlaku pada sampel saja. 

Tingkat signifikansi 5% berarti resiko kesalahan dalam mengambil keputusan atau menolak hipotesis yang benar sebanyak-banyaknya adalah 5%, dan mengambil keputusan sekurang-kurangnya adalah 95%.

Biasanya nilai 5% disimbolkan dengan "alpha" dan pemilihan nilai alpha biasanya 5% atau 1%. Hal ini tidak diharuskan, karena bisa saja memilih nilai "alpha" yang lain. 

Taraf signifikansi (alpha) : besarnya pelauang melakukan kesalahan. 

Probabilitas (p-value) : peluang munculnya kejadian.

Derajat kebebasan (Degree of Freedom) : derajat ketergantungan banyaknya observasi dan banyaknya variabel independen yang digunakan untuk menentukan nilai kritis.

ref : Supranto, J. (2004); Priyatno, Duwi (2010)

Read More