SUHARTO, S.E., M.M.

SAP Pengantar Statistika, Kontrak Kuliah Pengantar Statistika

2012-02-13T05:14:00.000-08:00

KONTRAK KULIAH

Mata Kuliah Kode mata kuliah Semester Dosen Hari pertemuan Tempat pertemuan			: : : : : :	Statistika MGT 234 III Suharto, S.E., M.M. Selasa 09.30 – 12.00 Ruang FE

A	Manfaat matakuliah
B	Tujuan mata kuliah umum
	Mahasiswa memahami konsep dasar statistika, mengumpulkan, menyajikan, meringkas, menganalisa dan menggunakannya dalam penelitian-penelitian ilmu ekonomi
C	Deskripsi mata kuliah
D	Tujuan instruksional khusus
	Setelah pertemuan ini mahasiswa diharapkan mampu:
	*	Menjelaskan dengan benar konsep dasar statistika
	*	Menjelaskan dengan benar pembentukan distribusi frekuensi
	*	Membuat grafik distribusi frekuensi
	*	Menjelaskan dengan benar tentang nilai tengah, median dan modus
	*	Ukuran pemusatan
	*	Memahami, menghitung dan Menjelaskan dengan benar simpangan baku
	*	Menghitung dan membuat sebaran-sebaran lain selain simpangan baku
	*	Menjelaskan moment data berkelompok, hubungan antar moment, kemencengan dan kurtosis
	*	Teori dasar kemungkinan
	*	Distribusi probabilitas
	*	Koefisien korelasi dan pengujian hipotesis
	*	Hubungan antar dua variabel dengan model regresi sederhana dan pengujian hipotesis
	*	Hubungan antar dua variabel dengan model regresi dan korelasi berganda dan pengujian hipotesis
	*	Hubungan antar satu dan dua variabel, pengujian hipotesisis secara parsial dan simultan serta kegunaannya dalam penelitian ilmu-ilmu ekonomi
E	Organisasi materi Sesuai dengan maksud dan tujuan di atas maka kuliah ini berisisi
	*	Pengertian. Statistika sampel dan Populasi. Statsitika Deskripsti dan Induktif. Peubah Diskrit. Dan Kontinu dan Pembulatan Data.
	*	Data Mentah. Array. Distribusi Frekuensi. Selang dan Limit Kelas. Batas Kelas Ukuran atau Lebar Kelas. Markah Kelas. Ketentuan Umum Pembentukan Distribusi Frekuensi. Histogram dan Poligon Frekuensi.
	*	Distribusi Frekuensi Relatif, Kumulatif dan Ogiv. Persentase. Kurva Frekuensi yang dimuluskan.
	*	Nilai Tengah. Median. Modus. Rata-rata dan Ukuran Pemusatan. Nilai Tengah Hitung.
	*	Ukuran Pemusatan. Nilai Tengah Geometrik Kuartil. Desil dan Persentil.
	*	Simpangan Baku. Sebaran atau Variasi. Rentang. Nilai Tengah Simpangan. Rentangf Nilai Tengah, Semi Antar Kuartil, Persentil dan Simpangan Baku.
	*	Varians. Metode Ringkas Unutk Menghitung Simpangan Baku. Sifat Simpangan Baku dan Koefisien Variasi.
	*	Moment. Kemencengan dan Kurtosis.
	*	Probabilitas. Peluang Bersyarat. Kejadian Bebas dan Tak Bebas. Saling Terpisah.
	*	Distribusi Probabilitas. Nilai Harapan. Hubungan Probabilitas terhadap Teori Hubungan Titik.
	*	Koefisien Korelasi dan Regresi Sederhana dan Pengujian Hipotesis
	*	Koefisien Korelasi dan Regresi Berganda dan Pengujian Hipotesis secara Parsial dan Simultan serta Kegunaannya dalam penelitian Ilmu-ilmu Ekonomi.

	Strategi perkuliahan Perkuliahan diupayakan supaya mahasiswa aktif membaca, menganalisa persoalan, sehinga dosen disini berperan sebagai fasilitator dalam pembelajaran yang terjadi. Selain itu mahasiswa dianjurkan mencari sendiri tambahan baik diperpustakaan maupun internet untuk memperoleh bahan tambahan mata kuliah yang telah dipelajari.
G	Sumber bacaan
	*	Mustafa, Zaenal. 1995. Pengantar statistik terapan untuk ekonomi. Yogyakarta: BPFE-UII.
	*	Spiegel, R. Murray. 1981. Statistics. Schaum Outline Series. Singapore: McGraw Hill International Book Company.
	*	Murray R. Spiegel, 2004. Statistika, Serti Buku Scaum Teori dan Sosial, Jakarta.
	*	Walpole, E. Ronald. 1982, introduction to Statistics. 3^rd edition. New York: Mc. Millan Publishing co, Inc.

H	Tugas Selama perkuliahan statistika ini mahasiswa dibebani tugas sebagai berikut:
	*	Tugas individu dan tugas kelompok: tugas ini terbentuk menjawab soal-soal atau membuat ringkasan tentang pokok-pokok bahasan tertentu, waktunya ditentukan berdasarkan kesepakatan bersama.
I	Kriteria penilaian Penilaian akan dilakukan dengan mempertimbangkan bobot sebagai berikut
	*	Keaktifan dikelas dan absensi 05%
	*	Tugas 20%
	*	Kuis dan Mid Semester 30%
	*	Ujian Semester 35%
	Total 100%
J	Aturan-aturan
	*	Keterlambatan mahasiswa di awal perkuliahan toleransi 15 menit
	*	Kehadiran dibawah 80% dari total perkuliahan tidak boleh mengikuti ujian semester dan dikenakan sangsi akademik
	*	Kecurangan pada saat ujian, mahasiswa diberi sangsu akademik.

K	Waktu perkuliahan Waktu perkuliahan satu semester penuh minimal 16 kali pertemuan sesuai dengan SAP yang telah dibuat dengan perincian sebagai berikut


	Tatap muka		:	14 minggu
	Kuis/mid		:	2 minggu
	Ujian Semester		:	1 minggu
Jumlah 17 minggu

SUHARTO, S.E., M.M.: Pengertian Korelasi

2011-04-01T10:01:00.000-07:00

PENGERTIAN KORELASI

Persoalan pengukuran, atau pengamatan hubungan antara dua peubah X dan Y, berikut ini akan kita bicarakan sesuai dengan referensi yang kami peroleh dalam beberapa literatur. Tulisan ini tentu saja tidak selengkap seperti halnya tulisan tentang Pengertian Korelasi dalam buku Statistika yang ditulis oleh, Ronald E. Walpole, Sugiono, Murray R. Spiegel, atau beberapa Statistikawan yang memang saya kagumi ke-pakar-annya. Akan tetapi setidaknya bisa dijadikan bacaan tambahan bagi mahasiswa yang ingin mengetahui lebih jauh tentang persoalan korelasi atau persoalan-persoalan lain yang berkaitan dengan hubungan antar dua peubah.

Kita tidak akan dan bukan meramalkan nilai Y dari pengetahuan mengenai peubah bebas X seperti dalam regresi linier. Sebagai misal, bila peubah X menyatakan besarnya biaya yang dikeluarkan untuk membeli Pupuk dan Y adalah besarnya hasil Produksi Padi dalam satu kali musim tanam, barangkali akan muncul pertanyaan dalam hati kita apakah penurunan biaya yang dikeluarkan untuk membeli Pupuk juga berpeluang besar untuk diikuti dengan penurunan hasil Produksi Padi dalam satu musim tanam. Dalam studi empiris lain, bila X adalah harga suatu barang yang ditawarkan dan Y adalah jumlah permintaan terhadap barang tersebut yang dibeli oleh konsumen, maka kita membayangkan jika nilai-nilai X yang besar tentu akan berpasangan dengan nilai-nilai Y yang kecil. Dalam hal ini kita tentu saja mempunyai bilangan yang menyatakan proporsi keragaman total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X melalui hubungan linear tersebut. Jadi misalkan suatu korelasi memiliki besaran r = 0,36 bermakna bahwa 0,36 atau 36% di antara keragaman total nilai-nilai Y dalam contoh kita, dapat dijelaskan oleh hubungan linearnya dengan nilai-nilai X.
Contoh lainnya adalah, misal koefisien korelasi sebesar 0,80 menunjukkan adanya hubungan linear yang sangat baik antara X dan Y. Karena r2 = 0,64, maka kita dapat mengatakan bahwa 64 % di antara keragaman dalam nilai-nilai Y dapat dijelaskan oleh hubungan linearnya dengan X.

Besaran koefisien korelasi contoh r merupakan sebuah nilai yang dihitung dari n pengamatan sampel. Sampel acak berukuran n yang lain tetapi diambil dari populasi yang sama biasanya akan menghasilkan nilai r yang berbeda pula. Dengan demikian kita dapat memandang r sebagai suatu nilai dugaan bagi koefisien korelasi linear yang sesungguhnya berlaku bagi seluruh anggota populasi. Misalkan kita lambangkan koefisien korelasi populasi ini dengan ρ. Bila r dekat dengan nol, kita cenderung menyimpulkan bahwa ρ = 0. Akan tetapi, suatu nilai contoh r yang mendekati + 1 atau – 1 menyarankan kepada kita untuk menyimpulkan bahwa ρ ≠ 0. Masalahnya sekarang adalah bagaimana memperoleh suatu peng-uji-an yang akan mengatakan kepada kita kapan r akan berada cukup jauh dari suatu nilai tertentu ρo, agar kita mempunyai cukup alasan untuk menolak hipotesis nol (Ho) bahwa ρ = ρo, dan menerima alternatifnya. Hipotesis alternatif bagi H1 biasanya salah satu di antara ρ < ρo, ρ > ρo, atau ρ ≠ ρo.

J Supranto, Statistika, Teori Dan Aplikasi, Penerbit Erlangga, Jakarta, 1987.
Riduan, Dasar-dasar Statistika, Penerbit ALFABETA, Bandung, 2005.
Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT. Gramedia Pustaka Utama, Jakarta, 1992.
Murray R. Spiegel, Seri Buku Schaum, Teori dan Soal, Statistika, Edisi Kedua. Alih Bahasa oleh Drs. I Nyoman Susila, M.Sc. dan Ellen Gunawan, M.M., Penerbit Erlangga, 1988..

SUHARTO, S.E., M.M.: Linear Programming Simplex

2011-03-23T07:54:00.000-07:00

SUHARTO, S.E., M.M.: Linear Programming Simplex

Linear Programming Simplex

2011-03-23T07:51:00.000-07:00

Linear Programming Simplex

SUHARTO, S.E., M.M.: KORELASI JENJANG (PERINGKAT) SPEARMAN DAN KENDALL TAU

2011-03-03T06:58:00.001-08:00

SUHARTO, S.E., M.M.: KORELASI JENJANG (PERINGKAT) SPEARMAN DAN KENDALL TAU

VALIDITAS

2009-11-17T05:33:00.000-08:00

BEBERAPA PENGERTIAN TENTANG VALIDITAS

A. Pendahuluan

Kualitas alat ukur yang digunakan mahasiswa ketika berusaha memperoleh tanggapan dari responden dalam melakukan penelitian, sering dihadapkan pada persoalan akurasi, konsistensi dan stabilitas hasil pengukuran ketika mengukur sesuatu yang sedang diukur. Alat ukur ini memang harus memiliki akurasi ketika digunakan, konsistensi dan stabilitas dalam arti tidak mengalami perubahan dari waktu pengukuran satu ke pengukuran yang lain. Fenomena itu merupakan titik awal dari aksi penelitian mahasiswa yang mau tidak mau harus dihadapi ketika mahasiswa akan menyelesaikan tugas-tugas kuliah dalam jenjang pendidikan Strata 1. Mereka akan berhadapan dengan cara bagaimana membuat alat ukur, atau instrumen itu memiliki validitas dan reliabilitas agar bisa digunakan dalam memperoleh data. Karena data yang kurang memiliki validitas dan reliabilitas, akan menghasilkan kesimpulan yang kurang lazim. Data yang kurang memiliki validitas dan reliabilitas, akan menghasilkan kesimpulan yang bias, kurang sesuai dengan yang seharusnya, dan bahkan bisa saja bertentangan dengan kelaziman. Untuk membuat alat ukur instrumen itu, diperlukan kajian teori, pendapat para ahli serta pengalaman-pengalaman yang kadangkala diperlukan bila definisi operasional variabelnya tidak kita temukan dalam teori. Alat ukur atau instrumen yang akan disusun itu tentu saja harus memiliki validitas dan reliabilitas, agar data yang diperoleh dari alat ukur itu bisa reliabel, valid dan disebut dengan validitas dan reliabilitas alat ukur atau validitas dan reliabilitas instrumen.

B. Pembahasan

1. Validitas dan Reliabilitas Penelitian Sebelum aksi penelitian dilakukan, mahasiswa perlu membedakan kriteria tentang validitas dan reliabilitas hasil penelitian dengan validitas dan reliabilitas instrumen. Hasil penelitian yang valid dan reliabel dengan instrumen yang valid dan reliabel, Sugiono, 2005, merupakan hasil penelitian yang memiliki kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada objek yang diteliti. Misalnya saja warna dalam objek yang berwarna merah, akan tetapi data yang terkumpul memberikan data berwarna lain, maka hasil penelitiannya tidak valid. Sedangkan hasil penelitian yang reliabel, diperoleh bila terdapat kesamaan data yang terkumpul dalam kurun waktu yang berbeda, ataupun pengukuran yang dilakukan secara berulang. Misalnya warna dalam obyek beberapa waktu lalu berwarna merah, maka pada saat ini dan besok tetap berwarna merah. Jika kita memperoleh data tentang jumlah mahasiswa Fakultas Ekonomi dua hari yang lalu adalah 50 mahasiswa, maka jumlah mahasiswa pada hari ini dan besok adalah sebanyak 50 mahasiswa, demikian seterusnya.

2. Reliabilitas Instrumen

Pengertian Reliabilitas, Sugiono 2005, adalah serangkaian pengukuran atau serangkaian alat ukur yang memiliki konsistensi bila pengukuran yang dilakukan dengan alat ukur itu dilakukan secara berulang. Kondisi itu ditengarai dengan konsistensi hasil dari penggunaan alat ukur yang sama yang dilakukan secara berulang dan memberikan hasil yang relatif sama dan tidak melanggar kelaziman. Untuk pengukuran subjektif, penilaian yang dilakukan oleh minimal dua orang bisa memberikan hasil yang relatif sama (reliabilitas antar penilai). Pengertian Reliabilitas tidak sama dengan pengertian validitas. Artinya pengukuran yang memiliki reliabilitas dapat mengukur secara konsisten, tapi belum tentu mengukur apa yang seharusnya diukur.

3. Pengukuran

Sifat reliabilitas dari sebuah instrumen berhubungan dengan sejauh mana kemampuan alat ukur itu memberikan hasil yang konsisten dari satu even percobaan ke even percobaan lainnya. Jika konsistensi pengukuran itu tidak kita peroleh dalam setiap pengukuran, dapat dibayangkan bila pengukuran yang dilakukan dengan instrumen itu memberikan hasil yang berbeda dari pengukuran satu ke pengukuran berikutnya. Saat ini kita memperoleh hasil pengukuran sebesar 70. Beberapa saat kemudian, meskipun dengan alat ukur yang sama kita memperoleh hasil 73. Demikian seterusnya, hasilnya tidak pernah konsisten. Data yang kita peroleh tidak pernah konsisten dari waktu ke waktu. Pertanyaan yang akan muncul dari benak kita adalah hasil pengukuran mana yang kita gunakan? Dalam kajian teoritis, reliabilitas adalah sejauh mana pengukuran dari suatu uji coba yang dilakukan tetap memiliki hasil yang sama meskipun dilakukan secara berulang-ulang terhadap subjek yang sama dan dalam kondisi yang sama. Instrumen alat ukur dianggap bisa diandalkan apabila memberikan hasil yang konsisten untuk pengukuran yang sama dan tidak bisa diandalkan bila pengukuran yang dilakukan secara berulang-ulang itu memberikan hasil yang relatif tidak sama. Pengujian reliabilitas instrumen untuk memperoleh hasil yang reliabel bisa dilakukan dengan berbagai metode statistik. Hal itu lazim dilakukan hanya terhadap data ordinal. Sedangkan uji reliabilitas, tidak lazim digunakan bila instrumen yang digunakan menggunakan skala nominal. Contoh lain adalah misalnya saja dalam sebuah kesempatan kita ingin mengukur panjang dan lebar tiga (3) buah lapangan bola volley. Alat yang digunakan dalam pengukuran itu adalah meteran dan jangkauan langkah. Setelah dilakukan pengukuran, bisa dipastikan bahwa pengukuran yang dilakukan dengan menggunakan meteran memiliki hasil panjang dan lebar yang relatif sama terhadap ketiga lapangan bola volley itu. Sedangkan pengukuran yang dilakukan dengan menggunakan jangkauan langkah terhadap ketiga lapangan bola volley itu, menghasilkan satuan ukur, yakni panjang dan lebar yang berbeda.

4. Validitas Instrumen

Fenomena kedua setelah mahasiswa menguji reliabilitas alat ukur, pekerjaan berikutnya adalah bagaimana memperoleh instrumen yang memiliki validitas, agar data yang diperoleh dari penyebaran instrumen itu benar-benar valid. Dikatakan memiliki validitas adalah bila instrumen atau alat ukur yang dibuat bisa dengan tepat mengukur objek yang akan diukur. Misalnya saja untuk mengukur, panjang dan lebar lapangan bola volley agar sama dengan luas standar lapangan internasional, maka sebaiknya kita menggunakan meteran. Karena meteran adalah merupakan alat ukur yang valid dan sudah memiliki validitas. Uji validitas ini tidak lazim bila instrumen yang digunakan menggunakan skala pengukuran nominal, akan tetapi hanya lazim bila instrumen yang digunakan menggunakan skala ordinal. Dalam teori ada bermacam-macam validitas.

Menurut Ebel, dalam Moh. Nazir, 2003, Validitas dibagi menjadi:
- concurrent validity (validitas concuren),
- construct validity (validitas konstruk),
- face validity (validitas rupa),
- factorial validity (validitas faktorial),
- empirical validity (validitas empiris),
- intrinsic validity (validitas intrinsik),
- dan predictive validity (validitas prediksi).

Sementara itu, Anastasi, 1973 dan Nunnally, 1979, dalam Masri 2006, validitas alat pengumpul data dapat digolongkan dalam beberapa jenis, yakni:
- validitas konstruk (construct validity),
- validitas isi (content valitity),
- validitas prediktif (predictive validity),
- validitas eksternal (external validity), dan
- validitas rupa (face validity).

Selain itu ada beberapa jenis validitas lain yang tidak dibicarakan, tetapi relatif penting dilakukan bagi penelitian di Indonesia yang memiliki jumlah penduduk yang besar dan memiliki aneka ragam budaya. Validitas tersebut adalah validitas budaya (cross-cultural validity). Sedangkan menurut Suharsimi, 2003, berdasarkan cara pengujiannya, terdapat dua validitas, yakni validitas ekternal dan validitas internal, selain itu validitas dikelompokkan menjadi beberapa kriteria, yakni, validitas konstruk, validitas isi, dan validitas prediksi. Pengertian concurrent validity adalah validitas yang berkaitan dengan hubungan (korelasi) antara skor dalam item instrumen dengan kinerja, atau objek penelitian yang lain. Construct validity atau validitas konstruk, adalah bila kita mendefinisikan validitas sebagai kualitas psikologi apa yang diukur oleh sebuah pengujian, serta menilainya dengan memperlihatkan bahwa konstrak tertentu yang bisa diterangkan, dapat menyebabkan penampilan baik buruknya (performance) dalam pengujian. Face validity atau validitas rupa yang berhubungan apa yang kelihatan dalam mengukur sesuatu, tetapi bukan terhadap apa yang seharusnya akan diukur. Factorial validity dari sebuah alat ukur adalah korelasi antara alat ukur dengan faktor-faktor yang bersamaan dalam suatu kelompok atau ukuran-ukuran perilaku lainnya. Validitas ini biasanya diperoleh dengan menggunakan teknik analisis faktor. Empirical validity adalah validitas empiris yang berkaitan dengan hubungan antara skor dengan suatu kriteria, dimana kriteria itu adalah merupakan ukuran yang bebas dan langsung berhubungan dengan apa yang ingin diramalkan oleh pengukuran. Intrinsic validity adalah validitas yang berkaitan dengan penggunaan teknik uji coba untuk memperoleh fakta kuantitatif dan objektif untuk. Teknik uji coba itu yang dilakukan untuk mendukung bahwa instrumen yang digunakan sebagai alat ukur adalah benar-benar mengukur apa yang seharusnya diukur. Predictive validity adalah validitas perkiraan yang berkenaan dengan hubungan antara skor suatu alat ukur dengan kinerja atau seseorang di masa mendatang berdasarkan pengukuran awal. Validitas prediksi adalah validitas instrumen yang diharapkan bisa memiliki hubungan dengan hasil yang diharapkan dari instrumen yang dibuat. Misalnya instrumen yang ditujukan terhadap mahasiswa baru. Bila jawaban responden (mahasiswa baru) memiliki hubungan dengan prestasi belajar mahasiswa ketika mengikuti kuliah mulai dari semester awal sampai semester akhir, berarti instrumen itu memiliki validitas prediksi yang tinggi. Sebaliknya jika instrumen yang dibuat dan ditujukan terhadap mahasiswa baru itu tidak memilii bubungan dengan prestasi belajar mahasiswa mulai dari semester awal hingga semester akhir, berarti instrumen itu meiliki validitas prediksi yang rendah. Content validity adalah validitas yang berkaitan dengan baik atau buruknya sampel yang diambil dari populasi. Curricular validity adalah validitas yang ditentukan oleh bagaimana cara peneliti menilik isi dari pengukuran dan menilai seberapa jauh pengukuran yang dilakukan ituadalah merupakan alat ukur yang benar-benar mengukur aspek-aspek sesuai dengan tujuan instruksional. Masri, 2006, validitas terbagi dalam beberapa kriteria antara lain, validitas konstruk, validitas isi, dan validitas prediksi. Validitas isi adalah validitas instrumen yang memiliki kandungan isi butir-butir item pertanyaan yang dibuat sesuai dengan topik penelitian dan bisa menggali jawaban responden sesuai dengan permasalahan yang sudah dirumuskan oleh peneliti. Validitas konstruk adalah validitas yang berkenaan dengan kualitas dalam aspek psikologis tentang apa yang diukur oleh suatu pengukuran serta terdapat evaluasi bahwa suatu konstruk tertentu itu bisa menyebabkan kinerja dan hasil yang baik dalam pengukuran. Validitas prediksi adalah validitas yang berkenaan dengan hubungan antara skor suatu alat ukur yang sudah dilakukan pada periode awal terhadap seseorang dengan kinerja seseorang pada waktu yang akan datang. Validitas ini biasanya dilakuklan ketika adavrekruitmen siswa atau pegawai lembaga tertentu.

C. Penutup

Bila dikaji secara umum, persyaratan minimal yang lazim dimiliki oleh instrumen yang dibuat adalah alat ukurnya harus memiliki minimal dua keunggulan, yakni validitas dan reliabilitas. Validitas dan reliabilitas lazim diperlukan bila instrumen yang dibuat merupakan instrumen baru dan belum pernah digunakan oleh peneliti-peneliti terdahulu. Karena biasanya instrumen baru secara umum belum memiliki validitas dan reliabilitas. Validitas dan reliabilitas lazim diujikan jika instrumen baru itu masih belum memiliki validitas dan reliabilitas yang belum terukur. Dengan demikian, jika alat ukur yang digunakan mampu memberikan informasi yang sesungguhnya tentang apa yang kita inginkan untuk diukur dinamakan valid. Atau dengan kata lain, instrumen yang dipakai dalam penelitian memiliki validitas yang baik. Misalnya saja jika dalam suatu kesempatan kita ingin mengetahui tentang panjang dan lebar meja pingpong. Menghadapi persoalan demikian, meteran merupakan salah satu alat ukur pilihan yang memiliki validitas yang baik. Karena dengan alat ini, kita akan memperoleh informasi yang benar tentang panjang dan lebar meja pingpong berdasarkan alat ukur yang memiliki validitas. Dalam hal lain, kita bisa juga mengukur panjang dan lebar meja pingpong dengan bentangan tangan, atau, tinggi badan yang digunakan untuk mengukur dan digunakan untuk mengukur ketinggian benda. Meskipun alat ukur bentangan tangan dan tinggi badan untuk mengukur panjang, lebar, dan ketinggian benda merupakan alat ukur yang tidak lazim, serta memiliki validitas yang bisa diragukan. Akan tetapi, kita tidak bisa menggunakan timbangan untuk mengukur ketinggian benda. Atau kita tidak bisa menggunakan meteran untuk mengukur berat benda. Meteran merupakan alat ukur yang memiliki validitas tinggi bila digunakan untuk mengukur, panjang dan lebar benda, akan tetapi merupakan alat ukur yang memiliki validitas rendah jika digunakan untuk mengukur berat benda.

.
.
.
&&&&&&&&&&
.
.
.
UJI VALIDITAS DALAM OPINI

A. Pendahuluan

Selain penggunaan statistik parametrik sebagai alat analisis yang digunakan mahasiswa dalam memperlakukan data interval dan ratio, belakangan ini relatif ramai dibicarakan tentang penggunaan statistik non parametrik sebagai salah satu alternatif alat analisis dalam penelitian mahasiswa. Statistik parametrik, selain memerlukan persyaratan khusus, yakni harus memenuhi kriteria normalitas data, akan tetapi lazim digunakan jika data yang dianalisis adalah data interval atau ratio. Secara teori, statistik parametrik memiliki kajian yang lebih kuat dibandingkan dengan statistik non parametrik. Statistik non parametrik, lazim digunakan meskipun data yang dianalisis tidak berdistribusi normal. Statistik non parametrik ini hanya mengukur distribusi. Selain itu, statistik non parametrik, hanya memerlukan perhitungan yang relatif sederhana. Penggunaan statistik non parametrik dalam penelitian mahasiswa, disamping untuk memberi kecenderungan data menjadi berbentuk skala nominal dan ordinal, juga lebih banyak digunakan bila sampel yang digunakan memiliki sebaran yang relatif tidak normal. Menggunakan instrumen penelitian alat ukur untuk memperoleh data itu, selain harus memenuhi kelaziman, juga harus memenuhi syarat-syarat lain, jika diperlukan, melakukan uji pendahuluan dengan menggunakan uji normalitas data.

B. Pembahasan

Kajian tentang penggunaan instrumen sebagai alat ukur itu tentu saja memerlukan kecermatan dan ketelitian dalam pembuatannya. Karena dari instrumen itu akan memberikan jawaban kepada kita tentang data-data yang diperlukan dalam penelitian. Data yang baik, hanya akan diperoleh dengan instrumen atau alat ukur yang baik. Data yang valid karena memiliki validitas dan reliabel karena memiliki reliabilitas, hanya akan diberikan oleh intrumen yang valid dan reliabel. untuk memperolah instrumen yang valid dan reliabel itu diantaranya adalah harus melalui mekanisme pengujian secara statistik dengan benar. Beberapa alasan tentang perlu tidaknya pengujian secara statistik tentang penggunaan instrumen sebagai alat ukur dalam penelitian akan dibahas secara sederhana dalam tulisan ini. Alasan pertama adalah peluang terjadinya kesalahan yang disebabkan oleh satu peubah bebas X, yakni kesalahan yang terjadi karena instrumen yang tidak valid dan reliabel. Instrumen tidak memberikan informasi yang benar bagi responden sehingga menimbulkan keraguan dalam menjawab pertanyaan pertanyaan yang diajukan. Sedangkan alasan kedua adalah kesalahan yang terjadi dalam diri responden. Instrumen sudah baik, valid dan reliabel. Akan tetapi jawaban yang diberikan pleh responden merupakan jawaban yang asal jadi, asal menjawab, dan bahkan secara sengaja tidak bersedia memberikan jawaban apa yang seharusnya di jawab. Menurut Sambas (2006), terdapat dua pendapat tentang perlu tidaknya digunakan uji t dalam uji validitas dan reliabilitas dengan menggunakan statistika. Pendapat pertama menyebutkan bahwa untuk menguji validitas an reliabilitas tidak perlu digunakan uji t, tetapi cukup dengan menghitung nilai r, kemudian nilai r yang sudah diperoleh itu dibandingkan dengan nilai tabel r untuk mengetahui valid atau tidaknya instrumen yang sudah dibuat. Sementara pendapat kedua menyebutkan, setelah menghitung nilai r, harus dilanjutkan dengan uji t, kemudian membandingkannya dengan nilai r tabel untuk mengetahui valid atau tidaknya instrumen. Berkaitan dengan adanya perbedaan pendapat tentang perlu tidaknya digunakan uji t dalam uji validitas dan reliabilitas, maka perlu ditegaskan disini, bahwa kedua pendapat di atas adalah benar. Artinya penggunaan uji r dan uji t dalam pengujian validitas dan reliabilitas dalam pengukuran alat ukur lazim digunakan dalam penelitian. Namun demikian ada syarat yang perlu dipenuhi oleh keduanya. Pertama, pengujian validitas cukup menggunakan nilai keofisien korelasi apabila responden yang dilibatkan dalam pengujian validitas adalah populasi. Artinya, keputusan valid tidaknya item instrumen, cukup membandingkan nilai r hitung dengan nilai tabel r. Kedua, pengujian validitas perlu menggunakan uji t apabila responden yang dilibatkan dalam pengujian validitas adalah sampel. Artinya, keputusan valid atau tidaknya item instrumen, tidak bisa dilakukan hanya dengan membandingkan nilai r hitung dengan nilai r tabel, tetapi harus dengan membandingkan nilai t hitung dengan nilai t tabel.

C. Penutup

Dalam hal ini dapat dijelaskan, bahwa pengujian validitas/relibilitas dengan sensus (populasi) tidak diperlukan generalisasi atau penarikan kesimpulan yang bersifat umum, karena seluruh anggota populasi dilibatkan dalam penelitian sehingga kesimpulan yang dibuat berlaku untuk populasi itu sendiri. Sementara dalam pengujian validitas/reliabilitas dengan sampel, generalisasi diperlukan, karena tidak semua anggota populasi dilibatkan sebagai responden. Alat ukur yang digunakanpun harus memenuhi syarat-syarat dan kelaziman demi memperoleh data yang baik. Karena data yang baik dan lazim digunakan dalam penelitian, hanya data yang diperoleh dengan menggunakan alat ukut yang baik. Oleh karena itu, ketika generalisasi harus dilakukan berdasarkan sampel, generalisasi itu harus dilakukan jika telah melalui tahap-tahap statistyik yang lazim digunakan. Karena bila tidak dilakukan generalisasi, maka kesimpulan yang dibuat hanya berlaku bagi anggota sampel yang terlibat langsung sebagai responden, tidak untuk populasi. Dalam metode statistika, kegiatan untuk membuat generalisasi dilakukan dengan menggunakan pengujian statistik tertentu. Dengan demikian, pengujian statistik ini merupakan pengujian terhadap karakteristik sampel agar dapat diambil kesimpulan yang bersifat umum. Hasil yang diperoleh dari sampel, dalam hal ini, dianggap bisa mewakili seluruh keberadaan/karakterisrik tentang apa yang terjadi dalam populasi.

.
.

.
&&&&&&&&&&
.
.
.
UJI VALIDITAS dan RELIABILITAS
DALAM ANALISIS STATISTIK PARAMETRIK dan NONPARAMETRIK

A. Pendahuluan

Menyusul penggunaan analisis statistik parametrik dalam penelitian mahasiswa yang sering dilakukan terhadap data interval dan ratio, belakangan ini relatif ramai dibicarakan tentang penggunaan statistik non parametrik dalam penelitian mahasiswa. Statistik parametrik, selain memerlukan persyaratan minimal, yakni harus memenuhi kriteria normalitas data, akan tetapi lazim digunakan jika data yang dianalisis adalah data interval atau ratio. Secara teoritis, statistik parametrik memiliki kajian yang lebih kuat dibandingkan dengan statistik non parametrik. Statistik parametrik memiliki keunggulan secara numerik karena data yang dianalisis adalah data numerik. Sedangkan statistik non parametrik, memang lazim digunakan meskipun datanya tidak berdistribusi normal. Selain itu, statistik non parametrik hanya mengukur distribusi. Statistik non parametrik juga hanya memerlukan perhitungan-perhitungan yang relatif sederhana.

B. Pembahasan

Penggunaan statistik non parametrik dalam penelitian mahasiswa, lebih banyak menggunakan instrumen penelitian untuk memperoleh data. Kajian tentang penggunaan instrumen sebagai alat ukur itu tentu saja memerlukan kecermatan dan ketelitian dalam pembuatannya. Karena dari instrumen itu akan memberikan jawaban kepada kita tentang data-data yang diperlukan dalam penelitian. Data yang baik, hanya akan diperoleh dengan instrumen yang baik. Data yang valid (validitas) dan reliabel (reliabilitas), hanya akan diberikan oleh intrumen yang valid dan reliabel. untuk memperolah instrumen yang valid dan reliabel tentu saja harus melalui mekanisme pengujian secara statistik dengan benar. Beberapa alasan tentang perlu tidaknya pengujian secara statistik tentang penggunaan instrumen sebagai alat ukur dalam penelitian, akan dibahas secara sederhana dalam tulisan ini. Alasan pertama adalah peluang terjadinya kesalahan yang disebabkan oleh satu peubah bebas X, yakni kesalahan yang terjadi karena instrumen yang tidak valid dan reliabel atau dengan kata lain, alat ukurnya tidak memiliki validitas dan reliabilitas. Instrumen tidak memberikan informasi yang benar bagi responden sehingga menimbulkan keraguan dalam menjawab pertanyaan pertanyaan yang diajukan. Dalam kontek ini, kesalahan ada dalam instrumen. Instrumen tidak mencerminkan apa yang akan diukur. Sedangkan alasan kedua, adalah kesalahan yang terjadi dalam diri responden. Instrumen sudah baik, valid dan reliabel. Akan tetapi jawaban yang diberikan responden merupakan jawababan yang asal jadi, asal menjawab, asal-asalan, ada rasa takut, cemas, dan bahkan secara sengaja tidak bersedia memberikan jawaban apa yang seharusnya di jawab. Berkaitan dengan beberapa opini tentang perlu tidaknya dilakukan pengujian validitas dan reliabilitas dengan menggunakajn uji t, pendapat pertama menyebutkan bahwa, uji t tidak perlu dilakukan. Pengujian validitas dan reliabilitas cukup dilakukan dengan menghitung nilai r. Setelah nilai r diperoleh, kemudian nilai r itu dibandingkan dengan nilai r tabel untuk mengetahui valid (validitas) atau reliabel (reliabilitas) tidaknya instrumen yang dibuat. Tetapi pendapat kedua mengatakan bahwa setelah menghitung nilai r, nilai r itu harus dilanjutkan dengan uji t. Artinya, nilai t yang sudah diperoleh kemudian dibandingkan dengan nilai dalam tabel t untuk mengetahui valid (validitas) dan reliabel (reliabilitas) atau tidaknya instrumen yang sudah disusun. Dari beberapa pendapat tentang perbedaan opini perlu atau tidaknya penggunaan uji t bagi instrumen untuk mengetahui validitas dan reliabilitas sebagai alat ukur, menurut hemat kami perbedaan pendapat tersebut, yakni pendapat pertama dan pendapat kedua, bahwa kedua pendapat di atas adalah benar adanya. masing-masing pendapat tentu saja memiliki beberapa alasan yang cukup. Namun demikian ada persyaratan minimal yang perlu dipenuhi oleh keduanya. Pengujian validitas cukup menggunakan nilai keofisien korelasi apabila responden yang terlibat dalam pengujian validitas adalah seluruh populasi. Keputusan valid (validitas) tidaknya item instrumen sebagai alat ukur, hanya dilakukan dengan cara membandingkan nilai r hitung dengan nilai r tabel. Sedangan pengujian validitas instrumen perlu menggunakan uji t apabila responden yang terlibat di dalam pengujian validitas adalah sampel. Atau dengan kata lain, keputusan valid (validitas) dan reliabel (reliabilitas) atau tidaknya item instrumen, tidak bisa dengan membandingkan nilai r hitung dengan nilai r tabel, akan tetapi harus dilakukan dengan cara membandingkan antara nilai t hitung dengan nilai t tabel.

C. Penutup

Validitas dan relibilitas instrumen yang dilakukan terhadap aksi sensus (populasi) tidak memerlukan generalisasi atau penarikan kesimpulan yang bersifat umum. Dalam buku teks statistika, generalisasi hanya diperlukan bila objek penelitian dilakukan terhadap sampel. Sedangkan bila seluruh anggota populasi sebagai objek dilibatkan dalam penelitian, maka generalisasri dan pengujian statistik dengan menggunakan uji t tidak perlu dilakukan. Kesimpulan yang dibuat berlaku untuk populasi itu sendiri. Sementara dalam pengujian validitas dan reliabilitas dengan sampel, generalisasi diperlukan, karena tidak semua anggota populasi dilibatkan sebagai responden, oleh karena itu generalisasi harus dilakukan. Dan bila tidak dilakukan generalisasi maka kesimpulan yang dibuat hanya berlaku untuk anggota sampel yang terlibat langsung sebagai responden, tidak untuk populasi. Dalam metode statistika, perlakuan untuk membuat generalisasi dilakukan dengan menggunakan pengujian statistik tertentu. Artinya pengujian statistik ini merupakan pengujian terhadap karakteristik sampel agar dapat diambil kesimpulan yang bersifat umum. Sesuatu hal yang terjadi di dalam sampel dianggap bisa mewakili seluruh keberadaan/karakterisrik/apa yang terjadi dalam populasi. Atau dengan kata lain kesimpulan dalam sampel bisa digeneralisasikan ke populasi.

.
.
.

&&&&&&&&&&

.
Penggunaan Uji t dan Uji r dalam Validitas

A. Pendahuluan

Menyusul penggunaan statistik parametrik sebagai alat analisis yang dilakukan mahasiswa dalam memperlakukan data interval dan ratio, belakangan ini relatif ramai dibicarakan tentang penggunaan statistik non parametrik sebagai salah satu alternatif alat analisis dalam penelitian mahasiswa. Statistik parametrik, selain memerlukan persyaratan khusus, yakni harus memenuhi kriteria normalitas data, akan tetapi lazim digunakan jika data yang dianalisis adalah data interval atau ratio. Secara teori, statistik parametrik memiliki kajian yang lebih kuat dibandingkan dengan statistik non parametrik. Statistik non parametrik, lazim digunakan meskipun data yang dianalisis tidak berdistribusi normal. Statistik non parametrik ini hanya mengukur distribusi. Selain itu, statistik non parametrik, hanya memerlukan perhitungan yang relatif sederhana. Penggunaan statistik non parametrik dalam penelitian mahasiswa, lebih banyak menggunakan instrumen penelitian alat ukur untuk memperoleh data.

B. Pembahasan

C. Penutup

Dalam hal ini dapat dijelaskan, bahwa pengujian validitas/relibilitas dengan sensus (populasi) tidak diperlukan generalisasi atau penarikan kesimpulan yang bersifat umum, karena seluruh anggota populasi dilibatkan dalam penelitian sehingga kesimpulan yang dibuat berlaku untuk populasi itu sendiri. Sementara dalam pengujian validitas/reliabilitas dengan sampel, generalisasi diperlukan, karena tidak semua anggota populasi dilibatkan sebagai responden, oleh karena itu generalisasi harus dilakukan, apabbila tidak dilakukan generalisasi maka kesimpulan yang dibuat hanya untuk anggota sampel yang terlibat langsung sebagai responden, tidak untuk populasi. Dalam metode statistika, kegiatan untuk membuat generalisasi dilakukan dengan menggunakan pengujian statistik tertentu. Dengan demikian pengujian statistik ini merupakan pengujian terhadap karakteristik dsampel agar dapat diambil kesimpulan yang bersifat umum dalam hal ini dianggap mewakili seluruh keberadaan/karakterisrik tentang apa yang terjadi dalam populasi.

Uji t dan Uji r dalam Validitas

2009-10-04T19:04:00.000-07:00

Penggunaan Uji t dan Uji r dalam Validitas

A. Pendahuluan

Menyusul penggunaan statistik parametrik sebagai alat analisis yang dilakukan oleh mahasiswa untuk menyusun tugas akhir dalam memperlakukan data interval dan ratio, belakangan ini relatif ramai dibicarakan tentang penggunaan statistik non parametrik sebagai salah satu alternatif alat analisis dalam penelitian. Statistik parametrik, selain memerlukan persyaratan khusus, yakni data yang digunakan harus memenuhi kriteria paling tidak mendekati sebaran normal, akan tetapi lazim digunakan jika data yang dianalisis adalah data yang memiliki skala minimal interval dan atau ratio serta memerlukan perhitungan-perhitungan yang relatif rumit, dibandingkan dengan statistik non parametrik yang hanya memerlukan perhitungan sederhana.

Secara teori, statistik parametrik memiliki kajian numerik yang lebih kuat dibandingkan dengan statistik non parametrik. Statistik parametrik memiliki kemampuan generalisasi yang lebih tinggi ketika data yang digunakan memiliki paling tidak mendekati sebaran normal. Selain itu, statistik parametrik juga memiliki kemampuan memberikan kesimpulan secara numerik lebih baik jika dibandingkan dengan kemampuan statistik non parametrik. Akan tetapi bila data yang digunakan tidak memiliki sebaran normal, atau kurang memenuhi syarat minimal dalam distribusi normal, statistik non parametrik menjadi pilihan dan lazim digunakan meskipun data yang dianalisis kurang memberikan hasil yang diharapkan dalam kajian penelitian.

Statistik non parametrik, disatu pihak hanya digunakan untuk mengukur distribusi. Selain itu, dalam statistik non parametrik, langkah-langkah penyelesaiannya hanya memerlukan perhitungan-perhitungan yang relatif sederhana. Penggunaan statistik non parametrik dalam penelitian mahasiswa juga lebih banyak menggunakan instrumen penelitian dengan skala pengukuran tertentu, seperti misalnya instrumen atau alat ukur untuk menghasilkan data dengan skala nominal dan ordinal yang diperoleh dari sampel. Meskipun dalam perkembangannya, instrumen yang digunakan untuk memperoleh data itu digunakan juga dalam analisis statistik parametrik setelah mengalami beberapa perlakuan.

B. Pembahasan

Kajian tentang penggunaan instrumen sebagai alat ukur, tentu saja memerlukan kecermatan dan ketelitian dalam pembuatannya. Karena dari instrumen itu, responden akan memberikan jawaban kepada kita tentang data-data yang diperlukan dalam penelitian. Data yang baik, hanya akan diperoleh dengan instrumen atau alat ukur yang baik. Data yang valid, hanya akan diperoleh bila data yang diperoleh memiliki validitas. Sedangkan data yang reliabel hanya bisa diperoleh bila instrumen yang kita gunakan untuk memperoleh respon dari sampel itu memiliki reliabilitas. Karena reliabilitas dan validitas, hanya akan diberikan oleh intrumen yang valid dan reliabel. Uji validitas lazim digunakan untuk menguji butir-butir dalam instrumen, sedangkan uji reliabilitas digunakan untuk menguji konsistensi intrumen dalam penelitian setelah masing-masing melalui mekanisme uji konsep.

Untuk memperoleh instrumen yang valid dan reliabel itu, diantaranya adalah dengan melalui mekanisme pengujian secara statistik dengan benar. Validitas statistik dilakukan bila secara teori instrumen penelitian itu sudah melalui mekanisme pengujian validitas konsep, yakni validitas yang dibuat dan dipertimbangkan oleh para ahli dibidangnya. Selain validitas konsep yang sudah didiskusikan dan di analisis oleh pertimbangan para pakar itu, analisis statistik kemudian digunakan untuk menguji instrumen yang digunakan untuk memperoleh data dengan ukuran skala ordinal. Misalnya saja skala sikap Likert. Akan tetapi bila instrumen yang digunakan bertujuan untuk memperoleh data dengan skala nominal, misalnya saja data tentang profesi pekerjaan seseorang, jenis kelamin dan lain-lainnya yang termasuk dalam data dengan skala ukuran nominal, yakni KTP untuk menanyakan jenis kelamin seseorang, dan Kartu Pegawai/Identitas untuk menanyakan identitas atau profesi seseorang, maka pengujian instrumen dengan menggunakan uji statistik tidak lazim digunakan. KTP dan Kartu Pegawai untuk menanyakan jenis kelamin dan pekerjaan atau profesi seseorang, sudah merupakan instrumen yang valid dan reliabel. Istrumen ini walaupun hanya secara konsep sudah memiliki validitas dan reliabilitas akan tetapi secara statistik tidak perlu dilakukan melalui mekanisme pengujian secara statistik. Beberapa alasan tentang perlu tidaknya pengujian secara statistik terhadap instrumen yang akan digunakan sebagai alat ukur dalam penelitian akan dibahas secara sederhana dalam tulisan ini.

Alasan pertama adalah peluang terjadinya kesalahan yang disebabkan oleh satu peubah bebas X, yakni kesalahan yang terjadi karena instrumen yang tidak valid dan reliabel. Instrumen tidak memberikan informasi yang benar bagi responden sehingga akan menimbulkan keraguan dalam menjawab pertanyaan pertanyaan yang diajukan oleh peneliti. Instrumen yang tidak valid akan memberi peluang responden menjawab pertanyaan yang seharusnya tidak dijawab, atau tidak menjawab pertanyaan yang seharusnya dijawab.

Sedangkan alasan kedua adalah kesalahan yang terjadi dalam diri responden. Instrumen sudah baik, valid dan reliabel. Akan tetapi jawaban yang diberikan oleh responden merupakan jawaban yang asal jadi, asal menjawab, dan bahkan secara sengaja tidak bersedia memberikan jawaban apa yang seharusnya di jawab. Akan tetapi asumsi yang harus dipenuhi dalam penyebaran angket adalah berpegang terhadap kepercayaan atas jawaban responden. Kita harus percaya sepenuhnya terhadap jawaban yang diberikan oleh responden. Menurut Sambas (2006), terdapat dua pendapat tentang perlu tidaknya penggunaan uji t dalam uji validitas dan reliabilitas dengan menggunakan statistika.

Pendapat pertama menyebutkan bahwa untuk menguji validitas dan reliabilitas tidak perlu menggunakan uji t, akan tetapi cukup dengan menghitung nilai r, kemudian nilai r yang sudah diperoleh itu dibandingkan dengan nilai tabel r dengan tujuan untuk mengetahui valid atau tidaknya instrumen yang sudah dibuat.

Sementara pendapat kedua menyebutkan, setelah menghitung nilai r, harus dilanjutkan dengan uji t. Setelah kita memperoleh nilai t hitung, kemudian membandingkannya dengan nilai t tabel untuk mengetahui valid atau tidaknya instrumen. Dalam pengujian instrumen ini tentu saja kita menggunakan hipotesis, yakni pernyataan yang mengatakan bahwa bila t hitung > dari t tabel, berarti intrumen itu bisa digunakan. Akan tetapi bila nilai t hitung yang kita peroleh itu lebih kecil atau sama dengan t tabel, maka instrumen itu tidak lazim digunakan. Berkaitan dengan adanya perbedaan pendapat tentang perlu tidaknya digunakan uji t atau uji r dalam uji validitas dan reliabilitas, maka perlu ditegaskan disini, bahwa kedua pendapat di atas adalah benar. Artinya penggunaan uji r dan uji t dalam pengujian validitas dan reliabilitas dalam pengukuran alat ukur lazim digunakan dalam penelitian.

Namun demikian ada beberapa syarat yang perlu dipenuhi oleh keduanya. Pertama, pengujian validitas cukup menggunakan nilai keofisien korelasi apabila responden yang dilibatkan dalam pengujian validitas adalah populasi. Keputusan valid tidaknya item instrumen, cukup dilakukan dengan cara membandingkan nilai r hitung dengan nilai tabel r. Kedua, pengujian validitas perlu menggunakan uji t apabila responden yang dilibatkan dalam pengujian validitas adalah sampel sebagai bagian dari populasi. Atau dengan kata lain, keputusan valid atau tidaknya item instrumen, tidak bisa dilakukan hanya dengan membandingkan nilai r hitung dengan nilai r tabel, akan tetapi harus dengan dilanjutkan dengan membandingkan nilai t hitung dengan nilai t tabel.

C. Penutup

Berdasarkan tinjauan teori tentang penting atau tidaknya pengujian statistik r dan statistik t dalam pengujian validitas dan reliabilitas, berikuti ini bisa dikemukakan beberapa hal antara lain, bahwa pengujian validitas/reliabilitas dengan sensus (populasi) tidak diperlukan generalisasi atau penarikan kesimpulan yang bersifat umum, karena seluruh anggota populasi dilibatkan dalam penelitian sehingga kesimpulan yang dibuat berlaku untuk populasi itu sendiri. Sementara dalam pengujian validitas/reliabilitas dengan sampel, generalisasi diperlukan, karena tidak semua anggota populasi dilibatkan sebagai responden sampel, oleh karena itu generalisasi harus dilakukan. Tetapi apabila tidak dilakukan generalisasi maka kesimpulan yang dibuat hanya berlaku untuk anggota sampel yang terlibat langsung sebagai responden, tidak untuk populasi. Dalam metode statistika, kegiatan untuk membuat generalisasi dilakukan dengan menggunakan pengujian statistik tertentu. Atau lazim disebut dengan Uji t.

Pendekatan yang dilakukan adalah dengan menggunakan pengujian statistik yang sesuai dengan kajian teoritis. Keputusan yang diambil untuk menguji data sampel melalui pengujian statistik merupakan pengujian terhadap karakteristik sampel agar dapat diambil kesimpulan yang bersifat umum sesuai dengan sifat dan karakteristik populasi. Atau dengan kata lain, kesimpulan yang dibuat berdasarkan data sampel bisa dianggap mewakili seluruh keberadaan/karakteristik tentang apa yang terjadi dalam populasi. Karena generalisasi hanya akan dilakukan ketika kesimpulan yang diambil berdasakan sampel.

&&&&&&&&&&&

UJI VALIDITAS, RELIABILITAS, INSTRUMEN, PENELITIAN , OPINI VALIDITAS DAN PENGERTIAN

2009-10-04T18:58:00.000-07:00

BEBERAPA PENGERTIAN TENTANG VALIDITAS

A. Pendahuluan

Persoalan alat ukur yang digunakan mahasiswa ketika melakukan pencarian data penelitian sering dihadapkan pada persoalan akurasi, konsisten dan stabilitas sehingga hasil pengukuran yang diperoleh bisa mengukur dengan akurat sesuatu yang sedang diukur. Instrumen ini memang harus memiliki akurasi ketika digunakan. Konsisten dan stabil dalam arti tidak mengalami perubahan dari waktu pengukuran satu ke pengukuran yang lain. Fenomena ini merupakan titik awal dari aksi penelitian mahasiswa yang mau tidak mau harus dihadapi ketika mahasiswa akan menyelesaikan tugas-tugas kuliah dalam jenjang pendidikan Strata 1. Mereka akan berhadapan dengan cara bagaimana membuat alat ukur, atau instrumen itu memiliki validitas dan reliabilitas agar bisa digunakan dalam memperoleh data. Karena data yang kurang memiliki validitas dan reliabilitas, akan menghasilkan kesimpulan yang kurang lazim.

Data yang kurang memiliki validitas dan reliabilitas, akan menghasilkan kesimpulan yang bias, kurang sesuai dengan yang seharusnya, dan bahkan bisa saja bertentangan dengan kelaziman. Untuk membuat alat ukur instrumen itu, diperlukan kajian teori, pendapat para ahli serta pengalaman-pengalaman yang kadangkala diperlukan bila definisi operasional variabelnya tidak kita temukan dalam teori. Alat ukur atau instrumen yang akan disusun itu tentu saja harus memiliki validitas dan reliabilitas, agar data yang diperoleh dari alat ukur itu bisa reliabel, valid dan disebut dengan validitas dan reliabilitas alat ukur atau validitas dan reliabilitas instrumen.

B. Pembahasan

1. Validitas dan Reliabilitas Penelitian

Sebelum aksi penelitian dilakukan, mahasiswa perlu membedakan kriteria tentang validitas dan reliabilitas hasil penelitian dengan validitas dan reliabilitas instrumen. Hasil penelitian yang valid dan reliabel dengan instrumen yang valid dan reliabel, Sugiono, 2005, merupakan hasil penelitian yang memiliki kesamaan antara data yang terkumpul dengan data yang sesungguhnya terjadi pada objek yang diteliti. Misalnya saja warna dalam objek yang berwarna merah, akan tetapi data yang terkumpul memberikan data berwarna lain, maka hasil penelitiannya tidak valid. Sedangkan hasil penelitian yang reliabel, diperoleh bila terdapat kesamaan data yang terkumpul dalam kurun waktu yang berbeda, ataupun pengukuran yang dilakukan secara berulang. Misalnya warna dalam obyek beberapa waktu lalu berwarna merah, maka pada saat ini dan besok tetap berwarna merah. Jika kita memperoleh data tentang jumlah mahasiswa Fakultas Ekonomi dua hari yang lalu adalah 50 mahasiswa, maka jumlah mahasiswa pada hari ini dan besok adalah sebanyak 50 mahasiswa, demikian seterusnya.

2. Reliabilitas Instrumen

Pengertian Reliabilitas, Sugiono 2005, adalah serangkaian pengukuran atau serangkaian alat ukur yang memiliki konsistensi bila pengukuran yang dilakukan dengan alat ukur itu dilakukan secara berulang. Kondisi itu ditengarai dengan konsistensi hasil dari penggunaan alat ukur yang sama yang dilakukan secara berulang dan memberikan hasil yang relatif sama dan tidak melanggar kelaziman. Untuk pengukuran subjektif, penilaian yang dilakukan oleh minimal dua orang bisa memberikan hasil yang relatif sama (reliabilitas antar penilai). Pengertian Reliabilitas tidak sama dengan pengertian validitas. Artinya pengukuran yang memiliki reliabilitas dapat mengukur secara konsisten, tapi belum tentu mengukur apa yang seharusnya diukur.

3. Pengukuran Reliabilitas

Sifat reliabilitas dari sebuah instrumen berhubungan dengan sejauh mana kemampuan alat ukur itu memberikan hasil yang konsisten dari satu even percobaan ke even percobaan lainnya. Jika konsistensi pengukuran itu tidak kita peroleh dalam setiap pengukuran, dapat dibayangkan bila pengukuran yang dilakukan dengan instrumen itu memberikan hasil yang berbeda dari pengukuran satu ke pengukuran berikutnya. Saat ini kita memperoleh hasil pengukuran berat badan seseorang adalah 70 kg. Beberapa saat kemudian, meskipun dengan alat ukur yang sama kita memperoleh hasil 73 kg. Demikian seterusnya, hasilnya tidak pernah konsisten. Data yang kita peroleh tidak pernah konsisten dari waktu ke waktu. Pertanyaan yanag akan muncul dari benak kita adalah hasil pengukuran mana yang kita gunakan?

Dalam kajian teoritis, reliabilitas adalah sejauh mana pengukuran dari suatu uji coba yang dilakukan tetap memiliki hasil yang sama meskipun dilakukan secara berulang-ulang terhadap subjek dan dalam kondisi yang sama. Instrumen alat ukur dianggap bisa diandalkan apabila memberikan hasil yang konsisten untuk pengukuran yang sama dan tidak bisa diandalkan bila pengukuran yang dilakukan secara berulang-ulang itu memberikan hasil yang relatif tidak sama. Pengujian reliabilitas instrumen untuk memperoleh hasil yang reliabel bisa dilakukan dengan berbagai metode statistik.

Contoh lain adalah misalnya saja dalam sebuah kesempatan kita ingin mengukur panjang dan lebar tiga (3) buah lapangan bola volley. Alat yang digunakan dalam pengukuran itu adalah meteran dan jangkauan langkah. Setelah dilakukan pengukuran, bisa dipastikan bahwa pengukuran yang dilakukan dengan menggunakan meteran memperoleh hasil panjang dan lebar yang relatif sama terhadap ketiga lapangan bola volley itu. Sedangkan pengukuran yang dilakukan dengan menggunakan jangkauan langkah terhadap ketiga lapangan bola volley itu, menghasilkan satuan ukur, yakni panjang dan lebar yang berbeda.

4. Validitas Instrumen

Fenomena kedua setelah mahasiswa menguji reliabilitas alat ukur, pekerjaan berikutnya adalah bagaimana memperoleh instrumen yang memiliki validitas, agar data yang diperoleh dari penyebaran instrumen itu benar-benar valid. Dikatakan memiliki validitas adalah bila instrumen atau alat ukur yang dibuat bisa dengan tepat mengukur objek yang akan diukur. Misalnya saja untuk mengukur, panjang dan lebar lapangan bola volley agar sama dengan luas standar lapangan internasional, maka sebaiknya kita menggunakan meteran. Karena meteran adalah merupakan alat ukur yang valid dan sudah memiliki validitas. Selain meteran, alat ukur untuk mengukur panjang dan lebar benda tidak lazim digunakan. Dalam teori ada bermacam-macam validitas.

Menurut Ebel, dalam Moh. Nazir, 2003, Validitas dibagi menjadi concurrent validity (validitas concuren), construct validity (validitas konstruk), face validity (validitas rupa), factorial validity (validitas faktorial), empirical validity (validitas empiris), intrinsic validity (validitas intrinsik), dan predictive validity (validitas prediksi).

Sementara itu, Anastasi, 1973 dan Nunnally, 1979, dalam Masri 2006, validitas alat pengumpul data dapat digolongkan dalam beberapa jenis, yakni validitas konstruk (construct validity), validitas isi (content valitity), validitas prediktif (predictive validity), validitas eksternal (external validity), dan validitas rupa (face validity). Selain itu ada beberapa jenis validitas lain yang tidak dibicarakan, tetapi relatif penting dilakukan bagi penelitian di Indonesia yang memiliki jumlah penduduk yang besar dan memiliki aneka ragam budaya. Validitas tersebut adalah validitas budaya (cross-cultural validity).

Sedangkan menurut Suharsimi, 2003, berdasarkan cara pengujiannya, terdapat dua validitas, yakni validitas ekternal dan validitas internal, selain itu validitas dikelompokkan menjadi beberapa kriteria, yakni, validitas konstruk, validitas isi, dan validitas prediksi.
Pengertian concurrent validity adalah validitas yang berkaitan dengan hubungan (korelasi) antara skor dalam item instrumen dengan kinerja, atau objek penelitian yang lain.

Construct validity atau validitas konstruk, adalah bila kita mendefinisikan validitas sebagai kualitas psikologi apa yang diukur oleh sebuah pengujian, serta menilainya dengan memperlihatkan bahwa konstrak tertentu yang bisa diterangkan, dapat menyebabkan penampilan baik buruknya (performance) dalam pengujian. Face validity atau validitas rupa yang berhubungan apa yang kelihatan dalam mengukur sesuatu, tetapi bukan terhadap apa yang seharusnya akan diukur.

Factorial validity dari sebuah alat ukur adalah korelasi antara alat ukur dengan faktor-faktor yang bersamaan dalam suatu kelompok atau ukuran-ukuran perilaku lainnya. Validitas ini biasanya diperoleh dengan menggunakan teknik analisis faktor.

Empirical validity adalah validitas empiris yang berkaitan dengan hubungan antara skor dengan suatu kriteria, dimana kriteria itu adalah merupakan ukuran yang bebas dan langsung berhubungan dengan apa yang ingin diramalkan oleh pengukuran.

Intrinsic validity adalah validitas yang berkaitan dengan penggunaan teknik uji coba untuk memperoleh fakta kuantitatif dan objektif untuk. Teknik uji coba itu yang dilakukan untuk mendukung bahwa instrumen yang digunakan sebagai alat ukur adalah benar-benar mengukur apa yang seharusnya diukur.

Predictive validity adalah validitas perkiraan yang berkenaan dengan hubungan antara skor suatu alat ukur dengan kinerja atau seseorang di masa mendatang berdasarkan pengukuran awal. Validitas prediksi adalah validitas instrumen yang diharapkan bisa memiliki hubungan dengan hasil yang diharapkan dari instrumen yang dibuat. Misalnya instrumen yang ditujukan terhadap mahasiswa baru. Bila jawaban responden (mahasiswa baru) memiliki hubungan dengan prestasi belajar mahasiswa ketika mengikuti kuliah mulai dari semester awal sampai semester akhir, berarti instrumen itu memiliki validitas prediksi yang tinggi. Sebaliknya jika instrumen yang dibuat dan ditujukan terhadap mahasiswa baru itu tidak memilii bubungan dengan prestasi belajar mahasiswa mulai dari semester awal hingga semester akhir, berarti instrumen itu meiliki validitas prediksi yang rendah.

Content validity adalah validitas yang berkaitan dengan baik atau buruknya sampel yang diambil dari populasi.

Curricular validity adalah validitas yang ditentukan oleh bagaimana cara peneliti menilik isi dari pengukuran dan menilai seberapa jauh pengukuran yang dilakukan ituadalah merupakan alat ukur yang benar-benar mengukur aspek-aspek sesuai dengan tujuan instruksional. Masri, 2006, validitas terbagi dalam beberapa kriteria antara lain, validitas konstruk, validitas isi, dan validitas prediksi.

Validitas isi adalah validitas instrumen yang memiliki kandungan isi butir-butir item pertanyaan yang dibuat sesuai dengan topik penelitian dan bisa menggali jawaban responden sesuai dengan permasalahan yang sudah dirumuskan oleh peneliti.

Validitas konstruk adalah validitas yang berkenaan dengan kualitas dalam aspek psikologis tentang apa yang diukur oleh suatu pengukuran serta terdapat evaluasi bahwa suatu konstruk tertentu itu bisa menyebabkan kinerja dan hasil yang baik dalam pengukuran. Validitas prediksi adalah validitas yang berkenaan dengan hubungan antara skor suatu alat ukur yang sudah dilakukan pada periode awal terhadap seseorang dengan kinerja seseorang pada waktu yang akan datang. Validitas ini biasanya dilakuklan ketika adavrekruitmen siswa atau pegawai lembaga tertentu.

C. Penutup

&&&&&&&&&&&&&&&&&&&&&

UJI VALIDITAS DALAM OPINI

A. Pendahuluan

Penggunaan statistik parametrik sebagai alat analisis yang digunakan mahasiswa, lazimnya digunakan untuk memperlakukan data interval dan ratio. Statistik parametrik ini, selain memiliki kajian yang lebih kuat, akan tetapi juga bisa memberikan nilai harapan dalam kesimpulan secara numerik. Selain itu, statistik parametrik juga bisa digunakan untuk memprediksi. Akan tetapi, belakangan ini relatif ramai dibicarakan tentang penggunaan statistik non parametrik sebagai salah satu alternatif alat analisis dalam penelitian mahasiswa. Statistik parametrik, selain memerlukan persyaratan khusus, yakni harus memenuhi kriteria normalitas data, akan tetapi lazim digunakan jika data yang dianalisis adalah data interval atau ratio. Secara teori, statistik parametrik memiliki kajian yang lebih kuat dibandingkan dengan statistik non parametrik. Statistik non parametrik, lazim digunakan meskipun data yang dianalisis tidak berdistribusi normal. Statistik non parametrik ini hanya mengukur distribusi. Selain itu, statistik non parametrik, hanya memerlukan perhitungan yang relatif sederhana. Penggunaan statistik non parametrik dalam penelitian mahasiswa, lebih banyak menggunakan instrumen penelitian alat ukur untuk memperoleh data.

B. Pembahasan

Kajian tentang penggunaan instrumen sebagai alat ukur itu tentu saja memerlukan kecermatan dan ketelitian dalam pembuatannya. Karena dari instrumen itu akan memberikan jawaban kepada kita tentang data-data yang diperlukan dalam penelitian. Data yang baik, hanya akan diperoleh dengan instrumen atau alat ukur yang baik. Data yang valid karena memiliki validitas dan reliabel karena memiliki reliabilitas, hanya akan diberikan oleh intrumen yang valid dan reliabel. untuk memperolah instrumen yang valid dan reliabel itu diantaranya adalah harus melalui mekanisme pengujian secara statistik dengan benar. Beberapa alasan tentang perlu tidaknya pengujian secara statistik tentang penggunaan instrumen sebagai alat ukur dalam penelitian akan dibahas secara sederhana dalam tulisan ini. Alasan pertama adalah peluang terjadinya kesalahan yang disebabkan oleh satu peubah bebas X, yakni kesalahan yang terjadi karena instrumen yang tidak valid dan reliabel. Instrumen tidak memberikan informasi yang benar bagi responden sehingga menimbulkan keraguan dalam menjawab pertanyaan pertanyaan yang diajukan. Sedangkan alasan kedua adalah kesalahan yang terjadi dalam diri responden. Instrumen sudah baik, valid dan reliabel. Akan tetapi jawaban yang diberikan pleh responden merupakan jawaban yang asal jadi, asal menjawab, dan bahkan secara sengaja tidak bersedia memberikan jawaban apa yang seharusnya di jawab.

Menurut Sambas (2006), terdapat dua pendapat tentang perlu tidaknya digunakan uji t dalam uji validitas dan reliabilitas dengan menggunakan statistika. Pendapat pertama menyebutkan bahwa untuk menguji validitas an reliabilitas tidak perlu digunakan uji t, tetapi cukup dengan menghitung nilai r, kemudian nilai r yang sudah diperoleh itu dibandingkan dengan nilai tabel r untuk mengetahui valid atau tidaknya instrumen yang sudah dibuat. Sementara pendapat kedua menyebutkan, setelah menghitung nilai r, harus dilanjutkan dengan uji t, kemudian membandingkannya dengan nilai r tabel untuk mengetahui valid atau tidaknya instrumen. Berkaitan dengan adanya perbedaan pendapat tentang perlu tidaknya digunakan uji t dalam uji validitas dan reliabilitas, maka perlu ditegaskan disini, bahwa kedua pendapat di atas adalah benar. Artinya penggunaan uji r dan uji t dalam pengujian validitas dan reliabilitas dalam pengukuran alat ukur lazim digunakan dalam penelitian. Namun demikian ada syarat yang perlu dipenuhi oleh keduanya. Pertama, pengujian validitas cukup menggunakan nilai keofisien korelasi apabila responden yang dilibatkan dalam pengujian validitas adalah populasi. Artinya, keputusan valid tidaknya item instrumen, cukup membandingkan nilai r hitung dengan nilai tabel r. Kedua, pengujian validitas perlu menggunakan uji t apabila responden yang dilibatkan dalam pengujian validitas adalah sampel. Artinya, keputusan valid atau tidaknya item instrumen, tidak bisa dilakukan hanya dengan membandingkan nilai r hitung dengan nilai r tabel, tetapi harus dengan membandingkan nilai t hitung dengan nilai t tabel.

C. Penutup

Dalam hal ini dapat dijelaskan, bahwa pengujian validitas/relibilitas dengan sensus (populasi) tidak diperlukan generalisasi atau penarikan kesimpulan yang bersifat umum, karena seluruh anggota populasi dilibatkan dalam penelitian sehingga kesimpulan yang dibuat berlaku untuk populasi itu sendiri. Sementara dalam pengujian validitas/reliabilitas dengan sampel, generalisasi diperlukan, karena tidak semua anggota populasi dilibatkan sebagai responden, oleh karena itu generalisasi harus dilakukan, apabbila tidak dilakukan generalisasi maka kesimpulan yang dibuat hanya untuk anggota sampel yang terlibat langsung sebagai responden, tidak untuk populasi. Dalam metode statistika, kegiatan untuk membuat generalisasi dilakukan dengan menggunakan pengujian statistik tertentu. Dengan demikian, pengujian statistik ini merupakan pengujian terhadap karakteristik dsampel agar dapat diambil kesimpulan yang bersifat umum dalam hal ini dianggap mewakili seluruh keberadaan/karakterisrik/ apa yang terjadi dalam populasi.

&&&&&&&&&&

UJI VALIDITAS dan RELIABILITAS

DALAM ANALISIS STATISTIK PARAMETRIK dan NONPARAMETRIK

A. Pendahuluan

Secara umum, penggunaan analisis statistik parametrik dalam penelitian mahasiswa sering digunakan untuk memperlakukan data interval dan ratio. Penggunaan analisis statistik parametrik itu bukan tanpa alasan, akan tetapi tanpa melanggar kelaziman, statistik parametrik memiliki beberapa keunggulan dibandingkan dengan statistik non parametrik. Statistik parametrik bisa digunakan untuk memprediksi secara numerik, sedangkan prediksi yang digunakan oleh statistik non parametrik, akan mengalami kesulitan secara numerik. Karena sejak awal, data yang digunakan oleh statstik non parametrik adalah data kualitatif. Pemberian simbol numerik dalam statistrik non parametrik, hanya digunakan untuk mempermudah perhitungan secara matematis. Namun belakangan ini relatif ramai dibicarakan tentang penggunaan statistik non parametrik dalam penelitian mahasiswa. Statistik parametrik, selain memerlukan persyaratan minimal, yakni harus memenuhi kriteria normalitas data, akan tetapi lazim digunakan jika data yang dianalisis adalah data interval atau ratio. Secara teoritis, statistik parametrik memiliki kajian yang lebih kuat dibandingkan dengan statistik non parametrik. Statistik parametrik memiliki keunggulan secara numerik karena data yang dianalisis adalah data numerik. Sedangkan statistik non parametrik, memang lazim digunakan meskipun datanya tidak berdistribusi normal. Selain itu, statistik non parametrik hanya mengukur distribusi. Statistik non parametrik juga hanya memerlukan perhitungan-perhitungan yang relatif sederhana.

B. Pembahasan

Penggunaan statistik non parametrik dalam penelitian mahasiswa, lebih banyak menggunakan instrumen penelitian untuk memperoleh data. Kajian tentang penggunaan instrumen sebagai alat ukur itu tentu saja memerlukan kecermatan dan ketelitian dalam pembuatannya. Karena dari instrumen itu akan memberikan jawaban kepada kita tentang data-data yang diperlukan dalam penelitian. Data yang baik, hanya akan diperoleh dengan instrumen yang baik. Data yang valid (validitas) dan reliabel (reliabilitas), hanya akan diberikan oleh intrumen yang valid dan reliabel. untuk memperolah instrumen yang valid dan reliabel tentu saja harus melalui mekanisme pengujian secara statistik dengan benar.

Beberapa alasan tentang perlu tidaknya pengujian secara statistik tentang penggunaan instrumen sebagai alat ukur dalam penelitian, akan dibahas secara sederhana dalam tulisan ini. Alasan pertama adalah peluang terjadinya kesalahan yang disebabkan oleh satu peubah bebas X, yakni kesalahan yang terjadi karena instrumen yang tidak valid dan reliabel atau dengan kata lain, alat ukurnya tidak memiliki validitas dan reliabilitas. Instrumen tidak memberikan informasi yang benar bagi responden sehingga menimbulkan keraguan dalam menjawab pertanyaan pertanyaan yang diajukan. Dalam kontek ini, kesalahan ada dalam instrumen. Instrumen tidak mencerminkan apa yang akan diukur. Sedangkan alasan kedua, adalah kesalahan yang terjadi dalam diri responden. Instrumen sudah baik, valid dan reliabel. Akan tetapi jawaban yang diberikan responden merupakan jawababan yang asal jadi, asal menjawab, asal-asalan, ada rasa takut, cemas, dan bahkan secara sengaja tidak bersedia memberikan jawaban apa yang seharusnya di jawab.

Berkaitan dengan beberapa opini tentang perlu tidaknya dilakukan pengujian validitas dan reliabilitas dengan menggunakajn uji t, pendapat pertama menyebutkan bahwa, uji t tidak perlu dilakukan. Pengujian validitas dan reliabilitas cukup dilakukan dengan menghitung nilai r. Setelah nilai r diperoleh, kemudian nilai r itu dibandingkan dengan nilai r tabel untuk mengetahui valid (validitas) atau reliabel (reliabilitas) tidaknya instrumen yang dibuat. Tetapi pendapat kedua mengatakan bahwa setelah menghitung nilai r, nilai r itu harus dilanjutkan dengan uji t. Artinya, nilai t yang sudah diperoleh kemudian dibandingkan dengan nilai dalam tabel t untuk mengetahui valid (validitas) dan reliabel (reliabilitas) atau tidaknya instrumen yang sudah disusun.

Dari beberapa pendapat tentang perbedaan opini perlu atau tidaknya penggunaan uji t bagi instrumen untuk mengetahui validitas dan reliabilitas sebagai alat ukur, menurut hemat kami perbedaan pendapat tersebut, yakni pendapat pertama dan pendapat kedua, bahwa kedua pendapat di atas adalah benar adanya. masing-masing pendapat tentu saja memiliki beberapa alasan yang cukup. Namun demikian ada persyaratan minimal yang perlu dipenuhi oleh keduanya. Pengujian validitas cukup menggunakan nilai keofisien korelasi apabila responden yang terlibat dalam pengujian validitas adalah seluruh populasi. Keputusan valid (validitas) tidaknya item instrumen sebagai alat ukur, hanya dilakukan dengan cara membandingkan nilai r hitung dengan nilai r tabel. Sedangan pengujian validitas instrumen perlu menggunakan uji t apabila responden yang terlibat di dalam pengujian validitas adalah sampel. Atau dengan kata lain, keputusan valid (validitas) dan reliabel (reliabilitas) atau tidaknya item instrumen, tidak bisa dengan membandingkan nilai r hitung dengan nilai r tabel, akan tetapi harus dilakukan dengan cara membandingkan antara nilai t hitung dengan nilai t tabel.

C. Penutup

Validitas dan relibilitas instrumen yang dilakukan terhadap aksi sensus (populasi) tidak memerlukan generalisasi atau penarikan kesimpulan yang bersifat umum. Dalam buku teks statistika, generalisasi hanya diperlukan bila objek penelitian dilakukan terhadap sampel. Sedangkan bila seluruh anggota populasi sebagai objek dilibatkan dalam penelitian, maka generalisasri dan pengujian statistik dengan menggunakan uji t tidak perlu dilakukan. Kesimpulan yang dibuat berlaku untuk populasi itu sendiri. Sementara dalam pengujian validitas dan reliabilitas dengan sampel, generalisasi diperlukan, karena tidak semua anggota populasi dilibatkan sebagai responden, oleh karena itu generalisasi harus dilakukan. Dan bila tidak dilakukan generalisasi maka kesimpulan yang dibuat hanya berlaku untuk anggota sampel yang terlibat langsung sebagai responden, tidak untuk populasi. Dalam metode statistika, perlakuan untuk membuat generalisasi dilakukan dengan menggunakan pengujian statistik tertentu. Artinya pengujian statistik ini merupakan pengujian terhadap karakteristik sampel agar dapat diambil kesimpulan yang bersifat umum. Sesuatu hal yang terjadi di dalam sampel dianggap bisa mewakili seluruh keberadaan/karakterisrik/apa yang terjadi dalam populasi. Atau dengan kata lain kesimpulan dalam sampel bisa digeneralisasikan ke populasi.

&&&

Penggunaan Uji t dan Uji r dalam Validitas

A. Pendahuluan

Alat analisis yang dilakukan mahasiswa dalam memperlakukan data interval dan ratio, lazimnya adalah statistik parametrik. Statistik parametrik merupakan data numerik. Meskipun demikian, belakangan ini relatif ramai dibicarakan tentang penggunaan statistik non parametrik sebagai salah satu alternatif alat analisis dalam penelitian mahasiswa. Statistik parametrik, selain memerlukan persyaratan khusus, yakni harus memenuhi kriteria normalitas data, akan tetapi lazim digunakan jika data yang dianalisis adalah data interval atau ratio. Secara teori, statistik parametrik memiliki kajian yang lebih kuat dibandingkan dengan statistik non parametrik. Statistik non parametrik, lazim digunakan meskipun data yang dianalisis tidak berdistribusi normal. Statistik non parametrik ini hanya mengukur distribusi. Selain itu, statistik non parametrik, hanya memerlukan perhitungan yang relatif sederhana. Penggunaan statistik non parametrik dalam penelitian mahasiswa, lebih banyak menggunakan instrumen penelitian alat ukur untuk memperoleh data.

B. Pembahasan

C. Penutup

Dalam hal ini dapat dijelaskan, bahwa pengujian validitas/relibilitas dengan sensus (populasi) tidak diperlukan generalisasi atau penarikan kesimpulan yang bersifat umum, karena seluruh anggota populasi dilibatkan dalam penelitian sehingga kesimpulan yang dibuat berlaku untuk populasi itu sendiri. Sementara dalam pengujian validitas/reliabilitas dengan sampel, generalisasi diperlukan, karena tidak semua anggota populasi dilibatkan sebagai responden, oleh karena itu generalisasi harus dilakukan, apabbila tidak dilakukan generalisasi maka kesimpulan yang dibuat hanya untuk anggota sampel yang terlibat langsung sebagai responden, tidak untuk populasi. Dalam metode statistika, kegiatan untuk membuat generalisasi dilakukan dengan menggunakan pengujian statistik tertentu. Dengan demikian pengujian statistik ini merupakan pengujian terhadap karakteristik dsampel agar dapat diambil kesimpulan yang bersifat umum dalam hal ini dianggap mewakili seluruh keberadaan/karakterisrik/ apa yang terjadi dalam populasi.

&&&&&&&&&&

SUHARTO, S.E., M.M.: PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

2009-08-06T11:24:00.000-07:00

SUHARTO, S.E., M.M.: PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.
VARIABEL

PENGERTIAN VARIABEL, VARIABEL, PENGERTIAN DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

(Suharto, S.E., M.M.)

Fenomena yang dihadapi mahasiswa sebelum melaksanakan penelitian biasanya berkenaan dengan pertanyaan tentang variabel. Karena tanpa jawaban pasti tentang variabel, penelitian yang dilakukan mahasiswa akan mengalami kesulitan dalam memperoleh informasi yang akan digunakan untuk mengambil kesimpulan. Variabel penelitian adalah objek yang berbentuk apa saja yang ditentukan oleh peneliti untuk dicari informasinya dengan tujuan untuk ditarik suatu kesimpulan. Akan tetapi secara teori, definisi variabel penelitian adalah merupakan suatu obyek, atau sifat, atau atribut atau nilai dari orang, obyek atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Misalnya saja mahasiswa. Kalau kita berbicara tentang mahasiswa saja, hal ini belum bisa dikatakan variabel. Karena mahasiswa saja hanya merupakan sebuah konsep. Akan tetapi kalau kita sudah berbicara tentang Mahasiswa Fakultas Ekonomi, Mahasiswa Fakultas Teknik, Mahasiswa Fakultas Hukum, artinya kita sudah membicarakan variabel. Karena mahasiswa Fakultas Ekonomi, Teknik dan Hukum merupakan konsep yang memiliki bermacam-macam variasi. Atau jika kita membicarakan tentang badan. Hal ini belum bisa dikatakan variabel. Karena badan saja hanya merupakan sebuah konsep. Akan tetapi sebaliknya, kalau kita sudah berbicara tentang tinggi badan mahasiswa, jenis kelamin mahasiswa, atau berat badan mahasiswa, atau aktivitas mahasiswa, berarti kita sudah berbicara tentang variabel. Karena tinggi badan, jenis kelamin, berat badan dan motivasi mahasiswa memiliki bermacam-macam variasi. Untuk kepentingan penelitian, konsep bisa diubah menjadi variabel. Hal itu kita lakukan dengan cara memusatkan perhatian terhadap karakteristi-karakteristik dari variabel itu sendiri. Misalnya saja konsep tentang konsumsi, bisa diubah menjadi variabel makanan ringan, makanan berlemak, makanan berserat, dan lain-lain. Akan tetapi konsep-konsep sosial yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional itu, variabel dan konstruk (construct), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk sosial memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Definisi operasional adalah aspek penelitian yang memberikan informasi kepada kita tentang bagaimana caranya mengukur variabel. Definisi operasional adalah semacam petunjuk kepada kita tentang bagimana caranya mengukur suatu variabel. Definisi operasional merupakan informasi ilmiah yang sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama. Karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama atau diperlukan pengukuran yang baru.

Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986. 2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.

3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&&&&
.
.

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

(Suharto, S.E., M.M.)

Variabel Moderator

Analisis hubungan yang menggunakan minimal dua variabel, yakni satu variabel dependen dan satu atau beberapa variabel independen, adakalanya dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam model staistik yang kita gunakan. Dalam analisis statistik ada yang dikenal dengan variabel moderator. Variabel moderator ini adalah variabel yang selain bisa memperkuat hubungan antar variabel, dilain pihak juga bisa memperlemah hubungan antara satu atau beberapavariabel independen dan variabel dependen. Misalnya pelatihan yang diikuti karyawan sebuah perusahaan dengan tujuan untuk meningkatkan ketrampilan menyelesaikan tugas-tugas administrasi. Seluruh karyawan yang mengikuti pelatihan tersebut memiliki jenjang pendidikan yang sama. Tetapi setelah selesai mengikuti pelatihan dan dilakukan uji ketrampilan, ternyata kemampuan karyawan yang berasal dari sekolah kejuruan, memiliki ketrampilan yang lebih baik dibandingkan dengan karyawan yang berasal dari Sekolah Unum. Perbedaan ketrampilan karyawan yang berasal dari sekolah Kejuruan, dibendingkan dengan Ketrampilan Kerja disebabkan oleh adanya perbedaan kemampuan menyerap materi yang disampaikan ketika melaksanakan pelatihan. Kondisi ini bisa saja terjadi karena ada variabel moderator yang bisa menyebabkan karyawan yang berasal dari Sekolah Umum memiliki motivasi yang lebih rendah untuk mengikuti pelatihan jika dibandingkan dengan Karyawan yang berasal dari sekolah Kejuruan. Dalam contoh di atas pelatihan adalah variabel independen, prestasi kerja adalah variabel dependen, dan motivasi untuk mengikuti pelatihan adalah variabel moderator. Atau dengan kata lain, variabel moderator memiliki kontribusi yang signifikan terhadap kemampuan variabel independen dalam mempengaruhi variabel dependen.

Variabel Intervening.

Variabel yang bisa memperkuat atau memperlemah hubungan antar variabel (variabel moderator), secara teori merupakan satuan yang bisa diukur. Akan tetapi variabel yang yang nilainya secara satuan relatif tidak dapat diukur secara pasti, misalnya sedih, gembira, sakit hati, stress, frustasi dan sebagainya, merupakan variabel intervening. Contoh: meningkatnya hasil produksi padi dalam suatu lahan sawah yang diukur dengan satuan penggunaan biaya pupuk tinggi, biaya pembelian bibit padi tinggi, dan pengairan yang baik, tetap tidak mengalami peningkatan hasil produksi padi secara signifikan. Kemudian setelah diteliti secara seksama, ternyata sebagian besar lahan sawah sedang terserang hama.

Variabel Kontrol.

Variabel yang sering digunakan oleh penelitian, selain variabel moderator dan variabel intervening adalah variabel kontrol. Variabel ini (kontrol), kualitas dan kuantitasnya biasanya bisa dikendalikan oleh peneliti sesuai dengan waktu dan tempat yang dikehendaki. Misalnya saja produktivutas lahan sawah yang diukur dengan satuan penggunaan bibit, peneliti menggunakan variabel kontrol dalam bentuk kualitas dan kuantitas pupuk yang sama. Akan tetapi kualitas dan kuantitas bibitnya berbeda. Kualitas dan kuantitas bibit padi sebagai variabel bebas, yang diukur dalam satuan kg., sedangkan produktivitas lahan sawah merupakan variabel terikat yang diukur dalam satuan ton, sedangkan kualitas dan kuantitas pupuk dalam jumlah sama digunakan sebagai variabel kontrol.

&&&&&

VARIABEL

2009-08-06T11:03:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

Fenomena yang dihadapi mahasiswa sebelum melaksanakan penelitian biasanya berkenaan dengan variabel. Karena tanpa pengertian pasti tentang variabel, penelitian yang dilakukan mahasiswa akan mengalami kesulitan dalam memperoleh informasi yang akan digunakan untuk mengambil kesimpulan. Variabel penelitian adalah objek yang berbentuk apa saja yang ditentukan oleh peneliti untuk dicari informasinya dengan tujuan untuk ditarik suatu kesimpulan. Akan tetapi secara teori, definisi variabel penelitian adalah merupakan suatu obyek, atau sifat, atau atribut atau nilai dari orang, obyek atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Misalnya saja tentang mahasiswa. Kalau kita berbicara tentang mahasiswa saja, hal ini belum bisa dikatakan variabel. Karena mahasiswa saja hanya merupakan sebuah konsep. Akan tetapi kalau kita sudah berbicara tentang Mahasiswa Fakultas Ekonomi, Mahasiswa Fakultas Teknik, Mahasiswa Fakultas Hukum, artinya kita sudah membicarakan variabel. Karena mahasiswa Fakultas Ekonomi, Teknik dan Hukum merupakan konsep yang memiliki bermacam-macam variasi. Atau jika kita membicarakan tentang badan. Hal ini belum bisa dikatakan variabel. Karena badan saja hanya merupakan sebuah konsep. Akan tetapi sebaliknya, kalau kita sudah berbicara tentang tinggi badan mahasiswa, jenis kelamin mahasiswa, atau berat badan mahasiswa, atau aktivitas mahasiswa, berarti kita sudah berbicara tentang variabel. Karena tinggi badan, jenis kelamin, berat badan dan motivasi mahasiswa memiliki bermacam-macam variasi. Untuk kepentingan penelitian, konsep bisa diubah menjadi variabel. Hal itu kita lakukan dengan cara memusatkan perhatian terhadap karakteristi-karakteristik dari variabel itu sendiri. Misalnya saja konsep tentang konsumsi, bisa diubah menjadi variabel makanan ringan, makanan berlemak, makanan berserat, dan lain-lain. Akan tetapi konsep-konsep sosial yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional itu, variabel dan konstruk (construct), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk sosial memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Definisi operasional adalah aspek penelitian yang memberikan informasi kepada kita tentang bagaimana caranya mengukur variabel. Definisi operasional adalah semacam petunjuk kepada kita tentang bagimana caranya mengukur suatu variabel. Definisi operasional merupakan informasi ilmiah yang sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama. Karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama, atau diperlukan pengukuran yang baru.
Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986.
2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.
3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&&&&&&

.
.

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

Variabel Moderator.

Variabel Intervening.

Variabel Kontrol.

Variabel, variabel, variabel. variabel, variabel, variabel, variabel, variabel, variabel......, tulisan tentang variabel ini masih akan dilanjutkan...., seperti misalnya variabel php, variabel pascal, variabel cost, dll.

&&&&&

SUHARTO, S.E., M.M.: PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

2009-08-06T10:23:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986.

2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.

3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&&&&
.
.

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

Variabel Moderator.

Variabel Intervening.

Variabel yang bisa memperkuat atau memperlemah hubungan antar variabel (variabel moderator), secara teori merupakan satuan yang bisa diukur. Akan tetapi variabel yang yang nilainya secara satuan relatif tidak dapat diukur secara pasti, misalnya sedih, gembira, sakit hati, stress, frustasi dan sebagainya, merupakan variabel intervening. Contoh: meningkatnya hasil produksi padi dalam suatu lahan sawah yang diukur dengan satuan penggunaan biaya pupuk tinggi, biaya pembelian bibit padi tinggi, dan pengairan yang baik, tetap tidak mengalami peningkatan hasil produksi padi secara signifikan. Namun setelah dilakukan penelitian secara mendalam, ternyata sebagian besar lahan sawah sampel sedang terserang hama.

Variabel Kontrol.

Variabel yang sering digunakanoleh penelitian, selain variabel moderator dan variabel intervening adalah variabel kontrol. Variabel ini (kontrol), kualitas dan kuantitasnya bisa biasanya bisa dikendalikan oleh peneliti sesuai dengan waktu dan tempat yang dikehendaki. Misalnya saja produktivutas lahan sawah yang diukur dengan satuan penggunaan bibit, peneliti menggunakan variabel kontrol dalam bentuk kualits dan kuantitas pupuk yang sama. Akan tetapi kualitas dan kuantitas bibitnya sama. Kualitas dan kuantitas bibit padi sebagai variabel bebas, yang diukur dalam satuan kg, sedangkan produktivitas lahan sawah merupakan variabel terikat yang diukur dalam satuan ton.

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

2009-08-03T23:57:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

(Suharto, S.E., M.M.)

Fenomena yang dihadapi mahasiswa sebelum melaksanakan penelitian biasanya berkenaan dengan pengertian tentang variabel. Karena tanpa jawaban pasti tentang variabel, penelitian yang dilakukan mahasiswa akan mengalami kesulitan dalam memperoleh informasi yang akan digunakan untuk mengambil kesimpulan. Variabel penelitian adalah objek yang berbentuk apa saja yang ditentukan oleh peneliti untuk dicari informasinya dengan tujuan untuk ditarik suatu kesimpulan. Akan tetapi secara teori, definisi variabel penelitian adalah merupakan suatu obyek, atau sifat, atau atribut atau nilai dari orang, obyek atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Misalnya saja mahasiswa. Kalau kita berbicara tentang mahasiswa saja, hal ini belum bisa dikatakan variabel. Karena mahasiswa saja hanya merupakan sebuah konsep. Akan tetapi kalau kita sudah berbicara tentang Mahasiswa Fakultas Ekonomi, Mahasiswa Fakultas Teknik, Mahasiswa Fakultas Hukum, artinya kita sudah membicarakan variabel. Karena mahasiswa Fakultas Ekonomi, Teknik dan Hukum merupakan konsep yang memiliki bermacam-macam variasi. Atau jika kita membicarakan tentang badan. Hal ini belum bisa dikatakan variabel. Karena badan saja hanya merupakan sebuah konsep. Akan tetapi sebaliknya, kalau kita sudah berbicara tentang tinggi badan mahasiswa, jenis kelamin mahasiswa, atau berat badan mahasiswa, atau aktivitas mahasiswa, berarti kita sudah berbicara tentang variabel. Karena tinggi badan, jenis kelamin, berat badan dan motivasi mahasiswa memiliki bermacam-macam variasi. Untuk kepentingan penelitian, konsep bisa diubah menjadi variabel. Hal itu kita lakukan dengan cara memusatkan perhatian terhadap karakteristi-karakteristik dari variabel itu sendiri. Misalnya saja konsep tentang konsumsi, bisa diubah menjadi variabel makanan ringan, makanan berlemak, makanan berserat, dan lain-lain. Akan tetapi konsep-konsep sosial yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional itu, variabel dan konstruk (construct), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk sosial memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Definisi operasional adalah aspek penelitian yang memberikan informasi kepada kita tentang bagaimana caranya mengukur variabel. Definisi operasional adalah semacam petunjuk kepada kita tentang bagimana caranya mengukur suatu variabel. Definisi operasional merupakan informasi ilmiah yang sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama. Karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama atau diperlukan pengukuran yang baru.

Sumber bacaan:

Babbie, Earl R., 1986. The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth.
Kerlinger, F.N., 1971. Foundation of Behavioral Research, 2nd Ed., New York, MacMillan.
Moh. Nazir, Ph.d., 2005. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta.

&&&&&&&&&&&&

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

(Suharto, S.E., M.M.)

Variabel adalah konsep yang mempunyai bermacam-macam nilai (Moh. Nazir). Dengan demikian, variabel adalah merupakan objek yang berbentuk apa saja yang ditentukan oleh peneliti dengan tujuan untuk memperoleh informasi agar bisa ditarik suatu kesimpulan. Secara teori, definisi variabel penelitian adalah merupakan suatu objek, atau sifat, atau atribut atau nilai dari orang, atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti dengan tujuan untuk dipelajari dan ditarik kesimpulan.Setelah kita membicarakan beberapa pengertian dasar tentang variabel, berikut ini kita akan membicarakan beberapa macam variabel ditinjau dari aspek hubungan antar variabel yang digunakan untuk penelitian. Partama adalah variabel dependen (terikat). Variabel ini merupakan variabel terikat yang besarannya tergantung dari besaran variabel independen (bebas). Besarnya perubahan yang disebabkan oleh variabel independen ini, akan memberi peluang terhadap perubahan variabel dependen (terikat) sebesar koefisien (besaran) perubahan dalam variabel independen. Artinya, setiap terjadi perubahan sekian kali satuan variabel independen, diharapkan akan menyebakan variabel dependen berubah sekian satuan juga. Sebaliknya jika terjadi perubahan (penurunan) variabel indepnden (bebas) sekian satuan, diharapkan akan menyebabkan perubahan (penurunan) variabel dependen sebesar sekian satuan juga. Hubungan antar variabel, yakni variabel independen dan dependen, biasanya ditulis dapal bentuk persamaan, Y = a + bX. Misalnya bentuk persamaan linear Y = 3 + 2X. Y adalah pengguaan pupuk dalam satua kwintal, dan Y adalah hasil produksi padi dalam satuan ton. Bila terjadi perubahan X senbesar 1 (satu) satuan kwintal, diharapkan akan terjadi perubahan Y sebesar 2 (dua) satuan Ton.

Variabel Moderator

Analisis hubungan yang menggunakan minimal dua variabel, yakni satu variabel dependen dan satu atau beberapa variabel independen, adakalanya dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam model staistik yang kita gunakan. Dalam analisis statistik ada yang dikenal dengan variabel moderator. Variabel moderator ini adalah variabel yang selain bisa memperkuat hubungan antar variabel, dilain pihak juga bisa memperlemah hubungan antara satu atau beberapavariabel independen dan variabel dependen. Misalnya pelatihan yang diikuti karyawan sebuah perusahaan dengan tujuan untuk meningkatkan ketrampilan menyelesaikan tugas-tugas administrasi. Seluruh karyawan yang mengikuti pelatihan tersebut memiliki jenjang pendidikan yang sama. Tetapi setelah selesai mengikuti pelatihan dan dilakukan uji ketrampilan, ternyata kemampuan karyawan yang berasal dari sekolah kejuruan, memiliki ketrampilan yang lebih baik dibandingkan dengan karyawan yang berasal dari Sekolah Unum. Perbedaan ketrampilan karyawan yang berasal dari sekolah Kejuruan, dibendingkan dengan Ketrampilan Kerja disebabkan oleh adanya perbedaan kemampuan menyerap materi yang disampaikan ketika melaksanakan pelatihan. Kondisi ini bisa saja terjadi karena ada variabel moderator yang bisa menyebabkan karyawan yang berasal dari Sekolah Umum memiliki motivasi yang lebih rendah untuk mengikuti pelatihan jika dibandingkan dengan Karyawan yang berasal dari sekolah Kejuruan. Dalam contoh di atas pelatihan adalah variabel independen, prestasi kerja adalah variabel dependen, dan motivasi untuk mengikuti pelatihan adalah variabel moderator. Atau dengan kata lain, variabel moderator memiliki kontribusi yang signifikan terhadap kemampuan variabel independen (variabel bebas) dalam mempengaruhi variabel dependen (variabel tak bebas).....

Variabel Kontrol.

Variabel kontrol adalah variabel yang dapat dikendalikan oleh peneliti. Misalnya Produktivitas lahan sawah yang diukur denga satuan penggunaan bibit padi dari dua merk yang berbeda, diukur dengan variabel kontrol prnggunaan jenis pupuk yang sama. Produkstivitas lahan sawah diukur dengan satuan ton, sedangkan penggunaan bibit padi diukur dengan satuan jenis dan kg. Penggunaan pupuk merupakan variabel kontrol. Penggunaan jenis dan jumlah pupuk ini harus sama karena variabel ini, merupakan variabel kontrol yang digunakan untuk mengukur produktivitas lahan sawah. Dan tanpa penggunaan pupuk dalam jumlah yang sama sebagai variabel kontrol, penelitian ini akan menghasilkan sesuatu yang sukar disimpulkan.

Peubah (variabel) adalah lambang, seperti, A, B, F, X, atau B, yang dapat menerima sembarang nilai dari suatu himpunan nilai yang telah ditetapkan, yang disebut daerah asal peubah (variabel). Jika peubah (variabel) hanya dapat menerima satu nilai ia disebut konstanta. Peubah (variabel) yang secara teoritis dapat menerima sembarang nilai di antara dua nilai yang diberikan disebut peubah (variabel) kontinum (continuous variabel), jika ia disebut peubah (variabel) diskrit (discreate variabel).

Misal, Jumlah P anak dalam satu keluarga, yang dapat menerima sembarang nilai-nilai 0,1,2,3. Jumlah ini tidak akan berbentuk bilangan pecahan seperti 2,5 atau 3,7, karena data seperti ini dinamakan peubah (variabel) diskrit.

Contoh lain adalah umur seseorang yang bisa mencapai 43 trahun, 52 tahun atau 55,6342 tahun tergantung pada kecermatan pengukuran yang dilakukan. variabel seperti ini dinamakan suatu peubah (variabel) kontinu.

Data yang dapat dipaparkan oleh suatu peubah (variabel) diskrit atau kontinu masing-masing disebut data diskrit, sedang tinggi dari rata-rata 50 mahasiswa adalah suatu contoh data kontinu. Umumnya hasil yang diperoleh dari pengukuran menghasilkan data kontinu, atau variabel kontinu. Sedangkan pencacahan (enumerations) atau penghitungan (countings) menghasilkan data diskrit, atau variabel diskrit.

Untuk memudahkan perhitungan dengan analisis statistik, kadang-kadang untuk memperluas konsep peubah (variabel) ke satuan bukan numerik menguntungkan peneliti. Misalnya saja penelitian yang dilakukan tentang warna sepeda mototr. Warna sepeda motoor adalah peubah (variabel) yang dapat mengambil nilai nilai merah, kuning, hijau, biru, hitam. Secara umum, mengganti variabel (peubah) yang demikian dengan besaran numerik lazim digunakan. Misalnya, nyatakan merah dengan 1, hitam dengan 2, dan seterusnya.

&&&&

PENGERTIAN VARIABEL, DEFINISI OPERASIONAL VARIABEL dan DEFINI OPERASIONAL PENELITIAN, (VARIABEL INDEPENDEN, DEPENDEN, MODERATOR, INTERVENING, KONTROL

2009-08-01T09:57:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

(Suharto, S.E., M.M.)

Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986. 2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.

3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&&&&&&

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

(Suharto, S.E., M.M.)

&&&&&&

PENGERTIAN VARIABEL

2009-08-01T09:54:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

(Suharto, S.E., M.M.)

Fenomena yang dihadapi mahasiswa sebelum melaksanakan penelitian untuk membuat tugas akhir biasanya berkenaan dengan variabel. Karena tanpa informasi pasti tentang variabel, penelitian yang dilakukan mahasiswa akan mengalami kesulitan dalam memperoleh informasi yang akan digunakan untuk mengambil kesimpulan. Variabel penelitian adalah objek yang berbentuk apa saja yang ditentukan oleh peneliti untuk dicari informasinya dengan tujuan untuk ditarik suatu kesimpulan. Akan tetapi secara teori, definisi variabel penelitian adalah merupakan suatu obyek, atau sifat, atau atribut atau nilai dari orang, obyek atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Misalnya saja mahasiswa. Kalau kita berbicara tentang mahasiswa saja, hal ini belum bisa dikatakan variabel. Karena mahasiswa saja hanya merupakan sebuah konsep. Akan tetapi kalau kita sudah berbicara tentang Mahasiswa Fakultas Ekonomi, Mahasiswa Fakultas Teknik, Mahasiswa Fakultas Hukum, artinya kita sudah membicarakan variabel. Karena mahasiswa Fakultas Ekonomi, Teknik dan Hukum merupakan konsep yang memiliki bermacam-macam variasi. Atau jika kita membicarakan tentang badan. Hal ini belum bisa dikatakan variabel. Karena badan saja hanya merupakan sebuah konsep. Akan tetapi sebaliknya, kalau kita sudah berbicara tentang tinggi badan mahasiswa, jenis kelamin mahasiswa, atau berat badan mahasiswa, atau aktivitas mahasiswa, berarti kita sudah berbicara tentang variabel. Karena tinggi badan, jenis kelamin, berat badan dan motivasi mahasiswa memiliki bermacam-macam variasi. Untuk kepentingan penelitian, konsep bisa diubah menjadi variabel. Hal itu kita lakukan dengan cara memusatkan perhatian terhadap karakteristi-karakteristik dari variabel itu sendiri. Misalnya saja konsep tentang konsumsi, bisa diubah menjadi variabel makanan ringan, makanan berlemak, makanan berserat, dan lain-lain. Akan tetapi konsep-konsep sosial yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional itu, variabel dan konstruk (construct), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk sosial memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Definisi operasional adalah aspek penelitian yang memberikan informasi kepada kita tentang bagaimana caranya mengukur variabel. Definisi operasional adalah semacam petunjuk kepada kita tentang bagimana caranya mengukur suatu variabel. Definisi operasional merupakan informasi ilmiah yang sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama. Karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama atau diperlukan pengukuran yang baru.

Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986.

2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.

3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&
.
.

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

(Suharto, S.E., M.M.)

Variabel Moderator

Variabel Intervening.

Variabel yang bisa memperkuat atau memperlemah hubungan antara variabel bebas dan variabel tak bebas dinamakan variabel moderator. Secara teori variabel ini memang ada dan merupakan satuan yang bisa diukur. Akan tetapi variabel yang yang nilainya secara satuan relatif tidak dapat diukur secara pasti, misalnya kecewa, sakit hati, stress, frustasi dan sebagainya, dinamakan variabel intervening. Contoh lain tentang variabel intervening adalah: meningkatnya hasil produksi padi dalam suatu lahan sawah yang diukur dengan satuan penggunaan biaya pupuk tinggi, biaya pembelian bibit padi tinggi, dan pengairan yang baik, tetapi tidak mengalami peningkatan hasil produksi padi secara signifikan. Kemudian setelah dilakukan penelitian secara seksama, ternyata sebagian besar lahan sawah sedang terserang hama tanaman.

Variabel Kontrol

Variabel yang sering digunakan dalam penelitian mahasiswa, selain variabel moderator dan variabel intervening adalah variabel kontrol. Variabel kontrol ini, kualitas dan kuantitasnya biasanya dikendalikan oleh peneliti mahasiswa sesuai dengan waktu dan tempat yang dikehendaki. Misalnya saja produktivitas beberapa lahan sawah yang diukur dengan satuan penggunaan bibit, peneliti menggunakan variabel kontrol dalam bentuk kualitas dan kuantitas pupuk yang sama, akan tetapi kualitas dan kuantitas bibitnya berbeda. Kualitas dan kuantitas bibit padi itu dijadikan sebagai variabel bebas, yang diukur dalam satuan kg, sedangkan produktivitas lahan sawah merupakan variabel tak bebas yang diukur dalam satuan ton. Karena tanpa pupuk sebagai variabel kontrol, kesimpulan terhadap pengukuran produktivitas lahan sawah menjadi sulit dilakukan.

&&&

VARIABEL

2009-08-01T09:47:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

Fenomena yang dihadapi mahasiswa sebelum melaksanakan penelitian biasanya berkenaan konsep, variabel dan variabel yang lebih operasional. Karena pengertian luas tentang variabel, penelitian yang dilakukan mahasiswa akan mengalami kesulitan dalam memperoleh informasi yang akan digunakan untuk mengambil kesimpulan. Variabel penelitian adalah objek yang berbentuk apa saja yang ditentukan oleh peneliti untuk dicari informasinya dengan tujuan untuk ditarik suatu kesimpulan. Akan tetapi secara teori, definisi variabel penelitian adalah merupakan suatu obyek, atau sifat, atau atribut atau nilai dari orang, obyek atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Misalnya saja mahasiswa. Kalau kita berbicara tentang mahasiswa saja, hal ini belum bisa dikatakan variabel. Karena mahasiswa saja hanya merupakan sebuah konsep. Akan tetapi kalau kita sudah berbicara tentang Mahasiswa Fakultas Ekonomi, Mahasiswa Fakultas Teknik, Mahasiswa Fakultas Hukum, artinya kita sudah membicarakan variabel. Karena mahasiswa Fakultas Ekonomi, Teknik dan Hukum merupakan konsep yang memiliki bermacam-macam variasi. Atau jika kita membicarakan tentang badan. Hal ini belum bisa dikatakan variabel. Karena badan saja hanya merupakan sebuah konsep. Akan tetapi sebaliknya, kalau kita sudah berbicara tentang tinggi badan mahasiswa, jenis kelamin mahasiswa, atau berat badan mahasiswa, atau aktivitas mahasiswa, berarti kita sudah berbicara tentang variabel. Karena tinggi badan, jenis kelamin, berat badan dan motivasi mahasiswa memiliki bermacam-macam variasi. Untuk kepentingan penelitian, konsep bisa diubah menjadi variabel. Hal itu kita lakukan dengan cara memusatkan perhatian terhadap karakteristi-karakteristik dari variabel itu sendiri. Misalnya saja konsep tentang konsumsi, bisa diubah menjadi variabel makanan ringan, makanan berlemak, makanan berserat, dan lain-lain. Akan tetapi konsep-konsep sosial yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional itu, variabel dan konstruk (construct), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk sosial memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Definisi operasional adalah aspek penelitian yang memberikan informasi kepada kita tentang bagaimana caranya mengukur variabel. Definisi operasional adalah semacam petunjuk kepada kita tentang bagimana caranya mengukur suatu variabel. Definisi operasional merupakan informasi ilmiah yang sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama. Karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama atau diperlukan pengukuran yang baru.

Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986.

2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.

3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&&&&&

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

Variabel Moderator

Analisis hubungan yang menggunakan minimal dua variabel, yakni satu variabel dependen dan satu atau beberapa variabel independen, adakalanya dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam model staistik yang kita gunakan. Dalam analisis statistik ada yang dikenal dengan variabel moderator. Variabel moderator ini adalah variabel yang selain bisa memperkuat hubungan antar variabel, dilain pihak juga bisa memperlemah hubungan antara satu atau beberapavariabel independen dan variabel dependen. Misalnya pelatihan yang diikuti karyawan sebuah perusahaan dengan tujuan untuk meningkatkan ketrampilan menyelesaikan tugas-tugas administrasi. Seluruh karyawan yang mengikuti pelatihan tersebut memiliki jenjang pendidikan yang sama. Tetapi setelah selesai mengikuti pelatihan dan dilakukan uji ketrampilan, ternyata kemampuan karyawan yang berasal dari sekolah kejuruan, memiliki ketrampilan yang lebih baik dibandingkan dengan karyawan yang berasal dari Sekolah Unum. Perbedaan ketrampilan karyawan yang berasal dari sekolah Kejuruan, dibendingkan dengan Ketrampilan Kerja disebabkan oleh adanya perbedaan kemampuan menyerap materi yang disampaikan ketika melaksanakan pelatihan.
Kondisi ini bisa saja terjadi karena ada variabel moderator yang bisa menyebabkan karyawan yang berasal dari Sekolah Umum memiliki motivasi yang lebih rendah untuk mengikuti pelatihan jika dibandingkan dengan Karyawan yang berasal dari sekolah Kejuruan. Dalam contoh di atas pelatihan adalah variabel independen, prestasi kerja adalah variabel dependen, dan motivasi untuk mengikuti pelatihan adalah variabel moderator. Atau dengan kata lain, variabel moderator memiliki kontribusi yang signifikan terhadap kemampuan variabel bebas dalam mempengaruhi variabel tak bebas.

&&&&&&&&&

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL VARIABEL dan DEFINI OPERASIONAL PENELITIAN

2009-08-01T09:31:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

Analisis hubungan yang menggunakan minimal dua variabel, yakni satu variabel dependen dan satu atau beberapa variabel independen, adakalanya dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam model statistik yang di gunakan. Dalam analisis statistik ada yang dikenal dengan variabel moderator. Variabel moderator ini adalah variabel yang selain bisa memperkuat hubungan antar variabel, dilain pihak juga bisa memperlemah hubungan antara satu atau beberapa variabel independen dan variabel dependen. Misalnya pelatihan yang diikuti karyawan sebuah perusahaan dengan tujuan untuk meningkatkan ketrampilan menyelesaikan tugas-tugas administrasi. Seluruh karyawan yang mengikuti pelatihan tersebut memiliki jenjang pendidikan yang sama. Tetapi setelah selesai mengikuti pelatihan dan dilakukan uji ketrampilan, ternyata kemampuan karyawan yang berasal dari sekolah kejuruan, memiliki ketrampilan yang lebih baik dibandingkan dengan karyawan yang berasal dari Sekolah Umum. Perbedaan ketrampilan karyawan yang berasal dari sekolah kejuruan, dibandingkan dengan ketrampilan kerja karyawan yang berasal dari sekolah umum disebabkan oleh adanya perbedaan motivasi untuk menyerap materi yang disampaikan ketika melaksanakan pelatihan.

Kondisi ini bisa saja terjadi karena ada variabel moderator, yakni motivasi karyawan yang berasal dari sekolah umum untuk menyerap materi pelatihan ternyata lebih rendah jika dibandingkan dengan motivasi karyawan untuk mengikuti pelatihan karyawan yang berasal dari sekolah kejuruan. Dalam contoh di atas pelatihan adalah variabel bebas (independen), prestasi kerja adalah variabel tak bebas (dependen), dan motivasi untuk mengikuti pelatihan adalah variabel moderator. Atau dengan kata lain, variabel moderator memiliki kontribusi yang signifikan terhadap kemampuan variabel independen (variabel bebas) dalam mempengaruhi variabel dependen (variabel tak bebas).

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

2009-07-30T23:13:00.000-07:00

PENGERTIAN VARIABEL, VARIABEL, DEFINISI OPERASIONAL (VARIABEL), dan DEFINISI OPERASIOANAL PENELITIAN.

Fenomena yang dihadapi mahasiswa sebelum melaksanakan penelitian biasanya berkenaan dengan pertanyaan tentang variabel. Karena tanpa jawaban pasti tentang variabel, penelitian yang dilakukan mahasiswa akan mengalami kesulitan dalam memperoleh informasi yang akan digunakan untuk mengambil kesimpulan.
Variabel penelitian adalah objek yang berbentuk apa saja yang ditentukan oleh peneliti untuk dicari informasinya dengan tujuan untuk ditarik suatu kesimpulan. Akan tetapi secara teori, definisi variabel penelitian adalah merupakan suatu obyek, atau sifat, atau atribut atau nilai dari orang, obyek atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya.
Misalnya saja mahasiswa. Kalau kita berbicara tentang mahasiswa saja, hal ini belum bisa dikatakan variabel. Karena mahasiswa saja hanya merupakan sebuah konsep. Akan tetapi kalau kita sudah berbicara tentang Mahasiswa Fakultas Ekonomi, Mahasiswa Fakultas Teknik, Mahasiswa Fakultas Hukum, artinya kita sudah membicarakan variabel. Karena mahasiswa Fakultas Ekonomi, Teknik dan Hukum merupakan konsep yang memiliki bermacam-macam variasi. Atau jika kita membicarakan tentang badan. Hal ini belum bisa dikatakan variabel. Karena badan saja hanya merupakan sebuah konsep. Akan tetapi sebaliknya, kalau kita sudah berbicara tentang tinggi badan mahasiswa, jenis kelamin mahasiswa, atau berat badan mahasiswa, atau aktivitas mahasiswa, berarti kita sudah berbicara tentang variabel. Karena tinggi badan, jenis kelamin, berat badan dan motivasi mahasiswa memiliki bermacam-macam variasi.
Untuk kepentingan penelitian, konsep bisa diubah menjadi variabel. Hal itu kita lakukan dengan cara memusatkan perhatian terhadap karakteristi-karakteristik dari variabel itu sendiri. Misalnya saja konsep tentang konsumsi, bisa diubah menjadi variabel makanan ringan, makanan berlemak, makanan berserat, dan lain-lain.
Akan tetapi konsep-konsep sosial yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional itu, variabel dan konstruk (construct), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk sosial memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Definisi operasional adalah aspek penelitian yang memberikan informasi kepada kita tentang bagaimana caranya mengukur variabel.
Definisi operasional adalah semacam petunjuk kepada kita tentang bagimana caranya mengukur suatu variabel. Definisi operasional merupakan informasi ilmiah yang sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama. Karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama atau diperlukan pengukuran yang baru.
Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986.
2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.
3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

Setelah kita membicarakan beberapa pengertian dasar tentang variabel, berikut ini kita akan membicarakan beberapa macam variabel ditinjau dari aspek hubungan antar variabel yang digunakan untuk penelitian. Partama adalah variabel dependen (terikat). Variabel ini merupakan variabel terikat yang besarannya tergantung dari besaran variabel independen (bebas). Besarnya perubahan yang disebabkan oleh variabel independen ini, akan memberi peluang terhadap perubahan variabel dependen (terikat) sebesar koefisien (besaran) perubahan dalam variabel independen. Artinya, setiap terjadi perubahan sekian kali satuan variabel independen, diharapkan akan menyebakan variabel dependen berubah sekian satuan juga. Sebaliknya jika terjadi perubahan (penurunan) variabel indepnden (bebas) sekian satuan, diharapkan akan menyebabkan perubahan (penurunan) variabel dependen sebesar sekian satuan juga. Hubungan antar variabel, yakni variabel independen dan dependen, biasanya ditulis dapal bentuk persamaan, Y = a + bX. Misalnya bentuk persamaan linear Y = 3 + 2X. Y adalah penggunaan Pupuk dalam satuan Kwintal, dan Y adalah hasil produksi padi dalam satuan Ton. Bila terjadi perubahan X sebesar 1 ((satu) satuan (kwintal), diharapkan akan terjadi perubahan Y sebesar 2 (dua) satuan Ton.

Variabel Moderator

Analisis hubungan yang menggunakan minimal dua variabel, yakni satu variabel dependen dan satu atau beberapa variabel independen, adakalanya dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam model staistik yang kita gunakan. Dalam analisis statistik ada yang dikenal dengan variabel moderator. Variabel moderator ini adalah variabel yang selain bisa memperkuat hubungan antar variabel, dilain pihak juga bisa memperlemah hubungan antara satu atau beberapavariabel independen dan variabel dependen. Misalnya pelatihan yang diikuti karyawan sebuah perusahaan dengan tujuan untuk meningkatkan ketrampilan menyelesaikan tugas-tugas administrasi. Seluruh karyawan yang mengikuti pelatihan tersebut memiliki jenjang pendidikan yang sama. Tetapi setelah selesai mengikuti pelatihan dan dilakukan uji ketrampilan, ternyata kemampuan karyawan yang berasal dari sekolah kejuruan, memiliki ketrampilan yang lebih baik dibandingkan dengan karyawan yang berasal dari Sekolah Unum. Perbedaan ketrampilan karyawan yang berasal dari sekolah Kejuruan, dibendingkan dengan Ketrampilan Kerja disebabkan oleh adanya perbedaan kemampuan menyerap materi yang disampaikan ketika melaksanakan pelatihan.
Kondisi ini bisa saja terjadi karena ada variabel moderator yang bisa menyebabkan karyawan yang berasal dari Sekolah Umum memiliki motivasi yang lebih rendah untuk mengikuti pelatihan jika dibandingkan dengan Karyawan yang berasal dari sekolah Kejuruan. Dalam contoh di atas pelatihan adalah variabel independen, prestasi kerja adalah variabel dependen, dan motivasi untuk mengikuti pelatihan adalah variabel moderator. Atau dengan kata lain, variabel moderator memiliki kontribusi yang signifikan terhadap kemampuan variabel independen dalam mempengaruhi variabel dependen.

Variabel Intervening.

Variabel yang bisa memperkuat atau memperlemah hubungan antar variabel (variabel moderator), secara teori merupakan satuan yang bisa diukur. Akan tetapi variabel yang yang nilainya secara satuan relatif tidak dapat diukur secara pasti, misalnya sedih, gembira, sakit hati, stress, frustasi dan sebagainya, merupakan variabel intervening. Contoh: meningkatnya hasil produksi padi dalam suatu lahan sawah yang diukur dengan satuan penggunaan biaya pupuk tinggi, biaya pembelian bibit padi tinggi, dan pengairan yang baik, tetap tidak mengalami peningkatan hasil produksi padi secara signifikan. Kemudian setelah diteliti secara seksama, ternyata sebagian besar lahan sawah sedang terserang hama tikus.

Variabel Intervening.
Dalam setiap penelitian yang dilakukan oleh mahasiswa, biasanya menemukan variabel yang bisa memperkuat atau memperlemah hubungan antar variabel (variabel moderator) yang sedang diukur. Secara teori setiap variabel memang ada dan memiliki satuan ukur. Akan tetapi variabel ada sebagian variabel yang nilainya secara satuan relatif tidak dapat diukur secara pasti, misalnyakecewa, gembira, sakit hati, stress, frustasi dan sebagainya. Variabel seperti itu dinamakan variabel variabel intervening. Contoh: meningkatnya hasil produksi padi dalam suatu lahan sawah yang diukur dengan satuan penggunaan biaya pupuk tinggi, biaya pembelian bibit padi tinggi, dan pengairan yang baik, tetap tidak mengalami peningkatan hasil produksi padi secara signifikan. Kemudian setelah diteliti secara seksama, ternyata sebagian besar lahan sawah sedang terserang hama.

Variabel Kontrol

Variabel yang sering digunakan dalam penelitian mahasiswa, selain variabel moderator dan variabel intervening adalah variabel kontrol. Variabel ini (kontrol), kualitas dan kuantitasnya bisa dikendalikan oleh peneliti sesuai dengan waktu dan tempat yang dikehendaki. Misalnya saja produktivitas lahan sawah sebagai variabel tak bebas yang diukur dengan satuan penggunaan bibit sebagai variabel. Peneliti menggunakan variabel kontrol dalam bentuk penggunaan pupuk, tentunya dalam kualitas dan kuantitas yang sama, akan tetapi penggunaan bibit sebagai bariabel bebas, kualitas dan kuantitas berbeda. Kualitas dan kuantitas bibit padi sebagai variabel bebas diukur dalam satuan kg, sedangkan produktivitas lahan sawah merupakan variabel tak bebas yang diukur dalam satuan ton.....

VARIABEL, PENGERTIAN VARIABEL, DEFINISI OPERASIONAL VARIABEL, DEFINISI OPERASIONAL PENELITIAN

2009-07-30T08:43:00.000-07:00

VARIABEL, PENGERTIAN VARIABEL, DEFINISI OPERASIONAL VARIABEL, DEFINISI OPERASIONAL PENELITIAN, VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL KONTROL, VARIABEL MODERATOR dan VARIABEL INTERVENING.

Fenomena yang dihadapi mahasiswa sebelum melaksanakan penelitian biasanya berkenaan dengan variabel. Karena tanpa jawaban pasti tentang variabel, penelitian yang dilakukan mahasiswa akan mengalami kesulitan dalam memperoleh informasi yang akan digunakan untuk mengambil kesimpulan. Variabel penelitian adalah objek yang berbentuk apa saja yang ditentukan oleh peneliti untuk dicari informasinya dengan tujuan untuk ditarik suatu kesimpulan. Akan tetapi secara teori, definisi variabel penelitian adalah merupakan suatu obyek, atau sifat, atau atribut atau nilai dari orang, obyek atau kegiatan yang mempunyai bermacam-macam variasi antara satu dengan lainnya yang ditetapkan oleh peneliti untuk dipelajari dan ditarik kesimpulannya. Misalnya saja mahasiswa. Kalau kita berbicara tentang mahasiswa saja, hal ini belum bisa dikatakan variabel. Karena mahasiswa saja hanya merupakan sebuah konsep. Akan tetapi kalau kita sudah berbicara tentang Mahasiswa Fakultas Ekonomi, Mahasiswa Fakultas Teknik, Mahasiswa Fakultas Hukum, artinya kita sudah membicarakan variabel. Karena mahasiswa Fakultas Ekonomi, Teknik dan Hukum merupakan konsep yang memiliki bermacam-macam variasi. Atau jika kita membicarakan tentang badan. Hal ini belum bisa dikatakan variabel. Karena badan saja hanya merupakan sebuah konsep. Akan tetapi sebaliknya, kalau kita sudah berbicara tentang tinggi badan mahasiswa, jenis kelamin mahasiswa, atau berat badan mahasiswa, atau aktivitas mahasiswa, berarti kita sudah berbicara tentang variabel. Karena tinggi badan, jenis kelamin, berat badan dan motivasi mahasiswa memiliki bermacam-macam variasi. Untuk kepentingan penelitian, konsep bisa diubah menjadi variabel. Hal itu kita lakukan dengan cara memusatkan perhatian terhadap karakteristi-karakteristik dari variabel itu sendiri. Misalnya saja konsep tentang konsumsi, bisa diubah menjadi variabel makanan ringan, makanan berlemak, makanan berserat, dan lain-lain. Akan tetapi konsep-konsep sosial yang sudah diterjemahkan menjadi satuan yang sudah kita anggap lebih operasional itu, variabel dan konstruk (construct), biasanya belum sepenuhnya siap untuk diukur. Karena variabel dan konstruk sosial memiliki alternatif dimensi yang bisa diukur dengan cara berlainan. Definisi operasional adalah aspek penelitian yang memberikan informasi kepada kita tentang bagaimana caranya mengukur variabel. Definisi operasional adalah semacam petunjuk kepada kita tentang bagimana caranya mengukur suatu variabel. Definisi operasional merupakan informasi ilmiah yang sangat membantu peneliti lain yang ingin melakukan penelitian dengan menggunakan variabel yang sama. Karena berdasarkan informasi itu, ia akan mengetahui bagaimana caranya melakukan pengukuran terhadap variabel yang dibangun berdasarkan konsep yang sama. Dengan demikian ia dapat menentukan apakah tetap menggunakan prosedur pengukuran yang sama atau diperlukan pengukuran yang baru.

Sumber bacaan:

1. Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986.

2. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.

3. Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&&

KONSEP dan JENIS VARIABEL (VARIABEL INDEPENDEN, VARIABEL DEPENDEN, VARIABEL MODERATOR, VARIABEL INTERVENING dan VARIABEL KONTROL).

(Suharto, S.E., M.M.)

Transformasi Data Ordinal Ke Interval (opini)

2009-07-26T08:26:00.003-07:00

Transformasi Data Ordinal Menjadi Interval

(dalam opini)

Data yang dikumpulkan mahasiwa ketika akan membuat tugas akhir, selain data skunder diantaranya adalah data primer. Data skunder adalah data yang diperoleh dari catatan-catatan atau informasi tertulis dari perusahaan, serta data-data lain yang terdokumentasi dengan baik dan valid. Sedangkan data primer adalah data yang direspon langsung oleh responden berdasarkan wawancara ataupun daftar pertanyaan yang dirancang, disusun, dan disajikan dalam bentuk skala, baik nominal, ordinal, interval maupun ratio oleh mahasiswa ketika membutuhkan data demi kepentingan penelitian. Teknik pengumpulan data seperti ini lazim digunakan karena selain bisa langsung menentukan skala pengukuranya, akan tetapi juga bisa melengkapi hasil wawancara yang dilakukan dengan responden.
Skala pengukuran yang dibuat oleh mahasiswa sebaiknya dibuat sedemikian rupa, mengikuti kaidah, sehingga akan memudahkan pemilihan teknik analisis yang akan digunakan ketika pengumpulan datanya sudah selesai.
Dalam studi empiris, misalnya saja mahasiswa ingin menggunakan statistika parametrik dengan analisis regresi untuk menganalisis dan mengkaji masalah-masalah penelitian. Pemilihan analisis model ini ini hanya lazim digunakan bila skala pengukuran yang yang dilakukan adalah minimal interval. Sedangkan teknik pengumpulan data yang dilakukan oleh mahasiswa sudah dilakukan dengan menggunakan skala pengukuran nominal (atau ordinal). Menghadapi situasi demikian, salah satu cara yang dilakukan adalah menaikkan tingkat pengukuran skalanya dari ordinal menjadi interval. Melakukan manipulasi data dengan cara menaikkan skala dari ordinal menjadi interval ini, selain bertujuan untuk tidak melanggar kelaziman, juga untuk mengubah agar syarat distribusi normal bisa dipenuhi ketika menggunakan statistika parametrik.
Menurut Sambas Ali Muhidin dan Maman Abdurahman, “salah satu metode transformasi yang sering digunakan adalah metode succesive interval (MSI)”.
Meskipun banyak perdebatan tentang metode ini, diharapkan pemikiran ini bisa melengkapi wacana mahasiswa ketika akan melakukan analisis data berkenaan dengan tugas-tugas kuliah.
Sebelum melanjutkan pembahasan tentang bagaimana transformasi data ordinal dilakukan, tulisan ini sedikit membahas tentang dua perbedaan pendapat tentang bagimana skor-skor yang diberikan terhadap alternatif jawaban pada skala pengukuran Likert yang sudah kita kenal. Pendapat pertama mengatakan bahwa skor 1, 2, 3, 4, dan 5 adalah data interval. Sedangkan pendapat yang kedua, menyatakan bahwa jenis skala pengukuran Likert adalah ordinal. Alasannya skala Likert merupakan Skala Interval adalah karena skala sikap merupakan dan menempatkan kedudukan sikap seseorang pada kesatuan perasaan kontinum yang berkisar dari sikap “sangat positif”, artinya mendukung terhadap suatu objek psikologis terhadap objek penelitian, dan sikap “sangat negatif”, yang tidak mendukung sama sekali terhadap objek psikologis terhadap objek penelitian.
Berkenaan dengan perbedaan pendapat terhadap skor-skor yang diberikan dalam alternatif jawaban dalam skala Likert itu, apakah termasuk dalam skala pengukuran ordinal atau data interval, berikut ini kami mneyampaikan pemikiran yang bisa dijadikan pertimbangan:
Ciri spesifik yang dimiliki oleh data yang diperoleh dengan skala pengukuran ordinal, adalah bahwa, data ordinal merupakan jenis data kualitatif, bukan numerik, berupa kata-kata atau kalimat, seperti misalnya sangat setuju, kurang setuju, dan tidak setuju, jika pertanyaannya ditujukan terhadap persetujuan tentang suatu event. Atau bisa juga respon terhadap keberadaan suatu Bank “PQR” dalam suatu daerah yang bisa dimulai dari sangat tidak setuju, tidak setuju, ragu-ragu, Setuju, dan sangat setuju.
Sementara data interval adalah termasuk data kuantitatif, berbentuk numerik, berupa angka, bukan terdiri dari kata-kata, atau kalimat. Mahasiswa yang melakukan penelitian dengan menggunakan pendekatan kuantitatif, termasuk di dalamnya adalah data interval, data yang diperoleh dari hasil pengumpulan data bisa langsung diolah dengan menggunakan model statistika. Akan tetapi data yang diperoleh dengan pengukuran skala ordinal, berbentuk kata-kata, kalimat, penyataan, sebelum diolah, perlu memberikan kode numerik, atau simbol berupa angka dalam setiap jawaban.
Misalnya saja alternatif jawaban pada skala Likert, alternatif jawaban “sangat tidak setuju” diberi skor 1; “ tidak setuju diberi skor 2; “ragu-ragu” diberi skor 3; “setuju” diberi kode 4; dan “sangat setuju” diberi skor 5. angka-angka (numerik) inilah yang kemudian diolah, sehingga menghasilkan skor tertentu. Tetapi, sesuai dengan sifat dan cirinya, angka 1, 2, 3, 4, dan 5 atau skor yang sudah diperoleh tidak memberikan arti apa-apa terhadap objek yang diukur. Dengan kata lain, skor yang lebih tinggi lebih tidak berarti lebih baik dari skor yang lebih rendah. Skor 1 hanya menunjukkan sikap “sangat tidak setuju”, skor 2 menunjukkan sikap “tidak setuju, skor 3 menunjukkan sikap “ragu-ragu’, skor 4 menunjukkan sikap “setuju”, dan skor 5 menunjukkan sikap “sangat setuju”. Kita tidak bisa mengatakan bahwa skor 4 atau “setuju” dua kali lebih baik dari skor 2 atau “tidak setuju”.
Fenomena ini berbeda sekali dengan sifat/ciri yang dimiliki oleh data interval, dimana angka-angka atau skor-skor numerik yang diperoleh dari hasil pengukuran data langsung dapat dibandingkan antara satu dengan lainnya, dikurangkan, dijumlahkan, dibagi dan dikalikan. Misalnya saja penelitian yang dilakukan mahasiswa tentang suhu udara beberapa kelas, dan diperoleh data misalnya suhu ruangan kelas A 15 derajat Cls, suhu ruang kelas B 20 derajat Cls, dan suhu ruang kelas C 25 derajat Cls. Berarti bahwa suhu ruang kelas A adalah 75 % lebih dingin dari suhu ruang kelas B. Suhu ruang kelas A 60 % lebih dingin dari suhu ruang kelas C. Suhu ruang kelas A lebih dingin dari suhu ruang kelas B dan C. Atau suhu ruangan kelas B lebih panas dari suhu ruang kelas A, tetapi lebih dingin dibandingkan dengan suhu ruangan kelas C. Contoh lain misalnya prestasi mahasiswa yang diukur dengan skala indek prestasi mahasiswa.

KEPUSTAKAAN

Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986. Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.
Moh nazir, Ph.d. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2005).

&&&&&&&&&&&&&&&&&&
.

TRANSFORMASI DATA ORDINAL

menjadi

INTERVAL SECARA MANUAL

(Kasus Transformasi Data Ordinal Menjadi Interval)

Oleh: Suharto*

A. Pendahuluan
Beberapa ahli berpendapat bahwa pelaksanaan penelitian menggunakan metode ilmiah diantaranya adalah dengan melakukan langkah-langkah sistematis. Metode ilmiah sendiri adalah merupakan pengejaran terhadap kebenaran relatif yang diatur oleh pertimbangan-pertimbangan logis. Dan karena keberadaan dari ilmu itu adalah untuk memperoleh interelasi yang sistematis dari fakta-fakta, maka metode ilmiah berkehendak untuk mencari jawaban tentang fakta-fakta dengan menggunakan pendekatan kesangsian sistematis. Karenanya, penelitian dan metode ilmiah, jika tidak dikatakan sama, mempunyai hubungan yang relatif dekat. Dengan adanya metode ilmiah, pertanyaan-pertanyaan dalam mencari dalil umum, akan mudah dijawab. Menuruti Schluter (Moh Nazir), langkah penting sebelum sampai tahapan analisis data dan penentuan model adalah ketika melakukan pengumpulan dan manipulasi data sehingga bisa digunakan bagi keperluan pengujian hipotesis. Mengadakan manipulasi data berarti mengubah data mentah dari awal menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antar fenomena. Kelaziman kuantifikasi sebaiknya dilakukan kecuali bagi atribut-atribut yang tidak dapat dilakukan. Dan dari kuantifikasi data itu, penentuan mana yang dikatakan data nominal, ordinal, ratio dan interval bisa dilakukan demi memasuki wilayah penentuan model. Pada ilmu-ilmu sosial yang telah lebih berkembang, melakukan analisis berdasarkan pada kerangka hipotesis dilakukan dengan membuat model matematis untuk membangun refleksi hubungan antar fenomena yang secara implisit sudah dilakukan dalam rumusan hipotesis. Analisis data merupakan bagian yang amat penting dalam metode ilmiah. Data bisa memiliki makna setelah dilakukan analisis dengan menggunakan model yang lazim digunakan dan sudah diuji secara ilmiah meskipun memiliki banyak peluang untuk digunakan. Akan tetapi masing-masing model, jika ditelaah satu demi satu, sebenarnya hanya sebagian saja yang bisa digunakan untuk kondisi dan data tertentu. Ia tidak bisa digunakan untuk menganalisis data jika model yang digunakan kurang sesuai dengan bagaimana kita memperoleh data jika menggunakan instrumen. Timbangan tidak bisa digunakan untuk mengukur tinggi badan seseorang. Sebaliknya meteran tidak bisa digunakan untuk mengukur berat badan seseorang. Karena masing-masing instrumen memiliki kegunaan masing-masing. Dalam hal ini, tentu saja kita tidak ingin menggunakan model analisis hanya semata-mata karena menuruti selera dan kepentingan. Suatu model hanya lazim digunakan tergantung dari kondisi bagaimana data dikumpulkan. Karena pada dasarnya, model adalah alat yang bisa digunakan dalam kondisi dan data apapun. Ia tetap bisa digunakan untuk menghitung secara matematis, akan tetapi tidak dalam teori. Banyaknya konsumsi makanan tentu memiliki hubungan dengan berat badan seseorang. Akan tetapi banyaknya konsumsi makanan penduduk pulau Nias, tidak akan pernah memiliki hubungan dengan berat badan penduduk Kalimantan. Motivasi kerja sebuah perusahaan elektronik, tidak akan memiliki hubungan dengan produktivitas petani karet. Model analisis statistik hanya bisa digunakan jika data yang diperoleh memiliki syarat-syarat tertentu. Masing-masing variabel tidak memiliki hubungan linier yang eksak. Data yang kita peroleh melalui instrumen pengumpul data itu bisa dianalisis dengan menggunakan model tanpa melanggar kelaziman. Bagi keperluan analisis penelitian ilmu-ilmu sosial, teknik mengurutkan sesuatu ke dalam skala itu artinya begitu penting mengingat sebagian data dalam ilmu-ilmu sosial mempunyai sifat kualitatif. Atribut saja sebagai objek penelitian selain kurang representatif bagi peneliti, juga sebagian orang saat ini menginginkan gradasi yang lebih baik bagi objek penelitian. Orang selain kurang begitu puas dengan atribut baik atau buruk, setuju atau tidak setuju, tetapi juga menginginkan sesuatu yang berada di antara baik dan buruk atau di antara setuju dan tidak setuju. Karena gradasi, merupakan kelaziman yang diminta bagi sebagian orang bisa menguak secara detail objek penelitian. Semakin banyak gradasi yang dibuat dalam instrumen penelitian, hasilnya akan makin representatif. Menuruti Moh. Nazir, teknik membuat skala adalah cara mengubah fakta-fakta kualitatif (atribut) menjadi suatu urutan kuantitatif (variabel). Mengubah fakta-fakta kualitatif menjadi urutan kuantitatif itu telah menjadi satu kelaziman paling tidak bagi sebagian besar orang, karena berbagai alasan. Pertama, eksistensi matematika sebagai alat yang lebih cenderung digunakan oleh ilmu-ilmu pengetahuan sehingga bisa mengundang kuantitatif variabel. Kedua, ilmu pengetahuan, disamping akurasi data, semakin meminta presisi yang lebih baik, lebih-lebih dalam mengukur gradasi. Karena perlunya presisi, maka kita belum tentu puas dengan atribut baik atau buruk saja. Sebagian peneliti ingin mengukur sifat-sifat yang ada antara baik dan buruk tersebut, sehingga diperoleh suatu skala gradasi yang jelas..

B. Pembahasan
a. Data nominal
Sebelum kita membicarakan bagaimana alat analisis digunakan, akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data kontinum dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coeffisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.

b. Data ordinal
Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau.

c. Data interval
Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara C dan A adalah 3 – 1 = 2. Beda prestasi antara C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi E adalah 5 kali prestasi A ataupun prestasi F adalah 3 kali lebih baik dari prestasi B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

d. Data ratio
Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran ratio. Ukuran ratio memiliki titik nol, karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka ukuran rasio dapat dibuat perkalian ataupun pembagian. Angka pada skala rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan D adalah 5 kali pendapatan A. Pendapatan C adalah 4/3 kali pendapatan B. Dengan kata lain, rasio antara C dan A adalah 4 : 1, rasio antara D dan A adalah 5 : 1, sedangkan rasio antara C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000. dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data rasio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression. Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian diharapkan dapat bagi 4 bagian, yakni variabel nominal, variabel ordinal, variabel interval, dan variabel rasio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah seperti status perkawinan, jenis kelamin, dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti peringkat prestasi mahasiswa, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti penghasilan, sikap dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran rasio seperti tingkat penganggguran, dan sebagainya.

e. Konversi variabel ordinal
Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression dan Multiple Regression, padahal data yang kita miliki adalah hasil pengukuran dengan skala ordinal, sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus berbentuk interval atau rasio, data harus memiliki distribusi normal. Jika kita tidak ingin melakukan ujinormalitas karena data yang kita miliki adalah data ordinal, hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval. Menuruti Al-Rasyid, menaikkan data dengan skala ordinal menjadi skala interval dinamakan transformasi dengan menggunakan metode Suksesiv Interval. Penggunaan skala interval bagi kepentingan statistik parametrik, selain merupakan suatu kelaziman, juga untuk mengubah data agar memiliki sebaran normal. Transformasi menggunakan model ini berarti tidak perlu melakukan uji normalitas. Karena salah satu syarat penggunaan statistik parametrik, selain data harus memiliki skala interval (dan ratio), data harus memiliki distribusi normal. Berbeda dengan statistik nonparametrik, ia hanya digunakan untuk mengukur distribusi. (Ronald E. Walpole).

Berikut ini diberikan contoh sederhana bagaimana kita meningkatkan data hasil pengukuran dengan skala ordinal menjadi data interval dengan metode Suksesiv Interval. Sebenarnya data ini lazimnya hanya dianalisis dengan statistik nonparametrik. Akan tetapi oleh karena model yang diinginkan adalah statistik parametrik, data tersebut ditingkatkan skalanya menjadi data interval dengan menggunakan metode Suksesive Interval, sehingga di dapat dua jenis data yakni data ordinal dan data interval hasil transformasi. Tabel berikut ini adalah konversi variabel ordinal menjadi variabel interval yang disajikan secara simultan. Data ordinal berukuran 100.

Tabel 1.

Proses Konversi Variabel Ordinal menjadi Variabel Interval
1. Pemilih jawaban (kolom 1) atau kategori dan jumlahnya dibuat dari hasil kuisioner fiktif.

2. Masing-masing frekuensi setiap masing-masing kategori dijumlahkan (kolom 2) menjadi jumlah frekuensi.

3. Kolom proporsi (kolom 3) nomor 1 diisi dengan cara, misalnya yang memilih kategori 1 jumlah responden 25 orang, maka proporsinya adalah (25 : 100) = 0,25. Kolom proporsi no 2 diisi dengan cara, kategori 2 dengan jumlah responden 17 orang, maka proporsinya adalah (17 : 100) = 0,17. Kolom proporsi nomor 3 diisi dengan cara, kategori 3 dengan jumlah responden 34 orang, proporsinya adalah (34 : 100) = 0,34.

Kemudian kolom proporsi nomor 4 dengan jumlah responden 19 orang, proporsinya dihitung dengan cara (19 : 100) = 0,19, begitu seterusnya sampai ditemukan angka 0,05.

4. Proporsi kumulatif (kolom 4) diisi dengan cara menjumlahkan secara kumulatif item yang ada pada kolom no 3 (proporsi). Misalnya 0,25 + 0,17 = 0,42. Kemudian nilai 0,42 + 0,34 = 0,76. Lalu 0,76 + 0,19 = 0,95. Dan terakhir adalah 0,95 + 0,05 = 1,00. 5.

Kolom 5 (Nilai Z), diisi dengan cara melihat tabel Distribusi Normal (Lampiran 1). Misalnya angka (– 0,67), diperoleh dari luas 0,2500 (tabel Z) terletak di Z yang ke berapa. Jika tidak ada angka yang pas, cari nilai yang terdekat dengan luas 0,2500. Dalam hal ini angka 0,2514 (terdekat dengan angka 0,2500) terletak di Z ke 0,67. Karena angka 0,25 berada di bawah 0,5, maka beri tanda negatif didepannya. Berikutnya adalah angka (– 0,20), diperoleh dari luas (angka) 0,4200 (tabel Z) terletak di Z ke berapa. Jika tidak ada angka yang sama dengan 0,4200, cari nilai yang terdekat dengan angka 0,4200 dalam tabel Z. Dalam contoh ini, angka 0,4207 (terdekat dengan 0,4200) terletak di Z ke 0,2. Karena angka 0,42 berada di bawah 0,5, maka beri tanda negatif di depannya. Kemudian angka (0,71), diperoleh dari luas distribusi normal (angka) 0,7600 (tabel Z). Angka ini harus dihitung dengan jalan menjumlahkan setengah dari luas distribusi normal, yakni (0,5 + 0,26) = 0,76. Untuk mencapai angka 1,0000, berarti ada kekurangan sebesar 0,2400. Tabel Z yang terdekat dengan angka 0,2400 adalah 0,2389 yang terletak di Z ke 0,71. Berikutnya adalah angka (1,64). Angka ini diperoleh dari luas distribusi normal (angka) 0,9500 (tabel Z). Angka ini juga harus dihitung dengan cara menjumlahkan setengah dari luas distribusi normal, yakni (0,5 + 0,45) = 0,95. Untuk mencapai luas 100 % (angka 1,000), distribusi ini ada kekurangan sebesar 0,0500. Tabel Z yang terdekat dengan angka 0,0500 adalah 0,0505 (Z ke 1,64) dan 0,495 (Z ke 165) . Oleh karena angka tersebut memiliki nilai sama, maka kita hanya memilih salah satu, yakni di Z ke 1,64

6. Nilai ordinat (kolom 6) dapat dilihat pada tabel Ordinat Kurva Normal. Angka 0,3187 bersesuaian dengan P 0,25 (kolom 4). Angka 0,3910 bersesuaian dengan P 0,42 (kolom 4). Kemudian angka 0,3101 bersesuaian dengan P 0,76. (1 – P) = 0,24 (kolom 4). Artinya nilai 0,3101 bersesuaian dengan P 0,24. Dst....

Kolom 7

(nilai skala) dicari dengan rumus :

-------------->Kepadatan pd batas bawah – kepadatan pd batas atas

Nilai Skala = ---------------------------------------------------------------

--------------->Daerah di bwh bts atas – daerah di bwh bts bawah

------------------>0,0000 – 0,3187

Nilai skala 1 = ------------------------ = – 1,2748

--------------------->0,25 – 0,00

------------------>0,3187 – 0,3910

Nilai skala 2 = ------------------------ = – 0,4253

--------------------->0,42 – 0,25

------------------>0,3919 – 0,3101

Nilai skala 3 = ------------------------ = 0,2379

--------------------->0,76 – 0,42

------------------>0,3101 – 0,1040

Nilai skala 4 = ------------------------ = 1,0847

--------------------->0,95 – 0,76

------------------>0,1040 – 0,0000

Nilai skala 5 = ------------------------ = 2,0800

--------------------->1,00 – 0,95

Angka yang diperoleh berdasarkan perhitungan di atas kemudian ditransformasi menjadi variabel Interval dengan menggunakan rumus seperti yang dilakukan dalam kolom 8.

Kolom 8. Nilai Y (kolom 8) dicari dengan rumus: Y = Nilai Skala + │ Nilai Skalamin │.

Cari nilai negatif paling tinggi pada kolom 7 (nilai skala). Kemudian tambahkan bilangan itu dengan bilangan tertentu agar sama dengan 1. Angka negatif paling tinggi adalah – 1,2748. Agar bilangan itu sama dengan satu berarti harus di tambah dengan bilangan 2,2748 (bilangan konstan). Kemudian untuk nilai Y2, juga harus ditambah dengan angka 2,2748.

Begitu seterusnya sampai nilai Y5.

Y1 = – 1,2748 + 2,2748 = 1

Y2 = – 0,4253 + 2,2748 = 1,8495

Y3 = 0,2379 + 2,2748 = 2,5127

Y4 = 1,0847 + 2,2748 = 3,3595

Y5 = 2,0800 + 2,2748 = 4,3548

C. Kesimpulan

Nilai Yi (kolom 8) merupakan nilai hasil transformasi dari variabel ordinal menjadi variabel interval dengan metode MSI. Dengan kata lain, nilai Yi sudah berbentuk data interval. Bila transformasi serupa juga diberlakukan terhadap Nilai Xi, maka kedua variabel ini bisa digunakan sebagai variabel untuk keperluan analisis Parametrik bagi mahasiswa. Misalnya menggunakan Pearson Korelasi Product Moment, Partial Corelation, Multiple Corelation, Partial Regression, dan Multiple Regression....

DAFTAR PUSTAKA

Al-Rasyid, H. Teknik Penarikan Sampel dan Penyusunan Skala. Pasca Sarjana UNPAD, Bandung, 1994.

Anita Kesumahati, Skripsi, PS Matematika, Unila, Penggunaan Korelasi Polikhorik dan Pearson untuk Variabel Ordinal Dalam Model Persamaan Struktural, 2005.

J.T. Roscoe, Fundamental Research Statistic for the Behavioral Sciences, Hol, Rinehart and Winston, Inc., New York, 1969.

J Supranto, Statistik, Teori Dan Aplikasi. Edisi Kelima, Penerbit Erlangga Jakarta, 1987.

Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003.

Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT. Gramedia Pustaka Utama, Jakarta, 1992.

Riduan, Dasar-dasar Statistika, Penerbit CV. ALFABETA, Bandung, 2005.

Sugiono, Prof. Dr., Statistik Nonparametrik Untuk Penelitian, Penerbit CV. ALFABETA, Bandung, 2004.

Wijayanto, Structural Equation Modeling dengan LISREL 8.5. Pasca Sarjana FE-UI, Jakarta, 2003.

Zaenal Mustafa El Qodri, Pengantar Statistik Terapan Untuk Ekonomi, Penerbit BPFE, Yogyakarta, 1995.

Babbie, Earl R., The Pravtice of Social Research, 4th Edition, Belmont, CA, Wadsworth, 1986.

Kerlinger, F.N., Foundation of Behavioral Research, 2nd Ed., New York, MacMillan, 1971.

&&&&&&&&&&&&&&

TRANSFORMASI DATA ORDINAL KE INTERVAL

dan

(PERDEBATANNYA)

Perdebatan tentang Konversi Data Ordinal menjadi Interval agar bisa digunakan dalam analisis statistik parametrik sebenarnya sudah selesai dan berakhir beberapa dasawarsa lalu. Sebagaimana dikatakan oleh Prof. Dr. Imam Ghozali, M.Com., (dalam Muji Gunarto). Akan tetapi belakangan ini relatif sering dipertanyakan berkenaan dengan kelaziman model yang akan digunakan oleh mahasiswa ketika akan membuat tugas akhir. Fenomena seperti itu tentu saja merupakan dinamika pemikiran mahasiswa yang makin kritis mengahadapi tugas-tugas kuliah yang makin komplek. Sebelum mahasiswa melakukan penelitian, variabel dan definisi operasionalnya memang harus dilakukan demi memasuki wilayah penetuan model yang akan digunakan. Karena penggunaan model saja, tanpa melakukan pengkajian akan berakibat pada pelanggaran kelaziman terhadap penggunaan model terhadap data yang diperoleh mahasiswa. Definisi operasional variabel yang dijabarkan sesuai dengan konsep dan teori yang relatif benar akan membantu mengungkapkan penggunaan data penelitian. Karena berdasarkan definisi ini, kita akan menemukan dan membuat klasifikasi data sesuai dengan keperluan. Beberapa Universitas di Indonesia ada yang memberikan syarat dilakukannya transformasi terlebih dahulu terhadap data ordinal, sebelum dilakukan analisis dengan metode multivariate atau analisis path. Misalkan kita akan menganalisis variabel motivasi dan prestasi kerja karyawan sebuah perusahaan. Variabel motivasi kerja karyawan diberi simbol X dan variabel pretasi kerja karyawan diberi simbol Y. Keduanya diukur dalam satuan skala ordinal. Setelah dilakukan transformasi, data tersebut kemudian dianalisis dengan metode regresi. Katakan hasilnya adalah Y = 4 + 2X. Artinya bila X (motivasi kerja) meningkat 1 satuan, maka Y (prestasi kerja) akan meningkat sebesar 2 satuan. Kita tahu bahwa X ( motivasi kerja) adalah variabel kualitatif. Angka yang diberikan hanya semata-mata merupakan simbol belaka yang diberikan demi kepentingan analisis data. Karena tanpa memberikan angka (numerik), data kualitatif tidak bisa di analisis dengan statistika. Bagaimana mungkin X (motivasi) bisa mempengaruhi Y dalam satuan numerik?. Kita hanya bisa mengatakan bahwa variabel Motivasi berpengaruh Signifikan terhadap Prestasi Kerja Karena sejak awal, variabel motivasi dan prestasi kerja adalah data kualitatif, bukan numerik. Simbol numerik yang diberikan kepadanya tidak memberikan arti apa-apa secara kuantitatif, akan tetapi hanya merupakan simbol belaka. Coba saja kita bandingkan dengan kasus lain berikut ini, Pupuk yang digunakan dalam satuan (kwintal) akan digunakan untuk memprediksi hasil Produksi Padi dalam satuan (ton). Katakan hasilnya adalah Y = 4 + 2X. Artinya bila Pupuk naik sebesar 1 satuan (kwintal), diharapkan hasil produksi Padi akan naik sebesar 2 satuan (ton). Satuan dalam kasus ini, yakni kwintal dan ton, merupakan satuan (numerik) yang bisa diukur, dibandingkan secara kuantitatif dan ditimbang. Karena sejak awal, data yang di analisis merupakan data interval (ratio) numerik yang bisa diukur secara kuantitatif. Akan tetapi data yang pada awalnya merupakan data kualitatif dan di ukur dengan skala Ordinal, misalnya Motivasi Kerja dan Prestai kerja, meskipun dilakukan transformasi dengan cara menaikkan skalanya dari ordinal menjadi interval, kemudian dilakukan analisis misalnya dengan metode regresi, atau statistik parametrik, tetap saja kita akan menemui kesulitan dalam melakukan interpretasi terhadap hasil (persamaan regresi) yang kita peroleh. Karena sejak awal, data yang kita analisis adalah merupakan data kualitatif (bukan numerik) seperti halnya data interval/ratio. Pemberian simbol dalam data kualitatif hanya bertujuan untuk memudahkan perhitungan secara matematis. Satuannya, yakni satuan yang ditunjukkan oleh data kualitatif setelah dilakukan pemberian simbol secara numerik tetap saja tidak akan memberikan informasi secara numerik seperti halnya data interval atau ratio.

&&&&&&&& &&&&&

Transformasi Data Ordinal Menjadi Interval

Transformasi Data Ordinal Menjadi Interval

(Beberapa Pendapat)

Transformasi Data Ordinal Menjadi Interval (opini)

2009-07-26T08:26:00.002-07:00

Transformasi Data Ordinal Menjadi Interval

(dalam opini)

(Oleh: Suharto, S.E., M.M.)

Data yang dikumpulkan mahasiwa ketika akan membuat tugas akhir, selain data skunder, diantaranya adalah data primer. Data primer adalah data yang direspon langsung oleh responden berdasarkan wawancara ataupun daftar pertanyaan yang dirancang, disusun, dan disajikan dalam bentuk skala, baik nominal maupun ordinal oleh mahasiswa ketika pengumpulan data demi kepentingan penelitian. Teknik pengumpulan data seperti ini lazim digunakan karena selain bisa langsung menentukan skala pengukuranya, akan tetapi juga bisa melengkapi hasil pengumpulan data yang dilakukan dengan responden untuk melengkapi data skunder.
Skala pengukuran yang dibuat oleh mahasiswa sebaiknya dibuat sedemikian rupa, mudah dipahami dan tidak membingungkan sehingga akan memudahkan pemilihan teknik analisis yang digunakan ketika pengumpulan datanya sudah selesai.
Misalnya saja mahasiswa ingin menggunakan statistika parametrik dengan analisis regresi untuk menganalisis dan mengkaji masalah-masalah penelitian. Pemilihan analisis model ini hanya lazim digunakan bila skala pengukuran yang dilakukan adalah minimal interval. Akan tetapi kadangkala, tanpa memperhitungkan kelaziman dalam menggunaan teknik analisis berikutnya, teknik pengumpulan data yang dilakukan oleh mahasiswa sudah mengarah ke dalam wilayah menggunakan skala pengukuran nominal (atau ordinal). Menghadapi situasi demikian, salah satu cara yang dilakukan adalah menaikkan tingkat pengukuran skalanya dari ordinal menjadi interval. Langkah ini lazim dilakukan selain mahasiswa menghindari penggunaan statistika nonparametrik, juga karena berharap data yang diperoleh dari hasil pencacahan akan memenuhi syarat dalam normalitas data. Melakukan manipulasi data dengan cara menaikkan skala dari ordinal menjadi interval ini, selain bertujuan untuk tidak melanggar kelaziman, juga untuk mengubah agar syarat distribusi normal bisa dipenuhi ketika menggunakan statistika parametrik.
Menurut Sambas Ali Muhidin dan Maman Abdurahman, “salah satu metode transformasi yang sering digunakan adalah metode succesive interval (MSI)”.
Meskipun terdapat perdebatan tentang metode ini, diharapkan pemikiran ini bisa melengkapi wacana mahasiswa ketika akan melakukan analisis data berkenaan dengan tugas-tugas kuliah.
Sebelum melanjutkan pembahasan tentang bagaimana transformasi data ordinal menjadi interval dilakukan, tulisan ini sedikit membahas tentang dua perbedaan pendapat tentang bagimana skor-skor yang diberikan terhadap alternatif jawaban pada skala pengukuran Likert yang sudah kita kenal. Pendapat pertama mengatakan bahwa skor 1, 2, 3, 4, dan 5 adalah data interval. Sedangkan pendapat yang kedua, menyatakan bahwa jenis skala pengukuran Likert adalah ordinal. Alasannya skala Likert merupakan Skala Interval adalah karena skala sikap merupakan dan menempatkan kedudukan sikap seseorang pada kesatuan perasaan kontinum yang berkisar dari sikap “sangat positif”, artinya mendukung terhadap suatu objek psikologis terhadap objek penelitian, dan sikap “sangat negatif”, yang tidak mendukung sama sekali terhadap objek psikologis terhadap objek penelitian.
Berkenaan dengan perbedaan pendapat terhadap skor-skor yang diberikan dalam alternatif jawaban dalam skala Likert itu, apakah termasuk dalam skala pengukuran ordinal atau data interval, berikut ini kami menyampaikan pemikiran yang diharapkan bisa dijadikan pertimbangan:
Ciri spesifik yang dimiliki oleh data yang diperoleh dengan skala pengukuran ordinal, adalah bahwa, data ordinal merupakan jenis data kualitatif, bukan numerik, hasil skala pengukuran itu hanya berupa kata-kata atau kalimat, seperti misalnya sangat setuju, kurang setuju, dan tidak setuju, jika pertanyaannya ditujukan terhadap persetujuan tentang suatu event. Atau bisa juga respon masyarakat terhadap keberadaan suatu Bank (misalnya Bank“ABA”) dalam suatu daerah yang bisa dimulai dari pendapat sangat tidak setuju, tidak setuju, sedang, setuju, dan sangat setuju. Respon masyarakat tentang keberadaan bank itu ditunjukkan oleh sikap masyarakat dengan kata-kata tidak setuju, sangat setuju atau yang lainnya.
Sementara data interval, adalah termasuk data kuantitatif, berbentuk numerik, berupa angka, bukan terdiri dari kata-kata, atau kalimat. Mahasiswa yang melakukan penelitian dengan menggunakan pendekatan kuantitatif, termasuk di dalamnya adalah data interval, adalah data yang diperoleh dari hasil pengumpulan data yang bisa langsung diolah dengan menggunakan model statistika atau secara matematis. Akan tetapi data yang diperoleh dengan pengukuran skala ordinal, berbentuk kata-kata, kalimat, penyataan, sebelum diolah, perlu memberikan kode numerik, atau simbol berupa angka dalam setiap jawaban. Pemberian simbol angka secara numerik itu, atau simbol berupa angka, tidak memberikan arti apapun terhadap data yang bersangkutan. Pemberian simbol numerik itu dilakukan hanya semata-mata diberikan karena satu alasan, yakni untuk memudahkan analisis secara matematis.
Misalnya saja alternatif jawaban pada skala Likert, alternatif jawaban “sangat tidak setuju” diberi skor 1; “ tidak setuju diberi skor 2; “ragu-ragu” diberi skor 3; “setuju” diberi kode 4; dan “sangat setuju” diberi skor 5. angka-angka (numerik) inilah yang kemudian diolah, sehingga menghasilkan skor tertentu. Tetapi, sesuai dengan sifat dan cirinya, angka 1, 2, 3, 4, dan 5 atau skor yang sudah diperoleh tidak memberikan arti apa-apa terhadap objek yang diukur. Dengan kata lain, skor yang lebih tinggi lebih tidak berarti lebih baik dari skor yang lebih rendah. Skor 1 hanya menunjukkan sikap “sangat tidak setuju”, skor 2 menunjukkan sikap “tidak setuju, skor 3 menunjukkan sikap “ragu-ragu’, skor 4 menunjukkan sikap “setuju”, dan skor 5 menunjukkan sikap “sangat setuju”. Kita tidak bisa mengatakan bahwa skor 4 atau “setuju” dua kali lebih baik dari skor 2 atau “tidak setuju”.
Fenomena ini berbeda sekali dengan sifat/ciri yang dimiliki oleh data interval. Data interval memiliki angka-angka atau skor-skor numerik yang diperoleh dari hasil pengukuran data dan langsung dapat dibandingkan antara satu dengan lainnya, dikurangkan, dijumlahkan, dibagi dan dikalikan. Misalnya saja penelitian yang dilakukan mahasiswa tentang perbedaan suhu udara antar beberapa kelas, dan diperoleh data misalnya suhu ruangan kelas A 15 derajat Celcius, suhu ruang kelas B 20 derajat Celcius, dan suhu ruang kelas C 25 derajat. Dengan demikian, suhu ruang kelas A adalah 75 % lebih dingin dari suhu ruang kelas B. Suhu ruang kelas A 60 % lebih dingin dari kelas C. Suhu ruang kelas A lebih dingin dari suhu ruang kelas B dan C. Atau suhu ruang kelas B lebih panas dari suhu ruang kelas A, tetapi lebih dingin dari suhu ruang kelas C. Contoh lain adalah prestasi mahasiswa yang diukur dengan skala indek prestasi mahasiswa (IP). Indek prestasi mahasiswa diukur dengan skala interval dan memiliki jarak sama antar strata pertama (1), strata dua (2), strata tiga (3) dan strata empat (4). Masing-masing memiliki jarak yang sama antara strata yang satu dengan strata lainnya. Akan tetapi tidak bisa dikatakan bahwa kepandaian mahasiswa yang memperoleh indek prestasi dalam strata satu (1), biasanya diukur dengan satuan indek prestasi (4,0), memiliki kepandaian sebesar dua (2) kali lipat dibandingkan dengan mahasiswa yang memperoleh indek prestasi strata dua (2) atau indek prestasi (2,0). Prestasi mahasiswa yang memiliki indek prestasi 0, bukan berarti mahasiswa tersebut tidak memiliki pikiran sama sekali. Atau tidak memiliki otak, seperti halnya dalam konotasi orang tidak waras. Angka nol dalam data Interval, adalah angka nol yang bukan absolut. Tidak mutlak. Ia masih memiliki nilai dan makna secara numerik.

&&&&&&&&&&&&&&&

Transformasi Data Ordinal Menjadi Interval

2009-07-26T08:26:00.001-07:00

Transformasi Data Ordinal Menjadi Interval
(dalam opini)
(Oleh: Suharto, S.E., M.M.)

Data yang dikumpulkan mahasiwa ketika akan membuat tugas akhir, selain data skunder diantaranya adalah data primer. Data primer ini adalah data yang direspon langsung oleh responden berdasarkan wawancara ataupun daftar pertanyaan yang dirancang, disusun, dan disajikan dalam bentuk skala, baik nominal maupun ordinal oleh mahasiswa ketika membutuhkan data demi kepentingan penelitian. Teknik pengumpulan data seperti ini lazim digunakan karena selain bisa langsung menentukan skala pengukuranya, akan tetapi juga bisa melengkapi hasil wawancara yang dilakukan dengan responden.
Skala pengukuran yang dibuat oleh mahasiswa sebaiknya dibuat sedemikian rupa, sehingga akan memudahkan pemilihan teknik analisis yang akan digunakan ketika pengumpulan datanya sudah selesai.
Misalnya saja mahasiswa ingin menggunakan statistik parametrik dengan analisis regresi untuk menganalisis dan mengkaji masalah-masalah penelitian. Pemilihan analisis model ini ini hanya lazim digunakan bila skala pengukuran yang digunakan adalah minimal interval. Sedangkan teknik pengumpulan data yang dilakukan oleh mahasiswa sudah dilakukan dengan menggunakan skala pengukuran nominal (atau ordinal). Menghadapi situasi demikian, salah satu cara yang dilakukan adalah menaikkan tingkat pengukuran skalanya dari ordinal menjadi interval. Melakukan manipulasi data dengan cara menaikkan skala dari ordinal menjadi interval ini, selain bertujuan untuk tidak melanggar kelaziman, juga untuk mengubah agar syarat distribusi normal bisa dipenuhi ketika menggunakan statistika parametrik. Karena salah satu syarat penggunaan statistik parametrik adalah data harus berdistribusi normal.
Menurut Sambas Ali Muhidin dan Maman Abdurahman, “salah satu metode transformasi yang sering digunakan adalah metode succesive interval (MSI)”.
Meskipun banyak perdebatan tentang metode ini, diharapkan pemikiran ini bisa melengkapi wacana mahasiswa ketika akan melakukan analisis data berkenaan dengan tugas-tugas kuliah.
Sebelum melanjutkan pembahasan tentang bagaimana transformasi data ordinal dilakukan, tulisan ini sedikit membahas tentang dua perbedaan pendapat tentang bagimana skor-skor yang diberikan terhadap alternatif jawaban pada skala pengukuran Likert yang sudah kita kenal. Pendapat pertama mengatakan bahwa skor 1, 2, 3, 4, dan 5 adalah data interval. Sedangkan pendapat yang kedua, menyatakan bahwa jenis skala pengukuran Likert adalah ordinal. Alasannya skala Likert merupakan Skala Interval adalah karena skala sikap merupakan dan menempatkan kedudukan sikap seseorang pada kesatuan perasaan kontinum yang berkisar dari sikap “sangat positif”, artinya mendukung terhadap suatu objek psikologis terhadap objek penelitian, dan sikap “sangat negatif”, yang tidak mendukung sama sekali terhadap objek psikologis terhadap objek penelitian.
Berkenaan dengan perbedaan pendapat terhadap skor-skor yang diberikan dalam alternatif jawaban dalam skala Likert ini, apakah termasuk dalam skala pengukuran ordinal atau data interval, berikut ini kami mneyampaikan pemikiran yang bisa dijadikan pertimbangan:
Ciri spesifik yang dimiliki oleh data yang diperoleh dengan skala pengukuran ordinal, adalah bahwa, data ordinal merupakan jenis data kualitatif, bukan numerik, berupa kata-kata atau kalimat, seperti misalnya sangat setuju, kurang setuju, dan tidak setuju, jika pertanyaannya ditujukan terhadap persetujuan tentang suatu event. Atau bisa juga respon terhadap keberadaan suatu Bank “PQR” dalam suatu daerah yang bisa dimulai dari sangat tidak setuju, tidak setuju, biasa saja, setuju, dan sangat setuju.
Sementara data interval adalah termasuk data kuantitatif, berbentuk numerik, berupa angka, bukan terdiri dari kata-kata, atau kalimat. Mahasiswa yang melakukan penelitian dengan menggunakan pendekatan kuantitatif, termasuk di dalamnya adalah data interval, data yang diperoleh dari hasil pengumpulan data bisa langsung diolah dengan menggunakan model statistika. Akan tetapi data yang diperoleh dengan pengukuran skala ordinal, berbentuk kata-kata, kalimat, penyataan, sebelum diolah, perlu memberikan kode numerik, atau simbol berupa angka dalam setiap jawaban.
Misalnya saja tentang alternatif jawaban pada skala Likert, alternatif jawaban “sangat tidak setuju” diberi skor 1; “ tidak setuju diberi skor 2; “ragu-ragu” diberi skor 3; “setuju” diberi kode 4; dan “sangat setuju” diberi skor 5. angka-angka (numerik) inilah yang kemudian diolah, sehingga menghasilkan skor tertentu. Tetapi, sesuai dengan sifat dan cirinya, angka 1, 2, 3, 4, dan 5 atau skor yang sudah diperoleh tidak memberikan arti apa-apa terhadap objek yang diukur. Dengan kata lain, skor yang lebih tinggi lebih tidak berarti lebih baik dari skor yang lebih rendah. Skor 1 hanya menunjukkan sikap “sangat tidak setuju”, skor 2 menunjukkan sikap “tidak setuju, skor 3 menunjukkan sikap “ragu-ragu’, skor 4 menunjukkan sikap “setuju”, dan skor 5 menunjukkan sikap “sangat setuju”. Kita tidak bisa mengatakan bahwa skor 4 atau “setuju” dua kali lebih baik dari skor 2 atau “tidak setuju”.
Fenomena ini berbeda sekali dengan sifat/ciri yang dimiliki oleh data interval. Dalam data interval, angka-angka atau skor-skor numerik yang diperoleh dari hasil pengukuran langsung dapat dibandingkan antara satu dengan lainnya, dikurangkan, dijumlahkan, dibagi dan dikalikan. Dalam studi empiris, misalnya saja tentang penelitian yang dilakukan oleh mahasiswa tentang perbedaan suhu udara di beberapa kelas, dalam penelitian itu misalnya diperoleh data suhu ruangan kelas A 15 derajat Celsius, suhu ruang kelas B 20 derajat Celsius, dan suhu ruang kelas C 25 derajat Celsius. Berarti bahwa suhu ruang kelas A adalah 75 % lebih dingin dari kelas B. Suhu ruang kelas A 60 % lebih dingin dari suhu ruang kelas C. Suhu ruang kelas A lebih dingin dari suhu ruang kelas B dan C. Atau suhu ruang kelas B lebih panas dari suhu ruang kelas A, tetapi lebih dingin dari suhu ruang kelas C. Contoh lain misalnya saja tentang prestasi mahasiswa yang diukur dengan skala indek prestasi mahasiswa. Akan tetapi nilai "0" yang dimiliki oleh mahasiswa, bukan berarti bahwa mahasiswa tersebut tidak memiliki pikiran sama sekali, seperti dalam konotasi orang tidak waras. Nilai 0 (nol) itu tidak absolut. tidak mutlak. artinya, masih memiliki nilai.

&&&&&&&&&&&&&&&&

Pengertian Korelasi

2009-07-05T22:07:00.000-07:00

PENGERTIAN KORELASI

J Supranto, Statistika, Teori Dan Aplikasi, Penerbit Erlangga, Jakarta, 1987.
Riduan, Dasar-dasar Statistika, Penerbit ALFABETA, Bandung, 2005.
Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT. Gramedia Pustaka Utama, Jakarta, 1992.
Murray R. Spiegel, Seri Buku Schaum, Teori dan Soal, Statistika, Edisi Kedua. Alih Bahasa oleh Drs. I Nyoman Susila, M.Sc. dan Ellen Gunawan, M.M., Penerbit Erlangga, 1988..

KORELASI LINEAR

1) hubungan (korelasi) variabel nominal dengan variabel nominal;

2) hubungan (korelasi) variabel nominal dengan ordinal;

3) hubungan (korelasi) variabel nominal dengan interval;

4) hubungan (korelasi) variabel ordinal dengan ordinal;

5) hubungan (korelasi) variabel ordinal dengan interval; dan

6) hubungan (korelasi) variabel interval dengan interval.

Besaran yang diperoleh biasanya berada pada kisaran - 1 sampai dengan 0, dan 0 sampai dengan + 1. Atau antara - 1 dan +1. Atau dengan kata lain bahwa besaran koefisien korelasi memiliki sifat hubungan satu arah dan sifat yang lain, yakni berlawanan arah.

Dalam statistika, besaran korelasi antara dua peubah yang dikorelasikan secara garis besar mengandung tiga makna, yakni:

1) ada atau tidaknya korelasi antar peubah;

2) arah korelasi antar peubah, dan;

3) besarnya korelasi antar peubah.

Ada atau tidaknya korelasi antar peubah ditunjukkan oleh besarnya angka yang terdapat dibelakang koma, karena besaran korelasi akan berada diantara -1 dan +1. Jika besaran korelasi itu terlalu kecil misalnya sampai dengan tiga angka dibelakang koma, misalnya 0,005, maka dapat dianggap bahwa antara peubah X dengan peubah Y memiliki korelasi yang relatif sangat kecil, sehingga bisa abaikan.

Arah korelasi yang ditengarai dengan tanda positif (+) dan negatif (-), yakni arah yang menunjukkan kesejajaran antara nilai peubah X dengan nilai peubah Y. Arah besaran korelasi ini ditunjukkan oleh tanda yang ada didepan besaran korelasi. Bila tanda besaran korelasi memiliki tanda (+), maka arah korelasinya positif. Sedangkan bila memiliki tanda negatif (-) maka arah korelasinya negatif.

Besarnya koefisien korelasi adalah besarnya angka yang menunjukkan kuat atau tidaknya hubungan antara dua peubah yang diukur dengan menggunakan korelasi. Untuk menentukan besarnya kekuatan hubungan (korelasi) itu tidak perlu memperhatikan tanda postitif dan negatif yang terdapat di depan koefisien korelasi. Bilangan yang mendekati 1 atau mendekati - 1, berarti hubungan antar peubah bisa dinyatakan kuat, akan tetapi memiliki arah positif atau negatif.

Dalam korelasi linear, besaran korelasi antara dua peubah adalah suatu ukuran hubungan linear antara kedua peubah itu, sehingga bila nilai r = 0, bukan berarti dan berimplikasi tidak ada hubungan antara kedua peubah itu, dan pasti tidak memiliki hubungan. Akan tetapi bisa saja antara X dan Y terdapat suatu hubungan yang lain, misalnya kuadratik yang kuat, dan kita tetap akan memperoleh korelasi nol, meskipun terdapat hubungan tidak linear yang kuat antara kedua peubah tersebut.

Sumber :

Sambas Ali Muhidin, S.Pd., M.Si., dan Drs. Maman Abdurahman, M.Pd., 2007, Analisis Korelasi, Regresi, dan Jalur Dalam Penelitian (Dilengkapi Aplikasi Program SPSS), Penerbit Pustaka Setia Bandung.
Ronald E. Walpole, 1992, Pengantar Statistika, Edisi ke-3, Penerbit PT. Gramedia Pustaka Utama, Jakarta.

Pengukuran Data

2009-07-05T21:40:00.000-07:00

Pengukuran Data.
(Suharto, S.E., M.M.)

Seperti kita ketahui tujuan diadakannya suatu observasi (pengamatan) diantaranya adalah dengan mencari dan memperoleh keterangan bagaimana kondisi suatu obyek pada berbagai keadaan yang ingin diperhatikan. Kondisi mengenai obyek yang sedang diteliti dan sudah berbentuk keterangan, akan didapatkan bila sebelumnya kita melakukan pengukuran terhadap obyek pengamatan dengan baik dan benar. Dalam kegiatan penelitian, sebelum melakukan observasi terhadap variabel yang akan diukur, lazimnya mahasiswa perlu menentukan tingkat (skala) pengukurannya (scale of measurement). Hal ini menjadi penting dilakukan karena tingkat pengukuran akan mempengaruhi metode statistika yang digunakan dan memberikan dampak pada kualitas informasi yag akan disajikan.
Dalam ilmu statistika, tingkat pengukuran yang mungkin dihasilkan untuk mengukur obyek amatan dibedakan menjadi empat macam, yakni: tingkat pengukuran nominal, ordinal, interval dan ratio. Tingkat pengukuran dengan skala nominal dan ordinal disebut juga skala pengukuran kualitatif, karena tidak numeric, seperti suku, jenis kelamin, status perkawinan, dan status pekerjaan, sedangkan tingkat pengukuran interval dan ratio disebut sebagai tingkat pengukuran kuantitatif, karena pengukurannya bisa diekspresikan secara numeric, seperti tinggi, berat, panjang, biaya, dan pendapatan.
Tingkat pengukuran nominal dilakukan dengan cara mengklasifikasikan (menggolong-golongkan) obyek atau kejadian-kejadian ke dalam berbagai kelompok (kategori) untuk menunjukkan kesamaan atau perbedaan ciri-ciri obyek yang diamati. Kategori-kategori (kelompok) ini didefinisikan sebelumnya dan dilambangkan dengan kata-kata, huruf, symbol, atau angka. Hasil pengukurannya tentu saja bisa dibedakan akan tetapi tidak bisa diurutkan mana yang lebih tinggi, mana yang lebih rendah, mana yang lebih utama dan mana yang lebih dikesampingkan. Tingkat pengukuran nominal adalah kualitatif, tegasnya bukan kuantitatif. Mengkuantifikasikan tingkat pengukuran nominal lazimnya dilakukan dengan cara menghitung frekuensi dari obyek yang diukur. Misalnya tentang Partai: Partai Bulan = 1; Partai Bintang = 2; dan Partai Matahari = 3. Tentang Jenis kelamin: Laki-laki = 1; dan Perempuan = 2. Tentang jenis Pekerjaan: PNS = 1; TNI/POLRI = 2; Karyawan swasta = 3; Pedagang = 4; Petani = 5 dan Buruh = 6. Tentang warna kulit: Hitam = 1; Sawo matang = 2; Putih = 3; dan Cokelat = 4. Tentang Olah raga, Warna mobil, Suku, dan lain lain.
Dalam tingkat pengukuran ordinal obyek-obyeknya bisa digolongkan dalam kategori tertentu. Angka atau huruf yang diberikan mengandung tingkatan, sehingga dari kelompok yang terbentuk dapat dibuat peringkat yang menyatakan hubungan lebih dari atau kurang dari menurut aturan penataan tertentu. Bilangan/angka/huruf yang diberikan kepada objek hanya menyatakan tempat dalam suatu susunan akan tetapi tidak menyakatan apa-apa mengenai jarak dari satu satu datum ke datum lainnya atau tidak memberikan nilai absolute pada objek. Simbol numericnya hanya merupakan urutan (ranking) relative saja, dan peringkat tersebut tidak mempunyai satuan ukur. Dengan demikian jarak atau beda nilai-nilainya tidak diukur. Ciri lain dari skala ordinal juga tidak mengenal nol, sehingga perankingannya pun dimulai dari satu. Tingkat pengukuran ordinal adalah kualitatif. Mengkuantifikasikan tingkat pengukuran ordinal adalah dengan cara menghitung frekuensinya, dan dibuat rangkingnya. Contoh : Sangat baik = 1, Baik = 2, Cukup = 3, Kurang baik = 4, dan Buruk = 5. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri Kampanye Presiden, mulai dari tidak pernah absen menghadiri = 5, kadang-kadang saja menghadiri = 4, kurang menghadiri = 3, tidak pernah menghadiri = 2 sampai tidak ingin menghadiri sama sekali = 1. Atau kedudukan mahasiswa: mahasiswa semester 1, semester 2, semester 3, semester 4, semester 5, semester 6 dan semester 7.
Tingkat pengukuran interval memberikan ciri angka kepada kelompok obyek yang selain memiliki skala nominal dan ordinal, akan tetapi juga ditambah dengan jarak yang sama pada urutan obyeknya. Kategori yang digunakan bisa dibedakan, diurutkan, mempunyai jarak tertentu, tetapi tidak bisa dibandingkan. Selain itu skala interval juga tidak memiliki nilai nol mutlak. Datanya bisa ditambahkan, dikurangi, digandakan dan dibagi tanpa mempengaruhi jarak relative skor-skornya. Contoh skala pada thermometer dan prestasi mahasiswa.
Tingkat pengukuran ratio memiliki seluruh sifat, yakni nominal, ordinal, interval tetapi ditambah dengan satu sifat lain, yakni memberikan keterangan nol mutlak dari objek yang diukur. Ciri lain dari skala ratio adalah data bisa dibedakan, diurutkan, mempunyai jarak tertentu dan bisa dibandingkan. Contoh, pendapatan, panjang benda, berat benda.....

Sumber bacaan:

Ating Somantri dan Sambas Ali Muhidin, 2006, Aplikasi Statistika Dalam Penelitian Penerbit, Pustaka Setia, Bandung.
Riduan, Dasar-dasar Statistika, Penerbit ALFABETA Bandung, 2005...

Statistik Nonparametrik

2009-05-17T07:23:00.000-07:00

Statistika Nonparametrik

(Suharto, S.E., M.M.)

Salah satu ciri statistik nonparametrik adalah penyebaran distribusi yang dimiliki tidak mengikuti distribusi normal. Analisis dengan model ini biasanya digunakan untuk menganalisis data dengan sampel kecil..

&&&

PENGERTIAN REGRESI

2009-01-05T08:27:00.001-08:00

PENGERTIAN REGRESI

Sir Francis Galton (1822 – 1911), memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi cederung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya. (Ronal E. Walpole). Analisis regresi digunakan untuk menentukan bentuk (dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini adalah untuk meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya. (Iqbal Hasan).

Adakalanya, setelah kita memperoleh data berdasarkan sampel, kita ingin menduga nilai dari suatu variabel Y yang bersesuaian dengan nilai tertentu dari variabel X. Hal ini diperoleh dengan menaksir nilai Y dari kurva kuadrat minimum yang sesuai dengan data yang kita himpun dari sampel. Kurva yang diperoleh dan kita bentuk dari data sampel itu disebut kurva regresi Y terhadap X, karena Y diduga dari X. (Murray R. Spiegel).

Dalam melakukan analisis regresi, sebagian besar mahasiswa biasanya tidak melakukan pengamatan populasi secara langsung. Hal itu dilakukan selain pertimbangan waktu, tenaga, juga berdasarkan pertimbangan biaya yang relatif besar jika melakukan pengamatan terhadap populasi. Dalam hal ini, lazimnya digunakan persamaan regresi linier sederhana sampel sebagai penduga persamaan regresi linier sederhana populasi dengan bentuk persamaan seperti berikut : y = a + bX. Dan karena antara Y dan X memiliki hubungan, maka nilai X dapat digunakan untuk menduga atau meramal nilai Y. X dinamakan variabel bebas karena variabel ini nilai-nilainya tidak bergantung pada variabel lain. Dan Y disebut variabel terikat juga karena variabel yang nilai-nilainya bergantung pada variabel lain. Hubungan antar variabel yang akan dipelajari disini hanyalah hubungan linier sederhana, yakni hubungan yang hanya melibatkan dua variabel (X dan Y) dan berpangkat satu. (Iqbal Hasan).

Regresi sederhana, adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel independen (bebas) dan variabel dependen (terikat). Jika ditulis dalam bentuk persamaan, model regresi sederhana adalah y = a + bx, dimana, y adalah variabel takbebas (terikat), X adalah variabel bebas, a adalah penduga bagi intercept (α), b adalah penduga bagi koefisien regresi (β). Atau dengan kata lain α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga melalui statistik sampel. (Sambas dan Maman)

Menurut kelaziman, dalam ilmu statistika ada dua macam hubungan antara dua variabel yang relatif sering digunakan, yakni bentuk hubungan dan keeratan hubungan. Bentuk hubungan bisa diketahui melalui analisis regresi, sedangkan keeratan hubungan dapat diketahui dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang komplek. Jika X1, X2, ...., Xn, adalah variabel-variabel independen dan Y adalah variabel dependen, maka terdapat hubungan fungsional antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai berikut: Y = f(X1, X2, ....., Xn, e), dimana Y adalah variabel dependen (tak bebas), X adalah variabel independen (bebas) dan e adalah variabel residu (disturbace term).

Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni : (1) mengadakan estimasi terhadap parameter berdasarkan data empiris, (2) menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi independen, (3) menguji apakah estimasi parameter tersebut signifikan atau tidak, dan (4) melihat apakah tanda magnitud dari estimasi parameter cocok dengan teori. (Moh. Nazir).

Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan tidak linier. Misalnya, berat badan orang dewasa sampai pada tahap tertentu bergantung pada tinggi badan, keliling lingkaran bergantung pada diameternya, dan tekanan gas bergantung pada suhu dan volumenya. Atau dalam ilmu pemasaran, nilai penjualan akan bergantung pada biaya promosi. Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan memberikan persamaan-persamaan tertentu. Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam bentuk persamaan linier, yakni: Y = a + bX. Hubungan antara dua variabel pada persamaan linier jika digambarkan secara (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus. Dan dalam ilmu ekonomi, garis itu dinamakan garis regresi. (Iqbal Hasan).

KEPUSTAKAAN

M. Iqbal Hasan, Ir. M.M., Pokok-pokok Materi Statistik 2, Statistik Inferensif, Edisi kedua, Penerbit Bumu Aksara, Jakarta, 2002.
Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003.
Murray R. Spiegel, Seri Buku Schaum, Teori dan Soal, Statistika, Edisi Kedua. Alih Bahasa oleh Drs. I Nyoman Susila, M.Sc. dan Ellen Gunawan, M.M., Penerbit Erlangga, 1988.
Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT Gramedia Pustaka Utama, Jakarta, 1992.
Riduan, Dasar-dasar Statistika, Penerbit ALFABETA Bandung, 2005.
Sambas Ali Muhidin, S.Pd., M.Si. dan Drs. Maman Abdurahman, M.Pd., Analisis Korelasi, Regresi, dan Jalur dalam Penelitian, Penerbit Pustaka Setia Bandung, 2007...

PENGERTIAN REGRESI

2009-01-05T08:27:00.000-08:00

PENGERTIAN REGRESI

(Suharto, S.E., M.M.)

Sir Francis Galton (1822 – 1911), memperkenalkan model peramalan, penaksiran, atau pendugaan, yang selanjutnya dinamakan regresi, sehubungan dengan penelitiannya terhadap tinggi badan manusia. Penelitian tersebut membandingkan antara tinggi anak laki-laki dan tinggi badan ayahnya. Galton menunjukkan bahwa tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cenderung mundur (regressed) mendekati nilai tengah populasi. Dengan kata lain, anak laki-laki dari ayah yang badannya sangat tinggi cederung lebih pendek dari pada ayahnya, sedangkan anak laki-laki dari ayah yang badannya sangat pendek cenderung lebih tinggi dari ayahnya. (Ronal E. Walpole). Analisis regresi digunakan untuk menentukan bentuk (dari) hubungan antar variabel. Tujuan utama dalam penggunaan analisis ini adalah untuk meramalkan atau menduga nilai dari satu variabel dalam hubungannya dengan variabel yang lain yang diketahui melalui persamaan garis regresinya. (Iqbal Hasan).

Adakalanya, setelah kita memperoleh data berdasarkan sampel, kita ingin menduga nilai dari suatu variabel Y yang bersesuaian dengan nilai tertentu dari variabel X. Hal ini diperoleh dengan menaksir nilai Y dari kurva kuadrat minimum yang sesuai dengan data yang kita himpun dari sampel. Kurva yang diperoleh dan kita bentuk dar data sampel itu disebut kurva regresi Y terhadap X, karena Y diduga dari X. (Murray R. Spiegel).

Dalam melakukan analisis regresi, sebagian besar mahasiswa biasanya tidak melakukan pengamatan populasi secara langsung. Hal itu dilakukan selain pertimbangan waktu, tenaga, juga berdasarkan pertimbangan biaya yang relatif besar jika melakukan pengamatan terhadap populasi. Dalam hal ini, lazimnya digunakan persamaan regresi linier sederhana sampel sebagai penduga persamaan regresi linier sederhana populasi dengan bentuk persamaan seperti berikut : y = a + bX. Dan karena antara Y dan X memiliki hubungan, maka nilai X dapat digunakan untuk menduga atau meramal nilai Y. X dinamakan variabel bebas karena variabel ini nilai-nilainya tidak bergantung pada variabel lain. Dan Y disebut variabel terikat juga karena variabel yang nilai-nilainya bergantung pada variabel lain. Hubungan antar variabel yang akan dipelajari disini hanyalah hubungan linier sederhana, yakni hubungan yang hanya melibatkan dua variabel (X dan Y) dan berpangkat satu. (Iqbal Hasan).

Regresi sederhana, adalah bentuk regresi dengan model yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel independen (bebas) dan variabel dependen (terikat). Jika ditulis dalam bentuk persamaan, model regresi sederhana adalah y = a + bx, dimana, y adalah variabel takbebas (terikat), X adalah variabel bebas, a adalah penduga bagi intercept (α), b adalah penduga bagi koefisien regresi (β). Atau dengan kata lain α dan β adalah parameter yang nilainya tidak diketahui sehingga diduga melalui statistik sampel. (Sambas dan Maman)

Menurut kelaziman, dalam ilmu statistika ada dua macam hubungan antara dua variabel yang relatif sering digunakan, yakni bentuk hubungan dan keeratan hubungan. Bentuk hubungan bisa diketahui melalui analisis regresi, sedangkan keeratan hubungan dapat diketahui dengan analisis korelasi. Analisis regresi dipergunakan untuk menelaah hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa variabel independen mempengaruhi variabel dependen dalam suatu fenomena yang komplek. Jika X1, X2, ...., Xn, adalah variabel-variabel independen dan Y adalah variabel dependen, maka terdapat hubungan fungsional antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis hubungan itu dapat dijabarkan sebagai berikut: Y = f(X1, X2, ..., Xn, e), dimana Y adalah variabel dependen (takbebas), X adalah variabel independen (bebas) dan e adalah variabel residu (disturbace term).

Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim dilaksanakan yakni : (1) mengadakan estimasi terhadap parameter berdasarkan data empiris, (2) menguji berapa besar variasi variabel dependen dapat diterangkan oleh variasi independen, (3) menguji apakah estimasi parameter tersebut signifikan atau tidak, dan (4) melihat apakah tanda magnitud dari estimasi parameter cocok dengan teori. (Moh. Nazir).

Hubungan antar variabel dapat berupa hubungan linier ataupun hubungan tidak linier. Misalnya, berat badan orang dewasa sampai pada tahapraf tertentu bergantung pada tinggi badan, keliling lingkaran bergantung pada diameternya, dan tekanan gas bergantung pada suhu dan volumenya. Atau dalam ilmu pemasaran, nilai penjualan akan bergantung pada biaya promosi. Hubungan-hubungan itu bila dinyatakan dalam bentuk matematis akan memberikan persamaan-persamaan tertentu. Untuk dua variabel, hubungan liniernya dapat dinyatakan dalam bentuk persamaan linier, yakni: Y = a + bX. Hubungan antara dua variabel pada persamaan linier jika digambarkan secara (scatter diagram), semua nilai Y dan X akan berada pada suatu garis lurus. Dan dalam ilmu ekonomi, garis itu dinamakan garis regresi. (Iqbal Hasan).

KEPUSTAKAAN

M. Iqbal Hasan, Ir. M.M., Pokok-pokok Materi Statistik 2, Statistik Inferensif, Edisi kedua, Penerbit Bumu Aksara, Jakarta, 2002.
Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003.
Murray R. Spiegel, Seri Buku Schaum, Teori dan Soal, Statistika, Edisi Kedua. Alih Bahasa oleh Drs. I Nyoman Susila, M.Sc. dan Ellen Gunawan, M.M., Penerbit Erlangga, 1988.
Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT Gramedia Pustaka Utama, Jakarta, 1992.
Sambas Ali Muhidin, S.Pd., M.Si. dan Drs. Maman Abdurahman, M.Pd., Analisis Korelasi, Regresi, dan Jalur dalam Penelitian, Penerbit Pustaka Setia Bandung, 2007

PENGERTIAN DAN JENIS DATA NOMINAL, ORDINAL, INTERVAL DAN RATIO

2008-12-24T07:18:00.000-08:00

DATA NOMINAL, ORDINAL, INTERVAL DAN DATA RATIO

A. Pendahuluan

Beberapa ahli berpendapat bahwa pelaksanaan penelitian dengan menggunakan metode ilmiah diantaranya adalah melakukan langkah-langkah sistematis. Metode ilmiah adalah merupakan pengejaran terhadap kebenaran relatif yang diatur oleh pertimbangan-pertimbangan logis. Karena keberadaan dari ilmu itu adalah untuk memperoleh interelasi yang sistematis dari fakta-fakta, maka metode ilmiah berkehendak untuk mencari jawaban tentang fakta-fakta dengan menggunakan pendekatan kesangsian sistematis. Karenanya, penelitian dan metode ilmiah, jika tidak dikatakan sama, mempunyai hubungan yang relatif dekat. Karena dengan adanya metode ilmiah, pertanyaan-pertanyaan dalam mencari dalil umum, akan mudah dijawab.

Menuruti Schluter (Moh Nazir, 2006), langkah penting sebelum sampai tahapan analisis data dan penentuan model adalah ketika kita melakukan pengumpulan dan manipulasi data sehingga bisa digunakan bagi keperluan pengujian hipotesis. Mengadakan manipulasi data berarti mengubah data mentah dari awal menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antar fenomena. Kelaziman kuantifikasi sebaiknya dilakukan kecuali bagi atribut-atribut yang tidak dapat dilakukan. Dan dari kuantifikasi data itu, penentuan mana yang dikatakan data nominal, ordinal, interval dan ratio bisa dilakukan demi memasuki wilayah penentuan model.

Pada ilmu-ilmu sosial yang telah lebih berkembang, melakukan analisis berdasarkan pada kerangka hipotesis dilakukan dengan membuat model matematis untuk membangun refleksi hubungan antar fenomena yang secara implisit sudah dilakukan dalam rumusan hipotesis. Analisis data merupakan bagian yang amat penting dalam metode ilmiah. Data bisa memiliki makna setelah dilakukan analisis dengan menggunakan model yang lazim digunakan dan sudah diuji secara ilmiah meskipun memiliki peluang menggunakan alat analisis lain. Akan tetapi masing-masing model, jika ditelaah satu demi satu, sebenarnya hanya sebagian saja yang bisa digunakan untuk kondisi dan data tertentu. Ia tidak bisa digunakan untuk menganalisis data jika model yang digunakan kurang sesuai dengan bagaimana kita memperoleh data jika menggunakan instrumen. Timbangan tidak bisa digunakan untuk mengukur tinggi badan seseorang. Sebaliknya meteran tidak bisa digunakan untuk mengukur berat badan seseorang. Karena masing-masing instrumen memiliki kegunaan masing-masing.

Dalam hal ini, tentu saja kita tidak ingin menggunakan model analisis hanya semata-mata karena menuruti selera dan kepentingan. Suatu model hanya lazim digunakan setelah kita mempertimbangkan kondisi bagaimana data dikumpulkan. Karena dalam teori, alat analisis model adalah alat yang tidak bisa digunakan dalam kondisi yang tidak sesuai dengan pertimbangan-pertimbangan logis. Ia memang bisa digunakan untuk menghitung secara matematis, akan tetapi tidak dalam teori. Banyaknya konsumsi makanan tentu memiliki hubungan dengan berat badan seseorang. Akan tetapi banyaknya konsumsi makanan penduduk pulau Nias, tidak akan pernah memiliki hubungan dengan berat badan penduduk Kalimantan. Motivasi kerja sebuah perusahaan makanan ringan, tidak akan memiliki hubungan dengan produktivitas petani Sawit. Model analisis statistik hanya bisa digunakan jika data yang diperoleh memiliki syarat-syarat tertentu. Salah satu diantaranya adalah masing-masing variabel tidak memiliki hubungan linier yang eksak. Data yang kita peroleh melalui instrumen pengumpul data itu bisa dianalisis dengan menggunakan model tanpa melanggar kelaziman.

Bagi keperluan analisis penelitian ilmu-ilmu sosial, teknik mengurutkan sesuatu ke dalam skala itu artinya begitu penting mengingat sebagian data dalam ilmu-ilmu sosial mempunyai sifat kualitatif. Atribut saja sebagai objek penelitian selain kurang representatif bagi peneliti, juga sebagian orang saat ini menginginkan gradasi yang lebih baik bagi objek penelitian. Orang selain kurang begitu puas dengan atribut baik atau buruk, setuju atau tidak setuju, tetapi juga menginginkan sesuatu yang berada diantara baik dan buruk atau diantara setuju dan tidak setuju. Karena gradasi, merupakan kelaziman yang diminta bagi sebagian orang bisa menguak secara detail objek penelitian. Semakin banyak gradasi yang dibuat dalam instrumen penelitian, hasilnya akan makin representatif.

Menuruti Moh. Nazir (2006), teknik membuat skala adalah cara mengubah fakta-fakta kualitatif (atribut) menjadi suatu urutan kuantitatif (variabel). Mengubah fakta-fakta kualitatif menjadi urutan kuantitatif itu telah menjadi satu kelaziman paling tidak bagi sebagian besar orang, karena berbagai alasan. Pertama, eksistensi matematika sebagai alat yang lebih cenderung digunakan oleh ilmu-ilmu pengetahuan sehingga bisa mengundang kuantitatif variabel. Kedua, ilmu pengetahuan, disamping akurasi data, semakin meminta presisi yang lebih baik, lebih-lebih dalam mengukur gradasi. Karena perlunya presisi, maka kita belum tentu puas dengan atribut baik atau buruk saja. Sebagian peneliti ingin mengukur sifat-sifat yang ada antara baik dan buruk tersebut, sehingga diperoleh suatu skala gradasi yang jelas.

B. Pembahasan

a. Data nominal
Sebelum kita membicarakan bagaimana alat analisis data digunakan, berikut ini akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data kontinum dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu juga tentang ukuran jumlah anak dalam suatu keluarga. Numerik yang dihasilkan akan selalu berbentuk bilangan bulat, demikian seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coefisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.

b. Data ordinal
Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi, atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau.

c. Data interval
Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara mahasiswa C dan A adalah 3 – 1 = 2. Beda prestasi antara mahasiswa C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi mahasiswa E adalah 5 kali prestasi mahasiswa A ataupun prestasi mahasiswa F adalah 3 kali lebih baik dari prestasi mahasiswa B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

d. Data ratio
Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran ratio (data rasio). Data ratio, yang diperoleh melalui mengukuran dengan skala rasio memiliki titik nol. Karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka data ratio dapat dibuat perkalian ataupun pembagian. Angka pada data ratio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C dan A adalah 4 : 1, rasio antara pengemudi D dan A adalah 5 : 1, sedangkan rasio antara pengemudi C dan B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000, dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Contoh data rasio lainnya adalah berat badan bayi yang diukur dengan skala rasio. Bayi A memiliki berat 3 Kg. Bayi B memiliki berat 2 Kg dan bayi C memiliki berat 1 Kg. Jika diukur dengan skala rasio, maka bayi A memiliki rasio berat badan 3 kali dari berat badan bayi C. Bayi B memiliki rasio berat badan dua kali dari berat badan bayi C, dan bayi C memiliki rasio berat badan sepertiga kali berat badan bayi A, dst. Dari hasil pengukuran dengan menggunakan skala rasio ini akan diperoleh data rasio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian lazimnya bisa di bagi menjadi 4 jenis variabel, yakni variabel nominal, variabel ordinal, variabel interval, dan variabel ratio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah satu sama lain, misalnya status perkawinan, jenis kelamin, suku bangsa, profesi pekerjaan seseorang dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti motivasi seseorang untuk bekerja, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval seperti indek prestasi mahasiswa, skala termometer dan sebagainya, sedangkan variabel rasio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penganggguran, penghasilan, berat badan, dan sebagainya.

e. Konversi variabel ordinal
Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan, baik dari segi biaya, waktu maupun dasar teori. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regresion dan Multiple Regression, padahal data yang kita miliki adalah hasil pengukuran dengan skala ordinal, sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus berbentuk interval atau ratio, data harus memiliki distribusi normal. Jika kita tidak ingin melakukan uji normalitas karena data yang kita miliki adalah data ordinal, hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval..

Menuruti Al-Rasyid, menaikkan data dari skala ordinal menjadi skala interval dinamakan transformasi data. Transformasi data itu dilakukan diantaranya adalah dengan menggunakan Metode Suksesive Interval (MSI). Tujuan dari dilakukannya transformasi data adalah untuk menaikkan data dari skala pengukuran ordinal menjadi skala dengan pengukuran interval yang lazim digunakan bagi kepentingan analisis statistik parametrik. Transformasi data ordinal menjadi interval itu, selain merupakan suatu kelaziman, juga untuk mengubah data agar memiliki sebaran normal. Artinya, setelah dilakukan transformasi data dari ordinal menjadi interval, penggunaan model dalam suatu penelitian tidak perlu melakukan uji normalitas. Karena salah satu syarat penggunaan statistik parametrik, selain data harus memiliki skala interval (dan ratio), data juga harus memiliki distribusi (sebaran) normal. Dengan dilakukannya transformasi data, diharapkan data ordinal sudah menjadi data interval dan memiliki sebaran normal yang langsung bisa dilakukan analisis dengan statistik parametrik. Berbeda dengan ststistik nonparametrik, ia hanya digunakan untuk mengukur distribusi. (Ronald E. Walpole).

DAFTAR PUSTAKA

Al-Rasyid, H. Teknik Penarikan Sampel dan Penyusunan Skala. Pascasarjana UNPAD, Bandung, 1994.
Anita Kesumahati, Skripsi, PS Matematika, Unila, Penggunaan Korelasi Polikhorik dan Pearson untuk Variabel Ordinal Dalam Model Persamaan Struktural, 2005.
Hays, W. L., 1976. Quantification in Psychology, Prentice Hall. New Delhi.
J.T. Roscoe, Fundamental Research Statistic for the Behavioral Sciences, Hol, Rinehart and Winston, Inc., New York, 1969
J Supranto, Statistik, Teori Dan Aplikasi, Edisi Kelima, Penerbit Erlangga, Jakarta, 1987
Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003.
Ronald E। Walpole, 1992. Pengantar Statistika, Edisi ke-3, Penerbit PT Gramedia Pustaka Utama, Jakarta.
Riduan, Dasar-dasar Statistika, 2005. Penerbit ALFABETA Bandung.
Sugiono, Prof. Dr. 2004. Statistika Nonparametrik Untuk Penelitian, Penerbit CV ALFABETA, Bandung.
Wijayanto, 2003. Structural Equation Modeling dengan LISREL 8.5. Pascasarjana FE-UI, Jakarta.
Zaenal Mustafa El Qodri, 1985. Pengantar Statistika, Bagian Penerbitan Fakultas Ekokomi Universitas Islam Indonesia, Yogyakarta..

Pengertian Regresi

2008-12-24T07:01:00.000-08:00

KORELASI
(Suharto, S.E., M.M.)
A. Pengertian Korelasi
Dalam bahasa Inggris, Correlation artinya saling hubungan atau hubungan timbal balik. Istilah itu biasa kita sebut dalam bahasa sehari-hari dengan sebutan Korelasi. Dan dalam ilmu statistika istilah korelasi diberi pengertian sebagai hubungan antara dua variabel atau lebih. Dimana hubungan antara dua variabel itu dikenal dengan istilah bivariate correlation, sedangkan hubungan antar lebih dari dua variabel disebut multivariate correlation. Contoh bivariate correlation adalah: Hubungan antara motivasi kerja dengan kinerja, atau penggunaan pupuk dengan hasil produksi padi. Sedangkan contoh multivariate correlation adalah: Hubungan antara motivasi kerja dan disiplin kerja dengan kinerja, atau bisa juga hubungan antara penggunaan pupuk dan luas lahan tanam dengan hasil produksi.
Analisis korelasi dilakukan dengan tujuan antara lain: (1) untuk mencari bukti terdapat tidaknya hubungan (korelasi) antar variabel, (2) bila sudah ada hubungan, untuk melihat besar kecilnya hubungan antar variabel, dan (3) untuk memperoleh kejelasan dan kepastian apakah hubungan tersebut berarti (meyakinkan/signifikan) atau tidak berarti (tidak meyakinkan).
B. Koefisien Korelasi
Untuk mengetahui tinggi rendah, kuat lemah, atau besar kecilnya suatu korelasi adalah dengan melihat besar kecilnya besaran angka (koefisien) yang disebut angka indeks korelasi atau coeffisien of correlation, yang diberi simbol dengan ρ (baca Rho, untuk populasi) atau r (untuk sampel). Dengan kata lain Besaran Indek Korelasi adalah sebuah angka yang dapat dijadikan petunjuk untuk mengetahui seberapa besar kekuatan korelasi di antara variabel yang sedang diselidiki korelasinya. Besaran korelasi berkisar antara 0 sampai dengan ± 1,00 (artinya paling tinggi dan paling rendah ± 1,00, atau antara + 1 dan – 1).
Pada Besaran Indeks Korelasi, makna tanda plus minus (±), atau tanda plus minus pada Besaran Indek Korelasi ini berfungsi hanya untuk menunjukkan arah hubungan, dan bukan sebagai tanda aljabar. Apabila besaran indek korelasi bertanda plus ( + ) maka korelasi tersebut positif dan arah korelasi itu satu arah, sedangkan apabila angka indek korelasi bertanda minus (–), maka korelasi tersebut negatif dan arah korelasi berlawanan arah; serta apabila angka indek korelasi sama dengan 0, maka hal ini menunjukkan tidak ada korelasi.
Secara umum, arah korelasi dapat di bedakan menjadi dua, yakni bersifat satu arah dan yang sifatnya berlawanan arah. Contoh hubungan yang satu arah: Kenaikan biaya promosi diikuti oleh kenaikan omzet penjualan suatu produk. Contoh hubungan antar dua variabel yang berlawanan arah adalah: meningkatnya harga suatu produk tertentu diikuti oleh penurunan permintaan masyarakat terhadap produk tersebut.
Istilah yang dinamakan dengan ukuran korelasi dikenal dalam analisis korelasi. Ukuran korelasi (measures of correlation) ini dapat dilihat dengan rumus-rumus tertentu yang digunakan, dimana penggunaan rumus-rumus tersebut disesuaikan menurut jenis variabel-variabel yang yang akan diukur korelasinya. Dalam hal ini, paling tidak ada enam model hubungan antar dua atau lebih variabel yang dapat kita identifikasi sesuai dengan jenis variabelnya, yakni: 1) hubungan variabel nominal dengan variabel nominal; 2) hubungan variabel nominal dengan variabel ordinal; 3) hubungan variabel nominal dengan dengan variabel interval; 4) hubungan variabel ordinal dengan variabel ordinal; 5) hubungan variabel ordinal dengan variabel interval; dan 6) hubungan variabel interval (ratio) dengan variabel interval (ratio). Berikut ini disajikan kelaziman penggunaan analisis hubungan dengan menggunakan model analisis yang benar.

C. Korelasi untuk Variabel Nominal – Nominal
• Tes Of Independency (tabel kontingensi)
• Uji Chi Square (χ2)
• Crammer’s – Coefficient Of Association
• Phi (φ) dan φ2 (phi – kuadrat)
• Coefficient Of Association T (T-Sahupran)
• θ-Yule

D. Korelasi untuk variabel Ordinal – Ordinal
• Spearman’s Coefficient of (Rank) Correlation
• Kendall’s Coefficient of (Rank) Correlation
•
E. Korelasi untuk variabel Interval – Interval
• Product Moment Coefficient (Pearson’s Coefficient Of Correlation)
• • Korelasi Sederhana
• • Korelasi Berganda
• Regresi (Prediksi)
• • Regresi Sederhana
• • Regresi Berganda

F. Korelasi untuk variabel Ratio – Ratio
• Product Moment Coefficient (Pearson’s Coefficient Of Correlation )
• • Korelasi Sederhana
• • Korelasi Berganda
• Regresi (Prediksi)
• • Regresi Sederhana
• • Regresi Berganda

G. Variabel Bebas (Nominal) – Variabel Terikat (Ordinal), tujuan Statistiknya, adalah Beda Median, Beda Efek, Beda Fungsi Distribusi dan Beda Pengamatan.
• Uji Tanda, Uji Median
• Kruskal Wallis
• Mann – Whitney
• Anava – Friedman.

H. Variabel Bebas (Nominal) – Variabel Terikat (Interval), tujuan Statistiknya Perbedaan Mean dan Interaksi.
• Uji – t
• Anava – Analisis Variasi

KEPUSTAKAAN

1. Ating Somantri dan Sambas Ali Muhidin, Analisis Korelasi, Regresi, dan Jalur, Penerbit Pustaka Setia, Bandung, 2007)

2.
Ating Somantri dan Sambas Ali Muhiding, Aplikasi Statistika Dalam Penelitian, Penerbit Pustaka Setia, Bandung, 2006)

3.
Hasan Suryono, Pedoman, Teori dan Aplikasi, Penerbit LPP (UNS) dan UNS Press, 2005.

4.
J.T. Roscoe, Fundamental Research Statistic for the Behavioral Sciences, Hol, Rinehart and Winston, Inc., New York, 1969

5.
Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003.

6.
Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT. Gramedia Pustaka Utama, Jakarta, 1992.

7.Riduan. Dasar-dasar Statistika, Penerbit ALFABETA Bandung, 2005

8.
Sugiono, Prof. Dr., Statistik Non Parametris untuk Penelitian, Penerbit CV. Alfabeta, Bandung, 2004.

9.
Sugiono, Prof. Dr., Metode Penelitian Bisnis, Penerbit CV Alfabeta, Bandung, 2005.

10.
Wijaya, IR. Statistika Non Parametrik (Aplikasi Program SPSS), Penerbit Alfabeta, Bandung.

11. Yamane, Taro, Statistics An Introductory Analysis, Third Edition, Harper International Edition, 1973.

11. Zaenal Mustafa El Qodri, Pengantar Statistik Terapan Untuk Ekonomi, Penerbit, BPFE-UII Yogyakarta, 1995.

KORELASI LINEAR

(Suharto, S.E., M.M.)

Koefisien korelasi yang akan kita bicarakan berikut ini sebenarnya sudah banyak dibahas oleh banyak penulis. Model hubungan itu dilakukan terhadap paling tidak terhadap enam model hubungan antar dua atau lebih variabel yang bisa di identifikasi berdasarkakn jenis variabelnya yakni, 1) hubungan variabel nominal dengan variabel nominal; 2) hubungan variabel nominal dengan ordinal; 3) hubungan variabel nominal dengan interval; 4) hubungan variabel ordinal dengan ordinal; 5) hubungan variabel ordinal dengan interval; dan 6) hubungan variabel interval dengan interval.

Besaran yang diperoleh biasanya berada pada kisaran - 1 sampai dengan 0, dan 0 sampai dengan + 1. Atau antara - 1 dan +1. Dengan kata lain, besaran korelasi memiliki sifat hubungan satu arah dan sifat yang lain, yakni berlawanan arah. Dalam korelasi linear, besaran korelasi antara dua peubah adalah suatu ukuran hubungan linear antara kedua peubah, sehingga bila nilai r = 0, bukan berarti dan berimplikasi tidak ada hubungan antara kedua peubah itu dan pasti tidak memiliki hubungan sama sekali. Akan tetapi bisa saja antara X dan Y terdapat suatu hubungan yang lain, misalnya kuadratik yang kuat, parabolik, atau lainnya, dan kita tetap akan memperoleh korelasi nol, meskipun terdapat hubungan tidak linear yang kuat antara kedua peubah itu.

Sumber :

Sambas Ali Muhidin, S.Pd., M.Si., dan Drs. Maman Abdurahman, M.Pd., 2007, Analisis Korelasi, Regresi, dan Jalur Dalam Penelitian (Dilengkapi Aplikasi Program SPSS), Penerbit Pustaka Setia Bandung.
Ronald E. Walpole, 1992, Pengantar Statistika, Edisis ke-3, Penerbit PT Gramedia Pustaka Utama, Jakarta.

TRANSFORMASI DATA ORDINAL MENJADI INTERVAL

2008-12-24T06:53:00.001-08:00

TRANSFORMASI DATA ORDINAL menjadi INTERVAL SECARA MANUAL

(Kasus Transformasi Data Ordinal Menjadi Interval)

A. Pendahuluan

Beberapa ahli berpendapat bahwa pelaksanaan penelitian menggunakan metode ilmiah diantaranya adalah dengan melakukan langkah-langkah sistematis. Metode ilmiah sendiri adalah merupakan pengejaran terhadap kebenaran relatif yang diatur oleh pertimbangan-pertimbangan logis. Dan karena keberadaan dari ilmu itu adalah untuk memperoleh interelasi yang sistematis dari fakta-fakta, maka metode ilmiah berkehendak untuk mencari jawaban tentang fakta-fakta dengan menggunakan pendekatan kesangsian sistematis. Karenanya, penelitian dan metode ilmiah, jika tidak dikatakan sama, mempunyai hubungan yang relatif dekat. Dengan adanya metode ilmiah, pertanyaan-pertanyaan dalam mencari dalil umum, akan mudah dijawab.
Menuruti Schluter (Moh Nazir), langkah penting sebelum sampai tahapan analisis data dan penentuan model adalah ketika melakukan pengumpulan dan manipulasi data sehingga bisa digunakan bagi keperluan pengujian hipotesis. Mengadakan manipulasi data berarti mengubah data mentah dari awal menjadi suatu bentuk yang dapat dengan mudah memperlihatkan hubungan-hubungan antar fenomena. Kelaziman kuantifikasi sebaiknya dilakukan kecuali bagi atribut-atribut yang tidak dapat dilakukan. Dan dari kuantifikasi data itu, penentuan mana yang dikatakan data nominal, ordinal, rasio dan interval bisa dilakukan demi memasuki wilayah penentuan model.
Pada ilmu-ilmu sosial yang telah lebih berkembang, melakukan analisis berdasarkan pada kerangka hipotesis dilakukan dengan membuat model matematis untuk membangun refleksi hubungan antar fenomena yang secara implisit sudah dilakukan dalam rumusan hipotesis. Analisis data merupakan bagian yang amat penting dalam metode ilmiah. Data bisa memiliki makna setelah dilakukan analisis dengan menggunakan model yang lazim digunakan dan sudah diuji secara ilmiah meskipun memiliki banyak peluang untuk digunakan. Akan tetapi masing-masing model, jika ditelaah satu demi satu, sebenarnya hanya sebagian saja yang bisa digunakan untuk kondisi dan data tertentu. Ia tidak bisa digunakan untuk menganalisis data jika model yang digunakan kurang sesuai dengan bagaimana kita memperoleh data jika menggunakan instrumen. Timbangan tidak bisa digunakan untuk mengukur tinggi badan seseorang. Sebaliknya meteran tidak bisa digunakan untuk mengukur berat badan seseorang. Karena masing-masing instrumen memiliki kegunaan masing-masing.
Dalam hal ini, tentu saja kita tidak ingin menggunakan model analisis hanya semata-mata karena menuruti selera dan kepentingan. Suatu model hanya lazim digunakan tergantung dari kondisi bagaimana data dikumpulkan. Karena pada dasarnya, model adalah alat yang bisa digunakan dalam kondisi dan data apapun. Ia tetap bisa digunakan untuk menghitung secara matematis, akan tetapi tidak dalam teori. Banyaknya konsumsi makanan tentu memiliki hubungan dengan berat badan seseorang. Akan tetapi banyaknya konsumsi makanan penduduk pulau Nias, tidak akan pernah memiliki hubungan dengan berat badan penduduk Kalimantan. Motivasi kerja sebuah perusahaan elektronik, tidak akan memiliki hubungan dengan produktivitas petani karet. Model analisis statistik hanya bisa digunakan jika data yang diperoleh memiliki syarat-syarat tertentu. Masing-masing variabel tidak memiliki hubungan linier yang eksak. Data yang kita peroleh melalui instrumen pengumpul data itu bisa dianalisis dengan menggunakan model tanpa melanggar kelaziman.
Bagi keperluan analisis penelitian ilmu-ilmu sosial, teknik mengurutkan sesuatu ke dalam skala itu artinya begitu penting mengingat sebagian data dalam ilmu-ilmu sosial mempunyai sifat kualitatif. Atribut saja sebagai objek penelitian selain kurang representatif bagi peneliti, juga sebagian orang saat ini menginginkan gradasi yang lebih baik bagi objek penelitian. Orang selain kurang begitu puas dengan atribut baik atau buruk, setuju atau tidak setuju, tetapi juga menginginkan sesuatu yang berada di antara baik dan buruk atau di antara setuju dan tidak setuju. Karena gradasi, merupakan kelaziman yang diminta bagi sebagian orang bisa menguak secara detail objek penelitian. Semakin banyak gradasi yang dibuat dalam instrumen penelitian, hasilnya akan makin representatif.
Menuruti Moh. Nazir, teknik membuat skala adalah cara mengubah fakta-fakta kualitatif (atribut) menjadi suatu urutan kuantitatif (variabel). Mengubah fakta-fakta kualitatif menjadi urutan kuantitatif itu telah menjadi satu kelaziman paling tidak bagi sebagian besar orang, karena berbagai alasan. Pertama, eksistensi matematika sebagai alat yang lebih cenderung digunakan oleh ilmu-ilmu pengetahuan sehingga bisa mengundang kuantitatif variabel. Kedua, ilmu pengetahuan, disamping akurasi data, semakin meminta presisi yang lebih baik, lebih-lebih dalam mengukur gradasi. Karena perlunya presisi, maka kita belum tentu puas dengan atribut baik atau buruk saja. Sebagian peneliti ingin mengukur sifat-sifat yang ada antara baik dan buruk tersebut, sehingga diperoleh suatu skala gradasi yang jelas..

B. Pembahasan
a. Data nominal
Sebelum kita membicarakan bagaimana alat analisis digunakan, akan diberikan ulasan tentang bagaimana sebenarnya data nominal yang sering digunakan dalam statistik nonparametrik bagi mahasiswa. Menuruti Moh. Nazir, data nominal adalah ukuran yang paling sederhana, dimana angka yang diberikan kepada objek mempunyai arti sebagai label saja, dan tidak menunjukkan tingkatan apapun. Ciri-ciri data nominal adalah hanya memiliki atribut, atau nama, atau diskrit. Data nominal merupakan data kontinum dan tidak memiliki urutan. Bila objek dikelompokkan ke dalam set-set, dan kepada semua anggota set diberikan angka, set-set tersebut tidak boleh tumpang tindih dan bersisa. Misalnya tentang jenis olah raga yakni tenis, basket dan renang. Kemudian masing-masing anggota set di atas kita berikan angka, misalnya tenis (1), basket (2) dan renang (3). Jelas kelihatan bahwa angka yang diberikan tidak menunjukkan bahwa tingkat olah raga basket lebih tinggi dari tenis ataupun tingkat renang lebih tinggi dari tenis. Angka tersebut tidak memberikan arti apa-apa jika ditambahkan. Angka yang diberikan hanya berfungsi sebagai label saja. Begitu juga tentang suku, yakni Dayak, Bugis dan Badui. Tentang partai, misalnya Partai Bulan, Partai Bintang dan Partai Matahari. Masing-masing kategori tidak dinyatakan lebih tinggi dari atribut (nama) yang lain. Seseorang yang pergi ke Jakarta, tidak akan pernah mengatakan dua setengah kali, atau tiga seperempat kali. Tetapi akan mengatakan dua kali, lima kali, atau tujuh kali. Begitu seterusnya. Tidak akan pernah ada bilangan pecahan. Data nominal ini diperoleh dari hasil pengukuran dengan skala nominal. Menuruti Sugiono, alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang digunakan untuk data nominal adalah Coefisien Contingensi. Akan tetapi karena pengujian hipotesis Coeffisien Contingensi memerlukan rumus Chi Square (χ2), perhitungannya dilakukan setelah kita menghitung Chi Square. Penggunaan model statistik nonparametrik selain Coefisien Contingensi tidak lazim dilakukan.

b. Data ordinal
Bagian lain dari data kontinum adalah data ordinal. Data ini, selain memiliki nama (atribut), juga memiliki peringkat atau urutan. Angka yang diberikan mengandung tingkatan. Ia digunakan untuk mengurutkan objek dari yang paling rendah sampai yang paling tinggi atau sebaliknya. Ukuran ini tidak memberikan nilai absolut terhadap objek, tetapi hanya memberikan peringkat saja. Jika kita memiliki sebuah set objek yang dinomori, dari 1 sampai n, misalnya peringkat 1, 2, 3, 4, 5 dan seterusnya, bila dinyatakan dalam skala, maka jarak antara data yang satu dengan lainnya tidak sama. Ia akan memiliki urutan mulai dari yang paling tinggi sampai paling rendah. Atau paling baik sampai ke yang paling buruk. Misalnya dalam skala Likert (Moh Nazir), mulai dari sangat setuju, setuju, ragu-ragu, tidak setuju sampai sangat tidak setuju. Atau jawaban pertanyaan tentang kecenderungan masyarakat untuk menghadiri rapat umum pemilihan kepala daerah, mulai dari tidak pernah absen menghadiri, dengan kode 5, kadang-kadang saja menghadiri, dengan kode 4, kurang menghadiri, dengan kode 3, tidak pernah menghadiri, dengan kode 2 sampai tidak ingin menghadiri sama sekali, dengan kode 1. Dari hasil pengukuran dengan menggunakan skala ordinal ini akan diperoleh data ordinal. Alat analisis (uji hipotesis asosiatif) statistik nonparametrik yang lazim digunakan untuk data ordinal adalah Spearman Rank Correlation dan Kendall Tau.

c. Data interval
Pemberian angka kepada set dari objek yang mempunyai sifat-sifat ukuran ordinal dan ditambah dengan satu sifat lain, yakni jarak yang sama pada pengukuran dinamakan data interval. Data ini memperlihatkan jarak yang sama dari ciri atau sifat objek yang diukur. Akan tetapi ukuran interval tidak memberikan jumlah absolut dari objek yang diukur. Data yang diperoleh dari hasil pengukuran menggunakan skala interval dinamakan data interval. Misalnya tentang nilai ujian 6 orang mahasiswa, yakni A, B, C, D, E dan F diukur dengan ukuran interval pada skala prestasi dengan ukuran 1, 2, 3, 4, 5 dan 6, maka dapat dikatakan bahwa beda prestasi antara C dan A adalah 3 – 1 = 2. Beda prestasi antara C dan F adalah 6 – 3 = 3. Akan tetapi tidak bisa dikatakan bahwa prestasi E adalah 5 kali prestasi A ataupun prestasi F adalah 3 kali lebih baik dari prestasi B. Dari hasil pengukuran dengan menggunakan skala interval ini akan diperoleh data interval. Alat analisis (uji hipotesis asosiatif) statistik parametrik yang lazim digunakan untuk data interval ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.

d. Data rasio
Ukuran yang meliputi semua ukuran di atas ditambah dengan satu sifat yang lain, yakni ukuran yang memberikan keterangan tentang nilai absolut dari objek yang diukur dinamakan ukuran ratio. Ukuran ratio memiliki titik nol, karenanya, interval jarak tidak dinyatakan dengan beda angka rata-rata satu kelompok dibandingkan dengan titik nol di atas. Oleh karena ada titik nol, maka ukuran ratio dapat dibuat perkalian ataupun pembagian. Angka pada skala rasio dapat menunjukkan nilai sebenarnya dari objek yang diukur. Jika ada 4 orang pengemudi, A, B, C dan D mempunyai pendapatan masing-masing perhari Rp. 10.000, Rp.30.000, Rp. 40.000 dan Rp. 50.000. Bila dilihat dengan ukuran rasio maka pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Pendapatan pengemudi D adalah 5 kali pendapatan pengemudi A. Pendapatan pengemudi C adalah 4/3 kali pendapatan pengemudi B. Dengan kata lain, rasio antara pengemudi C dan pengemudi A adalah 4 : 1, rasio antara pengemudi D dan pengemudi A adalah 5 : 1, sedangkan rasio antara pengemudi C dan pengemudi B adalah 4 : 3. Interval pendapatan pengemudi A dan C adalah 30.000. dan pendapatan pengemudi C adalah 4 kali pendapatan pengemudi A. Dari hasil pengukuran dengan menggunakan skala ratio ini akan diperoleh data ratio. Alat analisis (uji hipotesis asosiatif) yang digunakan adalah statistik parametrik dan yang lazim digunakan untuk data ratio ini adalah Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression, dan Multiple Regression.
Sesuai dengan ulasan jenis pengukuran yang digunakan, maka variabel penelitian diharapkan dapat bagi 4 bagian, yakni variabel nominal, variabel ordinal, variabel interval, dan variabel ratio. Variabel nominal, yaitu variabel yang dikategorikan secara diskrit dan saling terpisah seperti status perkawinan, jenis kelamin, suku, profesi dan sebagainya. Variabel ordinal adalah variabel yang disusun atas dasar peringkat, seperti peringkat prestasi belajar siswa, peringkat perlombaan catur, peringkat tingkat kesukaran suatu pekerjaan dan lain-lain. Variabel interval adalah variabel yang diukur dengan ukuran interval, seperti suhu dalam skala termometer, indek prestasi mahasiswa, dan sebagainya. Sedangkan variabel ratio adalah variabel yang disusun dengan ukuran ratio seperti tingkat penganggguran, penghasilan, berat badan dan sebagainya.

e. Konversi variabel ordinal
Adakalanya kita tidak ingin menguji hipotesis dengan alat uji hipotesis statistik nonparametrik dengan berbagai pertimbangan. Misalnya kita ingin melakukan uji statistik parametrik Pearson Korelasi Product Moment, Partial Correlation, Multiple Correlation, Partial Regression dan Multiple Regression, padahal data yang kita miliki adalah hasil pengukuran dengan skala ordinal, sedangkan persyaratan penggunaan statistik parametrik adalah selain data harus berbentuk interval atau rasio, data harus memiliki distribusi normal. Jika kita tidak ingin melakukan ujinormalitas karena data yang kita miliki adalah data ordinal, hal itu bisa saja kita lakukan dengan cara menaikkan data dari pengukuran skala ordinal menjadi data dalam skala interval dengan metode Suksesive Interval.
Menuruti Al-Rasyid, menaikkan data dengan skala ordinal menjadi skala interval dinamakan transformasi dengan menggunakan metode Suksesiv Interval. Penggunaan skala interval bagi kepentingan statistik parametrik, selain merupakan suatu kelaziman, juga untuk mengubah data agar memiliki sebaran normal. Transformasi menggunakan model ini berarti tidak perlu melakukan uji normalitas. Karena salah satu syarat penggunaan statistik parametrik, selain data harus memiliki skala interval (dan ratio), data harus memiliki distribusi normal. Berbeda dengan statistik nonparametrik, ia hanya digunakan untuk mengukur distribusi. (Ronald E. Walpole).
Berikut ini diberikan contoh sederhana bagaimana kita meningkatkan data hasil pengukuran dengan skala ordinal menjadi data interval dengan metode Suksesiv Interval. Sebenarnya data ini lazimnya hanya dianalisis dengan statistik nonparametrik. Akan tetapi oleh karena model yang diinginkan adalah statistik parametrik, data tersebut ditingkatkan skalanya menjadi data interval dengan menggunakan metode Suksesive Interval, sehingga di dapat dua jenis data yakni data ordinal dan data interval hasil transformasi. Tabel berikut ini adalah konversi variabel ordinal menjadi variabel interval yang disajikan secara simultan. Data ordinal berukuran 100.

Tabel 1. Proses Konversi Variabel Ordinal menjadi Variabel Interval

1. Pemilih jawaban (kolom 1) atau kategori dan jumlahnya dibuat dari hasil kuisioner fiktif.

2. Masing-masing frekuensi setiap masing-masing kategori dijumlahkan (kolom 2) menjadi jumlah frekuensi.

3. Kolom proporsi (kolom 3) nomor 1 diisi dengan cara, misalnya yang memilih kategori 1 jumlah responden 25 orang, maka proporsinya adalah (25 : 100) = 0,25.

Kolom proporsi no 2 diisi dengan cara, kategori 2 dengan jumlah responden 17 orang, maka proporsinya adalah (17 : 100) = 0,17.

Kolom proporsi nomor 3 diisi dengan cara, kategori 3 dengan jumlah responden 34 orang, proporsinya adalah (34 : 100) = 0,34.

Kemudian kolom proporsi nomor 4 dengan jumlah responden 19 orang, proporsinya dihitung dengan cara (19 : 100) = 0,19, begitu seterusnya sampai ditemukan angka 0,05.

5. Kolom 5 (Nilai Z), diisi dengan cara melihat tabel Distribusi Normal (Lampiran 1). Misalnya angka (– 0,67), diperoleh dari luas 0,2500 (tabel Z) terletak di Z yang ke berapa. Jika tidak ada angka yang pas, cari nilai yang terdekat dengan luas 0,2500. Dalam hal ini angka 0,2514 (terdekat dengan angka 0,2500) terletak di Z ke 0,67. Karena angka 0,25 berada di bawah 0,5, maka beri tanda negatif didepannya.

Berikutnya adalah angka (– 0,20), diperoleh dari luas (angka) 0,4200 (tabel Z) terletak di Z ke berapa. Jika tidak ada angka yang sama dengan 0,4200, cari nilai yang terdekat dengan angka 0,4200 dalam tabel Z. Dalam contoh ini, angka 0,4207 (terdekat dengan 0,4200) terletak di Z ke 0,2. Karena angka 0,42 berada di bawah 0,5, maka beri tanda negatif di depannya.

Kemudian angka (0,71), diperoleh dari luas distribusi normal (angka) 0,7600 (tabel Z). Angka ini harus dihitung dengan jalan menjumlahkan setengah dari luas distribusi normal, yakni (0,5 + 0,26) = 0,76. Untuk mencapai angka 1,0000, berarti ada kekurangan sebesar 0,2400. Tabel Z yang terdekat dengan angka 0,2400 adalah 0,2389 yang terletak di Z ke 0,71.

Berikutnya adalah angka (1,64). Angka ini diperoleh dari luas distribusi normal (angka) 0,9500 (tabel Z). Angka ini juga harus dihitung dengan cara menjumlahkan setengah dari luas distribusi normal, yakni (0,5 + 0,45) = 0,95. Untuk mencapai luas 100 % (angka 1,000), distribusi ini ada kekurangan sebesar 0,0500. Tabel Z yang terdekat dengan angka 0,0500 adalah 0,0505 (Z ke 1,64) dan 0,495 (Z ke 165) . Oleh karena angka tersebut memiliki nilai sama, maka kita hanya memilih salah satu, yakni di Z ke 1,64

-------------->Kepadatan pd batas bawah – kepadatan pd batas atas
Nilai Skala = ---------------------------------------------------------------
--------------->Daerah di bwh bts atas – daerah di bwh bts bawah

------------------>0,0000 – 0,3187
Nilai skala 1 = ------------------------ = – 1,2748
--------------------->0,25 – 0,00

------------------>0,3187 – 0,3910
Nilai skala 2 = ------------------------ = – 0,4253
--------------------->0,42 – 0,25

------------------>0,3919 – 0,3101
Nilai skala 3 = ------------------------ = 0,2379
--------------------->0,76 – 0,42

------------------>0,3101 – 0,1040
Nilai skala 4 = ------------------------ = 1,0847
--------------------->0,95 – 0,76

------------------>0,1040 – 0,0000
Nilai skala 5 = ------------------------ = 2,0800
--------------------->1,00 – 0,95

Angka yang diperoleh berdasarkan perhitungan di atas kemudian ditransformasi menjadi variabel Interval dengan menggunakan rumus seperti yang dilakukan dalam kolom 8.

8. Nilai Y (kolom 8) dicari dengan rumus: Y = Nilai Skala + │ Nilai Skalamin │.

Cari nilai negatif paling tinggi pada kolom 7 (nilai skala). Kemudian tambahkan bilangan itu dengan bilangan tertentu agar sama dengan 1. Angka negatif paling tinggi adalah – 1,2748. Agar bilangan itu sama dengan satu berarti harus di tambah dengan bilangan 2,2748 (bilangan konstan). Kemudian untuk nilai Y2, juga harus ditambah dengan angka 2,2748. Begitu seterusnya terhadap Y3, Y4, sampai nilai Y5.

Y1 = – 1,2748 + 2,2748 = 1
Y2 = – 0,4253 + 2,2748 = 1,8495
Y3 = 0,2379 + 2,2748 = 2,5127
Y4 = 1,0847 + 2,2748 = 3,3595
Y5 = 2,0800 + 2,2748 = 4,3548

C. Kesimpulan

Nilai Yi (kolom 8) adalah merupakan nilai hasil transformasi data dari variabel ordinal menjadi variabel interval dengan metode MSI. Dengan kata lain, nilai Yi sudah berbentuk data interval. Bila transformasi serupa juga diberlakukan terhadap Nilai Xi, dan sudah melalui mekanisme penghitungan dengan meggunakan tabel distribusi normal, maka kedua variabel ini bisa digunakan sebagai variabel untuk keperluan analisis parametrik bagi mahasiswa. Karena salah satu syarat bagi penggunaan statistik parametrik, data harus memiliki minimal dan mendekati distribusi normal. Misalnya menggunakan Pearson Korelasi Product Moment, Partial Corelation, Multiple Corelation, Partial Regression, dan Multiple Regression.

DAFTAR PUSTAKA

Al-Rasyid, H. Teknik Penarikan Sampel dan Penyusunan Skala. Pasca Sarjana UNPAD, Bandung, 1994. , , W. L.,
Anita Kesumahati, Skripsi, PS Matematika, Unila, 2005. Penggunaan Korelasi Polikhorik dan Pearson untuk Variabel Ordinal Dalam Model Persamaan Struktural.
Hays, W. L., 1976. Quantifikation in Psychology, Prentice Hall. New Delhi.
J.T. Roscoe, Fundamental Research Statistic for the Behavioral Sciences, Hol, Rinehart and Winston, Inc., New York, 1969.
J Supranto, Statistik, Teori Dan Aplikasi. Edisi Kelima, Penerbit Erlangga Jakarta, 1987.
Moh. Nazir, Ph.D. Metode Penelitian, Penerbit Ghalia Indonesia, Jakarta, 2003.
Ronald E. Walpole, Pengantar Statistika, Edisi ke-3, Penerbit PT. Gramedia Pustaka Utama, Jakarta, 1992.
Riduan, Dasar-dasar Statistika, Penerbit CV. ALFABETA, Bandung, 2005.
Sugiono, Prof. Dr., Statistik Nonparametrik Untuk Penelitian, Penerbit CV. ALFABETA, Bandung, 2004.
Wijayanto, Structural Equation Modeling dengan LISREL 8.5. Pasca Sarjana FE-UI, Jakarta, 2003.
Zaenal Mustafa El Qodri, Pengantar Statistik Terapan Untuk Ekonomi, Penerbit BPFE, Yogyakarta, 1995.

&&&&&&&&&&&&&&&

TRANSFORMASI DATA ORDINAL KE INTERVAL

dan

(PERDEBATANNYA)

Perdebatan tentang Konversi Data Ordinal menjadi Interval untuk bisa digunakan dalam statistik parametrik sebenarnya sudah selesai dan berakhir beberapa dasawarsa lalu. Sebagaimana dikatakan oleh Prof. Dr. Imam Ghozali, M.Com., (dalam Muji Gunarto). Akan tetapi belakangan ini relatif sering dipertanyakan berkenaan dengan kelaziman model yang akan digunakan oleh mahasiswa ketika akan membuat tugas akhir. Fenomena seperti itu tentu saja merupakan dinamika pemikiran mahasiswa yang makin kritis mengahadapi tugas-tugas kuliah yang makin komplek.

Sebelum mahasiswa melakukan penelitian, menentukan variabel dan dan membuat definisi operasional variabel penelitian memang harus dilakukan demi memasuki wilayah penentuan model yang akan digunakan. Karena penggunaan model saja, tanpa melakukan pengkajian secara mendalam akan mengakibatkan pelanggaran kelaziman penggunaan model terhadap data yang diperoleh mahasiswa. Definisi operasional variabel yang dijabarkan sesuai dengan konsep dan teori yang relatif benar akan membantu mengungkapkan bagaimana data-data penelitian itu digunakan. Karena berdasarkan definisi ini, kita akan menemukan dan membuat klasifikasi data sesuai dengan keperluan penggunaan model.

Beberapa Universitas di Indonesia ada yang memberikan syarat dilakukannya transformasi terlebih dahulu terhadap data ordinal, sebelum dilakukan analisis dengan metode multivariate atau analisis path.

Misalkan kita akan menganalisis variabel Motivasi dan Prestasi Kerja karyawan sebuah perusahaan. Variabel Motivasi Kerja karyawan diberi simbol X dan variabel Prestasi Kerja karyawan diberi simbol Y. Keduanya diukur dalam satuan skala ordinal. Setelah dilakukan transformasi, data tersebut kemudian dianalisis dengan metode regresi. Katakan hasilnya adalah Y = 4 + 2X. Artinya bila X (Motivasi Kerja) meningkat 1 satuan, maka Y (Prestasi Kerja) akan meningkat sebesar 2 satuan. Kita tahu bahwa X ( Motivasi Kerja) adalah variabel ordinal dan besifat kualitatif. Angka yang diberikan hanya semata-mata merupakan simbol belaka dan diberikan demi kepentingan analisis. Karena tanpa memberikan angka (numerik), data kualitatif tidak bisa di analisis dengan statistika. Bagaimana mungkin X (Motivasi Kerja) bisa mempengaruhi Y dalam satuan numerik?. Kita hanya bisa mengatakan bahwa variabel Motivasi Kerja berpengaruh Signifikan terhadap Prestasi Kerja, karena sejak awal, variabel Motivasi dan Prestasi Kerja adalah data kualitatif, bukan numerik. Simbol numerik yang diberikan kepadanya tidak memberikan arti apa-apa secara kuantitatif, akan tetapi hanya merupakan simbol belaka.

Coba saja kita bandingkan dengan kasus lain berikut ini, Pupuk yang digunakan dalam satuan (kwintal) akan digunakan untuk memprediksi hasil Produksi Padi dalam satuan (ton). Katakan hasilnya adalah Y = 4 + 2X. Artinya bila Pupuk naik sebesar 1 satuan (kwintal), diharapkan hasil produksi Padi akan naik sebesar 2 satuan (ton). Satuan dalam kasus ini, yakni kwintal dan ton, merupakan satuan (numerik) yang bisa diukur, dibandingkan secara kuantitatif dan ditimbang. Karena sejak awal, data yang di analisis merupakan data interval (ratio), numerik yang bisa diukur secara kuantitatif. Akan tetapi data yang pada awalnya merupakan data kualitatif dan di ukur dengan skala Ordinal, misalnya Motivasi Kerja dan Prestai kerja, meskipun dilakukan tarnsformasi, kemudian dilakukan analisis misalnya dengan metode regresi, tetap saja kita akan menemui kesulitan dalam melakukan interpretasi terhadap hasil (persamaan regresi) yang kita peroleh. Karena sejak awal, data yang kita analisis adalah data kualitatif (bukan numerik) seperti halnya data interval/ratio.

&&&

Transformasi Data Ordinal Menjadi Interval
(opini)
(Oleh: Suharto, S.E., M.M.)

Data yang dikumpulkan mahasiwa ketika akan membuat tugas akhir, selain data skunder diantaranya adalah data primer. Data primer ini adalah data yang direspon langsung oleh responden berdasarkan wawancara ataupun daftar pertanyaan yang dirancang, disusun, dan disajikan dalam bentuk skala, baik nominal maupun ordinal oleh mahasiswa ketika membutuhkan data demi kepentingan penelitian. Teknik pengumpulan data seperti ini lazim digunakan karena selain bisa langsung menentukan skala pengukuranya, akan tetapi juga bisa melengkapi hasil wawancara yang dilakukan dengan responden.

Skala pengukuran yang dibuat oleh mahasiswa sebaiknya dibuat sedemikian rupa, sehingga akan memudahkan pemilihan teknik analisis yang akan digunakan ketika pengumpulan datanya sudah selesai.
Misalnya saja mahasiswa ingin menggunakan statistika parametrik dengan analisis regresi untuk menganalisis dan mengkaji masalah-masalah penelitian. Pemilihan analisis model ini ini hanya lazim digunakan bila skala pengukuran yang yang dilakukan adalah minimal interval. Sedangkan teknik pengumpulan data yang dilakukan oleh mahasiswa sudah dilakukan dengan menggunakan skala pengukuran nominal (atau ordinal).

Menghadapi situasi demikian, salah satu cara yang dilakukan adalah menaikkan tingkat pengukuran skalanya dari ordinal menjadi interval. Melakukan manipulasi data dengan cara menaikkan skala dari ordinal menjadi interval, atau melakukan transformasi data ordinal menjadi interval ini, selain bertujuan untuk tidak melanggar kelaziman, juga untuk mengubah agar syarat distribusi normal bisa dipenuhi ketika menggunakan statistika parametrik.
Menurut Sambas Ali Muhidin dan Maman Abdurahman, “salah satu metode transformasi data ordinal menjadi interval yang sering digunakan adalah Metode Succesive Interval (MSI)”.

Meskipun banyak perdebatan tentang metode ini, yakni transformasi data ordinal menjadi interval, diharapkan pemikiran ini bisa melengkapi wacana mahasiswa ketika akan melakukan analisis data berkenaan dengan tugas-tugas kuliah.
Sebelum melanjutkan pembahasan tentang bagaimana transformasi data ordinal menjadi interval dilakukan, tulisan ini sedikit membahas tentang dua perbedaan pendapat tentang bagimana skor-skor yang diberikan terhadap alternatif jawaban pada skala pengukuran Likert yang sudah kita kenal. Pendapat pertama mengatakan bahwa skor 1, 2, 3, 4, dan 5 adalah data interval. Sedangkan pendapat yang kedua, menyatakan bahwa jenis skala pengukuran Likert adalah ordinal. Alasannya skala Likert merupakan Skala Interval adalah karena skala sikap merupakan dan menempatkan kedudukan sikap seseorang pada kesatuan perasaan kontinum yang berkisar dari sikap “sangat positif”, artinya mendukung terhadap suatu objek psikologis terhadap objek penelitian, dan sikap “sangat negatif”, yang tidak mendukung sama sekali terhadap objek psikologis terhadap objek penelitian.

Berkenaan dengan perbedaan pendapat terhadap skor-skor yang diberikan dalam alternatif jawaban dalam skala Likert itu, apakah termasuk dalam skala pengukuran ordinal atau data interval, berikut ini kami meyampaikan pemikiran yang bisa dijadikan pertimbangan:
Ciri spesifik yang dimiliki oleh data yang diperoleh dengan skala pengukuran ordinal, adalah bahwa, data ordinal merupakan jenis data kualitatif, bukan numerik, berupa kata-kata atau kalimat, seperti misalnya sangat setuju, kurang setuju, dan tidak setuju, jika pertanyaannya ditujukan terhadap persetujuan tentang suatu event. Atau bisa juga respon terhadap keberadaan suatu Bank “PQR” dalam suatu daerah yang bisa dimulai dari, sangat tidak setuju, tidak setuju, netral, setuju, dan sangat setuju.

Sementara data interval adalah termasuk data kuantitatif, berbentuk numerik, berupa angka, bukan terdiri dari kata-kata, atau kalimat. Mahasiswa yang melakukan penelitian dengan menggunakan pendekatan kuantitatif, termasuk di dalamnya adalah data interval, data yang diperoleh dari hasil pengumpulan data bisa langsung diolah dengan menggunakan model statistika. Akan tetapi data yang diperoleh dengan pengukuran skala ordinal, berbentuk kata-kata, kalimat, penyataan, sebelum diolah, perlu memberikan kode numerik, atau simbol berupa angka dalam setiap jawaban.
Misalnya saja alternatif jawaban pada skala Likert, alternatif jawaban “sangat tidak setuju” diberi skor 1; “ tidak setuju diberi skor 2; “ragu-ragu” diberi skor 3; “setuju” diberi kode 4; dan “sangat setuju” diberi skor 5. angka-angka (numerik) inilah yang kemudian diolah, sehingga menghasilkan skor tertentu.

Tetapi, sesuai dengan sifat dan cirinya, angka 1, 2, 3, 4, dan 5 atau skor yang sudah diperoleh tidak memberikan arti apa-apa terhadap objek yang diukur. Dengan kata lain, skor yang lebih tinggi, tidak berarti lebih baik dari skor yang lebih rendah. Skor 1 hanya menunjukkan sikap “sangat tidak setuju”, skor 2 menunjukkan sikap “tidak setuju, skor 3 menunjukkan sikap “ragu-ragu’, skor 4 menunjukkan sikap “setuju”, dan skor 5 menunjukkan sikap “sangat setuju”. Kita tidak bisa mengatakan bahwa skor 4 atau “setuju” dua kali lebih baik dari skor 2 atau “tidak setuju”.
Fenomena ini berbeda sekali dengan sifat/ciri yang dimiliki oleh data interval (ratio), dimana angka-angka atau skor-skor numerik yang diperoleh dari hasil pengukuran data langsung dapat dibandingkan antara satu dengan lainnya, dikurangkan, dijumlahkan, dibagi dan dikalikan. Misalnya saja penelitian yang dilakukan mahasiswa tentang suhu udara beberapa kelas, dan diperoleh data misalnya suhu ruang kelas A 15 derajat Cl, suhu ruang kelas B 20 derajat Cl, dan suhu ruang kelas C 25 derajat Cl. Berarti bahwa suhu ruang kelas A adalah 75 % lebih dingin dari suhu ruang kelas B. Suhu ruang kelas A 60 % lebih dingin dari kelas C. Suhu ruang kelas A lebih dingin dari suhu ruang kelas B dan C. Atau suhu ruang kelas B lebih panas dari suhu ruang kelas A, tetapi lebih dingin dibandingkan dengan suhu ruang kelas C. Contoh lain misalnya prestasi mahasiswa yang diukur dengan menggunakan skala indek (4 skala). Tiga orang mahasiswa, yakni P, Q, R, masing-masing memiliki indek prestasi 2, 3, dan 4. Bilangan numerik yang diberikan terhadap ketiga mahasiswa tersebut, merupakan data yang bisa langsung dianalisis dengan menggunakan metoda statistika.

&&&&&

SAP Pengantar Statistika

2007-12-12T17:44:00.000-08:00

BAHAN KULIAH (SAP) PENGANTAR STATISTIKA
Mata Kuliah: Statistika
Kode mata Kuliah: FEM 222
SKS: 3 SKS (3 – 0)
Waktu Pertemuan: 2 X 50 menit
Pertemuam ke: I dan II

A. Tujuan Instruksional :

Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami dengan benar konsep dasar statistika sebagai alat bantu untuk menunjang ilmu pengetahuan ekonomi terapan.
Khusus :

Setelah pertemuan ini diharapkan mahasiswa mampu menjelaskan dengan benar konsep dasar statistika sebagai alat bantu

B. Pokok Bahasan :

Statistika sebagai alat bantu

C. Sub Pokok Bahasan

Pengertian, statistika sebagai alat bantu, statistika sampel, statistika populasi, statistika deskriptif dan statistika inferensial.

D. Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan Dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1. Pengenalan mata kuliah
Memperhatikan dan mananggapi fungsi silabus dan materi yang akan disampaikan
Pengeras suara, papan tulis, LCD.
2. Pengenalan tim pengajar
3. Menjelaskan silabus yang akan disampaikan selama satu semester
4. Menjelaskan materi yang akan disampaikan dalam pokok bahasan pertama
5. Menjelaskan TIU dan TIK

Penyajian
6. Menjelaskan arti statistika
Memperhatikan dan menanggapi bagaimana hubungan antara statistika dengan ilmu

ekonomi.

7. Menjelaskan peranan statistika dalam menunjang ilmu pengetahuan ekonomi terapan
8. Memberikan contoh terapan penggunaan statistika
Penutup
9. Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, LCD.
A. Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
B. Menjawab pertanyaan mahasiswa jika ada
C. Menginformasikan materi kuliah dalam pertemuan yang akan datang
E. Evaluasi:
Menugaskan mahasiswa membuat contoh kasus statistika deskriptif dan statistika induktif,

atas materi yang telah disampaikan berdasarkan kejadian sehari-hari
F. Referensi:
A. Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 19 – 25
B. J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 1 – 13

Pertemuan ke : III

A. Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa di harapkan dapat membedakan bagaimana data yang baik dan cara-cara membagi data.
2.Khusus :

Setelah pertemuan ini diharapkan mahasiswa mampu memahami dan menjelaskan dengan benar cara-cara membagi data yang digunakan untuk mengumpulkan, mengolah, menyajikan dan membagi data dengan benar.
B. Pokok Bahasan :
1. Statistika deskriptif dan metode-metode yang di perlukan untuk memperoleh data yang baik dan membagi data.
C. Sub Pokok Bahasan
Pengertian, statistika sebagai metode untuk mengumpulkan, mengolah, menyajikan dan menganalisa data kuantitatif, kualitatif, statistika sampel, populasi, statistika deskriptif dan inferensial.
D. Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1. Penjelasan tentang pertemuan yang lalu
Memperhatikan
2. Menjelaskan materi yang akan disampaikan dalam pokok bahasan
3. Menjelaskan TIU dan TIK
Penyajian
4. Menjelaskan kepada mahasiswa tentang data yang baik dan pembagian data.
Memperhatikan dan mencatat, menanggapi bagaimana cara mengumpulkan data, mengolah, menyajikan dan menganalisis data.

Pengeras suara, papan tulis, LCD.
5.Menjelaskan kepada mahasiswa tentang cara mengumpulkan data dan pengolahan data.
6. Menjelaskan kepada mahasiswa tentang cara menyajikan, dan menganalisis data.
7. Menyakan mahasiswa contoh-contoh pengumpulan,cara menyajikan dan menganalisis data.

Penutup
8. Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, .
A. Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah di sampaikan.
B. Menjawab pertanyaan mahasiswa jika ada.

C. Menginformasikan materi kuliah dalam pertemuan yang akan datang.

E. Evaluasi:
Menugaskan mahasiswa untuk membuat kasus tentang cara mengumpulkan, mengolah, menyajikan dan menganalisis data atas materi yang telah disampaikan berdasarkan kejadian sehari-hari.
F. Referensi:
A. Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 21 – 35
B. J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 19 – 23

Pertemuam ke:IV dan V

A.Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami mengenai pentingnya matematika dalam statistika
2.Khusus :

Setelah pertemuan ini diharapkan mahasiswa mampu menjelaskan dengan benar mengenai bermacam fungsi dan penggambarannya.
B.Pokok Bahasan :
1.Macam fungsi dan cara-cara penggambarannya
C.Sub Pokok Bahasan
Pengertian, distribusi frekuensi, distribusi frekuensi relatif dan kumulatif, grafik histogram dan poligon.
D.Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1.Penjelasan tentang pertemuan yang lalu
Memperhatikan
2.Menjelaskan materi yang akan disampaikan dalam pokok bahasan
3.Menjelaskan TIU dan TIK

Penyajian
4.Menjelaskan kepada mahasiswa tentang beberapa macam fungsi dan cara penggambarannya
Memperhatikan, me- nanggapi tentang bagaimana menyajikan data dengan meggunakan distribusi frekuensi dan mernggunakan grafik
Pengeras suara, papan tulis, LCD.
5.Menjelaskan kepada mahasiswa tentang cara membuat distribusi frekuensi
6.Menjelaskan kepada mahasiswa tentang cara menyajikan, dan menganalisis data dengan membuat distribusi frekuensi relatif, kumulatif dan dengan grafik

Penutup
7.Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, LCD.
a.Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
b.Menjawab pertanyaan mahasiswa jika ada
c.Menginformasikan materi kuliah dalam pertemuan yanag akan datang.

E.Evaluasi:
Menugaskan mahasiswa membuat kasus tentang cara membuat fungsi dan gambar berdasarkan distribusi frekuensi yang sudah di buat.
F.Referensi:
A. Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 29 – 45
B. J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 21 – 33

Pertemuam ke:VI

A.Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami mengenai ukuran variasi dan rata-rata
2.Khusus :

Setelah pertemuan ini mahasiswa diharapkan mampu menjelaskan dengan benar berbagai macam rata-rata, rata-rata hitung, median, modus rata-rata ukur dan koefisien variasi.
B.Pokok Bahasan :
1.Rata-rata simpangan, median, modus, rata-rata ukur dan harmonis, ukuran variasi dan dispersi
C.Sub Pokok Bahasan
Pengertian, rata-rata, kuartil, desil dan persentil, rata-rata simpangan, simpangan baku dan koefisien variasi
D.Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1.Penjelasan tentang pertemuan yang lalu
Memperhatikan
2.Menjelaskan materi yang akan disampaikan dalam pokok bahasan
3.Menjelaskan TIU dan TIK

Penyajian
4.Menjelaskan kepada mahasiswa tentang beberapa macam rata-rata dan cara menghitungnya
Memperhatikan dan menanggapi tentang berbagai macam ukuran rata-rata
Pengeras suara, papan tulis, LCD.
5.Menjelaskan kepada mahasiswa tentang cara menbedakan antara berbagai macam rata-rata
6.Menjelaskan kepada mahasiswa tentang menyajikan, dan menganalisa data dengan membuat berbagai macam ukuran rata-rata

Penutup
7.Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, LCD.
A.Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
B.Menjawab pertanyaan mahasiswa jika ada
C.Menginformasikan materi kuliah dalam pertemuan yang akan datang

E.Evaluasi:
Menugaskan mahasiswa membuat kasus tentang cara mengumpulkan data, mengolah data, menyajikan dan menganalisa data serta membuat berbagai macam ukuran rata-rata
F.Referensi:
A.Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 39 – 45
B.J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 31 – 43

Pertemuam ke:VII dan VIII

A.Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami mengenai ukuran dan variasi
2.Khusus :

Setelah pertemuan ini mahasiswa diharapkan mampu menjelaskan dengan benar berbagai macam rata-rata simpangan, simpangan baku dan koefisien variasi
B.Pokok Bahasan :
1.Simpangan baku, koefisien variasi d an ukuran kemencengan
C.Sub Pokok Bahasan
Pengertian, rata-rata simpangan, simpangan baku, koefisien variasi, ukuran kemencengan dan keruncingan kurva
D.Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1.Penjelasan tentang pertemuan yang lalu
Memperhatikan
2.Menjelaskan materi yang akan disampaikan dalam pokok bahasan
3.Menjelaskan TIU dan TIK

Penyajian
4.Menjelaskan kepada mahasiswa tentang beberapa macam rata-rata dan cara menghitungnya
Memperhatikan dan menanggapi tentang simpangan baku, koefisien variasi dan rata-rata simpangan
Pengeras suara, papan tulis, LCD.
5.Menjelaskan kepada mahasiswa tentang cara membedakan antara berbagai macam rata-rata simpangan, simpangan baku, koefisien variasi
6.Menjelaskan kepada mahasiswa tentang cara menyajikan dan menganalisa data dengan berbagai macam ukuran rata-rata

Penutup
7.Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, OHP.
a.Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
b.Menjawab pertanyaan mahasiswa jika ada
c.Menginformasikan materi kuliah dalam pertemuan yang akan datang

E.Evaluasi:
Menugaskan mahasiswa untuk membuat studi kasus tentang cara mengumpulkan data, mengolah data, menyajikan dan menganalisa data serta membuat ukuran rata-rata simpangan, simpangan baku dan koefisien variasi
F.Referensi:
A.Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 59 – 25
B.J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 61 – 73

Pertemuam ke:IX dan X

A.Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami berbagai macam bentuk hubungan funsional dari dua variabel
2.Khusus :

Setelah pertemuan ini mahasiswa diharapkan mampu menjelaskan dengan benar berbagai macam bentuk hubungan antara dua variabel berdasarkan koefisien korelasi
B.Pokok Bahasan :
1.Bentuk hubungan dengan koefisien korelasi
C.Sub Pokok Bahasan
Pengertian, interpretasi dan cara menghingtung koefisien korelasi
D.Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1.Penjelasan tentang pertemuan yang lalu
Memperhatikan
2.Menjelaskan materi yang disampaikan dalam pokok bahasan
3.Menjelaskan TIU dan TIK

Penyajian
4.Menjelaskan kepada mahasiswa tentang pengertian korelasi data kuentitatif dan kualitatif
Memperhatikan dan menanggapi tentang bagaimana cara menghitung dan
menginterpretasikan koefisien korelasi
Pengeras suara, papan tulis, OHP.
5.Menjelaskan kepada mahasiswa tentang cara menghitung korelasi dengan data kuantitatif dan kualitatif, arti korelasi dan interpretasinya
6.Menjelaskan kepada mahasiswa tentang cara membuat simpulan berdasarkan koefisien korelasi

Penutup
7.Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, OHP.
A.Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
B.Menjawab pertanyaan mahasiswa jika ada
C.Menginformasikan materi kuliah dalam pertemuan yang akan datang

E.Evaluasi:
Menugaskan mahasiswa membuat kasus tentang cara mencari dan menghitung koefisien korelasi data kuantitatif dan kualitatif, cara menganalisis dan menarik kesimpulan
F.Referensi:
A.Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 89 – 95
B.J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 91 – 113

Pertemuam ke:XI dan XII

A.Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami bentuk hubungan regresi linier
2.Khusus :

Setelah pertemuan ini mahasiswa diharapkan mampu menghitung dan menjelaskan dengan benar berbagai macam bentuk hubungan regresi linier antara dua variabel
B.Pokok Bahasan :
1.Bentuk hubungan dengan koefisien regresi linier
C.Sub Pokok Bahasan
Pengertian, cara menghingtung dan interpretasi koefisien regresi linier
D.Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1.Penjelasan tentang pertemuan yang lalu
Memperhatikan
2.Menjelaskan materi yang akan disampaikan dalam pokok bahasan
3.Menjelaskan TIU dan TIK

Penyajian
4.Menjelaskan kepada mahasiswa tentang pengertian koefisien regresi linier
Memperhatikan dan menanggapi penghi- tungan dan meng- interpretasikan koefisien regresi
Pengeras suara, papan tulis, OHP.
5.Menjelaskan kepada mahasiswa tentang cara menghitung koefisien regresi linier dan cara menginterpretasikannya
6.Menjelaskan kepada mahasiswa tentang cara membuat simpulan berdasarkan koefisien regresi linier yang diperoleh

Penutup
7.Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, OHP.
a.Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
b.Menjawab pertanyaan mahasiswa jika ada
c.Menginformasikan materi kuliah dalam pertemuan yang akan datang

E.Evaluasi:
Menugaskan mahasiswa membuat kasus tentang cara mencari dan menghitung koefisien regresi dan cara menganalisa dan mengambil kesimpulan
F.Referensi:
A.Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 919 – 125
B.J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 101 – 133

Pertemuam ke:XIII dan XIV

A.Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami berbagai macam hubungan fungsional dari dua variabel
2.Khusus :

Setelah pertemuan ini mahasiswa diharapkan mampu menghitung dan menjelaskan dengan benar berbagai macam bentuk hubungan antara dua variabel atau lebih berdasarkan koefisien regresi berganda dan koefisien parsial
B.Pokok Bahasan :
1.Bentuk hubungan dengan koefisien regresi dan korelasi parsial
C.Sub Pokok Bahasan
Pengertian, cara menghitung dan menginterpretasikan koefisien regresi dan korelasi parsial
D.Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1.Penjelasan tentang pertemuan yang lalu
Memperhatikan
2.Menjelaskan materi yang akan disampaikan dalam pokok bahasan
3.Menjelaskan TIU dan TIK

Penyajian
4.Menjelaskan kepada mahasiswa tentang koefisien regresi dan korelasi parsial
Memperhatikan dan menanggapi bagaimana korelasi parsial dan bagaimana cara-cara menyimpulkan
Pengeras suara, papan tulis, OHP.
5.Menjelaskan kepada mahasiswa tentang cara menghitung koefisien regresi dan korelasi parsial dan cara-cara menginterpretasikannya
6.Menjelaskan kepada mahasiswa tentang cara membuat simpulan berdasarkan koefisien regresi dan korelasi parsial

Penutup
7.Menutup kuliah/pertemuan
Bertanya
Pengeras suara, papan tulis, OHP.
A.Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
B.Menjawab pertanyaan mahasiswa jika ada
C.Menginformasikan materi kuliah dalam pertemuan yang akan datang

E.Evaluasi:
Menugaskan mahasiswa membuat kasus tentang cara mencari dan menghitung koefisien korelasi dan regresi data kualitatif dan kuantitatif serta cara menganalisis dan membuat simpulan
F.Referensi:
A.Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 129 – 135
B.J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 131 – 144

Pertemuam ke:XV dan XVI

A.Tujun Instruksional :
1.Umum :

Setelah pertemuan ini mahasiswa diharapkan dapat memahami berbagai macam bentuk analisis hubungan, koefisien korelasi parsial, koefisien regresi berganda, koefisien korelasi, koefisien determinasi dan kegunaannya dalam penelitian
2.Khusus :

Setelah pertemuan ini mahasiswa diharapkan mampu menjelaskan dengan benar berbagai macam bentuk hubungan antara dua variabel atau lebih serta dapat menggunakannya dalam aplikasi ilmu ekonomi
B.Pokok Bahasan :
1.Analisis hubungan dan pengaruh dengan menggunakan alat analisis regresi dan korelasi sederhana dan berganda
C.Sub Pokok Bahasan
Pengertian, arti koefisien regresi berganda, koefisien korelasi berganda, koefisien regresi parsial, koefisien korelasi parsial, koefisien determinan dan cara-cara mengambil simpulan yang benar
D.Kegiatan belajar mengajar :
Tahap Kegiatan
Kegiatan dosen
Kegiatan mahasiswa
Alat pengajaran
Pendahuluan
1.Penjelasan tentang pertemuan yang lalu
Memperhatikan
2.Menjelaskan materi yang akan disampaikan dalam pokok bahasan
3.Menjelaskan TIU dan TIK

Penyajian
4.Menjelaskan kepada mahasiswa tentang pengertian koefisien regresi berganda, koefisien korelasi parsial dan koefisien determinasi
Memperhatikan, dan menanggapi bagaimana membedakan variabel independen dan dependen dalam regresi dan korelasi berganda, serta bagaimana menggunakannya dalam penelitian
Pengeras suara, papan tulis, OHP.
5.Menjelaskan kepada mahasiswa tentang menghitung koefisien regresi dan korelasi berganda, korelasi dan regresi parsial, koefisien determinasi dan cara menginterpretasikan data penelitian
6.Menjelaskan kepada mahasiswa tentang membuat interpretasi dan membuat simpulan

Penutup
7.Menutup kuliah/pertemuan
Bertanya
A.Memberi kesempatan bertanya kepada mahasiswa tentang materi yang telah disampaikan
B.Menjawab pertanyaan mahasiswa jika ada
C.Menginformasikan materi kuliah dalam pertemuan yang akan datang

E.Evaluasi:
Menugaskan mahasiswa membuat kasus tentang cara mencari dan menghitung koefisien regresi dan korelasi berganda, korelasi dan regresi parsial, koefisien determinan dan bagaimana membuat simpulan hasil penelitian
F.Referensi:
A.Dajan, Anto, Metode Statistika I, LP3ES Jakarta, halaman 159 – 165
B.J. Supranto, Statistika Teori dan Aplikasi, Jakarta 1994, halaman 141 – 167.

Oleh :
Suharto, S.E., M.M.
NIRD: 0228035801

FAKULTAS EKONOMI
UNIVERSITAS MUHAMMADIYAH
KOTA METRO, LAMPUNG.
2007.

SELAMAT

2007-08-26T20:03:00.000-07:00

Selamat atas pembuatan Web site "SUHARTO, S.E., M.M.". Web site ini merupakan ruang publikasi dan informasi bagi mahasiswa, rekan-rekan dosen dan bisnis ......................

Wassalam

ttd

Suharto