Minggu, 11 Oktober 2009

ANALISIS PENELITIAN

PENGERTIAN DATA

Data dibedakan berdasarkan sumbernya menjadi data primer dan data sekunder. Data primer adalah data yang dikumpulkan dan disatukan secara langsung dari objek yang diteliti dan untuk kepentingan studi yang bersangkutan. Sedangkan data sekunder adalah data yang dikumpulkan dan disatukan oleh studi-studi sebelumnya atau yang diterbitkan oleh berbagai instansi lain.

Data sekunder pada umumnya digunakan sebagai pendahuluan kegiatan baik itu untuk penelitian yang sifatnya eksploratif maupun penelitian yang sifatnya deskriptif. Atau dapat juga data sekunder diartikan sebagai data yang dikumpulkan oleh orang atau lembaga lain yang sudah dipublikasikan.

Penelitian yang tujuan utamanya untuk pengujian hipotesis yang sifatnya mencari hubungan sebab-akibat pada umumnya menggunakan penelitian eksploratif dan deskriptif sebagai pendahuluan. Terdapat empat macam teknik atau metode pengumpulan data untuk penelitian eksploratif dan deskriptif, yaitu:.

a. Survei

Survei merupakan teknik penelitian di mana dikumpulkan dari sekelompok manusia sebagai sampel dan biasanya menggunakan daftar pertanyaan.

b. Eksperimen

Eksperimen yang dilakukan perusahaan merupakan cara yang paling potensial untuk mendapatkan informasi hubungan sebab-akibat. Penggunaan metode eksperimen memungkinkan pengamatan yang diteliti terhadap terhadap perubahan suatu variabel dengan cara mengubah-ubah variabel yang lain. Metode ini banyak digunakan untuk menguji hipotesis.

c. Observasi

Metode ini dilakukan peneliti dengan cara hanya mengamati dan tidak banyak melakukan kegiatan, melainkan hanya mencatat apa yang dilihat atau disaksikan. Kebaikan metode ini adalah bahwa metode ini berhasil mencatat perilaku tanpa mengandalkan laporan responden.

d. Data sekunder

Pengumpulan data sekunder relatif lebih mudah karena hanya didasarkan atas laporan atau publikasi yang ada berdasarkan penelitian sebelumnya, atau dari laporan-laporan lembaga yang menerbitkan informasi atau data yang dibutuhkan peneliti. Kelemahan dari data sekunder ialah tidak selalu sesuai dengan informasi yang dibutuhkan oleh peneliti, sehingga seringkali diperlukan pengolahan lebih lanjut.

Mengenai teknik mana yang akan digunakan tergantung pada tujuan studi, tersedianya data, mendesak tidaknya keputusan yang harus diambil, dan biaya yang diperlukan untuk mengumpulkan data.

Adapun syarat – syarat data yang baik yaitu : data harus akurat, data harus relevan, dan data harus uptodate.

JENIS – JENIS DATA

Pembagian data menurut cara memperolehnya:

1. Data Primer

Data primer adalah data yang dikumpulkan sendiri oleh peneliti langsung dari sumber pertama.

2. Data Sekunder

Data sekunder adalah data yang diterbitkan atau digunakan oleh organisasi yang bukan pengolahnya.

Pembagian data menurut sumbernya:

1. Data Internal

Data internal adalah data yang berasal dari dalam instansi mengenai kegiatan lembaga dan untuk kepentingan instansi itu sendiri.

2. Data Ekternal

Data eksternal adalah data yang berasal dari luar instansi.

Pembagian data menurut waktu pengumpulannya :

1. Data Time Series

Data time series adalah data yang dikumpulkan dari waktu-kewaktu pada satu obyek dengan tujuan untuk menggambarkan perkembangan.

2. Data Cross Section

Data cross section adalah data yang di kumpulkan pada satu waktu tertentu pada beberapa obyek dengan tujuan untuk menggambarkan keadaan.

Data menurut sifatnya dibagi menjadi dua, yaitu:

1. Data Kualitatif

Data kualitatif adalah data yang berupa pendapan atau judgement sehingga tidak berupa angka akan tetapi berupa kata atau kalimat.

Contoh:

l Pelayanan Perpustakaan USU sangat memuaskan.

l Niat belajar mahasiswa Ekonomi USU sangat tinggi

2. Data Kuantitatif

Data kualitatif adalah data yang berupa angka atau bilangan

Contoh:

- Tingkat kepuasan mahasiswa USU terhadap pelayanan perpustakaan fakultas mencapai 87%.

- Tingkat pendapatan buruh di CV. STTC Pematangsiantar mencapai Rp 800.000,- / bulan.

TEKNIK PENGUMPULAN DATA

Beberapa teknik yang dapat digunakan dalam penelitian bisnis adalah sebagai berikut:

1. Teknik Tes

Teknik tes digunakan untuk mengumpulkan data yang digunakan untuk mengevaluasi yaitu membedakan antara kondisi awal dengan kondisi sesudahnya.

2. Wawancara

Wawancara merupakan teknik pengambilan data dimana peneliti langsung berdialog dengan responden untuk menggali informasi dari responden.

3. Teknik Observasi

Observasi merupakan teknik pengumpulan data dengan menggunakan indra jadi tidak hanya dengan pengamatan menggunakan mata saja. Medengarkan, mencium, mengecap meraba termasuk salah satu bentuk dari observasi. Instrumen yang digunakan dalam observasi adalah panduan pengamatan dan lembar pengamatan.

4. Teknik Angket ( Kuesioner)

Merupakan metode pengumpulan data yang dilakukan untuk mengumpulkan data dengan cara membagi daftar pertanyaan kepada responden agar responden tersebut memberikan jawabannya.

l Kuesioner terbuka

Dalam kuesioner ini responden diberi kesempatan untuk menjawab sesuai dengan kalimatnya sendiri.

Bagaimanakah pendapat anda tentang harga barang di supermarket ini?

l Kuesioner tertutup

Dalam kuesioner ini jawaban sudah disediakan oleh peneliti, sehingga responden tinggal memilih saja.

Bagaimanakah pendapat anda tentang harga barang di supermarket ini?

Sangat mahal Murah

Mahal Sangat murah

Cukup

Keuntungan penelitian dengan menggunakan kuesioner:

1. Tidak memerlukan hadirnya si peneliti

2. Dapat dibagikan serentak

3. Dapat dijawab oleh rensponden sesuai dengan waktu yang ada

4. Dapat dibuat anomin

5. Kuesioner dapat dibuat standar

Langkah-langkah dalam penyusunan kuesioner agar kuesioner tersebut efesien dan efektif yaitu:

1. Menentukan variabel yang diteliti

2. Mementukan indikator

3. Menentukan subindikator, dan

4. mentransformasi subindikator menjadi kuesioner

Setelah data dikumpulkan dari suatu sampel, tahapan berikutnya adalah menganalisis data secara statistik sehingga pertanyaan penelitian maupun hipotesis dapat terjawab. Pemilihan metode statistik yang tepat merupakan hal yang sangat penting yang harus dipahami agar kesimpulan penelitian tidak keliru.

Beberapa hal yang harus diperhatikan pada saat memilih metode statistik yang paling tepat untuk ditetapkan dalam suatu penelitian adalah:

1. Rancangan penelitian

2. Skala pengukuran dari variabel yang diukur

3. Power-efficiency uji statistik yang akan digunakan

RANCANGAN PENELITIAN

Berdasarkan tujuannya, penelitian dapat dikelompokkan ke dalam :

a. Studi Eksplorasi, yaitu studi yang dilakukan apabila peneliti tidak diteliti. Jadi studi ini dilakukan untuk pemahaman yang lebih baik mengenai masalah yang banyak diteliti.

b. Studi Deskriptif, yaitu studi yang dilakukan untuk mengetahui dan menggambarkan karakteristik dari variabel-variabel dalam suatu situasi.

c. Studi Hipotesis, yaitu studi yang biasnya dilakukan untuk menjelaskan suatu hubungan tertentu atau menentukan perbedaan antara kelompok atau independensi dari dua atau lebih faktor dalam suatu situasi.

Berdasarkan tipe penyelidikannya penelitian dapat dibedakan atas :

a. Studi Kausal, yaitu studi yang dilakukan apabila peneliti ingin menggambarkan penyebab dari suatu masalah.

b. Studi Kolerasional, yaitu studi yang dilakukan apabila peneliti tertarik untuk menggambarkan variabel-variabel penting yang berhubungan dengan suatu masalah.

c. Studi Komparatif, yaitu studi yang dilakukan apabila peneliti tertarik untuk mengetahui perbedaan antara satu kelompok lainya mengenai satu atau beberapa variabel.

Sedangkan berdasarkan horison waktunya penelitian dapat dibedakan berdasarkan :

a. Studi Cross Sectional, yaitu penelitian yang dilakukan hanya dimana data hanya diambil satu kali, pada suatu periode waktu, untuk menjawab pertanyaan penelitian atau hipotesis penelitian.

b. Studi Longitudinal, yaitu penelitian yang dilakukan dimana peneliti ingin mempelajari orang atau fenomena dalam beberapa titik waktu untuk menjawab penelitian.

SKALA PENGUKURAN

Menurut Zikmund (1997, p.336): “Scales may be defined as “any series of items which is progressively arranged according to value or magnitude into which an item can be placed according to its qualification”, in other words, a scale is a continuous spectrum or series of categories. The purpose of scaling is to represent, usually quantitatively, an item’s, a person’s, or an event’s place in the spectrum”. Berdasarkan definisi seperti di atas, dapat kita simpulkan bahwa penentuan skala (scales) pada dasarnya adalah pemilihan alat ukur suatu data.

Pengukuran adalah proses kuantitatif, yaitu pencantuman bilangan terhadap karakteristik berdasarkan peraturan tertentu. Konstruk merupakan abstraksi dari fenomena yang dapat berupa kejadian, proses, atribut, subjek atau objek tertentu. Pengukuran variable menggunakan skala. Masing-masing skala mempunyai karakteristik yang berbeda, yang satu lebih lengkap dari yang lain. Skala paling lengkap mempunyai karakteristik yang ada. Berikut ini adalah karakteristik skala pengukuran:

· Menunjukkan perbedaan tingkatan, yang satu lebih tinggi atau lebih rendah dari yang lain.

· Menunjukkan jarak perbedaan, kategori yang satu mempunyai jarak perbedaan jarak yang sama dengan kategori yang lain.

· Menunjukkan perbandingan, kategori yang satu bisa dibandingkan dengan yang lain.

Sesuai dengan sifat dan jenis fenomena yang diabstarksikan oleh konstruk atau akibat adanya pengukuran maka terdapat skala pengukuran. Skala pengukuran dapat dibedakan atas :

a. Skala Pengukuran Nominal

Skala pengukuran nominal mengklasifikasikan pengamatan dari sampel atau populasi dalam kategori, misalnya : jenis kelamin, tempat kelahiran, atau warna kulit. Jika data nominal hanya mempunyai dua kategori maka disebut variable binary. Contohnya adalah jenis kelamin (laki-laki dan perempuan). Untuk data nominal yang lebih dari dua kategori, misalnya warna kulit bisa putih, kuning, coklat, dan hitam. Variabel ini bisa dilambangkan dengan angka, misalnya : 1=putih, 2=kuning, 3=coklat, 4=hitam.

Fungsi bilangan pada skala pengukuran nominal adalah :

  1. Sebagai simbol untuk membedakan sebuah keadaan dengan keadaan lainnya.
  2. Pada skala pengukutan nominal, tidak berlaku operasi aritmatika.

b. Skala Pengukuran Ordinal

Skala ordinal adalah skala yang menunjukkan posisi atau hierarki suatu angka. Jadi, angka satu selalu mendahului angka 2, 3, dan seterusnya. Sebagai contoh, kita dapat memberikan penilaian terhadap suatu objek bahwa kategori bagus selalu mendahului (lebih tinggi) tingkatannya dari kategori sedang. Sedangkan, kategori sedang pasti mendahului kategori jelek. Jadi, dengan menggunakan skala ordinal, peneliti dapat secara pasti menentukan hierarki atau urutan masing-masing objek sesuai dengan angka yang terkandung di dalamnya.

Skala jenis ini, biasanya dipergunakan untuk memberikan pilihan bagi responden tentang arah jawaban yang diinginkan oleh peneliti. Misalnya, peneliti memberikan pilihan tentang berapa tahun pengalaman kerja seorang responden dengan menyediaka pilihan jawaban kurang dari 1 tahun, lebih dari 1 tahun namun kurang dari 3 tahun, dan pilihan terakhir adalah lebih dari tiga tahun.

Analisa statistik yang sesuai untuk data skala nominal dan ordinal adalah uji nonparametric.

Fungsi bilangan pada skala pengukuran ordinal :

1. Sebagai simbol untuk membedakan sebuah keadaan dengan keadaan lainnya.

2. Untuk mengurut kualitas karakteristik.

Pada skala pengukuran tidak berlaku operasi aritmatika.

c. Skala Pengukuran Interval

Skala interval hanya memberikan informasi tentang urutan atau hierarki satu objek terhadap objek lain, namun juga memberikan informasi tentang jarak yang ada di antara urutan tersebut. Namun, skala interval ini tidak menempatkan nilai nol sebagai dasar suatu pengukuran karena dasar yang dipakai sebagai ukuran rasio biasanya bersifat relatif, tergantung kepada standar yang ditetapkan oleh peneliti.

Skala pengukuran interval memiliki kelebihan dibanding dengan kedua skala pengukuran di atas, dengan menambahkan konsep berlakunya interval. Contoh dari data interval adalah temperatur dan waktu. Misalnya tanggal 27 dikatakan lebih lambat 2 kali dari tanggal 18 jika titik pusatnya ditetapkan tanggal 9.

Fungsi bilangan pada skala pengukuran interval :

1. Sebagai simbol untuk membedakan sebuah keadaan dengan keadaan lainnya.

2. Untuk mengurut kualitas karakteristik.

3. Untuk memperlihatkan jarak/interval.

Ciri utama skala pengukuran interval adalah bahwa “titik nol” bukan merupakan titik absolut tetapi merupakan titik/harga yang ditentukan secara perjanjian.

d. Skala Pengukuran Rasio

Skala rasio adalah skala di mana angka mempunyai makna yang sesungguhnya, sehingga angka nol dalam skala ini diperlakukan sebagai dasar perhitungan dan pengukuran objek penelitian. Ukuran uang dan berat adalah contoh sederhana dari skala rasio ini.

Uang mempunyai ukuran yang absolut karena nilai uang akan selalu sama dengan apa yang tercantum dalam mata uang tersebut (baik mata uang kertas maupun logam). Yang berubah hanyalah daya beli uang itu sendiri, akibat adanya faktor inflasi, deflasi, kondisi perekonomian, devaluasi, dan apresiasi suatu mata uang terhadap mata uang lainnya. Demikian juga dengan berat yang akan menunjukkan ukuran absolut. Misalnya, satu kilogram jeruk akan setara dengan satu kilogram besi, satu kilogram kapas dan benda-benda lain yang berbobot satu kilogram. Dengan karakteristik tersebut, skala rasio adalah skala yang paling banyak dipergunakan oleh peneliti untuk mendapatkan data keuangan, serta data kuantitatif lainnya.

Dalam skala pengukuran rasio menyajikan nilai sesungguhnya dari variabel-variabel yang diukur dengan skala rasio. Sebagai contoh berat badan 40kg adalah dua kali lebih berat dari 20kg. Seluruh teknik analisis statistik baik parametric maupun nonparametric

Fungsi bilangan pada skala pengukuran rasio :

1. Sebagai simbol untuk membedakan sebuah keadaan dengan keadaan lainnya.

2. Untuk mengurut kualitas karakteristik.

3. Untuk memperlihatkan jarak/interval.

4. Mempunyai “titik nol” yang mutlak/absolut.

Pada skala pengukuran rasio berlaku semua operasi aritmatika.

Aplikasi skala pada aktivitas pengukuran kuantitatif secara matematis dan statistik

Type of Scale

Numerical Operation

Descriptive Statistic

Nominal

Perhitungan (Counting)

Frekuensi pada masing-masing kategori Persentase dari masing-masing kategori Mode

Ordinal

Penyusunan hierarki atau peringkat (rank ordering)

Median Range Percentile Ranking

Interval

Perhitungan aritmatika pada interval di antara angka-angka

Mean (rata-rata), Standar deviasi Variance (selisih)

Ratio

Perhitungan aritmatika pada kuantitas aktual

Geometric mean Coefficient of Variation

TEKNIK PENSKALAAN

Untuk skala nominal, ordinal, dan interval, ada beberapa teknik skala yang bisa dipilih dalam mengukur respon responden, yaitu rating scale (skala penilaian) dan ranking scale (skala ranking). Masing-masing teknik skala terdiri atas beberapa pilihan.

Skala Penilaian

Skala penilaian mempunyai beberapa kategori respons yang digunakan untuk mengukur konsep perilaku. Skala penilaian digunakan untuk memberikan nilai (rating) ke suatu variabel. Beberapa skala penilaian yang sering digunakan adalah sebagai berikut:

1. Skala Dikotomi (Dichotomous Scale)

Skala dikotomi digunakan untuk memilih dua pilihan, misalnya “ya” atau “tidak”. Tipe skala yang digunakan adalah skala nominal.

Contoh:

Apakah Anda Pernah berbelanja di Moon Plaza?

Ya Tidak

2. Skala Kategori

Skala kategori menggunakan beberapa item pilihan, misalnya memilih jenis pekerjaan, tempat tinggal, dan status perkawinan, teknik menggunakan pula skala nominal.

Contoh:

Perusahaan Anda Menggunakan Metode Penyusutan:

-----Straight line Method

-----Double Declining Balance Method

-----Sum of The Year Digit

-----Lainnya

3. Skala Likert

Skala likert di design untuk menilai sejauh mana subjek setuju atau tidak setuju dengan pernyataan uang diajukan. Skala likert digunakan untuk mengukur respons subjek ke dalam 5 poin skala dengan interval yang sama. Jika interval antara kelima poin tersebut sama, maka tipe data yang digunakan adlah tipe interval. Beberapa peneliti menganggap bahwa skala likert merupakan skala ordinal bukan interval, tetapi sebahagian peneliti menganggap skala likert sudah termasuk skala interval. Bagi peneliti yang menganggap skala likert adalah skala ordinal karena mereka menganggap bahwa jarak antara poin 1 ke 2 tidak sama dengan jarak antara 2 ke 3 dan seterusnya. Sedangkan bagi peneliti yang menganggap bahwa skala likert sudah termasuk skala interval karena mereka mempunyai asumsi bahwa skala likert adalah skala yang mengukur respons subjek ke dalam 5 poin skala dengan interval yang sama.

4. Skala Perbedaan Semantik (Semantic Differential Scale)

Skala perbedaan semantik digunakan menggali respons atribut dua nilai ekstrem dari objek, peristiwa, atau individual yang mengindikasikan sikap mereka. Skala perbedaan sematik digunakan untuk menentukan respons responden di antara dua nilai tersebut di ruang yang telah disediakan yang disebut dengan ruang semantik.

5. Skala Numerik (Numeric Scale)

Skala numerik sama dengan skala perbedaan semantik dengan memberikan angka sebagai penilaian di antara dua nilai ekstrem yang ada. Angka bisa menggunakan 5 atau 7 poin.

6. Skala Jumlah Konstan (Fixed or Constant Sum Scale)

Di sini responden diminta mendistribusikan penilaiannya ke dalam beberapa pilihan yang keseluruhan jumlahnya 100 poin. Tipe skala yang digunakan adalah skala rasio.

7. Skala Baku

Skala yang mengukur intensitas sikap terhadap item yang diteliti secara stimultan. Nilai yang digunakan dalam skala bergerak mulai dari tandapositif sampai negatif. Dengan demikian, tipe data yang digunakan adalah skala interval. Misalnya, nilai mulai dari +3 sampai dengan -3 untuk menilai item “Inovasi Produk” atau “Adopsi Teknoligi Modern” yang dilakukan perusahaan.

8. Skala Grafis

Skala ini merupakan skala yang paling banyak digunakan untuk menilai kinerja seseorang. Tipe skala yang digunakan adalah ordinal atau interval. Nilai skala berkisar antara 0-0, 0-100, 0-4, dan sebagainya untuk interval. Untuk ordinal, nilai bisa dimulai dari Tidak Sempurna, Kurang, Cukup, Baik, dan Sempurna.

Skala Ranking

Skala ranking digunakan untuk membandingkan atau mengurutkan variabel yang mempunyai skala nominal. Skala ranking berusaha membuat perbandingan antara objek, peristiwa, atau orang dan kemudian disusun berdasarkan ranking. Ada tiga macam skala ranking, yaitu:

1. Force Ranking Scale

Skala memberikan kesempatan kepada responden untuk menunjukkan urutan beberapa objek yang diajukan. Penggunaan skala akan mengganggu responden bila jumlah objek yang diminta terlalu banyak.

2. Skala Perbandingan

Skala perbandingan menyediakan dasar pembanding untuk menyinkapi suatu objek, peristiwa atau situasi yang diteliti. Tipe data yang digunakan adalah ordinal.

3. Skala Perbandingan Berpasangan

Skala perbandingan berpasangan digunakan untuk memilih satu dari dua objek secara berpasangan. Jumlah pasangan yang ada adalah sebanyak [nx(n-1)/2], di mana n adalah jumlah objek. Tipe data yang digunakan adalah ordinal.

TAHAPAN PENGUKURAN

Pengukuran variabel yang bersifat kualitatif tidak bisa secara langsung dilakukan. Ada beberapa tahapan yang harus dilakukan untuk melakukan pengukuran, antara lain:

1. Tentukan simbol yang akan digunakan untuk mengukur variabel atau karakteristik yang diteliti.

2. Tentukan dimensi atau indikator yang tepat sebagai alat pengukur.

3. Tentukan skala yang digunakan, baik untuk variabel yang diukur maupun alat ukur.

4. Tentukan kriteria yang digunakan untuk masing-masing skala penilaian.

5. Jabarkan dimensi atau indikator ke dalam item-item observasi.

6. Untuk melihat kecocokan alat ukur, lakukan uji validitas dan reliabilitas.

STATISTIK PARAMETRIK DAN STATISTIK NONPARAMETRIK

Statistik parametrik adalah metode statistik yang dapat digunakan untuk menganalisis data yang mempunyai skala pengukuran paling sedikit interval, di samping juga data tersebut harus berdistribusi normal dan memenuhi asumsi-asumsi lainnya. Sedangkan statistik nonparametrik adalah metode statistik yang dapat digunakan untuk menganalisis data yang mempunyai skala pengukuran nominal atau ordinal, dan metode ini tidak mempersyaratkan bentuk distribusi populasi serta asumsi-asumsi lainnya yang dibutuhkan pada statistik parametrik.

BERBAGAI ANALISIS DATA STATISTIK

Tabel – Ukuran-ukuran Statistik untuk berbagai Skala Pengukuran

Measures of Central Tendency

Measures of Dispersion

Nominal

· Mode

· Index of Dispersion

Ordinal

· Median

· Semi Interquartile Range

Interval / Rasio

· Arithmetic Mean

· Variance

· Standar Deviation

· Coefficient of Variation

Untuk pengukuran sentral (gejala pusat ) data bersifat nominal digunakan untuk mengukur modus (mode), data ordinal untuk mengukur median (nilai tengah), dan data interval atau rasio digunakan untuk mengukur rata-rata hitung. Pengukuran disperse (penyebaran) data nominal digunakan untuk mengukur indek penyebaran data, data yang berskala ordinal untuk mengukur semi interquartile range, sedangkan skala data interval dan rasio disediakan untuk mengukur standar deviasi, varian, dan koefisien dari varian.

Tabel – Analisis Korelasi untuk Berbagai Skala Pengukuran

Nominal

Ordinal

Interval/Rasio

· Pearson’s C

· Theta

· Eta, the correlation

Nominal

· Lambda

ratio

· Cramer’s V

· Phi

· Tetrachoric

· Tsuprow

· Gamma

· Jaspen’s M

Ordinal

· Kendall’s tau

· Somer’s dyx

· Spearmen’s rho

Interval/Rasio

· Pearson’s r

Untuk pengukuran sentral (gejala pusat) data bersifat nominal digunakan untuk mengukur modus (mode), data ordinal untuk mengukur median (nilai tengah), dan data interval atau rasio digunakan untuk mengukur rata-rata hitung. Pengukuran disperse (penyebaran) data nominal digunakan untuk mengukur indek penyebaran data, data yang berskala ordinal untuk mengukur semi interquartile range, sedangkan skala data interval dan rasio disediakan untuk mengukur standar deviasi, varian, dan koefisien dari varian.

Tabel – Analisis Uji Beda untuk Berbagai Skala Pengukuran

Kasus Satu Sampel

Kasus Dua Sampel Berpasangan

Kasus Dua Sampel Bebas

Nominal

Uji Binomial

Uji Mc Nemar

Uji Exact Fisher

Uji Chi Kuadrat

Uji Chi Kuadrat

Uji Runtun

Uji Tanda

Uji Mann Whitney

Ordinal

Uji Kolmogorov Smirnov

Uji Wilcoxon

Uji Median

Change Point Test

Uji Kolmogorov Smirnov

Uji Siegel Tukey

Robust Range Test

Interval / Rasio

Uji t

Uji Permutasi

Uji Permutasi

Uji Z

Uji t

Uji t

Uji Z

Moses Rank Test

Pengukuran korelasi antar variable misalnya variable X1 dan X2 :

1. Jika skala data variable X1 nominal dan X2 nominal maka korelasi yang digunakan adalah Lambda, Cramer’s V, Phi, Tetrachoric, dan Tsuprow.

2. Jika skala data variable X1 Nominal X1 ordinal maka korelasi yang digunakan adalah Theta.

3. Jika skala data X1 nominal dan X2 interval/rasio, maka korelasi yang digunakan adalah Eta, the correlation ratio.

4. Untuk X1 dengan skala data Ordinal dan X2 skala data ordinal, maka korelasi yang digunakan adalah gamma, Kendall’s tau, somer’s dyx, dan Spearman’s rho.

5. Jika data X1 berskala ordinal dan X2 interval/rasio maka korelasi yang digunakan adalah Jaspen’s M.

6. Untuk variable X1 yang berskala data interval/rasio dan X2 berskala data interval/rasio, maka korelasi yang digunakan adalah Perason’s.

Tabel – Analisis Uji Beda untuk Berbagai Skala Pengukuran untuk Sampel Lebih dari Dua

Kasus k sample berpasangan

Kasus k sample bebas

Nominal

· Uji Q Cochran

· Uji Mc Kuadrat

· Uji Friedman

· Uji Median

Ordinal

· Page Test

· Uji Kruskal Wallis

· Uji Jonckheere

Interval/Rasio

· Analisis Varians

· Analisis Varians

Pengujian hipotesis dengan sejumlah kasus data sample berpasangan, skala data nominal menggunakan uji Q Cochran, skala data menggunakan Uji Friedman dan uji Page, skala data interval dan rasio menggunakan uji varians. Pengujian hipotesis dengan sejumlah kasus data sample bebas, skala data nominal menggunakan uji Mc Quadrat, skala data ordinal menggunakan analisis uji median, kruskal wallis dan uji Jonckheere, skala data interval/rasio menggunakan analisis uji varians.

Tabel – Analisis Statistik Multivarians untuk Model Interdependen

Metrik

· Principal Components

· Factor Analysis

· Matric Multidimensional Scaling

· Cluster Analysis

Non Metrik

· Non Metric Multidimensional Scaling

· Loglinear Models

Analisis uji statistic multivariate dengan model interdependen untuk parametric menggunakan uji principal components, analisis factor, metric multidimensional scaling dan analisis kluster. Untuk nonparametric menggunakan analisis uji nonmetric scaling dan loglinear model.

Tabel – Analisis Statistik Multivariate untuk Model Dependen

Satu kriteria

Dua atau lebih kriteria

Metrik

· Multiple Regression

· Manova

· Path Analysis

· Canonical Analysis

· LISREL

Non Metrik

· Discriminant Analysis

· Canonical Analysis

· Logit Analysis

Secara garis besar dapat disajikan mengenai analisis data seperti di bawah ini :

ANALISIS DATA

Mengapa harus analisis data? Salah satu tujuan penelitian adalah menguji hipotesis. Tujuan pengujian hipotesis untuk menentukan apakah jawaban teoritis yang terkandung dalam pernyataan hipotesis didukung oleh fakta yang dikumpulkan dan dianalisis dalam proses pengujian data.

PEMILIHAN METODE STATISTIK

Pemilihan metode statistik yang digunakan dalam pengujian hipotesis dipengaruhi oleh tiga faktor utama, yaitu:

§ Tujuan studi

§ Jumlah variabel penelitian

§ Skala pengkuran yang digunakan

Ketiga faktor tersebut saling terkait dalam penentuan metode statistik. Penelitian yang dilakukan oleh dua orang yang berbeda meskipun tujuan penelitiannya sama, tetapi jika jumlah variabel dan skala pengukuran yang digunakan berbeda, maka kedua peneliti tersebut tidak berarti dapat menggunakan metode statistik yang sama untuk menganalisis data.

a. Tujuan studi

Tujuan dari studi adalah (1) penjajakan, (2) deskriptif, dan (3) pengujian hipotesis. Penggunaan statistik pada studi penjajakan (eksplorasi) dan deskriptif adalah teknik-teknik yang digunakan dalam statistik deskriptif. Penelitian dengan tujuan menguji hipotesis dapat menggunakan baik teknik parametrik maupun nonparametrik.

b. Jumlah variabel penelitian

Berdasarkan jumlah variabel penelitian, maka metode statistik dapat dibedakan atas:

1. Analisis Data Univariate, terdiri dari metode statistik deskriptif dan statistik inferensial yang digunakan untuk menganalisis data dari satu variabel penelitian.

2. Analisis Data Bivariate, terdiri dari metode statistik deskriptif dan statistik inferensial ayng digunakan unutk menganalisis data dari dua variabel penelitian.

3. Analisis Data Multivariate, terdiri dari metode statistik deskriptif dan statistik inferensial yang digunakan untuk menganalisis data dari tiga atau lebih variabel peneliti

c. Skala pengukuran

Pemilihan metode statistik juga dapat dipengaruhi oleh tipe skala pengukuran yang digunakan. Skala pengukuran menjadi an. pertimbangan peneliti untuk menentukan pemilihan metode parametrik dan nonparametrik dalam statistik inferensial.

§ Metode parametrik dipilih jika menggunakan skala pengukuran interval dan rasio dengan asumsi ukuran sampel relatif besar (n>30) dan asumsi normalitas terpenuhi.

§ Metode nonparametrik dipilih jika menggunakan skala pengukuran interval dan rasio dengan asumsi ukuran sampel relatif kecil (n<30)>

ANALISIS UNIVARIATE

a. Analisis Deskriptif

Analisis deskriptif memiliki arti yang sulit didefinisikan karena menyangkut berbagai macam aktivitas dan proses. Setidaknya ada dua jenis studi deskriptif, yaitu:

  1. Metode Kasus

Metode ini lebih sering digunakan untuk menemukan ide-ide baru mengenai hubungan antarvariabel yang kemudian diuji lebih lanjut dalam penelitian eksploratif. Perbedaan metode kasus dalam studi eksploratif dan studi deskriptif terletak pada hasil akhirnya. Bila pengujian lebih lanjut diperlukan, maka penelitian tersebut bersifat eksploratif.

  1. Metode Statistik

Merupakan metode yang paling luas diterapkan dalam penelitian bisnis. Penelitian yang disebut survei secara umum menggunakan metode statistik.

b. Uji Hipotesis

Uji hipotesis terhadap satu variabel umumnya berupa uji perbedaan antara nilai sampel dengan populasi atau nilai data yang diteliti dengan nilai ekspektasi (hipotesis) peneliti. Variasi pengujian hipotesis pada analisis univariate tergantung pada tujuan atau pertanyaan peneliti dan skala pengukuran seperti yang terdapat pada tabel berikut ini.

Uji Perbedaan Univariate

Skala

Satu Sampel

Dua Sampel

Statistik

Bebas

Terikat

Nominal

Uji hipotesis yang meliputi proporsi sampel

Uji Chi-Square

Uji sampel yang melibatkan dua proporsi sampel

Analisis Tabel Kontingensi

Uji McNemar

Nonparametrik

Ordinal

Kolmogorov-Smirnov

Mann-Whitney

Uji Median

Kruskall-Wallis

Wilcoxon

Signed rank

Nonparametrik

Interval dan Rasio

Uji hipotesis yang meliputi suatu sampel statistik (uji-t)

Uji t untuk perbedaan

Uji t (independensi)

Parametrik

Uji Chi-Square

Uji F (independensi)

Uji F (dependen)

Parametrik

ANALISIS BIVARIATE

Pengujian hipotesis dalam analisis bivariate umumnya mempunyai tujuan untuk menguji: (1) perbedaan dan (2) mengukur hubungan antara dua variabel penelitian.

a. Uji Perbedaan

Uji perbedaan dalam analisis bivariate dapat berupa perbedaan dua kategori (kelompok) data atau perbedaan tiga atau lebih kelompok data dari 2 variabel yang diteliti. Jumlah kelompok dan skala pengukuran kedua variabel mempengaruhi pemilihan metode statistik pengujian data. Hal ini dapat dilihat pada tabel berikut ini.

Tabel Uji Perbedaan Bivariate

Skala Pengukuran

Tujuan Studi – Uji

2 Kelompok Independen

≥ 3 Kelompok Independen

Nominal

Z-test (dua proporsi)

Chi-Square test

Chi-Square test

Ordinal

Mann-Whitney U test

Wilcoxon test

Kruskal-Wallis test

Interval & Rasio

Z-test atau t-test

terhadap kelompok independen

One-Way Anova

b. Uji Hubungan

korelasional dan hubungan sebab akibat. Tabel berikut ini adalah metode uji hubungan yang umum digunakan dalam analisis bivariate Hubungan antara satu variabel dengan variabel yang lain dapat berupa hubungan.

Tabel Uji Hubungan Bivariate

Skala

Pertanyaan Penelitian

Metode Statistik

Nominal

Apakah ada korelasi antara jenis kelamin dengan keahlian pemakai menggunakan komputer.

Chi-Square

Phi-Coefficient

Contingency Coefficient

Ordinal

Apakah peringkat preferensi terhadap produk minuman ringan mempunyai korelasi dengan peringkat intensitas iklan produk yang bersangkutan di tv.

Chi-Square Test

Speraman Rank Correlation

Kendall’s Rank Correlation

Interval & Rasio

Apakah tingkat partisipasi manajer dalam penyusunan anggaran mempunyai korelasi dengan peningkatan kinerja manajerial.

Correlation Coefficient (Pearson’s)

Bivariate Regression Analysis

ANALISIS MULTIVARIATE

Analisis multivariate digunakan dalam penelitian bisnis untuk pemecahan masalah yang kompleks. Metode statistik dalam analisis multivariate dibagi menjadi dua kelompok yaitu (1) metode dependensi dan (2) metode interdependensi.

a. Metode Dependensi (Dependence Method)

Analisis dependensi adalah analisis yang digunakan untuk menjelaskan atau memprediksi variabel dependen berdasarkan dua atau lebih variabel bebas. Metode statistik yang termasuk dalam kelompok analisis dependensi ada 4 yaitu: (1) analisis regresi berganda (multiple regression analysis), (2) analisis diskriminan berganda (multiple discriminant analysis), (3) analisis multivariate varians, dan (4) analisis korelasi kanonikal (canonical correlation analysis). Rangkuman teknik multivariate untuk analisis ketergantungan dapat dilihat pada tabel berikut ini.

Tabel Teknik Multivariate untuk Analisis Ketergantungan

Teknik

Tujuan

Jumlah Variabel

Jenis Pengukuran

Terikat

Bebas

Dependensi

Interdependensi

Analisis Regresi Berganda

Untuk melihat secara langsung pengaruh beberapa variabel terikat

1

2 atau lebih

Interval atau Rasio

Interval dan Rasio

Analisis Diskriminan

Untuk memprediksi probabilitas keanggotaan suatu objek atau individu dalam kategori yang mutually exclusive berdasar beberapa variabel bebas

1

2 atau lebih

Nominal

Interval atau Rasio

Analisis Korelasi Kanonikal

Untuk menentukan tingkat hubungan linier antara 2 kelompok variabel yang masing-masing terdiri dari beberapa varibel

2 atau lebih

2 atau lebih

Interval atau Rasio

Interval atau Rasio

Analisis Manova

2 atau lebih

1

Interval atau Rasio

Nominal

b. Analisis Interdependensi (Analysis of Interdependence)

Analisis interdependensi mempunyai tujuan yang berbeda yaitu untuk menjelaskan seperangkat variabel atau mengelompokkan berdasarkan variabel-variabel tertentu. Metode interdependensi ini dikelompokkan menjadi tiga, yaitu analisis faktor (factor analysis), analisis kluster (cluster analysis), dan skala multidimensional (multidimensional scaling). Ringkasan dari berbagai teknik multivariate untuk analisis saling ketergantungan dapat dilihat pada tabel berikut ini.

Tabel Teknik Multivariate untuk Analisis Saling Ketergantungan

Teknik

Tujuan

Skala

Analisis Faktor

Untuk merangkum informasi yang terkandung dalam banayak variabel menjadi hanaya beberapa variabel

Interval dan rasio

Analisis Kluster

Untuk mengklasifikasi individu atau objek ke dalam beberapa kelompok yang mutually exclusive dan lengkap. Pengelompokkan dalam satu kelompok didasarkan atas persamaan dan harus berbeda dengan kelompok

Interval dan rasio

Skala Multidimensional

Untuk menganalisis objek penelitian secara multidimensional berdasarkan atas penilaian responden terhadap objek tersebut

Berbeda-beda tergantung teknik yang digunakan

DAFTAR PUSTAKA

Rochaety, Etty., dkk. 2007. Metodologi Penelitian Bisnis. Jakarta: Mitra Wacana Media.

Suparmoko, M. 1999. Metode Penelitian Praktis. Yogyakarta: BPFE Yogyakarta.

Umar, Husein. 2001. Riset Akuntansi. Jakarta: Gramedia.

http://elearning.uin-suka.ac.id/

http://www.management-unsoed.or.id/