DATA
DATA
adalah catatan atas kumpulan fakta.[1] Data merupakan bentuk jamak dari datum, berasal dari bahasa Latin yang berarti "sesuatu yang diberikan". Dalam penggunaan sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra.
JENIS – JENIS DATA
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 meru
pakan 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
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.
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.
TEKNIKPENGUMPULAN DATA
1. Wawancara
Wawancara ialah proses komunikasi atau interaksi untuk mengumpulkan informasi dengan cara tanya jawab antara peneliti dengan informan atau subjek penelitian. Dengan kemajuan teknologi informasi seperti saat ini, wawancara bisa saja dilakukan tanpa tatap muka, yakni melalui media telekomunikasi. Pada hakikatnya wawancara merupakan kegiatan untuk memperoleh informasi secara mendalam tentang sebuah isu atau tema yang diangkat dalam penelitian. Atau, merupakan proses pembuktian terhadap informasi atau keterangan yang telah diperoleh lewat teknik yang lain sebelumnya.
2. Observasi
Selain wawancara, observasi juga merupakan salah satu teknik pengumpulan data yang sangat lazim dalam metode penelitian kualitatif. Observasi hakikatnya merupakan kegiatan dengan menggunakan pancaindera, bisa penglihatan, penciuman, pendengaran, untuk memperoleh informasi yang diperlukan untuk menjawab masalah penelitian. Hasil observasi berupa aktivitas, kejadian, peristiwa, objek, kondisi atau suasana tertentu, dan perasaan emosi seseorang. Observasi dilakukan untuk memperoleh gambaran riil suatu peristiwa atau kejadian untuk menjawab pertanyaan penelitian.
3. Dokumen
Selain melalui wawancara dan observasi, informasi juga bisa diperoleh lewat fakta yang tersimpan dalam bentuk surat, catatan harian, arsip foto, hasil rapat, cenderamata, jurnal kegiatan dan sebagainya. Data berupa dokumen seperti ini bisa dipakai untuk menggali infromasi yang terjadi di masa silam. Peneliti perlu memiliki kepekaan teoretik untuk memaknai semua dokumen tersebut sehingga tidak sekadar barang yang tidak bermakna.
4. Focus Group Discussion
Metode terakhir untuk mengumpulkan data ialah lewat Diskusi terpusat (Focus Group Discussion), yaitu upaya menemukan makna sebuah isu oleh sekelompok orang lewat diskusi untuk menghindari diri pemaknaan yang salah oleh seorang peneliti. Misalnya, sekelompok peneliti mendiskusikan hasil UN 2011 di mana nilai rata-rata siswa pada matapelajaran bahasa Indonesia rendah. Untuk menghindari pemaknaan secara subjektif oleh seorang peneliti, maka dibentuk kelompok diskusi terdiri atas beberapa orang peneliti. Dengan beberapa orang mengkaji sebuah isu diharapkan akan diperoleh hasil pemaknaan yang lebih objektif.
VARIABEL
adalah suatu besaran yang dapat diubah atau berubah sehingga mempengaruhi peristiwa atau hasil penelitian. Dengan menggunakan variabel, kita akan mmeperoleh lebih mudah memahami permasalahan. Hal ini dikarenakan kita seolah-olah seudah mendapatkan jawabannya. Biasanya bentuk soal yang menggunakan teknik ini adalah soal counting (menghitung) atau menentuakan suatu bilangan. Dalam penelitian sains, variable adalah bagian penting yang tidak bisa dihilangkan.
Macam-macam Variabel
1. Variabel Kuantitatif.
a. Variabel diskrit ( nominal,kategorik) yaitu variabael 2 kutub berlawanan. Contoh:
1) Kehadiran : hadir, tidak hadir
2) Jenis kelamin : laki-laki, perempuan.
b. Variabel kontinum
1) Variabel Ordinal : variabel tingkatan. Contoh: Satria terpandai, Raka pandai, Yudit tidak pandai.
2) Variabel Interval: variabel jarak. Contoh: jarak rumah Anto kesekolah 10 km,
sedangkan Yuli 5 km maka vr intervalnya adalah 5 km.
3) Variabel Ratio: variabel perbandingan (sekian kali). Contoh: berat badan Heri 80 kg, sedangkan berat badan Upi 40 kg, maka berat badan Heri 2 kali lipat Upi.
2. Variabel Kualitatif adalah variabel yang menunjukkan suatu intensitas yang sulit diukur dengan angka. Contoh : kedisiplinan, kemakmuran dan kepandaian.
3. Variabel Independen (Pengaruh, Bebas, Stimulus, Prediktor).
Merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).
4. Variabel Dependen (Dipengaruhi, Terikat, Output, Kriteria, Konsekuen).
Merupakan variabel yang dipengaruhi atau akibat, karena adanya variabel bebas.
Contoh: Pengaruh Iklan Terhadap Motivasi Pembelian. Iklan = Variabel Independen Motivasi Pembelian = Variabel Dependen.
5. Variabel Moderator.
Merupakan variabel yang mepengaruhi (memperkuat atau memperlemah) hubungan
antara variabel independen dengan dependen. Variabel ini sering disebut sebagai
variabel independen kedua. Contoh: Anak adalah variabel yang memperkuat hubungan suami isteri. Pihak ketiga adalah variabel yang memperlemah hubungan suami isteri.
6. Variabel Intervening (Antara).
Merupakan variabel yang menghubungkan antara variabel independen dengan variabel dependen yang dapat memperkuat atau memperlemah hubungan namun tidak dapat diamati atau diukur. Contoh: Hubungan antara Kualitas Pelayanan (Independent) dengan Kepuasan Konsumen (Intervening) dan Loyalitas (Dependen).
7. Variabel Kontrol.
Merupakan variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel independen terhadap dependen tidak dipengaruhi oleh faktor luar yang tidak diteliti.
Contoh: Apakah ada perbedaan antara tenaga penjual (sales force) yang lulus D3 dan S1 maka harus ditetapkan variable control berupa gaji yang sama, peralatan yang sama, iklim kerja yang sama, dan lain-lain. Tanpa adanya variabel kontrol maka sulit ditemukan apakah perbedaan penampilan karyawan karena faktor pendidikan.adalah catatan atas kumpulan fakta.[1] Data merupakan bentuk jamak dari datum, berasal dari bahasa Latin yang berarti "sesuatu yang diberikan". Dalam penggunaan sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra.
JENIS – JENIS DATA
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
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.
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.
TEKNIKPENGUMPULAN DATA
1. Wawancara
Wawancara ialah proses komunikasi atau interaksi untuk mengumpulkan informasi dengan cara tanya jawab antara peneliti dengan informan atau subjek penelitian. Dengan kemajuan teknologi informasi seperti saat ini, wawancara bisa saja dilakukan tanpa tatap muka, yakni melalui media telekomunikasi. Pada hakikatnya wawancara merupakan kegiatan untuk memperoleh informasi secara mendalam tentang sebuah isu atau tema yang diangkat dalam penelitian. Atau, merupakan proses pembuktian terhadap informasi atau keterangan yang telah diperoleh lewat teknik yang lain sebelumnya.
2. Observasi
Selain wawancara, observasi juga merupakan salah satu teknik pengumpulan data yang sangat lazim dalam metode penelitian kualitatif. Observasi hakikatnya merupakan kegiatan dengan menggunakan pancaindera, bisa penglihatan, penciuman, pendengaran, untuk memperoleh informasi yang diperlukan untuk menjawab masalah penelitian. Hasil observasi berupa aktivitas, kejadian, peristiwa, objek, kondisi atau suasana tertentu, dan perasaan emosi seseorang. Observasi dilakukan untuk memperoleh gambaran riil suatu peristiwa atau kejadian untuk menjawab pertanyaan penelitian.
3. Dokumen
Selain melalui wawancara dan observasi, informasi juga bisa diperoleh lewat fakta yang tersimpan dalam bentuk surat, catatan harian, arsip foto, hasil rapat, cenderamata, jurnal kegiatan dan sebagainya. Data berupa dokumen seperti ini bisa dipakai untuk menggali infromasi yang terjadi di masa silam. Peneliti perlu memiliki kepekaan teoretik untuk memaknai semua dokumen tersebut sehingga tidak sekadar barang yang tidak bermakna.
4. Focus Group Discussion
Metode terakhir untuk mengumpulkan data ialah lewat Diskusi terpusat (Focus Group Discussion), yaitu upaya menemukan makna sebuah isu oleh sekelompok orang lewat diskusi untuk menghindari diri pemaknaan yang salah oleh seorang peneliti. Misalnya, sekelompok peneliti mendiskusikan hasil UN 2011 di mana nilai rata-rata siswa pada matapelajaran bahasa Indonesia rendah. Untuk menghindari pemaknaan secara subjektif oleh seorang peneliti, maka dibentuk kelompok diskusi terdiri atas beberapa orang peneliti. Dengan beberapa orang mengkaji sebuah isu diharapkan akan diperoleh hasil pemaknaan yang lebih objektif.
VARIABEL
adalah suatu besaran yang dapat diubah atau berubah sehingga mempengaruhi peristiwa atau hasil penelitian. Dengan menggunakan variabel, kita akan mmeperoleh lebih mudah memahami permasalahan. Hal ini dikarenakan kita seolah-olah seudah mendapatkan jawabannya. Biasanya bentuk soal yang menggunakan teknik ini adalah soal counting (menghitung) atau menentuakan suatu bilangan. Dalam penelitian sains, variable adalah bagian penting yang tidak bisa dihilangkan.
Macam-macam Variabel
1. Variabel Kuantitatif.
a. Variabel diskrit ( nominal,kategorik) yaitu variabael 2 kutub berlawanan. Contoh:
1) Kehadiran : hadir, tidak hadir
2) Jenis kelamin : laki-laki, perempuan.
b. Variabel kontinum
1) Variabel Ordinal : variabel tingkatan. Contoh: Satria terpandai, Raka pandai, Yudit tidak pandai.
2) Variabel Interval: variabel jarak. Contoh: jarak rumah Anto kesekolah 10 km,
sedangkan Yuli 5 km maka vr intervalnya adalah 5 km.
3) Variabel Ratio: variabel perbandingan (sekian kali). Contoh: berat badan Heri 80 kg, sedangkan berat badan Upi 40 kg, maka berat badan Heri 2 kali lipat Upi.
2. Variabel Kualitatif adalah variabel yang menunjukkan suatu intensitas yang sulit diukur dengan angka. Contoh : kedisiplinan, kemakmuran dan kepandaian.
3. Variabel Independen (Pengaruh, Bebas, Stimulus, Prediktor).
Merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).
4. Variabel Dependen (Dipengaruhi, Terikat, Output, Kriteria, Konsekuen).
Merupakan variabel yang dipengaruhi atau akibat, karena adanya variabel bebas.
Contoh: Pengaruh Iklan Terhadap Motivasi Pembelian. Iklan = Variabel Independen Motivasi Pembelian = Variabel Dependen.
5. Variabel Moderator.
Merupakan variabel yang mepengaruhi (memperkuat atau memperlemah) hubungan
antara variabel independen dengan dependen. Variabel ini sering disebut sebagai
variabel independen kedua. Contoh: Anak adalah variabel yang memperkuat hubungan suami isteri. Pihak ketiga adalah variabel yang memperlemah hubungan suami isteri.
6. Variabel Intervening (Antara).
Merupakan variabel yang menghubungkan antara variabel independen dengan variabel dependen yang dapat memperkuat atau memperlemah hubungan namun tidak dapat diamati atau diukur. Contoh: Hubungan antara Kualitas Pelayanan (Independent) dengan Kepuasan Konsumen (Intervening) dan Loyalitas (Dependen).
7. Variabel Kontrol.
Merupakan variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel independen terhadap dependen tidak dipengaruhi oleh faktor luar yang tidak diteliti.
Contoh: Apakah ada perbedaan antara tenaga penjual (sales force) yang lulus D3 dan S1 maka harus ditetapkan variable control berupa gaji yang sama, peralatan yang sama, iklim kerja yang sama, dan lain-lain. Tanpa adanya variabel kontrol maka sulit ditemukan apakah perbedaan penampilan karyawan karena faktor pendidikan.
DATA
adalah catatan atas kumpulan fakta.[1] Data merupakan bentuk jamak dari datum, berasal dari bahasa Latin yang berarti "sesuatu yang diberikan". Dalam penggunaan sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra.
JENIS – JENIS DATA
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 meru
pakan 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
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.
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.
TEKNIKPENGUMPULAN DATA
1. Wawancara
Wawancara ialah proses komunikasi atau interaksi untuk mengumpulkan informasi dengan cara tanya jawab antara peneliti dengan informan atau subjek penelitian. Dengan kemajuan teknologi informasi seperti saat ini, wawancara bisa saja dilakukan tanpa tatap muka, yakni melalui media telekomunikasi. Pada hakikatnya wawancara merupakan kegiatan untuk memperoleh informasi secara mendalam tentang sebuah isu atau tema yang diangkat dalam penelitian. Atau, merupakan proses pembuktian terhadap informasi atau keterangan yang telah diperoleh lewat teknik yang lain sebelumnya.
2. Observasi
Selain wawancara, observasi juga merupakan salah satu teknik pengumpulan data yang sangat lazim dalam metode penelitian kualitatif. Observasi hakikatnya merupakan kegiatan dengan menggunakan pancaindera, bisa penglihatan, penciuman, pendengaran, untuk memperoleh informasi yang diperlukan untuk menjawab masalah penelitian. Hasil observasi berupa aktivitas, kejadian, peristiwa, objek, kondisi atau suasana tertentu, dan perasaan emosi seseorang. Observasi dilakukan untuk memperoleh gambaran riil suatu peristiwa atau kejadian untuk menjawab pertanyaan penelitian.
3. Dokumen
Selain melalui wawancara dan observasi, informasi juga bisa diperoleh lewat fakta yang tersimpan dalam bentuk surat, catatan harian, arsip foto, hasil rapat, cenderamata, jurnal kegiatan dan sebagainya. Data berupa dokumen seperti ini bisa dipakai untuk menggali infromasi yang terjadi di masa silam. Peneliti perlu memiliki kepekaan teoretik untuk memaknai semua dokumen tersebut sehingga tidak sekadar barang yang tidak bermakna.
4. Focus Group Discussion
Metode terakhir untuk mengumpulkan data ialah lewat Diskusi terpusat (Focus Group Discussion), yaitu upaya menemukan makna sebuah isu oleh sekelompok orang lewat diskusi untuk menghindari diri pemaknaan yang salah oleh seorang peneliti. Misalnya, sekelompok peneliti mendiskusikan hasil UN 2011 di mana nilai rata-rata siswa pada matapelajaran bahasa Indonesia rendah. Untuk menghindari pemaknaan secara subjektif oleh seorang peneliti, maka dibentuk kelompok diskusi terdiri atas beberapa orang peneliti. Dengan beberapa orang mengkaji sebuah isu diharapkan akan diperoleh hasil pemaknaan yang lebih objektif.
VARIABEL
adalah suatu besaran yang dapat diubah atau berubah sehingga mempengaruhi peristiwa atau hasil penelitian. Dengan menggunakan variabel, kita akan mmeperoleh lebih mudah memahami permasalahan. Hal ini dikarenakan kita seolah-olah seudah mendapatkan jawabannya. Biasanya bentuk soal yang menggunakan teknik ini adalah soal counting (menghitung) atau menentuakan suatu bilangan. Dalam penelitian sains, variable adalah bagian penting yang tidak bisa dihilangkan.
Macam-macam Variabel
1. Variabel Kuantitatif.
a. Variabel diskrit ( nominal,kategorik) yaitu variabael 2 kutub berlawanan. Contoh:
1) Kehadiran : hadir, tidak hadir
2) Jenis kelamin : laki-laki, perempuan.
b. Variabel kontinum
1) Variabel Ordinal : variabel tingkatan. Contoh: Satria terpandai, Raka pandai, Yudit tidak pandai.
2) Variabel Interval: variabel jarak. Contoh: jarak rumah Anto kesekolah 10 km,
sedangkan Yuli 5 km maka vr intervalnya adalah 5 km.
3) Variabel Ratio: variabel perbandingan (sekian kali). Contoh: berat badan Heri 80 kg, sedangkan berat badan Upi 40 kg, maka berat badan Heri 2 kali lipat Upi.
2. Variabel Kualitatif adalah variabel yang menunjukkan suatu intensitas yang sulit diukur dengan angka. Contoh : kedisiplinan, kemakmuran dan kepandaian.
3. Variabel Independen (Pengaruh, Bebas, Stimulus, Prediktor).
Merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).
4. Variabel Dependen (Dipengaruhi, Terikat, Output, Kriteria, Konsekuen).
Merupakan variabel yang dipengaruhi atau akibat, karena adanya variabel bebas.
Contoh: Pengaruh Iklan Terhadap Motivasi Pembelian. Iklan = Variabel Independen Motivasi Pembelian = Variabel Dependen.
5. Variabel Moderator.
Merupakan variabel yang mepengaruhi (memperkuat atau memperlemah) hubungan
antara variabel independen dengan dependen. Variabel ini sering disebut sebagai
variabel independen kedua. Contoh: Anak adalah variabel yang memperkuat hubungan suami isteri. Pihak ketiga adalah variabel yang memperlemah hubungan suami isteri.
6. Variabel Intervening (Antara).
Merupakan variabel yang menghubungkan antara variabel independen dengan variabel dependen yang dapat memperkuat atau memperlemah hubungan namun tidak dapat diamati atau diukur. Contoh: Hubungan antara Kualitas Pelayanan (Independent) dengan Kepuasan Konsumen (Intervening) dan Loyalitas (Dependen).
7. Variabel Kontrol.
Merupakan variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel independen terhadap dependen tidak dipengaruhi oleh faktor luar yang tidak diteliti.
Contoh: Apakah ada perbedaan antara tenaga penjual (sales force) yang lulus D3 dan S1 maka harus ditetapkan variable control berupa gaji yang sama, peralatan yang sama, iklim kerja yang sama, dan lain-lain. Tanpa adanya variabel kontrol maka sulit ditemukan apakah perbedaan penampilan karyawan karena faktor pendidikan.adalah catatan atas kumpulan fakta.[1] Data merupakan bentuk jamak dari datum, berasal dari bahasa Latin yang berarti "sesuatu yang diberikan". Dalam penggunaan sehari-hari data berarti suatu pernyataan yang diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang bentuknya dapat berupa angka, kata-kata, atau citra.
JENIS – JENIS DATA
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
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.
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.
TEKNIKPENGUMPULAN DATA
1. Wawancara
Wawancara ialah proses komunikasi atau interaksi untuk mengumpulkan informasi dengan cara tanya jawab antara peneliti dengan informan atau subjek penelitian. Dengan kemajuan teknologi informasi seperti saat ini, wawancara bisa saja dilakukan tanpa tatap muka, yakni melalui media telekomunikasi. Pada hakikatnya wawancara merupakan kegiatan untuk memperoleh informasi secara mendalam tentang sebuah isu atau tema yang diangkat dalam penelitian. Atau, merupakan proses pembuktian terhadap informasi atau keterangan yang telah diperoleh lewat teknik yang lain sebelumnya.
2. Observasi
Selain wawancara, observasi juga merupakan salah satu teknik pengumpulan data yang sangat lazim dalam metode penelitian kualitatif. Observasi hakikatnya merupakan kegiatan dengan menggunakan pancaindera, bisa penglihatan, penciuman, pendengaran, untuk memperoleh informasi yang diperlukan untuk menjawab masalah penelitian. Hasil observasi berupa aktivitas, kejadian, peristiwa, objek, kondisi atau suasana tertentu, dan perasaan emosi seseorang. Observasi dilakukan untuk memperoleh gambaran riil suatu peristiwa atau kejadian untuk menjawab pertanyaan penelitian.
3. Dokumen
Selain melalui wawancara dan observasi, informasi juga bisa diperoleh lewat fakta yang tersimpan dalam bentuk surat, catatan harian, arsip foto, hasil rapat, cenderamata, jurnal kegiatan dan sebagainya. Data berupa dokumen seperti ini bisa dipakai untuk menggali infromasi yang terjadi di masa silam. Peneliti perlu memiliki kepekaan teoretik untuk memaknai semua dokumen tersebut sehingga tidak sekadar barang yang tidak bermakna.
4. Focus Group Discussion
Metode terakhir untuk mengumpulkan data ialah lewat Diskusi terpusat (Focus Group Discussion), yaitu upaya menemukan makna sebuah isu oleh sekelompok orang lewat diskusi untuk menghindari diri pemaknaan yang salah oleh seorang peneliti. Misalnya, sekelompok peneliti mendiskusikan hasil UN 2011 di mana nilai rata-rata siswa pada matapelajaran bahasa Indonesia rendah. Untuk menghindari pemaknaan secara subjektif oleh seorang peneliti, maka dibentuk kelompok diskusi terdiri atas beberapa orang peneliti. Dengan beberapa orang mengkaji sebuah isu diharapkan akan diperoleh hasil pemaknaan yang lebih objektif.
VARIABEL
adalah suatu besaran yang dapat diubah atau berubah sehingga mempengaruhi peristiwa atau hasil penelitian. Dengan menggunakan variabel, kita akan mmeperoleh lebih mudah memahami permasalahan. Hal ini dikarenakan kita seolah-olah seudah mendapatkan jawabannya. Biasanya bentuk soal yang menggunakan teknik ini adalah soal counting (menghitung) atau menentuakan suatu bilangan. Dalam penelitian sains, variable adalah bagian penting yang tidak bisa dihilangkan.
Macam-macam Variabel
1. Variabel Kuantitatif.
a. Variabel diskrit ( nominal,kategorik) yaitu variabael 2 kutub berlawanan. Contoh:
1) Kehadiran : hadir, tidak hadir
2) Jenis kelamin : laki-laki, perempuan.
b. Variabel kontinum
1) Variabel Ordinal : variabel tingkatan. Contoh: Satria terpandai, Raka pandai, Yudit tidak pandai.
2) Variabel Interval: variabel jarak. Contoh: jarak rumah Anto kesekolah 10 km,
sedangkan Yuli 5 km maka vr intervalnya adalah 5 km.
3) Variabel Ratio: variabel perbandingan (sekian kali). Contoh: berat badan Heri 80 kg, sedangkan berat badan Upi 40 kg, maka berat badan Heri 2 kali lipat Upi.
2. Variabel Kualitatif adalah variabel yang menunjukkan suatu intensitas yang sulit diukur dengan angka. Contoh : kedisiplinan, kemakmuran dan kepandaian.
3. Variabel Independen (Pengaruh, Bebas, Stimulus, Prediktor).
Merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel dependen (terikat).
4. Variabel Dependen (Dipengaruhi, Terikat, Output, Kriteria, Konsekuen).
Merupakan variabel yang dipengaruhi atau akibat, karena adanya variabel bebas.
Contoh: Pengaruh Iklan Terhadap Motivasi Pembelian. Iklan = Variabel Independen Motivasi Pembelian = Variabel Dependen.
5. Variabel Moderator.
Merupakan variabel yang mepengaruhi (memperkuat atau memperlemah) hubungan
antara variabel independen dengan dependen. Variabel ini sering disebut sebagai
variabel independen kedua. Contoh: Anak adalah variabel yang memperkuat hubungan suami isteri. Pihak ketiga adalah variabel yang memperlemah hubungan suami isteri.
6. Variabel Intervening (Antara).
Merupakan variabel yang menghubungkan antara variabel independen dengan variabel dependen yang dapat memperkuat atau memperlemah hubungan namun tidak dapat diamati atau diukur. Contoh: Hubungan antara Kualitas Pelayanan (Independent) dengan Kepuasan Konsumen (Intervening) dan Loyalitas (Dependen).
7. Variabel Kontrol.
Merupakan variabel yang dikendalikan atau dibuat konstan sehingga pengaruh variabel independen terhadap dependen tidak dipengaruhi oleh faktor luar yang tidak diteliti.
Contoh: Apakah ada perbedaan antara tenaga penjual (sales force) yang lulus D3 dan S1 maka harus ditetapkan variable control berupa gaji yang sama, peralatan yang sama, iklim kerja yang sama, dan lain-lain. Tanpa adanya variabel kontrol maka sulit ditemukan apakah perbedaan penampilan karyawan karena faktor pendidikan.
Tidak ada komentar:
Posting Komentar