Desain Penelitian

Desain penelitian yang banyak kita dapati adalah desain survei, case study dan eksperimen.
Berikut ini akan dijabarkan satu-persatu (per posting)

1. DESAIN SURVEI
Suatu penelitian survei atau survei bertujuan untuk mengumpulkan informasi tentang orang yang jumlahnya besar, dengan cara mewawancarai sejumlah kecil dari populasi tersebut. Survei dapat digunakan dalam penelitian yang bersifat eksploratif, deskriptif maupun eksperimental.

Mutu survei antara lain bergantung pada:

1. Jumlah orang yang dijadikan sampel
2. Taraf hingga mana sampel itu representatif, artinya mewakili kelompok yang diselidiki
3. Tingkat kepercayaan informasi yang diperoleh dari sampel tersebut

Jadi, soal sampling yakni memilih sejumlah terbatas dari kelompok yang diselidiki itu, sangat penting dalam survei. Untuk itu perlu diadakan sampling menurut cara tertentu.
Memperoleh data yang dapat dipercaya tidak selalu mudah. Kita tak dapat memaksa orang mengatakan yang benar dan sering sangat sukar mengetahui, hingga manakah kebenaran keterangan yang diberikan seseorang. Untuk memperoleh keterangan, dapat digunakan questionnaire atau angket, wawancara, observasi langsung atau kombinasi teknik-teknik pengumpulan data itu. Berdasarkan data itu, dapat diuji kebeneran asumsi atau hipotesis tertentu.

Kebaikan desain survei:

1. Dalam survei biasanya dilibatkan sejumlah besar orang untuk mencapai generalisasi atau kesimpulan yang bersifat umum yang dapat dipertanggungjawabkan. Perlu diusahakan agar sampel itu benar-benar mewakili keseluruhan kelompok yang diselidiki.
2. Dalam survei dapat digunakan berbagai teknik pengumpulan data seperti angket, wawancara dan observasi menurut pilihan si peneliti.
3. Dalam survei sering tampil masalah-masalah yang sebelumnya tidak diketahui atau diduga, sehingga sekaligus bersifat eksploratif.
4. Dengan survei peneliti dapat membenarkan atau menolak teori tertentu.
5. Biaya survei relatif murah ditinjau dari besarnya jumlah orang yang memberi informasi. Khususnya bila digunakan angket yang dapat dikirimkan melalui pos, dengan biaya rendah. Bila digunakan wawancara dengan kontak langung kepada sampel, tentu biayanya jauh lebih tinggi.

Kelemahan desain survei:

1. Survei biasanya meneliti pendapat atau perasaan populasi yang tidak mendalam, apalagi bila menggunakan angket.
2. Pendapat populasi yang disurvei antara lain mengenai soal-soal yang mengandung unsur emosi dan politik, seperti pendapat, mudah berubah-ubah dalam jangka waktu singkat karena pengaruh pidato atau ceramah pada calon partai melalui televisi atau tulisan dalam surat kabar.
3. Tidak ada jaminan bahwa angket dijawab oleh seluruh sampel. Besar kemungkinan ada perbedaan antara mereka yang menjawab dan yang tidak menjawab. Kesimpulan yang diambil didasarkan atas jawaban yang masuk saja, tidak sepenuhnya dapat dipercayai sebagai pendapat keseluruhan sampel dan dengan sendirinya pendapat keseluruhan populasi.

Mereka yang memberi jawaban menunjukkan adanya minat terhadap soal yang diteliti atau keterangan yang diminta. Bagaimana pendirian mereka yang tidak menjawab, tidak kita ketahui. Maka kesimpulan atau generalisasi yang kita peroleh hanya dapat diterima dengan sangat hati-hati, walaupun hasil setiap penelitian harus dianggap bersifat sementara yang dapat didukung atau dibantah oleh penelitian kemudian.

Sumber:
Metode Research (Prof. Dr. S. Nasution, MA)

Pengenalan Path Analysis & SEM

Path analysis (PA) atau analisis jalur adalah analisis model kausal dari variabel independent (exogenous), variabel antara (endogenous), dan variabel dependen (endogenous) dan semua variabel terukur. Aplikasi PA biasanya menggunakan metode analisis regresi.

Structural Equation Model (SEM) adalah analisis model kausal dari variabel independent (exogenous), variabel antara (endogenous), dan variabel dependen (endogenous) dan semua variabel tidak terukur. Variabel tak terukur ini disebut variabel LATENT yang diukur melalui indikator indikatornya (yang terdiri dari komponen komponen dan setiap komponen terdiri dari butir butir). Dalam SEM ada dua komponen ialah model struktural dan pembentukan variabel latent. Analisis model struktural dengan analisis regresi dan pembentukan variabel latent dengan factor analisis.


Pengertian

Path analysis (PA) atau analisis jalur adalah keterkaitan antara variable independent, variable intermediate, dan variable dependen yang biasanya disajikan dalam bentuk diagram. Didalam diagram ada panah panah yang menunjukkan arah pengaruh antara variable-variabel exogenous, intermediary, dan variabel dependent. Terkadang besaran pengaruh di gambarkan dengan ketebalan anak panah. Path analysis hanya berkaitan dengan REGRESI GANDA dengan VARIABEL YANG TERUKUR.

Analisis jalur merupakan teknik statistik untuk menguji hubungan kausal antara dua atau lebih variabel, berdasarkan persamaan linier. Teknik ini dikembangkan sejak tahun 1939 oleh Sewall Wright.

Hubungan kausal ini ada yang langsung X→Z dan juga ada yang tak langsung tetapi melalui variabel antara Y ialah X →Y → Z. Jalur yang di gambarkan dengan tanda panah ini merupakan hipotesis yang akan di uji berdasarkan data lapangan.

Structural Equation Modeling (SEM) merupakan model analisis yang padaumumnya menggabungkan antara dua bagian ialah i). pembentukan variabel LATENT dan ii). Pembangunan model struktural. Analisis jalur merupakan bagian (subset) dari SEM adalah gabungan antara REGRESI GANDA dengan variabel LATENT yang di bangun dengan analisis faktor dari butir butir/indikator/ item atas variabel laten tersebut.
Hox dan Bechger (2002) menyebutkan bahwa SEM adalah suatu kombinasi analisis faktor dan analisis regresi atau analisis jalur. Selanjutnya dikatakan bahwa dalam penyusunan variabel latent didasarkan atas theoretical constructs yang juga di hitung berdasarkanmetode regresi. Selanjutnya model structural didasarkan atas covariances antara variabel exogen,variabel antara, dan variabel endogen. Oleh karenanya model structural ini juga sering disebut covariance structure modeling. Disana juga dikatakan bahwa “ Nowdays structural equation models need not be linear, and the possibilities of SEM extend well beyond the original Lisrel program”.

Variabel eksogen (exogenous) adalah variabel yang tidak ada anak panah mengarahnya. Jika dua varaibel eksogen berkorelasi di tunjukkan dengan panah dua arah.

Variabel endogen (endogenous) yang terdiri dari variabel antara dan variabel dependen. Variabel antara terdapat anak panah yang datang dan juga yang pergi. Sedangkan variabel dependen hanya terdapat panah yang datang menujunya.

Variabel LATENT adalah variabel yang diukur dengan indikator-indikator (item-tem atau butir-butir) nya, misalnya variabel kesejahteraan, kepuasan, partisipasi, pemahaman, dll. Cara klasik data variabel latent dengan menjumlahkan skor butir-butir yang valid dan reliable. Cara yang terbaik dalam SEM adalah di hitung dengan menggunakan metode confirmatory factor analysisis (CFA) . Dalam CFA dirancang sedemikian rupa agar setiap butir/item menyumbang (Loading) kepada satu variabel latent saja. Besaran sumbangan ini biasa disebut LOADING yang berbeda beda sesuai dengan derajat variabilitas dan tingkat korelasi terhadap item item yang lainnya. Hox dan Bechger (2002) menyebutkan CFA confirmatory (restricted) factor analysis menjamin bahwa setiap item hanya akan memberikan loading kepada satu variabel latent saja .

Path coefficient/ path weight pada umumnya adalah koefisien regresi yang distandarkan (artinya regresi dimana semua variabelnya dalam bentuk z-score).
Disturbance terms adalah residual error yang besarannya sama dengan(1 - R2). Dia mengukur sisa pengaruh faktor lain kepada suatu variabel exogen.
Significance and Goodness of Fit. Testing setiap koefisien dengan t-tes atau F-test. Sedangkan untuk test kecocokan suatu model dengan jika Chi-square dg P > 0.05 dan RMSEA < 0.05. Hox dan Bechger (2002) menyebutkan Goodness of fit (Tuna Cocok) dengan chi squared dengan p-value lebih besar dari 0.05 persen baru dikatakan model SEM cocok pada data empiris.

Asumsi yang diperlukan

1. Linearity: keterkaitan/ hubungan antar variabel adalah linier.
2. Interval level data disarankan jangan menngunakan variabel dummy.
3. Residual (unmeasured) variables hanya berkorelasi dengan satu variabel dalam model yang ada panah langsung.
4. Low multicollinearity secara teoretis taka ada korelasi yang signifikan antar variabel exogen.
5. No under identification or under determination of the model is required. For underidentified models there are too few structural equations to solve for the unknowns. Overidentification usually provides better estimates of the underlying true values than does just identification.
6. Adequate sample size diperlukan agar signifikan. Kline (1998) merekomendasikan 10 sd 20 kali parameter yang akan di estimasikan.

Catatan: Dalam aplikasi dengan menggunakan software tertentu seperti LISREL secara otomatis akan terakomodasi dalam proses pengolahannya. Misalnya jika ada dua variabel independen yang mempunyai korelasi sangat signifikan, maka secara otomatis oleh program akan di hilangkan salah satu variabel independen saja dan analisis regresi.

Uji Persyaratan Analisis Data

UJI NORMALITAS

CARA I : Uji Chi Kuadrat (c²)

Uji Normalitas dengan Uji Chi Kuadrat (c²) rumusnya adalah :

dimana O_i = f_i adalah frekwensi absolut / pengamatan, dan Ei = (S f_i ).Zi. Sedangkan Zi adalah luas daerah dibawah kurva normal untuk kelas interval ke-i, sehingga daerah tersebut dibatasi oleh angka baku z untuk tepi atas dan tepi bawah kelas interval tersebut.

Kriteria kenormalannya adalah jika c²_hitung < c²_tabel maka data tersebut berdistribusi normal. Nilai c²_tabel adalah nilai c² untuk taraf nyata ( a ) = 5% dan derajat kepercayaan (dk) = k – 3 dimana k adalah banyaknya kelas interval. (Lihat di buku Metode Statistika, Sudjana, hal. 291)

CARA II : Metode Liliefors

Digunakan metode Liliefors, dengan ketentuan jika nilai L_hitung <>tabel maka data berasal dari populasi normal. Nilai L_tabel diperoleh dari tabel Uji Liliefors, misal untuk taraf nyata 5 % dan jumlah data lebih dari 30 responden maka nilai L_tabel adalah :

(Lihat di buku Metode Statistika, Sudjana, hal. 467)

Sedangkan L_hitung adalah harga terbesar dari |F(Zi) – S(Zi)|, dimana Zi dihitung dengan rumus angka normal baku : ; Xi = data ke-i; = rata-rata; s = simpangan baku. Nilai F(Zi) adalah luas daerah di bawah normal untuk Z yang lebih kecil dari Zi. Sedangkan nilai S(Zi) adalah banyaknya angka Z yang lebih kecil atau sama dengan Zi dibagi oleh banyaknya data (n)..

Analisis Deskriptif Data Pendidikan

Dalam melaksanakan analisis deskriptif, indikator yang digunakan adalah indikator nonpendidikan dan pendidikan yang terdiri dari indikator efisiensi internal.

Untuk dapat memberikan interpretasi terhadap indikator ini, perlu disajikan kriteria sebagai standar untuk menentukan atau menginterpretasikan indikator tersebut. Kriteria ini bisa dirinci dalam dua jenis :

1. Kriteria dihasilkan dari angka rata-rata nasional dengan interval antara tinggi, sedang dan rendah untuk profil propinsi dan profil kabupten/kota serta angka rata-rata propinsi untuk profil kabupten/kota. Interval diambil dari nilai yang tertinggi dan nilai terendah.
   
2. Kriteria dihasilkan dari angka rata-rata nasional atau propinsi untuk profil propinsi dan profil kabupten/kota dan angka rata-rata propinsi untuk profil kabupten/kota.
   

Analisis deskriptif dengan menggunakan kedua kriteria di atas dapat dilaksanakan melalui beberapa cara yaitu :

1. Analisis makro untuk indikator kabupaten/kota dan propinsi. Analisis ini dilaksanakan dengan membandingkan indikator yang ada dengan rata-rata propinsi atau rata-rata nasional. Misalnya: indikator APM, rata-rata propinsi atau nasional = 75 persen, maka kabupaten/kota atau propinsi yang APMnya kurang dari 75 persen terdapat masalah dan melalui faktor internal dan eksternal agar dicari masalahnya.
   
2. Analisis makro antar indikator dan jenjang pendidikan untuk indikator kabupaten/ kota dan propinsi. Analisis ini digunakan dengan membandingkan indikator satu dengan indikator lainnya pada jenjang yang berbeda. Misalnya membandingkan antar indikator yaitu indikator angka melanjutkan dan tingkat pelayanan sekolah atau membandingkan satu indikator angka melanjutkan pada jenjang SLTP dengan SM.
   
3. Analisis disparitas indikator setiap kecamatan atau kabupaten/kota. Analisis ini dilaksanakan dengan melihat disparitas antar kecamatan atau kabupaten/kota. Misalnya, rasio siswa per kelas dibandingkan antar kecamatan atau kabupaten/kota dengan menggunakan standar adalah rata-rata angka kabupaten/kota atau propinsi. Bagi kecamatan atau kabupaten/kota yang berada dibawah rata-rata kabupaten/kota atau propinsi merupakan kecamatan atau kabupaten/kota tersebut yang perlu diberi penanganan khusus.
   
4. Analisis disparitas indikator setiap kecamatan atau kabupaten/kota. Analisis ini dilaksanakan dengan memberikan bobot untuk setiap indikator di mana bobot yang besar diberikan pada indikator yang dianggap paling menentukan sehingga dapat diperoleh nilai di setiap kecamatan. Nilai yang paling tinggi menunjukkan kecamatan atau kabupaten/kota yang tidak bermasalah dan perlu dipertahankan, sedangklan nilai yang rendah adalah kecamatan atau kabupaten/kota yang bermasalah sehingga perlu diberi penanganan khusus.

Menentukan Ukuran Sampel

Salah satu syarat pengunaan teknik statistik Nonparametris adalah bahwa : sampel sebagai sumber data harus diambil secara random, atau yang disebut dengan random sampling. Random sampling berarti teknik pengambilan sampel yang memberi peluang sama kepada seluruh anggota populasi untuk dapat dipilih sebagai anggota sampel.

Sampel yang baik adalah sampel yang representatif yang mewakili populasi. Berapa jumlah anggota yang akan digunakan sebagai sumber data tergantung pada tingkat kepercayaan yang dikehendaki. Bila dikehendaki sampel dipercaya 100% mewakili populasi, maka jumlah anggota sampel sama dengan jumlah anggota populasi. Bila tingkat kepercayaan 95% maka jumlah anggota sampel akan lebih kecil dari jumlah anggota populasi.

Krejcie dan Morgan (1970) telah memberi panduan kepada kita dalam menentukan jumlah anggota sampel dari populasi tertentu dengan taraf kepercayaan 95%. Lihat tabel 1.2 (mohon maaf, tabel akan disertakan kemudian)

Dalam tabel 1.2 terlihat bahwa, bila jumlah anggota populasi N = 100 maka jumlah anggota populasi (s) yang diperlukan = 80. Bila jumlah anggota populasi 1000, maka jumlah sampel yang diperlukan = 285. Selanjutnya bila jumlah anggota populasi N =100.000, maka jumlah sampel yang diperlukan = 384.

Roscoe dalam buku Research Methods For Bussines (1992:253) memberikan saran-saran tentang ukuran sampel sebagai berikut :
1. Ukuran sampel yang layak digunakan dalam penelitian adalah antara 30 s/d 500.
2. Bila sampel dibagi dalam kategori (pria-wanita, pegawai negeri-swasta) maka jumlah anggota sampel setiap kategori minimal 30.
3. Bila dalam penelitian akan melakukan analisis dengan multivariat (korelasi atau regresi ganda misalnya), maka jumlah anggota sampel minimal 10 kali dari jumlah variabel yang diteliti. Misalnya variabel penelitiannya ada 5 (indedependen + dependen) maka jumlah anggota sampel = 10 x 5 = 50
4. Untuk penelitian eksperimen yang sederhana, yang menggunakan kelompok eksperimen dan kelompok kontrol maka jumlah anggota sampel masing-masing 10 s/d 20

Pedoman Umum Memilih Statistik Nonparametris Untuk Pengujian Hipotesis

Terdapat dua macam teknik statistik inferensial yang dapat digunakan untuk menguji hipotesis penelitian, yaitu Statistik Parametris dan Statistik Nonparametris. Keduanya bekerja dengan data sampel, dan pengambilan sampel harus dilakukan secara random.

Statistik Parametris lebih banyak digunakan untuk menganalisis data yang berbentuk interval dan ratio, dengan dilandasi beberapa persyaratan tertentu antara lain misalnya : data variabel yang akan dianalisis harus berdistribusi normal. Statistik Nonparametris digunakan untuk menganalisis data yang berbentuk nominal dan ordinal dan tidak dilandasi persyaratan data harus berdistribusi normal.

Untuk menentukan teknik Statistik Nonparametris mana yang akan digunakan untuk pengujian hipotesis, maka perlu diketahui terlebih dulu bentuk data yang akan dianalisis (nominal atau ordinal) dan bentuk hipotesis (deskriptif, komparatif, asosiatif).

1. Untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk nominal, maka digunakan teknik statistik :
a. Binomial
b. Chi Kuadrat satu sampel

2. Untuk menguji hipotesis deskriptif satu sampel bila datanya berbentuk ordinal, maka digunakan teknik statistik :
a. Run Test

3. Untuk menguji hipoteis komparatif dua sampel yang berpasangan bila datanya berbentuk nominal digunakan teknik statistik :
a. Mc Nemar

4. Untuk menguji hipotesis komparatif dua sampel berpasangan bila datanya berbentuk ordinal digunakan teknik statistik :
a. Sign Test
b. Wilcoxcon matched pairs

5. Untuk menguji hipotesis komparatif dua sampel independen bila datanya berbentuk nominal digunakan teknik statistik :
a. Fisher Exact Probability
b. Chi Kuadrat dua sampel

6. Untuk menguji hipotesis dua sampel independen bila datanya berbentuk ordinal digunakan teknik statistik :
a. Median Test
b. Mann-Whitney U Test
c. Kolmogorof Smirnov
d. Wald-Wolwofits

7. Untuk menguji hipotesis komparatif k sampel berpasangan, bila datanya berbentuk nominal digunakan teknik statistik :
a. Chocran Q

8. Untuk menguji hipotesis komparatif k sampel berpasangan bila datanya berbentuk ordinal, digunakan teknik statistik :
a. Friedman Two-way Anova

9. Untuk menguji hipotesis komparatif k sampel independen, bila datanya berbentuk nominal, digunakan teknik statistik :
a. Chi Kuadrat k sampel

10. Untuk menguji teknik komparatif k sampel independen, bila datanya berbentuk ordinal digunakan teknik statistik :
a. Median Extension
b. Kruskal-Wallis One Way Anova

11. Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbentuk nominal digunakan teknik statistik :
a. Koefisien Kontengensi

12. Untuk menguji hipotesis asosiatif/hubungan (korelasi) bila datanya berbentuk ordinal digunakan teknik statistik :
a. Korelasi Spearman Rank
b. Korelasi Kendal Tau

DATA

Menurut Webster's New World Dictionary, Data dapat diartikan sebagai sesuatu yang diketahui atau diasumsikan. Sedangkan berdasarkan referensi lain, data didefinisikan sebagai suatu sumber informasi yang diketahui/dicari/diasumsikan untuk memberikan gambaran mengenai suatu keadaan atau persoalan.

Data diharapkan dapat memberikan gambaran yang lebih umum mengenai keadaan populasinya. Data yang baik, merupakan modal utama bagi seorang peneliti untuk dapat mengolah, menganalisis, dan juga menampilkan data tersebut dengan informasi sebaik mungkin.

Suatu data dikatakan "baik" jika memenuhi persyaratan:

1. Data harus obyektif, maksudnya data yang dikumpulkan harus sesuai dengan keadaan yang sebenarnya.


2. Data harus representatif, artinya data yang dikumpulkan harus mewakili obyek yang diamati.


3. Data memiliki standar error yang kecil sehingga memiliki tingkat ketelitian yang tinggi.


4. Data harus relevan, yakni data yang dikumpulkan harus memiliki hubungan atau keterkaitan dengan masalah yang akan diselesaikan.

Siap untuk mengumpulkan data yang memenuhi syarat...???

Sekarang coba dech hitung berapa jumlah frame yang ada di atas ini....

STATISTIKA

Statistika merupakan suatu cabang ilmu pengetahuan yang bertujuan untuk mempelajari tata cara pengumpulan data (sampling), pengolahan data, penyajian data, analisis data dan pengambilan keputusan berdasarkan data.

Secara umum, proses statistika selalu melibatkan data sebagai inputnya. Sebagai alat yang berfungsi untuk mengolah suatu data, penjabaran metodologi statistik didasarkan pada tiga hal yakni proses analisis, asumsi bentuk distribusi dan banyaknya variabel yang dilibatkan. Metodologi statistika berdasarkan proses analisisnya meliputi analisis deskriptif dan analisis konfirmatif (inferensial).

Statistika deskriptif memberikan informasi secara visual dan lebih bersifat subjektif dalam pembuatan analisisnya. Sedangkan statistika konfirmatif (inferensial) dapat memberikan informasi secara lebih objektif terutama dalam proses pengambilan keputusan yang ditunjang dengan adanya nilai tingkat kesalahan pengukuran.

Rumusan metodologi statistika selain dikembangkan berdasarkan proses analisisnya juga dikembangkan berdasarkan penggunaan asumsi bentuk distribusi. Apabila suatu alat statistik dikembangkan dengan menggunakan bahwa variabel yang menjadi inputnya memiliki bentuk distribusi tertentu maka rumusan tersebut dinamakan statistik parametrik. Sedangkan metodologi statistik yang rumusannya dibuat tanpa adanya asumsi bentuk distribusi dinamakan statistik non parametrik.

Berdasarkan banyak variabel yang terlibat juga menjadi salah satu dasar untuk membedakan metodologi statistik. Semakin banyak variabel yang terlibat mengharuskan adanya suatu metodologi yang secara langsung mengolah data bersamaan tidak terpisah untuk setiap variabel. Oleh karena itu, berkembanglah suatu metode statistik multivariate yang semakin hari semakin banyak diminati banyak peneliti karena kelebihannya.