Reliabilitas (skripsi dan tesis)

Reliabilitas merupakan penerjemahan dari kata reliability yang mempunyai kata rely dan ability. Pengukuran yang memiliki reliabilitas tinggi disebut sebagai pengukuran yang reliabel (reliable). Ide pokok yang terkandung dalam konsep reliabilitas adalah sejauhmana hasil suatu pengukuran dapat dipercaya (Azwar, 2009).
Azwar (2008) mengemukakan bahwa reliabilitas dinyatakan oleh koefisien reliabilitas  yang angkanya berada dalam rentang dari 0 sampai dengan 1.00. semakin tinggi koefisien reliabilitas mendekati angka 1.00 berarti semakin tinggi reliabilitasnya. Sebaliknya, koefisien yang semakin rendah mendekati angka 0 berarti semakin rendah reliabilitasnya.

Pengertian Validitas (skripsi dan tesis)

Menurut Azwar (2009), validitas berasal dari kata Validity yang mempunyai arti sejauhmana ketetapan dan kecermatan suatu alat ukur dalam melakukan fungsi ukurnya. Senada dengan Suryabrata (2008) validitas instrumen didefinisikan sebagai sejauh mana instrumen itu merekam atau mengukur apa yang dimaksudkan untuk direkam atau diukur.
Validitas dinyatakan secara empirik oleh suatu koefisien, yaitu koefisien validitas (Azwar, 2009). Dalam penelitian ini pengujian tingkat kesahihan alat ukur dilakukan uji validitas, yang biasanya digunakan batasan rix ≥ 0,30. Semua aitem yang mencapai koefisien korelasi minimal 0,30 daya pembedanya dianggap memuaskan, sebaliknya aitem yang memiliki harga  atau  kurang dari 0,30 dapat diinterpretasikan sebagai aitem yang memiliki daya diskriminasi rendah. Apabila aitem yang memiliki daya diskriminasi sama dengan atau lebih besar daripada 0,30 jumlahnya melebihi jumlah aitem yang direncanakan untuk dijadikan skala, maka kita dapat memilih aitem-aitem yang memiliki indeks daya diskrimnasi tertinggi. Sebaliknya, apabila jumlah aitem yang lolos ternyata masih tidak mencukupi jumlah yang diinginkan, kita dapat mempertimbangkan untuk menurunkan sedikit batas kriteria 0,30 menjadi 0,25 (Azwar, 2008).

UNSUR YANG MENENTUKAN ULANGAN DALAM PERCOBAAN/EKSPERIMEN (skripsi dan tesis)

Jumlah r (ulangan) yang diperlukan dalam suatu percobaan dipengaruhi oleh 3 hal, yaitu:

  1. Derajat ketelitian, makin tinggi derajat ketelitian yang diinginkan dari percobaan akan makin besar pula jumlah r yang diperlukan, dan sebaliknya jika derajat ketelitian yang diperlukan makin rendah
  2. Keragaman bahan, alat, media dan lingkungan percobaan. Jika bahan, alat, media dan lingkungan percobaan makin heterogen maka jumlah r yang diperlukan makin besar dan sebaliknya jika bahan, alat, media dan lingkungan percobaan makin homogen maka jumlah r yang diperlukan makin sedikit.
  3. Biaya penelitian yangtersedia, karena bagaimanapun juga biaya merupakan faktor penentu dalam penelitian, jika biaya yang diperukan suatu percobaan cukup besar, maka jumlah r dapat diperkecil dan sebaliknya jika biaya percobaan tidak terlalu besar

 

(Kemas, 2012)

UNSUR-UNSUR DASAR PERCOBAAN/EKSPERIMEN (skripsi dan tesis)

 

Unsur-unusr dasar percobaan adalah perlakuan, ulangan dan lokal kontrol yang diuraikan sebagai berikut:

  1. Perlakuan

Adalah semua tindakan coba-coba yang dilakukan terhadap suatu objek yang pengaruhnya akan diselediki untuk menguji hipotesis. Perlakuan ini dapat berasal dari faktor kualitas (mutu) yaitu perlakuan yang hanya memperhitungkan mutu perlakuan X

  1. Ulangan (replication)

Adalah frekuensi (banyaknya) suatu perlakuan yang diselediki dalam suatu percobaan. Jumlah ulangan suatu perlakuan tergantung pada derajat ketelitian yang diinginkan oleh si peneliti terhadap kesimpulan hasil percobaan

  1. Lokal kontrol

Lokal kontrol merupakan upaya pengendalian kondisi lapangan yang heterogenyang menjadi nisbi homogen, setidak-tidaknya pada lokal-lokal tertentu yang ditujukan untuk menekan galat menjadi nisbi kecil sehingga bisa menonjolkan satu atau beberapa perlakuan yang logisnya memang lebih menonjol dari perlakuan kontrol atau perlakuan-perlakuan lainnya.

Apabila rancangan percobaan pada kondisi homogen seperti di labotarium, rumah kaca atau di ruang-ruang terkontrol lainnya yang dsebut dengan Rancangan Acak Lengkap (RAL) hanya mempunyai 2 unsur dasar yaitu perlakuan dan ulangan maka percobaan yang digunakan pada kondisi heterogen di lapangan seprti sawah, ladang dan kebun percobaan, di samping mempunyai 2 unsur dasar juga mempunyai unsur ke tiga yang disebut lokal kontrol

 

(Kemas, 2012)

 

 

 

 

 

 

NILAI YANG DIDAPATKAN DARI PERCOBAAN/EKSPERIMEN (skripsi dan tesis)

 

Nilai yang diperoleh dari mengamati sutu objek pengamatan pada penelitian percobaan dapat dipilah menjadi dua macam, yaitu:

  1. Nilai-nilai tidak bebas terjadi secara rambang dengan bersaran yangterganting pada hasil pengamatan/pengukuran Y, sehingga disebut dengan peragam/peubah tak bebas Y (dependent random variable Y) yang dalam hubungan kasuatif disebut dengan faktor akibat. Dalam percobaab, besaran nilai Y ini tidak tergantung pada kebutuhan peneliti, disebut dengan faktor akibat dan
  2. Nilai-nilai bebas yang terjadi secara rambang dengan besaranyang digantung pada kondisi/cara/waktu pengamatan/pengukuran sehingga disebut peragam/peubah bebas X (independet random variable X) yang dalam hubungan kasuatif disebut juga dengan faktor sebab adanya Y. Dalam percobaan, besaran nilai-nilai Y tergantung pada pengaruh X (perlakuan dan kondisi percobaan).

PENGERTIAN PERCOBAAN/EKSPERIMEN (skripsi dan tesis)

 

Percobaan atau eksperimen merupakan serangkaian kegiatan di mana setiap tahap dalam rangkaian benar-benar terdefinisikan, dilakukan untuk menemukan jawaban tentang permasalah yang diteliti melalui suatu pengujian hipotesis. Pola atau tata cara penerapan tindakan-tindakan (perlakuan dan non perlakuan) dalam suatu percobaan pada kondisi/lingkungan tertentu yangkemudian menjadi dasar penataan dan metode analisis terhadap data hasilnya disebut rancangan percobaan (experimental design).

 

(Kemas, 2012)

TUJUAN UMUM PEMODELAN STATISTIK DALAM SEM (skripsi dan tesis)

  • Memberikan cara yang efisien dan sesuai untuk menggambarkan struktur variabel laten yang mendasari seperangkat variabel yang diobservasi
  • Mengekspresikan dengan diagram atau menggunakan persamaan matematis
  • Menyusun postulat menggunakan model statistik yang didasarkan pada pengetahuan peneliti terhadap teori yang sesuai, riset empiris kajiannya, atau kombinasi antara teori dan empiris.
  • Menentukan keselarasan (Goodness of Fit) antara model yang dihipotesiskan dengan data sampel.
  • Menguji seberapa cocok antara data hasil observasi dengan dengan struktur model yang dibuat
  • Mengetahui  residual / perbedaan antara model yang dihipotesiskan dengan data observasi

 

 

 

 

Model Analisis Faktor Dalam SEM (skripsi dan tesis)

  1. Exploratory Factor Analysis (EFA)– : dirancang untuk suatu situasi dimana hubungan antara variabel – variabel yang diobservasi dan variabel laten tidak diketahui atau tidak jelas
  2. Confirmatory Factor Analysis (CFA)– : digunakan untuk riset dimana peneliti sudah mempunyai pengetahuan mengenai struktur variabel laten yang melandasinya. Didasarkan pada teori atau riset empiris yang bersangkutan membuat postulat /asumsi / reasoning hubungan antara pengukuran yang diobservasi dengan faktor – faktor yang mendasarinya sebelumnya kemudian melakukan pengujian struktur hipotesis ini secara statistik.

Kesimpulan: Model analisis faktor EFA dan CFA berfokus pada bagaimana dan sejauh mana semua – variabel yang diobservasi berhubungan dengan faktor – faktor laten yang mendasarinya. Dengan kata lain, model analisis ini berfokus pada sejauh mana variabel – variabel yang diobservasi ini dihasilkan oleh konstruk – konstruk laten yang mendasarinya; dengan demikian, kekuatan semua jalur regresi dari semua faktor tersebut kearah semua variabel yang diobservasi secara langsung (koefesien regresi / factor loadings) menjadi fokus analisisnya. Karena model ini, khususnya CFA hanya berfokus pada hubungan antara faktor – faktor dan semua variabel yang diukur maka dalam perspektif SEM disebut sebagai Measurement Model.

UKURAN SAMPEL SEM (skripsi dan tesis)

 

Ukuran sampel yang ideal untuk SEM sebaiknya antara 200 – 400

Jika menginginkan hasilnya semakin tepat, maka sebaiknya lebih besar dari 400 dengan 10-15 variable yang diobservasi dan dengan tingkat kesalahan sebesar 5%

Untuk tingkat kesalahan 1% diperlukan data sekitar 3200.

KONSEP IDENTIFIKASI MODEL (skripsi dan tesis)

 

  1. Model ‘Just – identified’– : jumlah poin data varian dan kovarian sama dengan jumlah parameter yang harus diestimasi. Model ini secara ilmiah tidak menarik karena tidak ada Degree of Freedom (DF) sehingga model harus selalu diterima / tidak dapat ditolak (Catatan: DF = data – parameter)
  2. Model ‘Over – identified’– : jumlah poin data varian dan kovarian variabel-variabel yang teramati lebih besar dari jumlah parameter yang harus diestimasi. Dengan demikian terdapat DF positif sehingga memungkinkan penolakan model
  3. Model ‘Under – identified’– : jumlah poin data varian dan kovarian lebih kecil dibandingkan dengan jumlah parameter yang harus diestimasi. Dengan demikian model akan kekurangan informasi yang cukup untuk mencari pemecahan estimasi parameter karena akan terdapat solusi yang tidak terhingga untuk model yang seperti ini.
  4. Saturated Model– : mempunyai parameter bebas sebanyak jumlah moments (rata-rata dan varian). Jika dianalisis dengan data yang lengkap, maka model akan selalu cocok dengan data sampel secara sempurna (Chi square = 0.0; DF = 0)

ACUAN INDEKS KECOCOKAN MODEL (skripsi dan tesis)

 

  1. Nilai Chi Square : semakin kecil maka model semakin sesuai antara model teori dan data sampel. Nilai ideal sebesar <3
  2. Rasio Kritis (Critical Ratio) : Rasio deviasi tertentu dari nilai rata-rata standard deviasi. Nilai ini diperoleh dari estimasi parameter dibagi dengan standard error . Besar nilai CR adalah 1,96 untuk pembobotan regresi dengan significance sebesar 0,05 untuk koefesien jalurnya
  3. Jika nilai CR > 1,96 maka kovarian-kovarian faktor mempunyai hubungan signifikan
  4. Jika koefesien struktural dibuat standar , misalnya 2; maka var laten tergantung akan meningkat sebesar 2
  5. Kesalahan pengukuran sebaiknya sebesar 0
  6. Pembobotan regresi (regression weight): sebesar 1, tidak boleh sama dengan 0, bersifat random jika ada tanda ‘$’
  7. Spesifikasi model dengan nilai konstan 1
  8. Maximum Likehood Estimation– akan bekerja dengan baik pada sampel sebesar >2500
  9. Significance level (probabilitas) sebaiknya <0.05
  10. Reliabilitas konstruk (construct reliability): minimal sebesar 0,70 untuk faktor loadings
  11. Varian ekstrak (uji lanjut reliabilitas): nilai minimal 0.5 semakin mendekati 1 semakin reliabel
  12. Nilai indeks keselarasan (– goodness of fit index) (GFI): mengukur jumlah relatif varian dan kovarian yang besarnya berkisar dari 0 – 1. Jika nilai besarnya mendekati 0 maka model mempunyai kecocokan yang rendah sedang nilai mendekati 1 maka model mempunyai kecocokan yang baik
  13. Nilai indeks keselarasan yang disesuaikan (– Adjusted Goodness of Fit Index (AGFI): Fungsi sama dengan GFI perbedaan terletak pada penyesuaian nilai DF terhadap model yang dispesifikasi. Nilai AGFI sama dengan atau lebih besar dari 0,9. Jika nilai lebih besar dari 0,9 maka model mempunyai kesesuaian model keseluruhan yang baik
  14. Fungsi perbedaan sampel minimum (– The minimum sample discrepancy function (CMNF)) yang merupakan nilai statistik Chi Square dibagi dengan nilai derajat kebebasan (degree of freedom (df)) disebut juga Chi Square relatif dengan besaran nilai kurang dari 0,2 dengan toleransi dibawah 0,3 yang merupakan indikator diterimanya suatu kecocokan model dan data
  15. Indeks Tucker Lewis (Tucker Lewis – Index (TLI)) dengan ketentuan sebagai penerimaan sebuah model sebesar sama dengan atau lebih besar dari 0,95. Jika nilai mendekati 1 maka model tersebut menunjukkan kecocokan yang sangat tinggi
  16. Indeks Kecocokan Komparatif (– Comparative Fit Index (CFI)) dengan nilai antara 0- 1 dengan ketentuan jika nilai mendekati angka 1 maka model yand dibuat mempunyai kecocokan yang sangat tinggi sedang jika nilai mendekati 0, maka model tidak mempunyai kecocokan yang baik
  17. Index Parsimony : untuk kecocokan model yang layak nilainya >0,9.
  18. Root mean square error of approximation– , (RMSEA): berfungsi sebagai kriteria untuk pemodelan struktur kovarian dengan mempertimbangkan kesalahan yg mendekati populasi. Kecocokan model yg cocok dengan matriks kovarian populasi. Model baik jika nilainya lebih kecil atau sama dengan 0,05 ; cukup baik sebesar atau lebih kecil dari 0,08
  19. Uji Reliabilitas : untuk menghitung reliabilitas model yang menunjukkan adanya indikator-indikator yang mempunyai derajat kesesuaian yang baik dalam satu model satu dimensi. Reliabilitas merupakan ukuran konsistensi internal indikator-indikator suatu konstruk yang menunjukkan derajat sejauh mana setiap indikator tersebut menunjukkan sebuah konstruk laten yang umum. Reliabilitas berikutnya ialah Varian Extracted dengan besar diatas atau sama dengan 0,5. Dengan ketentuan nilai yang semakin tinggi menunjukkan bahwa indikator-indikator sudah mewakili secara benar konstruk laten yang dikembangkan
  20. Parameter dengan nilai 0 mempunyai arti tidak ada hubungan antar variabel yang diobservasi. Parameter dapat secara bebas diestimasi dengan nilai tidak sama dengan 0. Fixed parameter diestimasi tidak berasal dari data, misalnya 1; free parameter diestimasi dari data sampel yang diasumsikan oleh peneliti tidak sama dengan 0.
  21. Root Mean Square Residual (RMR) : nilai rata-rata semua residual yang Nilai RMR berkisar mulai 0 – 1, suatu model yang cocok mempunyai nilai RMR < 0.05.
  22. Parsimony Based Indexes of Fit (PGFI)– : Parsimony model yang berfungsi untuk mempertimbangkan kekompleksitasan model yang dihipotesiskan dalam kaitannya dengan kecocokan model secara menyeluruh. Nilai kecocokan ideal adalah 0.9
  23. Normed Fit Index (NFI) : Nilai NFI mulai 0 – 1 diturunkan dari perbandingan antara model yang dihipotesiskan dengan suatu model independen tertentu. Model mempunyai kecocokan tinggi jika nilai mendekati 1
  24. Relative Fit Index (RFI) : merupakan turunan dari NFI dengan nilai 0 -1. Model mempunyai kecocokan yang ideal dengan nilai 0.95
  25. First Fit Index (PRATIO) : berkaitan dengan model parsimony
  26. Noncentrality Parameter (NCP) : parameter tetap yang berhubungan dengan DF yang berfungsi untuk mengukur perbedaan antara matriks kovarian populasi dengan matriks kovarian observasi. Dengan Confidence Interval 90% maka NCP berkisar antara 29,983 – 98,953
  27. The Expected Cross Validation Index (ECVI) : mengukur perbedaan antara matriks kovarian yang dicocokkan dalam sampel yg dianalisis dengan matriks kovarian yang diharapkan yang akan diperoleh dari sampel lain dengan ukuran yang sama. Nilai ECVI dapat berapa saja dan tidak ada kisarannya. Jika model mempunyai nilai ECVI terkecil, maka model tersebut dapat direplikasi.
  28. Hoelter’s Critical N (CN) : berfungsi untuk melihat kecukupan ukuran sampel yang digunakan dalam riset. CN mempunyai ketentuan suatu model mempunyai ukuran sampel yang cukup jika nilai CN > 200.
  29. Residual– : perbedaan antara matriks kovarian model dengan matriks kovarian sampel, semakin kecil perbedaan maka model semakin baik

ASUMSI DASAR STRUCTURAL EQUATION MODEL (SEM) (skripsi dan tesis)

 

  1. Distribusi normal indikator – indikator multivariate (Multivariate normal distribution of the indicators)

Masing-masing indikator mempunyai nilai yang berdistribusi normal terhadap indikator lainnya. Karena permulaan yang kecil normalitas multivariat dapat menuntun kearah perbedaan yang besar dalam pengujian chi-square, dengan demikian akan melemahkan kegunaannya. Secara umum, pelanggaran asumsi ini menaikkan chi-square sekalipun demikian didalam kondisi tertentu akan menurunkannya. Selanjutnya penggunaan pengukuran ordinal atau nominal akan menyebabkan adanya pelanggaran normalitas multivariat. Perlu diperhatikan bahwa normalitas multivariat diperlukan untuk estimasi kemiripan maksimum / maximum likelihood estimation (MLE), yang merupakan metode dominan dalam SEM yang akan digunakan untuk membuat estimasi koefesien – koefesien (jalur) struktur. Khusus MLE membutuhkan variabel-variabel endogenous yang berdistribusi normal.

Secara umum, sebagaimana ditunjukkan dalam suatu studi-studi simulasi menunjukkan, bahwa dalam kondisi – kondisi data yang sangat tidak normal, estimasi-estimasi parameter SEM, misalnya estimasi jalur masih dianggap akurat tetapi koefesien-koefesien signifikansi yang bersangkutan akan menjadi terlalu tinggi sehingga nilai-nilai chi-square akan meningkat. Perlu diingat bahwa untuk uji keselarasan chi-square dalam model keseluruhan, nilai chi-square tidak harus signifikan jika ada keselarasan model yang baik, yaitu: semakin tinggi nilai chi-square, semakin besar perbedaan model yang diestimasi dan matrices kovarian sesungguhnya, tetapi keselarasan model semakin buruk. Chi-square yang meninggi dapat mengarahkan peneliti berpikir bahwa model-model yang sudah dibuat memerlukan modifikasi dari apa yang seharusnya. Kurangnya normalitas multivariat biasanya menaikkan statistik chi-square, misalnya, statistik keselarasan chi-square secara keseluruhan untuk model yang bersangkutan akan bias kearah kesalahan Type I, yaitu menolak suatu model yang seharusnya diterima. Pelanggaran terhadap normalitas multivariat juga cenderung menurunkan (deflate) kesalahan-kesalahan standar mulai dari menengah sampai ke tingkat tinggi. Kesalahan-kesalahan yang lebih kecil dari yang seharusnya terjadi mempunyai makna jalur-jalur regresi dan kovarian-kovarian faktor / kesalahan didapati akan menjadi signifikan secara statistik dibandingkan dengan seharusnya yang terjadi.

  1. Distribusi normal multivariat variabel-variabel tergantung laten ( Multivariate normal distribution of the latent dependent variables).

Masing-masing variabel tergantung laten dalam model harus didistribusikan secara normal untuk masing-masing nilai dari setiap variabel laten lainnya. Variabel-variabel laten dichotomi akan melanggar asumsi ini karena alasan-alasan tersebut.

  1. Linieritas (Linearity).

SEM mempunyai asumsi adanya hubungan linear antara variabel-variabel indikator dan variabel-variabel laten, serta antara variabel-variabel laten sendiri. Sekalipun demikian, sebagaimana halnya dengan regresi, peneliti dimungkinkan untuk menambah transformasi eksponensial, logaritma, atau non-linear lainnya dari suatu variabel asli ke dalam model yang dimaksud.

  1. Pengukuran tidak langsung (Indirect measurement):

Secara tipikal, semua variabel dalam model merupakan variabel-variabel laten.

  1. Beberapa indikator  (Multiple indicators).

Beberapa indikator harus digunakan untuk mengukur masing-masing variabel laten dalam model. Regresi dapat dikatakan sebagai kasus khusus dalam SEM dimana hanya ada satu indikator per variabel laten. Kesalahan pemodelan dalam SEM membutuhkan adanya lebih dari satu pengukuran untuk masing-masing variabel laten.

  1. Rekursivitas (Recursivity):

Suatu model disebut rekursif jika semua anak panah menuju satu arah, tidak ada arah umpan balik (feedback looping), dan faktor gangguan (disturbance terms) atau kesalahan tersisa (residual error) untuk variabel-variabel endogenous yang tidak dikorelasikan. Dengan kata lain, model-model recursive merupakan model dimana semua anak panah mempunyai satu arah tanpa putaran umpan balik, dan peneliti dapat membuat asumsi kovarian – kovarian gangguan kesalahan semua 0. Hal itu berarti bahwa semua variabel yang tidak diukur yang merupakan determinan dari variabel-variabel endogenous tidak dikorelasikan satu dengan lainnya sehingga tidak membentuk putaran umpan balik (feedback loops). Model – model dengan gangguan kesalahan yang berkorelasi dapat diperlakukan sebagai model recursive hanya jika tidak ada pengaruh-pengaruh langsung diantara variabel-variabel endogenous

  1. Data interval:

Sebaiknya data interval digunakan dalam SEM. Sekalipun demikian, tidak seperti pada analisis jalur tradisional, kesalahan model-model SEM yang eksplisit muncul karena penggunaan data ordinal. Variabel-variabel exogenous berupa variabel-variabel dichotomi atau dummy dan variabel dummy kategorikal tidak boleh digunakan dalam variabel-variabel endogenous. Penggunaan data ordinal atau nominal akan mengecilkan koefesien matriks korelasi yang digunakan dalam SEM. Jika data ordinal yang digunakan maka sebelum di analisis dengan SEM, data harus diubah ke interval dengan menggunakan method of successive interval (MSI)

  1. Ketepatan yang tinggi:

Apakah data berupa data interval atau ordinal, data-data tersebut harus mempunyai jumlah nilai yang besar. Jika variabel – variabel mempunyai jumlah nilai yang sangat kecil, maka masalah-masalah metodologi akan muncul pada saat peneliti membandingkan varian dan kovarian, yang merupakan masalah sentral dalam SEM.

  1. Residual-residual acak dan kecil:

Rata-rata residual – residual atau kovarian hasil pengitungan yang diestimasikan minus harus sebesar 0, sebagaimana dalam regresi. Suatu model yang sesuai akan hanya mempunyai residual – residual kecil. Residual – residual besar menunjukkan kesalahan spesifikasi model, sebagai contoh, beberapa jalur mungkin diperlukan untuk ditambahkan ke dalam model tersebut.

  1. Gangguan kesalahan yang tidak berkorelasi (Uncorrelated error terms)

Seperti dalam regresi, maka gangguan kesalahan diasumsikan saja. Sekalipun demikian, jika memang ada dan dispesifikasi secara eksplsit dalam model oleh peneliti, maka kesalahan yang berkorelasi (correlated error) dapat diestimasikan dan dibuat modelnya dalam SEM.

  1. Kesalahan residual yang tidak berkorelasi (Uncorrelated residual error): Kovarian nilai – nilai variabel tergantung yang diprediksi dan residual – residual harus sebesar 0.
  2. Multikolinearitas yang lengkap: • multikolinearitas diasumsikan tidak ada, tetapi korelasi antara semua variabel bebas dapat dibuat model secara eksplisit dalam SEM. Multikolinearitas yang lengkap akan menghasilkan matriks – matriks kovarian tunggal, yang mana peneliti tidak dapat melakukan penghitungan tertentu, misalnya inversi matrix.
  3. Multikolinearitas yang lengkap:

Multikolinearitas diasumsikan tidak ada, tetapi korelasi antara semua variabel bebas dapat dibuat model secara eksplisit dalam SEM. Multikolinearitas yang lengkap akan menghasilkan matriks – matriks kovarian tunggal, yang mana peneliti tidak dapat melakukan penghitungan tertentu, misalnya inversi matrix karena pembagian dengan 0 akan terjadi.

  1. Ukuran Sampel

Tidak boleh kecil karena SEM bergantung pada pengujian-pengujian yang sensitif terhadap ukuran sampel dan magnitude perbedaan-perbedaan matrices kovarian. Secara teori, untuk ukuran sampelnya berkisar antara 200 – 400 untuk model-model yang mempunyai indikator antara 10 – 15. Satu survei terhadap 72 penelitian yang menggunakan SEM ditemukan median ukuran sampel sebanyak 198. Sampel di bawah 100 akan kurang baik hasilnya jika menggunakan SEM.

APLIKASI UTAMA SEM (skripsi dan tesis)

 

  1. Model sebab akibat (causal modeling,) atau disebut juga analisis jalur (path analysis), yang menyusun hipotesa hubungan-hubungan sebab akibat (causal relationships) diantara variabel – variabel dan menguji model-model sebab akibat (causal models) dengan menggunakan sistem persamaan linier. Model-model sebab akibat dapat mencakup variabel-variabel manifest (indikator), variabel-variabel laten atau keduanya;
  2. Analisis faktor penegasan (confirmatory factor analysis), suatu teknik kelanjutan dari analisis faktor dimana dilakukan pengujian hipotesis – hipotesis struktur factor loadings dan interkorelasinya;
  3. Analisis faktor urutan kedua (second order factor analysis), suatu variasi dari teknik analisis faktor, dimana matriks korelasi dari faktor-faktor tertentu (common factors) dilakukan analisis pada faktornya sendiri untuk membuat faktor-faktor urutan kedua;
  4. Model-model regresi (regression models), suatu teknik lanjutan dari analisis regresi linear, dimana bobot regresi dibatasi agar menjadi sama satu dengan lainnya, atau dilakukan spesifikasi pada nilai-nilai numeriknya;
  5. Model-model struktur covariance (covariance structure models), yang mana model tersebut menghipotesakan bahwa matrix covariance mempunyai bentuk tertentu. Sebagai contoh, kita dapat menguji hipotesis yang menyusun semua variabel yang mempunyai varian yang sama dengan menggunakan prosedur yang sama;
  6. Model struktur korelasi (correlation structure models), yang mana model tersebut menghipotesakan bahwa matrix korelasi mempunyai bentuk tertentu. Contoh klasik adalah hipotesis yang menyebutkan bahwa matrix korelasi mempunyai struktur circumplex.

Asumsi-asumsi SEM (skripsi dan tesis)

o   Ukuran Sampel. Disarankan lebih dari 100 atau minimal 5 kali jumlah observasi.

o   Normalitas. Normalitas univariate dilihat dengan nilai critical ratio (cr) pada skewness dan kurtosis dengan nilai batas di bawah + 2,58. Normalitas multivariate dilihat pada assessment of normality baris bawah kanan, dan mempunyai nilai batas + 2,58.

o   Outliers. Outliers multivariate dilihat pada mahalanobis distance dan asumsi outliers multivariate terpenuhi jika nilai mahalanobis d-squared tertinggi di bawah nilai kritis. Nilai kritis sebenarnya adalah nilai chi-square pada degree of freedom sebesar jumlah sampel pada taraf signifikansi sebesar 0,001. Nilainya dapat dicari dengan Microsoft Excel seperti telah disampaikan di atas. Univariate outliers dilihat dengan mentransformasikan data observasi ke dalam bentuk Z-score. Transformasi dapat dilakukan dengan Program SPSS dan asumsi terpenuhi jika tidak terdapat observasi yang mempunyai nilai Z-score di atas + 3 atau 4.

o   Multicollinearity. Multikolinearitas dilihat pada determinant matriks kovarians. Nilai yang terlalu kecil menandakan adanya multikolinearitas atau singularitas.

IDENTIFIKASI MASALAH DALAM SEM(skripsi dan tesis)

 

  1. Standard error yang besar untuk satu atau beberapa koefisien.

Standard error yang besar menunjukkan adanya ketidaklayakan model yang disusun. Standard error yang diharapkan adalah relatif kecil, yaitu di bawah 0,5 atau 0,4 akan tetapi nilai standard error tidak boleh negatif yang akan diuraikan lebih lanjut di bawah pada point 3.

Jika program tidak mampu menghasilkan suatu solusi yang unik, maka output tidak akan keluar. Hal ini bisa disebabkan oleh beberapa hal, misalnya sampel terlalu sedikit atau iterasi yang dilakukan tidak konvergen.

  1. Munculnya angka-angka yang aneh seperti adanya varians error yang negatif.

Varians error yang diharapkan adalah relatif kecil tetapi tidak boleh negatif. Jika nilainya negatif maka sering disebut heywood case dan model tidak boleh diinterpretasikan dan akan muncul pesan pada output berupa this solution is not admissible.

  1. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat (misal ≥ 0,9).

Gangguan ini juga sering disebut sebagai singularitas dan menjadikan model tidak layak untuk digunakan sebagai sarana untuk mengkonfirmasikan suatu teori yang telah disusun

 

 

 

 

 

 

 

 

Jenis Skala Pengukuran (skripsi dan tesis)

 Skala Nominal
Skala pengukuran nominal merupakan skala pengukuran yang paling sederhana. Skala ini digunakan untuk mengklasifikasikan objek-objek ke dalam kelompok yang terpisah untuk menunjukkan kesamaan atau perbedaan ciri-ciri tertentu dari objek yang diamati. Dengan skala pengukuran nominal, hasil pengukuran yang diperoleh bisa dibedakan tetapi tidak bisa diurutkan mana yang lebih tinggi, atau mana yang lebih
utama. Contoh data dengan skala nominal adalah data jenis kelamin.
 Skala Ordinal
Ukuran yang ada pada skala ordinal tidak memberikan nilai absolut pada objek,
tetapi hanya memberikan urutan (ranking) relatif saja. Jarak antara golongan satu dengan golongan dua tidak perlu harus sama dengan jarak antara golongan dua dan tiga, begitu juga seterusnya. Contoh data dengan skala ordinal adalah jenjang karir, jabatan, dan kelas
sosial.
 Skala Interval
Skala interval adalah suatu pemberian angka kepada kelompok dari objek-objek yang mempunyai sifat skala nominal dan ordinal ditambah dengan satu sifat lain yaitu jarak yang sama dari suatu peringkat dengan peringkat di atasnya atau di bawahnya. Suatu ciri penting dari skala interval adalah datanya bisa ditambah, dikurangi, digandakan, dan dibagi tanpa mempengaruhi jarak relatif di antara skor-skornya. Karakteristik penting lainnya adalah skala ini tidak memiliki nilai nol mutlak. Contoh data dengan skala interval adalah data nilai, orang yang memiliki nilai 80 bukan berarti dua kali lebih cerdas dibandingkan orang yang memiliki nilai 40.
 Skala Rasio
Skala rasio adalah skala pengukuran yang mempunyai semua sifat skala interval ditambah satu sifat lain yaitu memberikan keterangan tentang nilai absolut dari objek yang diukur. Skala rasio menggunakan titik baku mutlak. Angka pada skala rasio menunjukkan nilai yang sebenarnya dari objek yang diukur. Contoh data dengan skala rasio adalah data umur, tinggi badan, ukuran berat, dll (Sugiarto,dkk, 2001:18).

Metode Pengumpulan Data dengan Angket (skripsi dan tesis)

Pengumpulan data dengan angket adalah salah satu metode pengumpulan data primer. Data primer merupakan data yang didapat dari sumber pertama baik individu maupun perseorangan. Dalam metode pengumpulan data primer, peneliti melakukan observasi sendiri baik di lapangan maupun di laboratorium.
Perolehan data dengan angket memiliki keuntungan lain bila dibandingkan dengan metode wawancara karena selain dapat dikirimkan melalui pos, secara kuantitatif peneliti dapat memperoleh data yang cukup banyak yang tersebar merata dalam wilayah yang akan diselidiki (Sugiarto,dkk, 2001:18).
1. Pembuatan kuesioner
Di dalam membuat suatu kuesioner, perlu diketahui bahwa kuesioner tidak
hanya untuk menampung data sesuai kebutuhan, tetapi kuesioner juga merupakan kertas kerja yang harus dipergunakan dengan baik.
Ada 4 komponen inti dari kuesioner yang baik (Umar, 2002:172):
 Adanya subjek yang melaksanakan riset
 Adanya ajakan, yaitu permohonan dari periset kepada responden untuk turut serta mengisi secara aktif dan obejektif setiap pertanyaan dan pernyataan yang disediakan.
 Adanya petunjuk pengisian kuasioner, dan petunjuk yang tersedia harus mudah dimengerti dan tidak bias.
 Adanya pertanyaan maupun pernyataan beserta beserta tempat mengisi jawaban, baik secara tertutup, semi tertutup , ataupun terbuka. Dalam membuat pertanyaan ini harus dicantumkan isian untuk identitas responden

Teknik Sampling (skripsi dan tesis)

1. Probability Sampling (Metode Acak)
Pemilihan sampel dengan metode acak, tidak dilakukan secara subjektif. Dalam hal ini berarti sampel yang terpilih tidak didasarkan semata-mata pada keinginan peneliti. Setiap anggota polpulasi memiliki kesempatan yang sama untuk terpilih sebagai sampel. Dengan metode acak ini, diharapkan sampel yang dipilih dapat digunakan untuk menduga karakteristik populasi secara objektif. Di samping itu, teori-teori peluang yang dipakai dalam metode acak memungkinkan peneliti untuk mengetahui bias yang muncul dan sejauh mana bias yang muncul tersebut menyimpang dari perkiraan. Hasil perhitungan yang
diperoleh dapat digunakan untuk menyimpulkan variasi-variasi yang mungkin ditimbulkan oleh tiap-tiap teknik sampling. (Sugiarto,dkk, 2001:36).
2. Nonprobability Sampling (Metode Tak Acak)
Dalam melakukan penelitian dengan metode tak acak, peneliti tidak perlu membuat kerangka sampel dalam pengambilan sampelnya. Hal ini menjadi salah satu keuntungan terkait dengan pengurangan biaya dan permasalah yang timbul karena pembuatan kerangka sampel. Hal lain yang menjadi keburukan pengambilan sampel dengan metode tak acak  adalah ketepatan dari informasi yang diperoleh akan terpengaruh, karena hasil penarikan
sampel dengan metode tak acak ini mengandung bias dan ketidaktentuan.
Metode tak acak ini sering digunakan peneliti dengan petimbangan yang terkait dengan penghematan biaya, waktu, tenaga, serta keterandalan subjektivitas peneliti. Di samping itu pertimbangan lainnya adalah walaupun metode acak mungkin saja lebih unggul dalam teori, tetapi dalam pelaksanaannya sering kali dijumpai adanya beberapa kesalahan oleh peneliti. Dalam penggunaan metode tak acak, pengetahuan, kepercayaan, dan
pengalaman seseorang sering dijadikan pertimbangan untuk menentukan anggota populasi yang akan dipilih sebagai sampel.
Dengan menggunakan metode tak acak, peneliti tidak dapat mengemukakan berbagai macam kemungkinan untuk memilih objek-objek yang akan dijadikan sampel. Kondisi ini tentu saja akan menciptakan terjadinya bias dalam memilih sampel yang sebetulnya kurang representatif. Di samping itu, dengan penarikan sampel secara tidak acak, peneliti tidak dapat membuat pernyataan peluang tentang populasi yang mendasarinya, yang dapat dilakukan hanyalah membuat pernyataan deskriptif tentang populasi. (Sugiarto,dkk,
2001:37). Salah satu prosedur metode tak acak yang sering digunakan oleh peneliti adalah judgment sampling. Dengan teknik ini, sampel diambil berdasarkan pada kriteria-kriteria yang telah dirumuskan terlebih dahulu oleh peneliti. Sampel yang diambil dari anggota populasi dipilih sekehendak hati oleh peneliti menurut pertimbangan dan intuisinya.
Pada judgment sampling dikenal adanya expert sampling dan purposive sampling. Pada expert sampling, pemilihan sampel yang representatif didasarkan atas pendapat ahli, sehingga siapa, dalam jumlah berapa sampel harus dipilih sangat tergantung pada pendapat  ahli yang bersangkutan. Dalam puposive sampling, pemilihan sampel bertitik tolak pada penilaian pribadi peneliti yang menyatakan bahwa sampel yang dipilih benar-benar
representatif. Untuk itu peneliti harus menguasai bidang yang akan ditelitinya tersebut.
Situasi dimana judgment sampling dianjurkan untuk digunakan adalah:
 Metode acak tidak dapat digunakan sama sekali
 Peneliti menguasai bidang yang diteliti sehingga dapat memastikan bahwa sampel yang diambil benar-benar representatif.
Kendala yang dihadapi dalam penggunaan judgment sampling adalah tuntutan
adanya kejelian dari peneliti dalam mendefinisikan populasi dan membuat pertimbangannya. Pertimbangan harus masuk akal dengan maksud penelitian. (Sugiarto,dkk, 2001)

ALASAN PENGGUNAAN ANALISIS SEM (skripsi dan tesis)

 

  1. model yang dianalisis relatif rumit sehingga akan sulit untuk diselesaikan dengan metode analisis jalur pada regresi linear.
  2. SEM mempunyai kemampuan untuk mengestimasi hubungan antar variabel yang bersifat multiple relationship.
  3. kesalahan pada masing – masing observasi tidak diabaikan tetapi tetap dianalisis, sehingga SEM cukup akurat untuk menganalisis data kuesioner yang melibatkan persepsi.
  4. Peneliti dapat dengan mudah memodifikasi model untuk memperbaiki model yang telah disusun agar lebih layak secara statistik.
  5. SEM mampu menganalisis hubungan timbal balik secara serempak.

KONSISTENSI REALIBILITAS INTERNAL (skripsi dan tesis)

 

 

Dengan teknik konsistensi internal ini, hanya dengan melakukan satu kali pengumpulan data, realibilitas skor perangkat pengukuran dapat diestimasi. Pada pembuktian instrumen dengan cara ini ada beberapa caar, yang masing-masing dapat memerlukan  persyaratan-persyaratan atau asumsi tertentu yangharus dipenuhi oleh peneliti. Beberapa caara yang dapat digunakan untuk mengestimasi realibilitas dengan konsistensi internal diantaranya adlah sebgai berikut:

  1. Metode belah dua (split half method)

Dalam teknik belah dua, dalam satu instrumen dikerjakan satu kali oleh sejumlah subjek (sampel) suatu penelitian. Butir-butir pada perangkat dibagi menjadi dua. Pembagian dapat menggunakan nomor ganjil-genap pada instrumen atau separuh pertama maupun separuh ke dua, maupun membelah dengan menggunakan nomor acak atau tanpa pola tertentu. Skor responden merespon setengah perangkat bagian yang pertama dikrelasikan dengan skor setengah perangkat ke dua, teknik ini berpegang pada asumsi, belahan pertama dan belahan ke dua mengukur konstruk yang sama, banyaknya butir dalam instrumen belahan pertama dan kedua harus dapat dibandingkan dari sisi banyaknya butir atau paling tidak jumlahnya hampir sama

Ada  beberapa formula untuk mengestimasi realibilitas dengan metode belah dua, antara lain rumus Spearman-Brown, rumus Flanagan dan rumus Rulon.

  1. Realibilitas Komposit

Pada suatu instrumen, sering peneliti menggunakan instrumen yang terdiri dari banyak butir. Jika butir-butir ini menggunakan butir yang berbeda-beda namun membangun sutau kosntruk yang sama, maka analisis untukmengestimasi realibilitas dapat digunakan rumus realibilitas komposit. Komposit yang dimaksudkan yakni skor akhir merupakan gabungan dari skor butir-butir penyusun instrumen. Ada 3 formula yang dapat digunakan untuk mengestimasi realibilitas dengancara ini yaitu dengan menghitung koefisien dari cronbach, koefisien KR-20 dan koefisien KR-21.

  1. Realibilitas konstruk

Realibilitas konstruk ini dapat diestimasi setelah peneliti membuktikan validitas konstruk dengan analisis faktor konfirmatori sampai memperoleh model yang cocok (model yang fit). Dengana nalisis faktor ini, peneliti dapat memperoleh muatan faktor (factor loading) tiap indikator yang menyusun instrumen dan indeks kesalahan unik dari tiap indikator.

Estimasi realibilitas dapat dilakukan dengan tiga cara yaitu estimasi realibilitas dengan realibilitas konstruk (construct realibilitity, CR) realibilitas ω dan realibilitas maksimal Ω.

  1. Realibilitas Inter-Rater

Jika dalam suatu isntrumen penskoran butir dilakukan dengan memanfaatkan dua orang rater, peneliti dapat megestimasi realibilitas dengan inter-rater agreement. Hasil estimasi realibilitas dengan cara ini disebut dengan realibilitas inter-rater. Adapaun cara mengestimasinya dengan menghitung terlebih dahulu banyaknya butir atau kasus yang cocok atau butir  atau kasus yang iskor sama dengan kedua rater. Banyaknyabutir yang cocok ini kemudian dibandingkan dengan butir total kemudian disajikan dalam persentase

  1. Realibilitas dengan teori generalizabilities

Teori generalisabilitas terkait dengan 2 hal yaitu generalizability (G) study dan decision (D) study. Peneliti yang melakukan G studi mengutaamakan generalisasi dari suatu sampel pengukuran ke keseluruhan pengukuran. Studi tentang stabilitas respons atara waktu, equivalensi skor dari 2 atau lebih instrumen yang berbeda, hubungan antara skor kemampuan dengan skor butir terkait dengan G study. Pada D study. Data dikumpulkan untuk tujuan khusus terkait dengan mebuat keputusan. Studi ini menyediakan data mendeskripsikan peserta tes baik seleksi atau penempatan, maupun menyelidiki hubungan 2 variabel atau lebih (Crocker & Algina, 2008). Sebagai contoh, pada suatu tes seleksi panitia akan menggunakan dua penilai atau lebih perlu diperisa terlebih dahulu efisiensinya. Untuk hal tersebut, perlu dilakukan D study.

Koefisien realibilitas dalam teori ini disebut dengan kofisien generalizability. Dalam mengestimasi koefisien generalizability, ada bebrapa desain termasuk banyaknya bentuk tes, kesempatan melakukan tes atau administrasi tes, banyaknya rater yang disebut dengan facet. Banyaknya variabel yang digunakan  menentukan banyaknya facet. Desain yang dapat dipilih misalnya desain facet tunggal (single facet design) dan facet ganda.

 

 

Heri Retnawati. 2016

ESTIMASI KONSISTENSI RELIABILITAS EKSTERNAL (skripsi dan tesis)

 

Estimasi realibilitas eksternal diperolah dengan menggunakan skor hasi pengukuranyang berbeda baik dari instrumen yang berbeda maupun sama. Ada dua cara untuk mengestimasi reliabilitas eksternal suatu intrumen yaitu dengan teknik pengukuranulang (tes-retest method) dan teknik paralel

  1. Metode tes ulang (tes-retest method)

Untukmengetahui keterahandalan atau realibilitas skor hasil pengukuran, pengukuran perlu dilakukan dua kali. Pengukuran pertama dan pengukuran kedua atau ulangannya. Kedua pengukuran ini dapat dilakukan oleh orang yang sama tau berbeda, namun ada proses oengukuran yang kedua, keadaan yang diukur itu harus benar-benar berada pada kondisi yang sama dengan pengukuran pertama. Selanjutnya hasil pengukuran yang pertama dan yang ke dua dikorelasikan dan hasilnya menunjukkan realibilitas skor perangkat pengukuran.

Teknik tes-retest method ini dapat disesuaikan dengan tujuannya jika keadaan subjek yang dukur tetap dan tidak mengalami perubahan pada saat pengukuran yang pertama maupun pada pengukuran yang kedua. Pada dasarnya keadaan respondentu selalu berkembang, tidak statis ataupun berubah-ubah., maka sebenarnya teknik ini kurang teat digunakan. Di samping itu pada pengukuran yang kedua akan terjadi adanya carry-over effect atau testing efect, reponden pengukuran atau penelitian telah mendapat tambaan pengetahuan karena sudah mengalami tes yang pertama ataupun belajar setelah pengukuranyan pertama

  1. Metode Bentuk Paralel

Teknik kedua untuk mengestimasi realibilitas secara eksternal dengan metode bentuk paralel. Pada teknik ini , diperlukan dua instrumen yang dikatakan paralel untuk mengestimasi koefisien realibilitas. Dua buahtes dikatakan paralel atau equivalent adalah dua buah isntrumen yang mempunyai kesamaan tujuan dalam pengukuran, tingkat kesukaran dan susunan yang sama, namun butir soalnya berbeda atau dikenal dengan istilah alternate forms method atau paralele forms.

Dengan metode bentuk paralel ini , dua buah isntrumen yang paralel, misalnya instrumen paket A akandiestimasi realibilitasnya dan instrumen paket B merupakan isntrumen yang paralel denganpaket A, keduanya diberikan kepada kelompok responden yang sama, kemudian ke dua skor tersebut dikorelasikan. Koefisien korelasi dari kedua skor respoden terhadap instrumen inilah yang menunjukkan koefisien realibilitas skor instrumen paket A. Jika koefisien realibilitasnya skor instrumen tinggi maka perangkar tersebut dikatakan reliabel dapat digunakan sebagai instrumen pengukur suatu konstruk yang terandalkan.

 

Heri Retnawati. 2016.

PENGERTIAN RELIABILITAS (skripsi dan tesis)

 

 

 

Pada suatu instrumen yang digunakan untuk mengumbulkan data, realibilitas skor hasiltes merupakan informasi yang diperlukan dalam pengembangan tes. Realibilitas merupakan derajat keajegan (consistency) di anata dua skor hasil pengukuran pada objek yang sama, meskipun menggunakan alat pengukur yang berbeda dan skala yang berbeda (Mehrens,&Lehmann, 1973; Reynold, Livingstone &Wilson, 2010).

Allen dan Yen (1979) menyatakan bahwa tes dikatakan reliabel jika skor amatan mempunyai korelasi yang tinggi dengan skor yang sebenarny. Selanjutnya dinyatakan bahwa realibilitas merupakan koefesioen korelasi antara dua skor amatan yang diperoleh dari hasil pengukuran menggunakan tes yang paralel. Dengan demikian, pengertian yang dapat diperoleh dari pernyataan tersebut adalah suatu tes itu reliabel jka hasil pengukuran mendekati keadaan peserta tes yang sebenarnya.

Koefisien realibilitas dapadiartikan sebagai koefisien keajegan atau kestabilan hasil pengukuran. Alat ukur yang reliabel akan memberikan hasil pengukuran yang stabil (Lawrence, 1994) dan konsisten (Mehrens,&Lehmann, 1973). Artinya suatu alat ukur dikatakan memiliki koefisien realibilitas tinggi manakala digunakan untuk mengukur hal yang sama pada waktu yang berbeda hasilnya sama atau mendekati sama. Dalam hal ini, realibilitas merupakan sifat dari sekumpulan skor (Frisbie, 2005).

 

Heri Retnawati. 2016.

LANGKAH DALAM MEMBUKTIKAN VALIDITAS ISI (skripsi dan tesis)

 

  1. Memberikan kisi-kisi dari butir instrumen, berikut rubrik penskorannya jika ada kepada beberapa ahli yang seseuai dengan bidang yang diteliti untuk memohon masukan. Banyaknya ahli yang dimohon untuk memberi masukan paling tidak 3 orang ahli dngan kepakaran yang relevan dengan bidang yang diteliti
  2. Masukan yang diharapkan dari ahli berupa kesesuaian komponen instrumen dengan indikator, indikator dengan butir, substansi butir, kejelasan kalimat dalam butir, jika merupakan tes maka pertanyaannya harus ada jawabannya/luncinya, kalimat tidak membingungkan, format tulisan, simbol dan gambar yang cukup jelas. Proses ini sering disebut dengan telaah kualitatif yang meliputi aspek substansi, bahasa dan budaya.
  3. Berdasarkan masukan ahli tersebut, kisi-kisi atau instrumen kemudian diperbaiki
  4. Meminta ahli untuk menilai validitas butir, berupa kesesuaian antara butir dengan indikator. Penilaian ni dapat dilakukan misalnya dengan skala likert (skor 1: tidak valid, skor 2: kurang valid, skor 3: cukup valid, skor 4: valid, skor 5: sangat valid).

 

Heri Retnawati. 2016

TIPE-TIPE DALAM VALIDITAS (skripsi dan tesis)

 

Validitas itu dikelompokkan dalam tiga tipe yaitu

  1. Validitas kriteria

Validitas kriteria dibagi menjadi dua yaitu validitas prediktif dan validitas konkuren. Fernandes (1984) mengatakan validitas berdasarkan kriteria dimaksudkan untuk menjawab pertanyaan sejauh mana tes memprediksi kemampuan peserta di masa mendatang (predictive validity) atau mengestimasi kemampuan dengan alat ukur lain dengan tenggang waktu yang hampir bersamaan (conncurent validity).

  1. Validitas isi

Validitas isi adalah suatu instrumen sejauh mana butr-butir dalam instrumen itu mewakili komponen-komponen dalam keseluruhan kawasan isi objek yang hendak diukur dan sejauh mana butir-butir itu mencerminkan ciri perilaku yang hendak diukur (Nunnaly, 1978;Fernandes, 1984). Sementara itu Lawrance (1994) menjleaskan bahwa validitas isi adalah keterwakilan pertanyaan terhadap kemampuan khusu yang harus diukur. Berdasarkan hal tersebut, dapat disimpulkan bahwa validitas isi terkait dengan analisis rasional terhadap domain yang hendak diukur untuk mengetahui keterwakilan dengan kemampuan yang hendak diukur

  1. Validitas kontruks

Validitas konstruk adalah sejauh mana instrumen mengungkapkan suatu kemampuan atau konstruk teoritis yan hendak diukurnya (Nunnaly, 1978;Fernandes, 1984). Prosedur validitas konstruk diawali dari sutau identikasi dan batasan mengenai variabel yang hendak diukur dan dinyatakan dalam bentuk konstruk logis berdasarkan teori variabel tersebut. Dari teori ini ditarik suatu konsekuensi praktis mengenai hasil pengukuran pada kondisi tertentu dan konsekuensi inilah yang akan diuji. Apabila hasilnya sesuai dengan harapan maka instrumen itu dianggap memiliki validitas konstruk yang sesuai.

 

Heri Retnawati. 2016.

PENGERTIAN VALIDITAS INSTRUMEN (skripsi dan tesis)

 

Validitas suatu alat ukur merupakan sejauh mana alat ukur ini mampu mengukur apa yang seharusnya diukur (Nunnaly, 1978; Allen dan Yen, 1979; Kerlinger, 1986; Azwar, 2000). Sementara itu, Linn dan Gronlund (1995) menjelaskan validitas mengacu pada kecukupan dan kelayakan interprestasi yang dibuat dari penilaian, berkenaan dengan penggunaan khusus. Pendapat ini diperkuat oleh Messick (1998) bahwa validitas merupakan kebiajakn evaluatif yang terintegrasi tentang sejauh mana fakta empiris dan dan alasan teoritis mendukung kecukupan dan kesesuaian inferensi dan tindakan berdasarkan skor tes atau skor suatu instrumen

 

Heri Retnawati. 2016.

LANGKAH-LANGKAH PENGEMBANGAN INSTRUMEN PENGUKURAN (skripsi dan tesis)

 

Untuk mengembangkan instrumen yang baik, ada langkah-langkah yang perlu diperhatikan. Langkah-langkah mengembangkan instrumen baik tes maupun non tes sebagai berikut:

  1. Menentukan tujuan penyusunan instrumen

Pada awal menyusun instrumen, perlu ditetapkan tujuan penyusunan instrumen. Tujuan penyusunan ini memandu teori untuk mengkonstruk instrumen, bentuk instrumen, penyekoran sekaligus pemaknaan hasil penyekoran pada instrumen yang akan dikembangkan. Tujuan penyusunan instrumen ini perlu disesuaikan dengan tujuan penelitian

  1. Menyusun butir instrumen

Setelah tujuan isntrumen ditetapkan selanjutnya perlu dicari teori atau cakupan materi yang relevan. Teori yang relevan diigunakan untuk membuat kosntruk, apa saja indikator suatu variabel yang akan diukur. Kaitannya dengan tes, perlu dibatasi juga cakupan materi apa saja yang menyusun tes. Sebagai contoh pada kemampuan berpikir tingkat tinggi, yang akan diukur harus memiliki indikator pemecahan masalah )problem solving), kebaharuan, kreativitas dan lain-lain. Jika yang akan diukur anak SMP, cakupan materi apa saja yang akan diukur perlu menjadi bahan pertimbangan

  1. Menyusun indikator butir instrumen/soal

Indikator soal ditentukan berdasarkan kajian teori yang relevan oada instrumen non tes. Adapaun pada instrumen tes, selain mempertimbangkan kajian teori, perlu dipertimbangkan cakupan dan kedalaman materi. Inidikator dapat disusun menjadi butir instrumen. Biasanya aspek yangakan diukur dengan idnikatornya disusun menjadi suatu tabel. Tabe; tersebut kemudian disebut dengan kisi-kisi (blue print). Penyusunan kisi-kisi ini mempermudah peneliti menyusun butir soal

  1. Menyusun butir instrumen

Langkah selanjutnya adalah menyusn butir-butir instrumen. Penyusunan butir ini dilakukan dengan melihat indikator yang sudah disusun pada kisi-kisi. Pada penyusunan butir ini , peneliti perlu mempertimbangkan bentuknya. Misal untuk non tes akan menggunakan angket, angke jenis yang mana, menggunakan berapa skala, penskorannya dan analisa. Jika peneliti menggunakan instrumen berupa tes, perlu dipikirkan apakan akan menggunakan bentuk objektif atau menggunakan bentuk uraian (constructed response). Pada penyusunan butir ini, peneliti telah mempertimbangkan penskoran untuk tiap butir sehingga memudahkan analisis. Jika perlu, pedoman penskoran disusun setelah peneliti menyelesaikan penyusunan butir instrumen

  1. Validiasi isi

Setelah butir-butir soal tersusun, langkah selanjutnya adalah validasi. Validasi ini dilakukan dengan menyampaikan kisi-kisi, butir instrumen dan lembar diberikan kepada ahli untuk ditelaah secara kuantitatif maupun kualitatif. Tugas ahli adalah melihat kesesuaian indikator dengan tujuan pengembangan instrumen, kesesuaian instrumen dengan indikator butir, melihat kebenaran konsep butir, melihat ebernaran isi, kebenaran kuni (pada tes), bahasa dan budaya. Proses ini disebut dengan validai isi dengen mempertimbangkan penilaian ahli (expert judgment).

Jik validasi isi akan dikuantifikasi, peneliti dapat meminta ahlu mengisi lembar penilaian validasi. Paling tidak, ada 3 ahli yang dilibatkan untuk proses validasi instrumen penelitian. Berdasarkan isian 3 ahli, selanjutnya penelitian menghitung indeks kesepakatan ahli atau kesepakatan validator dengan menggunakan indeks Aiken atau indeks Gregory.

  1. Revisi berdasarkan masukan validator

Biasanya validator memberikan masukan. Masukan-masukan ini kemudian digunakan peneliti untuk merevisinya. Jika perlu, peneliti perlu mengkonsultasikan lagi hasil perbaikan tersebut, sehingga diperoleh instrumen yang benar-benar valid

  1. Melakukan uji coba kpada responden yang bersesuaian untuk memroleh data responden peserta

Setelah revisi, butir-butir instrumen kemudin disusun lengkap (dirakit) dan siap diujicobakan. Uji coba ini dilakukan dalam rangka memperoleh bukti secara empiris. Uji coba ini dilakukan kepada responden yang bersesuaian dengan subjek penelitian. Peneliti dapat pula menggunakan anggota populasi yang tidak menjadi anggota sampel.

  1. Melakukan analisis (realibilitas, tingkat kesulitan dan daya pembeda)

Setelah melakukan uji coba, peneliti memperoleh data respon peserta uji coba. Dengan menggunakan respons peserta, peneliti kemudian melakukan penskoran tiap butir. Selanjutnya hasil penskoran ini digunakan untuk melakukan analisis realibitas skor perangkat tes dan juga analisis kekteristik butir. Analisis karakteristik butir dapat dilakukan dengan pendekatan teori tes klasik maupun teori respon butir. Analisis pada kedua pendekatan ini akan dibahas pada bab-bab selanjutnya.

  1. Merakit instrumen

Setelah karakteristik butir diketahui, peneiti dapat merakit ulang instrumen. Pemilihan butir-butir dalam merakit perangkat ini mempertimbangkan karakteritik tertnetu yang dikehendaki oleh peneliti, misalnya tingkat kesulitas butir. Setelah diberi instruksi pengerjaan, peneliti kemudian dapat mempergunakan inatrumen tersebut untuk mengumpulkan data penelitian.

 

Heri Retnawati. 2016.

UKURAN SAMPEL (skripsi dan tesis)

 

Ukuran sample tergantung beberapa faktor yang mempengaruhi diantaranya ialah:

  1. Homogenitas unit-unit sample, secara umum semakin mirip unit-unit sampel; dalam suatu populasi semakin kecil sample yang dibutuhkan untuk memperkirakan parameter-parameter populasi.
  2. Kepercayaan, mengacu pada suatu tingkatan tertentu dimana peneliti ingin merasa yakin bahwa yang bersangkutan memperkirakan secara nyata parameter populasi yang benar. Semakin tinggi tingkat kepercayaan yang diingnkan, maka semakin besar ukuran sample yang diperlukan.
  3. Presisi, mengacu pada ukuran kesalahan standar estimasi. Unutk mendapatkan presisi yang besar dibutuhkan ukuran ssmpel yang besar pula.
  4. Kekuatan Statsitik, mengacu pada adanya kemampuan mendeteksi perbedaan dalam situasi pengujian hipotesis. Untuk mendpatkan kekuatan yang tinggi, peneliti memerlukan sample yang besar.
  5. Prosedur Analisa, tipe prosedur analisa yang dipilih untuk analisa data dapat juga mempengaruhi seleksi ukuran sample.
  6. Biaya, Waktu dan Personil: Pemilihan ukuran sample juga harus memeprtimbangkan biaya, waktu dan personil. Sample besar akan menuntut biaya besar, waktu banyak dan personil besar juga.

KRITERIA SAMPEL YANG BAIK (skripsi dan tesis)

 

Sampel yang baik yang memenuhi dua buah kriteria sebagai berikut ini.

  1. Akurat

Sampel yang akurat (accurate) adalah sampel yang tidak bias. Beberapa cara dapat dilakukan untuk meningkatkan akurat dari sampel sebagai berikut:

  • Pemilihan sampel berdasarkan proksi yang tepat.
  • Menghindari bias di seleksi sampel
  • Pemilihan sampel yang bias (sample selection bias) akan membuat sampel tidak akurat.
  1. Presisi

Sampel yang mempunyai presisi yang tinggi adalah yang mempunyai kesalahan pengambilan sampel (sampling error) yang rendah. Kesalahan pengambilan sampel (sampling error) adalah seberapa jauh sampel berbeda dari yang dijelaskan oleh populasinya. Presisi diukur dengan standard erro of estimate. Semakin kecil standard error of estimate semakin tingg presisi sampelnya. Presisi dapat ditingkatkan dengan jumlah sampelnya. Semakin besar jumlah sampelnya, semakin kecil kesalahan standar estimasinya

JENIS-JENIS MASALAH DALAM PENELITIAN (skripsi dan tesis)

 

Masalah penelitian dapat diklasifikasikan ke dalam tiga jenis menurut Sugiyono (1994), antara lain :

  1. Permasalahan Deskriptif

Permasalahan deskriptif merupakan permasalahan dengan variabel mandiri baik hanya pada satu variabel atau lebih (variabel yang berdiri sendiri). Dalam penelitian ini, peneliti tidak membuat perbandingan variabel yang satu pada sampel yang lain, hanya mencari hubungan variabel yang satu dengan variabel yang lain.

  1. Permasalahan Komparatif

Permasalahan ini merupakan rumusan masalah penelitian yang membandingkan keberadaan satu variabel atau lebih pada dua atau lebih sampel yang berbeda pada waktu yang berbeda

  1. Permasalahan Asosiatif

Merupakan rumusan masalah penelitian yang bersifat menanyakan hubungan antara dua variabel atau lebih. Terdapat tiga bentuk hubungan, yaitu :

  1. a) Hubungan simetris adalah suatu hubungan antara dua variabel atau lebih yang kebetulan munculnya bersama.
  2. b) Hubungan kausal Hubungan kausal adalah hubungan yang bersifat sebab akibat. Jadi disini ada variabel independen (variabel yang mempengaruhi) dan dependen (dipengaruhi)
  3. c) Hubungan interaktif/ resiprocal/ timbal balik Hubungan interaktif adalah hubungan yang saling mempengaruhi. Di sini tidak diketahui mana variabel independen dan dependen

SUMBER MASALAH DALAM PENELITIAN (skripsi dan tesis)

 

Permasalahan dapat berasal dari berbagai sumber. Menurut James H. MacMillan dan Schumacher (Hadjar, 1996 : 40 – 42), masalah dapat bersumber dari :

  1. Observasi

Masalah dalam penelitian dapat diangkat dari hasil observasi terhadap hubungan tertentu yang belum memiliki penjelasan memadai dan cara-cara rutin yang dalam melakukan suatu tindakan didasarkan atas otiritas atau tradisi.

  1. Dedukasi dari teori

Teori merupakan konsep-konsep yang masih berupa prinsip-prinsip umum yang penerapannya belum dapat diketahui selama belum diuji secara empiris. Penyelidikan terhadap masalah yang dianggap dari teori berguna untuk mendapatkan penjelasan empiris praktik tentang teori.

  1. Kepustakaan

Hasil penelitian mungkin memberikan rekomendasi perlunya dilakukan penelitian ulang (replikasi) baik dengan atau tanpa variasi. Replikasi dapat meningkatkan validitas hasil penelitian dan kemampuan untuk digeneralisasikan lebih luas. Laporan penelitian sering juga menyampaikan rekomendasi kepada peneliti lain tentang apa yang perlu diteliti lebih lanjut. Hal ini juga menjadi sumber untuk menentukan masalah yang menentukan masalah yang perlu diangkat untuk diteliti.

  1. Masalah sosial

Masalah sosial yang ada di sekitar kita atau yang baru menjadi berita terhangat (hot news) dapat menjadi sumber masalah penelitian.

  1. Pengalaman pribadi

Pengalaman pribadi dapat menimbulkan masalah yang memerlukan jawaban empiris untuk mendapatkan pemahaman yang lebih mendalam. (Purwanto 2010:109-111).

PENGERTIAN MASALAH DALAM PENELITIAN (skripsi dan tesis)

 

Stonner (1982) mengemukakan bahwa masalah-masalah dapat diketahui atau dicari apabila terdapat penyimpangan antara pengalaman dengan kenyataan, antara apa yang direncanakan dengan kenyataan, adanya pengaduan, dan kompetisi. Menurut Suryabrata (1994 : 60) masalah merupakan kesenjangan antara harapan (das sollen) dengan kenyataan (das sein), antara kebutuhan dengan yang tersedia, antara yang seharusnya (what should  be) dengan yang ada (what it is) (Suryabrata, 1994: 60). Penelitian dimaksudkan untuk menutup kesenjangan (what can be).

 

JENIS DAN METODE SAMPLING (skripsi dan tesis)

 

 

Secara garis besar dapat dikelompokkan menjadi dua (2) kelompok, yaitu

Probability sampling menurut Sugiyono adalah teknik sampling yang memberikan peluang yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota sampel.

Nonprobability sampling menurut Sugiyono adalah teknik yang tidak memberi peluang/kesempatan yang sama bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel.

  • Probability sampling

Probability sampling menuntut bahwasanya secara ideal peneliti telah mengetahui besarnya populasi induk, besarnya sampel yang diinginkan telah ditentukan, dan peneliti bersikap bahwa setiap unsur atau kelompok unsur harus memiliki peluang yang sama untuk dijadikan sampel.

  1. a) Simple random sampling

Menurut Kerlinger (2006:188), simple random sampling adalah metode penarikan dari sebuah populasi atau semesta dengan cara tertentu sehingga setiap anggota populasi atau semesta tadi memiliki peluang yang sama untuk terpilih atau terambil. Menurut Sugiyono (2001:57) dinyatakan simple (sederhana) karena pengambilan sampel anggota populasi  dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu. Margono (2004:126) menyatakan bahwa  simple random sampling adalah teknik untuk mendapatkan  sampel yang langsung dilakukan pada unit sampling. Cara demikian dilakukan bila anggota populasi dianggap homogen. Teknik ini dapat dipergunakan bilamana jumlah unit sampling di dalam suatu populasi tidak terlalu besar.

  1. b) Proportionate stratified random sampling

Margono (2004: 126) menyatakan bahwa stratified random sampling biasa digunakan pada populasi yang mempunyai susunan bertingkat atau berstrata. Menurut  Sugiyono (2001: 58) teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak homogen dan berstrata secara proporsional.

  1. c) Disproportionate stratified random sampling

Sugiyono (2001: 59) menyatakan bahwa teknik ini digunakan untuk menentukan jumlah sampel bila populasinya berstrata tetapi kurang proporsional.

  1. d) Area (cluster) sampling (sampling menurut daerah)

Teknik ini disebut juga cluster random sampling. Menurut Margono (2004: 127), teknik ini digunakan bilamana populasi tidak terdiri dari individu-individu, melainkan terdiri dari kelompok-kelompok individu atau cluster. Teknik sampling daerah digunakan untuk menentukan sampel bila objek yang akan diteliti atau sumber data sangat luas, misalnya penduduk dari suatu negara, propinsi atau kabupaten.

  • Nonprobability sampling

Non Probability sampling adalah sebuah teknik sampling yang tidak memperhatikan banyak variabel dalam penarikan sampel. Sampel-sampel dari Nonprobability Sampling juga disebut sebagai subjek penelitian dimana hasil dari uji yang dilakukan pada sampling tidak memiliki hubungan dengan populasi. Tujuan penggunaan teknik sampling ini lebih banyak melekat pada materi yang diujikan sedangkan pada random samplin atau probability Sampling, tujuan penelitian melekat pada nilai dari materi pada populasi yang diujikan.

  1. Sampling sistematis

Sugiyono (2001:60) menyatakan bahwa sampling sistematis adalah teknik penentuan sampel berdasarkan urutan dari anggota populasi yang telah diberi nomor urut.

  1. Quota sampling

Menurut Sugiyono (2001: 60) menyatakan bahwa  sampling kuota adalah teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri tertentu sampai jumlah (kuota) yang diinginkan. Menurut Margono (2004: 127) dalam  teknik  ini  jumlah populasi tidak diperhitungkan akan tetapi diklasifikasikan dalam beberapa kelompok. Sampel diambil dengan memberikan jatah atau quorum tertentu terhadap kelompok. Pengumpulan data dilakukan langsung pada unit sampling. Setelah kuota terpenuhi, pengumpulan data dihentikan.

  1. Sampling aksidental

Sampling aksidental adalah teknik penentuan sampel  berdasarkan kebetulan, yaitu siapa saja yang secara kebetulan bertemu dengan peneliti dapat digunakan sebagai sampel, bila dipandang orang yang kebetulan ditemui itu cocok sebagai sumber data (Sugiyono, 2001: 60). Menurut Margono (2004: 27) menyatakan bahwa dalam teknik ini pengambilan sampel tidak ditetapkan lebih dahulu. Peneliti langsung mengumpulkan data dari unit sampling yang ditemui.

  1. Purposive sampling

Sugiyono (2001: 61) menyatakan bahwa sampling purposive adalah teknik penentuan sampel dengan  pertimbangan tertentu. Menurut Margono (2004:128),  pemilihan sekelompok subjek dalam purposive sampling  didasarkan atas ciri-ciri tertentu yang dipandang mempunyai sangkut paut yang erat dengan ciri-ciri populasi yang sudah  diketahui sebelumnya, dengan kata lain unit sampel yang  dihubungi disesuaikan dengan kriteria-kriteria tertentu yang  diterapkan berdasarkan tujuan penelitian.

  1. Sampling jenuh

Menurut Sugiyono (2001:61) sampling jenuh adalah  teknik penentuan sampel bila semua anggota populasi  digunakan sebagai sampel. Hal ini sering dilakukan bila  jumlah populasi relatif kecil, kurang dari 30 orang. Istilah  lain sampel jenuh adalah sensus, dimana semua anggota populasi dijadikan sampel.

  1. Snowball sampling

(Sugiyono, 2001: 61), Snowball sampling adalah teknik penentuan sampel  yang mula-mula jumlahnya kecil, kemudian sampel ini disuruh memilih teman-temannya untuk dijadikan sampel begitu seterusnya, sehingga jumlah  sampel semakin banyak. Ibarat bola salju yang menggelinding semakin lama semakin besar.

Pada penelitian kualitatif banyak menggunakan purposive dan snowball sampling

 

Ukuran Sampel (skripsi dan tesis)

 

 

Pada dasarnya tidak ada aturan baku mengenai pengambilan ukuran dari sampel selama sampel sudah mewakili karakteristik dari populasi. Namun dalam penelitian yang bersifat psikologi seperti pada penelitian pendidikan, Semakin besar jumlah akan menghasilkan data yang lebih stabil. Selain dari karakteristik peneliti juga harus mempertimbangkan jumlah data yang dibutuhkan untuk keperluan analisis Statistik.

Sebagai contoh jika penelitian yang dilakukan bertujuan untuk membandingkan dua bua grouph dengan satu variabel pembanding, analisis yang dilakukan untuk data yang terdistribusi normal adalah untuk distribusi t mengharuskan minimal jumlah data terdiri dari 30 data karena kurang dari itu tidak menghasilkan analisis yang baik dan tidak lebih dari 60 data.

Beberapa ahli memberikan gambaran mengenai jumlah sampel yang berbeda-beda namun pertimbangan jenis dan bidang penelitian sebaiknya dijadikan acuan untuk memilih ukuran sampel.

Sebagai gambaran pendapat beberapa ahli mengenai jumlah sampel Gay dan Diehl (1992) pada kajian penelitian untuk kelas bisnis dan manajemen memberikan sara ukuran sampel minimal

  1. Penelitian deskriptif, jumlah sampel minimum adalah 10% dari populasi Penelitian korelasi, jumlah sampel minimum adalah 30 subjek
  2. Penelitian kausal perbandingan, jumlah sampel minimum adalah 30 subjek per group
  3. Penelitian eksperimental, jumlah sampel minimum adalah 15 subjek per group

Frankel dan Wallen (1993) pada kajian penelitian evaluasi pendidikan menyarankan Penelitian deskriptif jumlah sampel minimum adalah 100 sampel Penelitian jumlah sampel minimum adalah 50 sampel Penelitian kausal-perbandingan sebanyak 30 sampel untuk setiap group Penelitian eksperimental sebanyak 30 atau 15 per group

Roscoe, Ukuran sampel penelitian dibedakan menjadi 4 (empat), yaitu :

  1. Ukuran sampel lebih dari 30 dan kurang dari 500 adalah tepat untuk kebanyakan penelitian
  2. Jika sampel dipecah ke dalam subsampel (pria/wanita, junior/senior, dan sebagainya), ukuran sampel minimum 30 untuk tiap kategori adalah tepat
  3. Dalam penelitian mutivariate (termasuk analisis regresi berganda), ukuran sampel sebaiknya 10x lebih besar dari jumlah variabel dalam penelitian
  4. Untuk penelitian eksperimental sederhana dengan kontrol eskperimen yang ketat, penelitian yang sukses adalah mungkin dengan ukuran sampel kecil antara 10 sampai dengan 20

Isaac dan Michael memberikan gambaran mengenai metode pengambilan sampel disesuaikan dengan taraf signifikansi dari penelitian yakni 1%, 5%, dan 10%. Jumlah sampel sampel selanjutnya dihitung dengan persamaan

RELIABILITAS DALAM SEM (skripsi dan tesis)

 

Setelah kesesuaian model diuji dan validitas diukur evaluasi lain yang harus dilakukan adalah penilaian unidimensionalitas dan reliabilitas. Reliabilitas adalah ukuran mengenai konsistensi internal dari indikator – indikator sebuah konstruk yang menunjukkan derajad sampai di mana masing – masing indikator itu mengindikasikan sebuah konstruk yang umum dengan kata lain bagaimana hal – hal yang spesifik saling membantu dalam menjelaskan sebuah fenomena yang umum. Penggunaan ukuran reliabilitas seperti α-Cronbach tidak mengukur unidimensionalitas melainkan mengasumsikan bahwa unidimensionalitas itu sudah ada pada waktu α-Cronbach dihitung, dalam teknik SEM reliabilitas konstruk dinilai dengan menghitung  indeks reliabilitas instrumen yang digunakan dari model.

Nilai batas yang digunakan untuk menilai sebuah tingkat reliabilitas yang dapat diterima adalah 0,70, walaupun angka itu bukanlah sebuah ukuran yang “mati” artinya bila penelitian bersifat eksploratori maka nilai di bawah 0,70 pun masih dapat diterima sepanjang disertai dengan alasan empirik yang terlihat dalam proses eksploratori. Nunally dan Bernstein ( 1994) menyatakan bahwa dalam penelitian eksploratori, reliabilitas antara 0,5 – 0,6 sudah dapat diterima. ( materi ini juga dibahas pada minto 2009 sifatnya penekanan supaya peneliti focus)

VALIDITAS DALAM SEM (skripsi dan tesis)

 

 

teknik validitas SEM yang digunakan adalah validitas konvergen dan validitas diskriminan di mana sudah dijelaskan sebelumnya bahwa kedua validitas ini dihasilkan dari Structural Model. Berikut akan dijelaskan masing – masing :

1 Validitas Konvergen

Validitas konvergen diukur dengan menentukan apakah setiap indikator yang diestimasi secara valid mengukur dimensi dari konsep yang diukur, sebuah indikator menunjukkan validitas konvergen yang

signifikan apabila koefisien variabel indikator labih besar dari dua kali standar errornya (C.R > 2.SE). Bila setiap indikator memiliki critical ratio (C.R) yang lebih besar dari dua kali standar errornya, hal ini

menunjukkan bahwa indikator itu secara valid mengukur apa yang seharusnya diukur dalam model.

2 Validitas Diskriminan

Validitas diskriminan dilakukan untuk menguji apakah dua atau lebih konstruk yang diuji merupakan sebuah konstruk yang independen (bebas). Hal ini dapat dilakukan dengan memberikan konstrain pada parameter korelasi antar kedua konstruk yang diestimasi (Φij) sebesar 1,0 dan selanjutnya dilakukan pembandingan antara chi-square yang diperoleh dari model yang dikonstrain dengan chi-square yang diperoleh dari model yang tidak dikonstrain. Validitas diskriminan dilakukan secara terpisah yaitu antara konstruk eksogen dengan konstruk eksogen atau antara konstruk endogen dengan konstruk endogen.

 

 

 

 

 

 

 

PARAMETER PENGUJIAN MODEL (SKRIPSI DAN TESIS)

ADJUSTED GOODNESS OF FIT INDEX (AGFI)

Tingkat penerimaan yang direkomendasikan apabila AGFI mempunyai nilai sama dengan atau lebih besar dari 0,90. Nilai sebesar 0,95 dapat diintepretasikan sebagai tingkatan yang baik ( good overall model fit ) sedangkan nilai antara 0,90 – 0,95 menunjukkan tingkatan cukup ( adequate model fit ).

CMIN/DF ATAU RELATIVE X2

CMIN/DF merupakan salah satu indikator untuk mengukur tingkat fit sebuah model, dihasilkan dari statistik Chi – Square (CMIN) dibagi dengan Degree of Freedom (DF). CMIN/DF yang diharapkan adalah sebesar ≤ 2,0 yang menunjukkan adanya penerimaan dari model.

TUCKER LEWIS INDEX (TLI)

Nilai TLI yang diharapkan sebagai acuan untuk diterimanya sebuah model adalah sebesar ≥ 0,95 dan nilai yang mendekati 1,0 menunjukkan a very good fit. Nilai indeks TLI merupakan pembanding dari sebuah model yang diuji dengan sebuah baseline model (Baumgartner & Homburg, 1996). Baseline model dalam output AMOS ada dua model baseline bersama dengan model yang diuji (default model)

THE ROOT MEANSQUARE ERROR OF APPROXIMATION (RMSEA )

Nilai RMSEA yang lebih kecil atau sama dengan 0,08 merupakan indeks untuk dapat diterimanya model. Indeks RMSEA dapat digunakan untuk mengkompensasi statistik chi – square dalam sampel yang besar. Nilai RMSEA menunjukkan goodness of fit yang dapat diharapkan bila model diestimasi dalam populasi (Hair, et al.,2006).

 

 

CHI – SQUARE (X2) (SKRIPSI DAN TESIS)

 

Chi – square (X2) merupakan alat ukur yang fundamental untuk mengukur overall fit. Pengujian Chi – square (X2 ) bersifat sensitive terhadap besarnya sampel yang digunakan, bila jumlah sampel cukup besar yaitu kurang dari 200 sampel, maka chi – square harus didampingi oleh alat uji lainnya (Hair et al., 1995 ; Tabachnick & Fidell, 1996). Model yang diuji akan dipandang memuaskan dan baik bila nilai chi – squarenya rendah . Semakin kecil nilai X2 maka semakin baik model itu ( karena dalam uji beda chi – square, X2 = 0, berarti benar – benar tidak ada perbedaan, H0 diterima ) dan diterima berdasarkan probabilitas dengan cut off value sebesar p > 0,05 atau p > 0,10 (Hulland et al, 1996), pengalaman penulis bila nilai p > 0,05 semua Parameter pengujian Model baik. Uji Chi – square (X2) bertujuan untuk menguji sebuah model dan mengembangkannya, yang sesuai atau fit dengan data, maka yang dibutuhkan justru sebuah nilai X2 yang tidak signifikan yang menguji hipotesa nol bahwa estimated population covariance tidak sama dengan sample covariance. Pengujian Chi – square (X2) nilai yang rendah akan menghasilkan sebuah tingkat signifikansi yang lebih besar dari 0,05 yang akan mengindikasikan tidak adanya perbedaan yang signifikan antara matriks kovarians populasi dan matriks kovarians yang diestimasi.

MACAM-MACAM MODEL DALAM SEM (SKRIPSI DAN TESIS)

 

  1. Model Deskriptif : Measurement Model

Measurement model atau model pengukuran fungsinya untuk mengukur kuatnya struktur dari dimensi – dimensi yang membentuk sebuah faktor/Variabel/konstruk. Model deskriptif adalah model yang ditujukan untuk mendeskripsikan sebuah konsep atau pembentukan Faktor/Variabel/konstruk. Measurement model adalah proses pemodelan dalam penelitian yang diarahkan untuk menyelidiki unidimensionalitas dari indikator – indikator yang menjelaskan sebuah variabel laten/bentukan. Measurement model berhubungan dengan Faktor/Variabel/konstruk baik itu endogen maupun eksogen, analisis yang dilakukan sesungguhnya sama dengan analisis faktor hanya disini menganalisis hubungan, peneliti memulai penelitiannya dengan menentukan terlebih dahulu beberapa variabel yang bias menyelesaikan dipandang bisa menyelesaikan masalah  multidimensional termasuk indikatornya untuk mengkonfirmasi model tersebut, teknik analisis ini disebut confirmatory factor analysis. Measurement model akan menghasilkan penilaian mengenai validitas konvergen (convergent validity) dan validitas diskriminan (discriminant validity).

  1. Measurement Model Menyeluruh/simultan

Peneliti membuat model pengukuran berdasarkan justifikasi teori, semua hubungan antara konstruk dengan konstruk digambarkan dengan bentuk garis panah dua arah yang bertujuan untuk menganalisis korelasinya. Korelasi antar variabel eksogen /independen tidak Signifikan, apabila terjadi korelasinya signifikan antara kedua variable independen maka dipilih yang nilainya terbesar, sedangkan variabel independen dengan dependen korelasi diharapkan Signifikan .

  1. Measurement Model Secara Parsial

Model pengukuran dilakukan secara terpisah atau dilakukan pada tiap konstruk (single measurement model) atau dapat juga dilakukan antara konstruk dengan konstruk atau lebih (multidimensional model).

  1. Model Prediktif : Structural Model (Causal Model)

Garis dengan anak panah satu arah menunjukkan adanya hubungan kausalitas (regresi) yang dihipotesakan, model ini terdapat hubungan kausalitas yang dihipotesiskan antar konstruk. Model struktural akan menghasilkan penilaian mengenai validitas prediktif (predictive validity).

 

 

HUBUNGAN ANTAR VARIABEL DALAM AMOS (skripsi dan tesis)

 

Hubungan antar variabel dinyatakan dalam garis dua panah. Bila tidak ada garis dua panah berarti tidak ada hubungan.  Beberapa bentuk – bentuk garis yang ada pada tool Amos yang diaplikasikan pada model SEM antara lain :

  1. Garis anak panah satu arah

Garis anak panah satu arah menunjukkan adanya kausalitas (regresi) yang dihipotesakan, di mana variabel yang dituju oleh garis anak panah satu arah ini adalah variable endogen (dependen) dan yang tidak dituju/ditinggal oleh anak panah satu arah adalah variabel eksogen (independen).

  1. Garis anak panah 2 arah

Garis anak panah 2 arah menunjukkan adanya korelasi antar dua variabel, bila peneliti ingin meregresi dua/lebih buah variabel independen terhadap satu atau beberapa variabel dependen, maka syarat yang harus dipenuhi yakni korelasi antar variabel independen tidak signifikan, bila korelasinya antar variabel independen sama-sama signifikan pilih yang terkuat. Jadi garis ini bertujuan untuk menguji ada tidaknya korelasi dan kemudian layak atau tidak dilakukan regresi antar variabel

GAMBAR KONVENSI SEM (SKRIPSI DAN TESIS)

 

Berdasarkan tool Amos konvensi SEM yang berlaku dalam diagram SEM adalah sebagai berikut :

  1. Faktor /Variabel/konstruk .

Faktor/Variabel/konstruk disebut juga latent variable karena merupakan variabel bentukan atau unobserved variable. Faktor/Variabel/konstruk adalah variabel bentukan yang dibentuk melalui indikator – indikator yang diamati. Faktor/Variabel/konstruk digambarkan sebagai elips atau oval

  1. Variabel terukur (Measured Variable).

Variabel terukur biasa disebut Indikator digambarkan dalam bentuk segi-empat atau bujur sangkar. Indikator ini disebut juga indicator variable, observed variable, atau manifest variable. Indikator tersebut datanya dicari melalui penelitian lapangan, misalnya melalui instrumen survey dengan dasar teori yang kuat

 

PENGERTIAN SEM (SKRIPSI DAN TESIS)

Karakteristik dasar penggunaan SEM harus melibatkan dua jenis variable, yaitu variable observasi dan laten. Variabel observasi mempunyai data seperti data angka atau skala penilaian yang diambil dari kuesioner. Disamping data tersebut di depan, Variabel observasi dalam SEM mencakup pula data kontinus. Sedang variable laten adalah variabel yang secara tidak langsung teramati namun peneliti ingin mengetahuinya. Untuk melakukan observasi variable laten peneliti harus membuat model-model yang mengekspresikan variable-variabel laten sebagai variabel observasi. Dalam SEM semua variable laten merupakan variable kontinus dan secara teori mempunyai jumlah nilai yang tidak terbatas. Contoh-contoh variable laten dalam ilmu ekonomi konsentrasi bidang pemasaran, misalnya sikap terhadap merek, kepuasan pelanggan, nilai yang diterima (perceived value),  keinginan melakukan pembelian ulang, dan kualitas yang dilihat (perceived quality)

 

Secara umum ada dua variable yang penting dalam riset, yaitu variable-variabel yang tergantung pada variable lain yang disebut sebagai variable “tergantung” dan variable-variabel yang  tidak tergantung terhadap varaibel lain yang kemudiandisebut sebagai variable “bebas”. Dalam konteks SEM variable-variabel tergantung disebut juga sebagai variabel “endogenous” dan  “exogenous,” untuk variable-variabel bebas. Dalam contoh hubungan linier yang diekspresikan dalam persamaan di bawah ini Persamaan tersebut bermakna bahwa nilai yang dilihat untuk kasus “i” merupakan jumlah kualitas “i” dikalikan dengan koefesien “a,” harga untuk “i” dikalikan dengan koefesien “b,”ditambah “error.” Eerror term ini mewakili bahwa sebagian nilai yang dilihat untuk kasus “i” yang tidak tertangkap oleh dependensi s linier terhadap kualitas dan harga. Jika dikombinasikan dengan beberapa asumsi, maka persamaan tersebut menggambarkan  suatu model nilai yang mungkin tergantung pada kualitas dan harga.

Nilai i = a x kualitas  i + b x harga  i + error i

Pada saat melakukan pencocokkan suatu model sebagaimana model dalam persamaan di atas, maka sebenarnya kita sedang membuat estimasi untuk koefesien-koefesien “a” dan “b” yang meminimumkan fungsi kesalahan tertentu di observasi-observasi yang sedang dilakukan, dengan keberadaan error yang diasumsikan. Dalam model yang dibuat di atas mengasumsikan bahwa semua kasus dalam sekumpulan data tersebut mempunyai nilai-nilai sama untuk “a” dan “b.” Nilai-nilai tersebut cocok dalam populasi. Persamaan di atas nampak seperti persamaan regresi tanpa intercept di sebelah kanan. Koefesien-koefesien “a” dan “b” mewakili koefesein-koefesein regresi. “nilai,” “kualitas” dan “harga” merupakan variable-variabel observasi. “Error” merupakan perbedaan antara nila-nilai yang observasi dan yang diprediksi.untuk masing-masing kasus. Persamaan tersebut dapat juga dilihat sebagai gambaran suatu model faktor dimana variable observasi disebut “load” nilai pada dua faktor, yaitu “kualitas” dan “harga”; sedang error dapat disebut sebagai “keunikan”. Dalam persepktif ini, maka kualitas dan harga merupakan variable-variabel laten

 

PARAMETER PENGUJIAN SEM (SKRIPSI DAN TESIS)

 

Bila model yang dikembangkan baik maka parameter estimasi akan menghasilkan sebuah estimated covarians matrix medekati sample covariance matrix,untuk evaluasi pertamanya dengan uji chi – square dan fit index. Chi – square tergantung pada ukuran sampel, maka diperlukan beberapa indeks kesesuaian dan kecukupan model yang tidak sensitif terhadap ukuran sampel. Indeks – indeks tersebut adalah GFI, AGFI, CMIN/DF, TLI, CFI dan RMSEA.

 

 

 

 

 

 

 

 

 

 

 

 

 

PENGERTIAN DAN JENIS KONSTRUK (SKRIPSI DAN TESIS)

 

Konstrak adalah atribut yang menunjukkan variabel.

  1. Konstruk Empirik

Konstrak Empirik. Merupakan konstrak yang terukur (observed). Dinamakan terukur karena kita dapat mengetahui besarnya konstrak ini secara empirik, misalnya dari item tunggal atau skor total item-item hasil pengukuran. Konstrak empirik disimbolkan dengan gambar kotak.

  1. Konstrak Laten

Konstrak laten adalah konstrak yang tidak terukur (unobserved). Dinamakan tidak terukur karena tidak ada data empirik yang menunjukkan besarnya konstrak ini. Konstrak laten dapat berupa a) common factor yang menunjukkan domain yang diukur oleh seperangkat indikator/item dan b) unique factor (eror) yang merupakan eror pengukuran. Konstrak ini disimbolkan dengan gambar lingkaran dan c) residu yaitu faktor-faktor lain yang mempengaruhi variabel dependen selain variabel independen

(Widhiarso, 2009)

 

 

MODEL DALAM  SEM (SKRIPSI DAN TESIS)

 

SEM merupakan penggabungan dari dua model yaitu model pengukuran yang merupakan kajian dari psikometrika serta model struktural yang merupakan kajian dari statistika. Model structural sendiri merupakan penggabungan antara dua konsep statistika, yaitu konsep analisis faktor yang masuk pada model pengukuran (measurement model) dan konsep regresi melalui model struktural (structural model). Model pengukuran menjelaskan hubungan antara variabel dengan indikator-indikatornya dan model struktural menjelaskan hubungan antar variabel.

  1. Model Pengukuran

Model Pengukuran terdiri dari sebuah skor hasil pengukuran (skor tampak), didalamnya terkandung dua komponen, yaitu a) komponen yang menjelaskan atribut yang diukur dan b) komponen yang terkait dengan atribut lain yang tidak diukur (eror). Dengan kata lain, di dalam skor tampak didalamnya terkandung komponen yang menunjukkan atribut ukur dan eror. Dalam gambar dengan pendekatan SEM konsep ini dijabarkan menjadi gambar yang menunjukkan skor sebuah item yang dibangun dari dua komponen, yaitu atribut ukur dan eror

Model pengukuran merupakan penggambaran dari n hubungan antara item dengan konstrak yang iukur. Model pengukuran memiliki ketepatan model yang memuaskan ketika item-item yang dilibatkan mampu menjadi indikator dari konstrak yang diukur yang dibuktikan dengan nilai eror pengukuran yang rendah dan nilai komponen konstruk yang tinggi.

  1. Model Struktural

Model struktural menggambarkan hubungan satu variabel dengan variabel lainnya. Hubungan tersebut dapat berupa korelasi maupun pengaruh. Korelasi antar variabel ditunjukkan dengan garis dengan berpanah di kedua ujungnya sedangkan pengaruh ditandai dengan satu ujung berpanah

(Widhiarso, 2009)

 

 

 

Tahap Analisis Asumsi Klasik (skripsi dan tesis)

Asumsi-asumsi tersebut diantaranya:
a) Multikolinearitas
Pada tahap ini dilihat nilai R2 (koefisien determinasi) dan nilai VIF (Variance inflation Factor) serta dilakukan uji individu terhadap parameter model. Apabila terjadi kasus multikolinieritas maka diselesaikan dengan regresi
Stepwise (Stepwise regression).
b) Heterokedastisitas
Pada tahap ini, untuk mengetahuinya digunakan uji Glejser. Apabila ditemukan kasus heteroskedastisitas maka solusinya adalah melakukan transformasi terhadap variable.
c) Autokorelasi
Pada tahap ini uji yang digunakan adalah uji Durbin Watson, namun selain itu juga dilihat dari plot ACF. Bila 95 % nilai-nilai ACF tidak melebihi batas ± (1,96/ √n), maka asumsi tidak ada autokorelasi terpenuhi.
d) Berdistribusi Normal
Untuk memeriksa kenormalan dapat digunakan uji Kolmogorov-Smirnov yaitu dengan membandingkan Pvalue statistic KolmogorovSmirnov dengan α = 0,05. Setelah diperoleh model regresi yang sudah memenuhi beberapa asumsi klasik yang telah ditetapkan, maka dari model akhir tersebut
dilakukan analisis dan kemudian dibuat kesimpulan

Capital Adequacy Ratio (CAR) (skripsi dan tesis)

 

Capital Adequacy Ratio (CAR) adalah rasio modal terhadap aktiva tertimbang menurut resiko. Rasio ini memperlihatkan seberapa jauh seluruh aktiva bank yang mengandung resiko ikut dibiayai dari dana modal sendiri bank disamping memperoleh dana dari sumber-sumber diluar bank seperti dana masyarakat, pinjaman dan lain sebagainya. Dengan kata lain CAR adalah rasio untuk mengukur kecukupan modal yang dimiliki bank untuk menunjang aktiva yang mengandung resiko.

CAR dapat diformulasikan sebagai berikut: CAR = Modal Bank X 100% Aktiva tertimbang menurut resiko CAR merupakan indikator kemampuan  bank untuk menutupi penurunan aktivanya sebagai akibat dari kerugian  yang disebabkan oleh aktiva yang beresiko. Peraturan bank Indonesia mengenai tata cara penilaian kesehatan bank memasukkan rasio CAR sebagai salah satu indikator utamanya

Rasio Keuangan (skripsi dan tesis)

Analisis rasio keuangan adalah metode  yang dapat digunakan untuk mengevaluasi kesehatan keuangan perusahaan. Menurut Horne dan Wachowich (2005;132) “ To evaluate the financial condition and performance of the firm, the analyst need to perform checkup on various aspects of a firm’s financial health. A tool frequently used during these checkups is financial ratio. Or index which related two pieces of financial data by deviding one quantity by other”. Rasio keuangan dapat digunakan oleh pihak manajemen untuk analisis, monitoring dan perencanaan :

  1. Sebagai alat analisis, rasio keuangan dapat membantu pihak manajemen dalam mengidentifikasi kekuatan dan kelemahan pada perusahaan pada area investasi, pendanaan dan dividen. Rasio keuangan juga dapat digunakan untuk menilai kelangsungan hidup perusahaan sebagai an ongoing enterprise dan menentukan apakah return yang diperoleh sesuai dengan resiko yang dihadapi.
  2. Sebagai alat monitoring, melalui pemeriksaan secara teratur dari rasio keuangan yang relevan, manajemen dapat memonitor setiap operasi perusahaan. Dengan demikian pihak manajemen dapat mengetahui kemajuan yang dicapai perusahaan dengan membandingkan data rasio keuangan dimasa lalu atau dengan perusahaan sejenis.
  3. Rasio keuangan mempunyai peranan yang efektif pada perencanaan. Perencanaan merupakan kunci sukses bagi manajer keuangan, dengan data rasio keuangan dapat dibuat rencana keuangan perusahaan dimasa yang akan datang yang disesuaikan dengan kondisi perusahaan saat ini.

ANALISIS DISKRIMINAN (skripsi dan tesis)

Analisis Diskriminan mirip regresi linier berganda (multivariate regression). Perbedaannya, analisis Diskriminan dipakai kalau peubah  dependennya kategoris (menggunakan skala nominal atau ordinal) dan peubah independennya menggunakan skala numerik (interval atau rasio). Sedangkan dalam regresi berganda peubah dependennya harus numerik, dan variabel independen bisa numerik ataupun nonnumerik. Sama seperti regresi berganda, dalam analisis Diskriminan peubah dependen hanya satu, sedangkan peubah independen banyak (multiple). Karena memiliki peubah dependen dan independen, analisis Diskriminan dapat digolongkan sebagai dependence technique. Analisis Diskriminan adalah teknik statistika untuk mengelompokkan individu ke dalam kelompok-kelompok yang saling bebas dan tegas berdasarkan segugus peubah bebas. Analisis Diskriminan merupakan teknik yang akurat untuk memprediksi suatu objek termasuk ke kategori apa, dengan catatan data-data yang dilibatkan terjamin akurasinya.

Apabila ada dua atau lebih  populasi telah diukur dalam beberapa karakter X1, X2,…, Xp, maka dapat dibangun fungsi linier tertentu dari pengukuran itu dimana fungsi itu merupakan fungsi pembeda (pemisah) terbaik bagi populasi-populasi yangdipelajari. Fungsi linier dibangun itu disebut sebagai fungsi Diskriminan (discriinant funtion). Prosedur analisis Diskriminan Menurut Simamora dalam Malhotra (2005), analisis Diskriminan terdiri dari lima tahap, yaitu: (1) merumuskan masalah, (2) mengestimasi koefisien fungsi Diskriminan, (3) memastikan signifikansi determinan, (4) menginterpretasi hasil, dan (5) menguji signifikansi analisis Diskriminan

Tipologi Prosedur Analisis Isi (skripsi dan tesis)

Marten (1983:115) dengan menggunakan kriteria ‘tujuan analitis’ dan
‘sarana analisis’ mencoba mengusulkan sebuah tipologi prosedur analisis isi.
Dalam tipologi ini, komunikator, resipien, dan orientasi situasional masuk ke
dalam tujuan analitis, sedangkan tataran semiotik (secara membingungkan) masuk kedalam metode analisis
• Pada tingkat sintaktis, kami menemukan analisis dari unit
linguistik, seperti huruf, suku kata, kata atau kalimat dan
strukturnya, selama mereka benar-benar bersifat formal.
• Pada tingkat sintaktik-semantik, dilacak pengaruh struktur sintaktis
bagi pembentukan makna.
• Pada tingkat semantik, makna kata, kalimat, dan sebagainya akan
diteliti.
• Pada tingkat sintaktis-prakmatik, ada usaha untuk membenarkan
hubungan antara sintaksis dan efeks tekstualnya.
• Analisis semantik-pragmatik berusaha menghubungkan efek ini
dengan kalimat atau kata yang membawa makna tertentu.
• Terakhir, analisis pragmatik murni mencari struktur pragmatik
murni yang mengatur penerimaan teks.

Kerangka Metode Analisis Isi (skripsi dan tesis)

1. Penentuan Sampel
Ada kemungkinan (meski kecil) untuk dapat meneliti semua materi yang
relevan dengan sebuah permasalahan tertentu. Sebagai sebuah alternatif bagi
sebuah perlakuan total yang ideal, sampel bisa digunakan berdasarkan metode probabilitas dan dalam situasi sampel kuota tertentu juga (Marten 1983:280).  Holsti (1968:653) merekomendasikan suatu proses penyeleksian sampel dengan berbagai tahapan: (a) penyeleksian pengirim, (b) penyeleksian dokumen, dan (3) penyeleksian sebuah subset dokumen.
2. Unit Analisis
Unit-unit analisis merupakan komponen teks yang terkecil tempat
ditelitinya kejadian dan karakterisasi variabel-variabel (sifat,kategori). Oleh
karena sebuah teks tidak terdiri atas ‘unit-unit yang alami’, unit-unit tersebut harus dijelaskan pada tataran sintaktik atau semantik untuk setiap penyelidikan konkretnya (Harkner 1974:173): unit yang dijelaskan secara sintaktis, sebagai contoh, adalah tanda (kata), kalima teks lengkap, ruang (area) dan waktu; unit yang dijelaskan secara semantik umpama saja adalah orang, pernyataan dan unit makna.
Holsti (1968: 647) membedakan antara unit rekaman dan unit konteks: (a)
unit rekaman adalah unit tekstual terkecil tempat ditelitinyakejadian variabel; (b) unit konteks digunakan untuk menetapkan karakterisasi variabel-variabel, seperti perhitungan negatif atau positifnya.
3. Kategori dan Koding
Inti dan peranti utama analisis isi apa pun adalah sistem kategorinya:
setiap unit analisis harus dikodekan atau dengan kata lain, harus dialokasikan pada satu atau lebih kategori. Holsti (1868:645), mengikuti jejak Berelson (1852:147), merumuskan sebuah daftar jenis kategori yang bisa digunakan sebagai dasar untuk merancang suatu sistem kategori:
Subjek, tema : mengenai apa?
Arah : bagaimana tema itu ditangani?
Norma : apakah dasar yang digunakan untuk melakukan klasifikasi dan
evaluasinya?
Nilai : sikap, tujuan, dan keinginan apa yang diperlihatkan?
Alat : sarana apa yang digunakan untuk mencapai tujuan-tujuan itu?
Ciri : ciri-ciri apakah yang digunakan untuk menggambarkan orang?
Aktor : siapa yang memprakarsai tindakan tertentu dan siapa yang
melaksanakan tindakan itu?
Otoritas : atas nama siapa pernyataan-pernyataan itu dibuat?
Asal muasal : dari mana asal komunikasi tersebut?
Sasaran : ditujukan kepada siapa komunikasi tersebut?
Tempat : di mana tindakan itu terjadi?
Konflik : apa penyebab konflik yang timbul? Siapa saja yang terlibat?
Seberapa kuat konflik tersebut?
Hasil : apakah konflik tersebut berakhir bahagia, tragis, atau tidak pasti?
Waktu : kapan terjadinya tindakan itu?
Bentuk atau jenis komunikasi : saluran komunikasi apa yang digunakan?
Bentuk pertanyaan : bentuk sintaksis dan gramatikal apa yang bisa
ditemukan?
Metode : metode propaganda atau retorika apa yang digunakan?
Daftar ini memperlihatkan kemiripan yang banyak dengan daftar
pertanyaan etnografis dan memperlihatkan bahwa analisis isi klasik tidaklah
membatasi dirinya semata-mata pada isi komunikatif yang eksplisit. Pertanyaanpertanyaan tersebut di atas tidak dijawab secara langsung dengan mengacu pada teks, namun membentuk dasar bagi pengembangan sebuah peranti, yakni sebuah skema kategori.

Tujuan metode analisis isi (skrispi dan tesis)

Tujuan yang ingin dicapai oleh metode analisis isi mungkin bisa dipahami
dengan mengacu pada sederet kutipan berikut, yang disusun sesuai dengan urutan kronologis:
Dalam analisis isi, kita memandang pernyataan dan tanda sebagai bahan
mentah yang harus diringkas agar bisa menghasilkan:
(1) dampak isi pada pembaca, atau (2) pengaruh kontrol terhadap isi. (Lasswell
1941, dikutip dari Lasswell 1946: 90).

Analisis Isi (skripsi dan tesis)

Dalam penelitian ini penulis menggunakan tipe penelitian analisis isi
deskriptif. Max Weber (dalam Eriyanto, 2013: 15) menuliskan bahwa analisis isi
adalah sebuah metode penelitian dengan menggunakan seperangkat prosedur untuk membuat inferensi yang valid dari teks. Menurut Eriyanto (2010: 47) analisi deskriptif adalah analisis isi yang dimaksudkan untuk menggambarkan secara detail suatu pesan atau seuatu teks tertentu. Desain analisis ini tidak dimaksudkan untuk menguji suatu hipotesis tertentu atau menguji hubungan diantara variabel.
Analisis isi semata untuk deskripsi, menggambarkan aspek-aspek dan
karakteristik suatu pesan.
Dalam kajian Weber, ada beberapa langkah dalam analisis isi untuk
mengumpulkan data diantaranya:
1. Menetapkan unit terekam, hal ini sangat penting dalam proses
pengategorian data. Dalam metode ini dapat dilakukan dengan beberapa level:
– Kata, yaitu mengklasifikasi masing-masing kata
– Paragraf, kalau sumber daya manusia atau komputer yang
tersedia terbatas, peneliti dapat mereduksinya dengan melakukan
pengkodean berdasarkan paragraf. Namun hal ini sulit
mendapatkan hasil yang reliable karena cakupannya terlalu luas.
– Keseluruhan teks, hal ini dilakukan dalam pengecualian ketika
teks tersebut tidak terlalu banyak, seperti cerpen, headline berita,
dan berita koran.
2. Menetapkan kategori, ada dua tahap dalam menetapkan kategori.
Pertama kita harus mengetahui apakah hubungannya ekslusif (spesial). Kedua,
harus seberapa dekatkah hubungan antar unit dalam kategori.
3. Melakukan tes koding di teks sampel. Hal ini di upayakan agar tidak
ada ambiguitas dalam kategori. Tahapan ini juga digunakan untuk merevisi halhal yang tidak tepat dalam skema klasifikasi
4. Menilai akurasi atau reabilitas.
5. Merefisi aturan pengkodingan.
Validitas analisis isi memang sedikit berbeda dengan penelitian yang lain,
validitas ini bukan berarti menghubungkan dua variabel atau menghubungkan
teori, tetapi validitas disini merupakan skema klarifikasi atau gabungan
interpretasi yang menghubungkan isi penelitian dan sebab-sebabnya dalam
penelitian. Skema klarifikasi merupakan upaya penelitian yang pengkategorian pemilihan katanya bermakna sama atau berdekatan. Sehingga, pengkategorian kata dalam penelitian harus cermat dalam menangkap makna yang ada dalam isi. (Weber, 1990:30)
Analisis isi menurut Holsti (1968:601) merupakan sembarang teknik
penelitian yang ditujukan untuk membuat kesimpulan dengan cara
mengidentifikasi karakteristik tertentu pada pesan-pesan secara sistematis dan objektif. Menurut Lasswell 1946, analisis isi adalah sebuah model komunikasi  stimulus-respons yang tak diragukan lagi berorientasi behavioris yang mengemukakan bahwa hubungan antara pengirim, stimulus dan penerima bersifat simetris. Isi atau muatan dipandang sebagai hasil proses komunikasi yang distrukturkan sesuai dengan rumus klasik Lasswell: “Siapa berkata tentang apa, pada saluran mana, kepada siapa, dan dengan efek yang bagaimana”.
Menurut arten (1983:45) pembahasan analisis isi yang lebih jauh memiliki
karakteristik-karakteristik berikut ini: struktur dan selektivitas proses-proses
komunikasi, perkembangan indikator yang dapat dideteksi dan teknik analisis
yang punya banyak variasi , kemajuan sistem notasi melalui inklusi domain nonverbal dan kemajuan dalam analisis data melalui paket analisis teks elektronik.
“Perdebatan panjang dan melelahkan dengan para linguis, yang stok pengetahuan
mengenai analisis teks dan klarifikasi teks yang mereka miliki telah sepenuhnya
diabaikan oleh analisis isi, secara berlahan akan terjadi juga. Pada dasarnya,
istilah analisis isi hanya mengacu pada metode-metode yang memusatkan
perhatian pada aspek-aspek isi teks yang bisa diperhitungkan dengan jelas dan
langsung dan sebagai sebuah perumusan bagi frekuensi relatif dan absolut kata
per teks atau unit permukaan.
a) Proses Analisis Isi
Proses analisis isi ada sembilan tahap, (Mayring 1988:42)
• Penentuan materi
• Analisis situasi tempat asal teks
• Pengarakteran materi secara formal
• Penentuan arah analisis
• Diferensiasi pertanyaan-pertanyaan yang harus dijawab sesuai
dengan teori yang ada
• Penyeleksian teknik-teknik analitis (ringkasan, eksplikasi,
penataan)
• Pendefisian unit-unit analisis
• Analisis materi (ringkasan, eksplikasi, penataan)
• Interpretasi

Tujuan Analisis Isi (skripsi dan tesis)

Tahapan awal dalam menyusun desain riset ialah menentukan dengan jelas
tujuan analisis isi. Hanya dengan tujuan yang jelas, maka desain riset juga dapat dirumuskan dengan jelas pula. Mengapa? Karena desain riset pada dasarnya dibuat untuk menjawab pertanyaan dalam tujuan penelitian. Seperti analogi pembangunan rumah sebelumnya. Seseorang arsitek tidak akan dapat bekerja tanpa terlebih dahulu bertanya kepada pemilik. Pemiliklah yang akan menuntun rumah seperti apa yang ingin dia bangun. Dilihat dari tujuan analisis isi, peneliti harus menentukan apakan analisis isinya hanya ingin menggambarkan karakteristik dari pesan ataukan analisis isi lebih
jauh ingin menarik kesimpulan penyebab dari suatu pesan tertentu. Kedua tujuan penelitian ini, akan membawa konsekuensi pada desain riset yang akan dibuat. Jika peneliti hanya ingin menggambarkan secara detail isi (content), maka ia hanya fokus pada variabel yang ada pada isi. Sementara jika peneliti ingin mengetahui penyebab dari suatu isi, maka peneliti harus memerhatikan faktor lain (mungkin diluar analisis isi) yang berdampak pada isi. Di bawah ini akan diuraikan satu demi satu dari analisis isi ini. Pertama, menggambarkan Karakteristik Pesan (describing the characteristics of message). Analisis isi banyak dipakai untuk menggambarkan karakteristik dari suatu pesan. Dalam bahas holsti (1969:28), analisis isi disini dipakai untuk menjawab pertanyaan “what, to whom, dan how” dari suatu proses komunikasi. Pertanyaan “what”
berkaitan dengan penggunaan analisis isi untuk menjawab pertanyaan mengenai apa isi dari suatu pesan, tren, dan perbedaan antara pesan dari komunikator yang berbeda. Pertanyaan “to whom” dipakai untuk menguji hipotesis mengenai isi pesan yang ditujukan untuk khalayak yang berbeda. Sementara pertanyaan “how” terutama berkaitan dengan penggunaan analisis isi untuk menggambarkan bentuk dan teknikteknik pesan (misalnya, persuasi

Bentuk Klasifikasi analisis isi (skripsi dan tesis)

Ada bebarapa bentuk klasifikasi dalam analisis isi. Janis menjelaskan klasifikasi, sebagai berikut:
a) Analisis Isi Pragmatis, di mana klasifikasi dilakukan terhadap tanda menurut
sebab akibatnya yang mungkin. Misalnya, berapa kali suatu kata tertentu
diucapkan yang dapat mengakibatkan munculnya sikap suka terhadap
produk sikat gigi A.
b) Analisis Isi Semantik, dilakukan untuk mengklasifikasikan: tanda menurut
maknanya. Analisis ini terdiri dari tiga jenis sebagai berikut:
(1) Analisis penunjukan (designation), menggambarkan frekuensi seberapa
sering objek tertentu (orang, benda, kelompok, atau konsep) dirujuk.
(2) Analisis penyifatan (attributions), menggambarkan frekuensi seberapa
sering karakterisasi tertentu dirujuk (misalnya referensi kepada
ketidakjujuran, kenakalan, penipuan, dan sebagainya).
(3) Analisis pernyataan (assertions), menggambarkan frekuensi seberapa
sering objek tertentu dikarakteristikkan secara khusus. Analisis ini secara
kasar disebut analisis tematik. Contohnya, referensi terhadap perilaku
nyontek dikalangan mahasiswa sebagai maling, pembohong, dan
sebagainya.
c) Analisis Sarana Tanda (sign-vehicle), dilakukan untuk mengklasifikasikan isi
pesan melalui sifat psikofisik dari tanda, misalnya berapa kali kata cantik
muncul, kata seks muncul.
Dalam penelitian kualitatif, penggunaan analisis isi lebih banyak ditekankan
pada bagaimana simbol-simbol yang ada pada komunikasi itu terbaca dalam interkasi sosial, dan bagaimana simbol-simbol itu terbaca dan dianalisis oleh peneliti. Dan sebagaimana penelitian kualitatif lainnya, kredibilitas peneliti menjadi amat penting.
Analisis isi memerlukan peneliti yang mampu menggunakan ketajaman analisisnya untuk merajut fenomena isi komunikasi menjadi fenomena sosial yang terbaca oleh orang pada umumnya.
Disadari bahwa makna simbol dan interaksi amat mejemuk sehingga penafsiran ganda terhadap objek simbol tunggal umumnya menjadi fenomena umum dalam penelitian sosial. Oleh karen itu, analisis menjadi tantangan sangat besar bagi peneliti itu sendiri. Oleh karena itu, pemahaman dasar terhadap kultur di mana komunikasi itu menjadi amat penting. Kultur ini menjadi muara yang luas terhadap berbagai macam
bentuk komunikasi di masyarakat

Penggunaan Analisi Isi (skripsi dan tesis)

Penggunaan analisis isi tidak berbeda dengan penelitian kualitatif lainnya.
Hanya saja, karena teknik ini dapat digunakan pada pendekatan yang berbeda (baik kuantitatif maupun kualitatif), maka penggunaan analisis isi tergantung pada kedua pendekatan itu.
Penggunaan analisis isi untuk penelitian kualitatif tidak jauh berbeda dengan
pendekatan lainnya. Awal mula harus ada fenomena komunikasi yang dapat diamati, dalam arti bahwa peneliti harus lebih dulu dapat merumuskan dengan tepat apa yang ingin diteliti dan semua tindakan harus didasarkan pada tujuan tersebut.
Langkah berikutnya adalah memilih unit analisis yang akan di kaji. Memilih
objek penelitian yang menjadi sasaran analisis. Kalau objek penelitian berhubungan dengan data-data verbal (hal ini umumnya ditemukan dalam analisis isi), maka perlu disebutkan tempat, tanggal, dan alat komunikasi yang bersangkutan. Namun, kalau objek penelitian berhubungan dengan pesan-pesan 1 dalam suatu media, perlu dilakukan identifikasi terhadap pesan dan media yang mengantarkan pesan itu.

Penggunaan analisi isi dapat di lakukan sebagaimana Paul W. Missing
melakukan studi-studi tentang “The Voice of America”. Analisis Isi didahului dengan melakukan coding terhadap istilah-istilah atau penggunaan kata dan kalimat yang relevan, yang paling banyak muncul dalam media komunikasi. Dalam hal pemberian coding, perlu juga dicatat konteks mana istilah itu muncul. Kemudian, dilakukan klasifikasi terhadap coding yang telah dilakukan. Klasifikasi dilakukan dengan melihat sejauh mana satuan makna berhubungan dengan tujuan penelitian. Klasifikasi ini dimaksudkan untuk membangun kategori dari setiap klasifikasi. Kemudian, satuan makna dan kategori di analisis dan dicari hubungan suatu dengan lainnya untuk menemukan makna, arti, dan tujuan isi komunikasi itu. Hasil analisis ini kemudian dideskripsikan dalam bentuk draf laporan penelitian sebagaimana umumnya laporan
penelitan.

Klasifikasi Analisis Isi (skripsi dan tesis)

Ada beberapa bentuk klasifikasi dalam analisis isi. Janis (1965) menjelaskan
klasifikasi sebagai berikut:
1. Analisis Isi Pragmatik (Pragmatic Content Analysis), yakni prosedur memahami teks dengan mengklasifikasikan tanda menurut sebab atau akibatnya yang mungkin timbul. (Misalnya, penghitungan berapa kali suatu kata ditulis atau diucapkan, yang dapat mengakibatkan munculnya sikap suka atau tidak suka terhadap sebuah rezim
pemerintahan)
2. Analisis Isi Semantik (Semantic Content Analysis), yakni prosedur yang
mengklasifikasi tanda menurut maknanya. (Misalnya, menghitung berapa kali kata demokrasi dijadikan sebagai rujukan sebagai salah satu pilihan sistem politik yang dianut oleh sebagian besar masyarakat dunia). Atau, misalnya yang lain, berapa kali kata Indonesia disebut oleh Obama sebagai rujukan contoh negara dengan keragaman suku, budaya dan agama, yang mampu mempersatukan semuanya dalam bingkai negara kesatuan. Secara rinci, Janis mengembangkan Analisis Isi Semantik menjadi tiga macam kategori sebagai berikut:
a) Analisis Penunjukan (Designation Analysis), yakni menghitung frekuensi berapa sering objek tertentu (Orang, benda, kelompok, konsep) dirujuk. Analisis model ini juga biasa disebut sebagai Analisis Isi Pokok Bahasan (SubjectMatter Content Analysis).
b) Analisis pensifatan (Attribution Analysis), yakni menghitung frekuensi berapa sering karakteristik objek tertentu dirujuk atau disebut. (Misalnya, karakteristik tentang bahaya penggunaan obat terlarang bagi kehidupan).
c) Analisis Pernyataan (Assertion Analysis), yakni analisis teks dengan menghitung
seberapa sering objek tertentu dilabel atau diberi karakter secara khusus.
(Misalnya, berapa sering Iran disebut oleh Amerika sebagai negara yang
menantang himbauan masyarakat internasional dalam hal pembangunan proyeknuklir).
3. Analisis Sarana Tanda (Sign-Vehicle Analysis), yakni prosedur memahami teksdengan cara menghitung frekuensi berapa kali, misalnya, kata negara Indonesiamuncul dalam sambutan Obama tatkala berkunjung ke Indonesia (Bungin, 2001:234-235).

Pengertian dasar analisis isi (skripsi dan tesis)

Ada tiga konsep yang tercakup di dalam analisis isi. Pertama, analisis ini bersifat sistematis. Hal ini berarti isi yang akan dianalisis dipilih menurut aturan-aturan yang ditetapkan secara implisit, misalnya: cara penentuan sampel. Kedua, analisis isi bersifat obyektif. Ketiga, analisis isi bersifat kuantitatif. Ada lima tujuan analisis isi, yaitu: (Eriyanto, 2011 : 32-42)
1. Menggambarkan karakteristik dari pesan
2. Menggambarkan secara detail isi (content)
3. Melihat pesan pada khalayak yang berbeda
4. Melihat pesan dari komunikator yang berbeda
5. Menarik kesimpulan penyebab dari suatu pesan
Analisis isi sendiri tak pernah dijadikan dasar untuk membuat pernyataanpernyataan tentang efek-efek isi pada audien, misalnya: studi tentang film kartun di TV mengklaim bahwa 80% isinya mendukung aspek komersial, yaitu mengajak membeli susu, namun penemuan isi tidak boleh membuat si peneliti mengemukakan klaim atau pernyataan bahwa anak-anak menonton film akan membeli susu tersebut.Temuantemuan dalam analisis isi tertentu dibatasi oleh kerangka kategori-kategori dan definisi yang digunakan dalam analisis isi adalah kurangnya pesan-pesan yang relevan dengan
penelitian tersebut. Sedangkan tahap-tahap dalam analisis isi adalah sebagai berikut:
1. Merumuskan pertanyaan penelitian atau hiotesis
2. Mendefenisikan populasi yang diteliti
3. Memilih sampel yang sesuai dari populasi
4. Memilih dan menentukan unit analisis
5. Menyusun kategori-kategori isi yang dianalisis
6. Membuat sistem hitungan
7. Melatih para pengkode dan melakukan studi percobaan
8. Mengkode isi menurut definisi yang telah ditentukan
9. Menganalisis data yang telah dikumpulkan
10. Menarik kesimpulan-kesimpulan dan mencari indikasi
Menurut Holsti (1969: 28), analisis isi adalah suatu teknik membuat kesimpulan dengan cara mengidentifikasi karakteristik-karakteristik pesan tertentu secara obyektif dan sistematis. Klaus Krippendoff mendefenisikan anaisis isi sebagai teknik penelitian dalam membuat kesimpulan-kesimpulan dari data konteksnya. Berdasarkan dua defenisi diatas, maka ada dua fungsi analisis isi, yaitu: memberikan uraian yang sistematis dan dapat diuji tentang isi manifese dan laten suatu wacana naratif, dan menghasilkan
kesimpulan yang valid tentang konteks naratif yang berdasarkan isi deskriptifnya.
(Holsti 1969: 28) mengemukakan tiga fungsi utama analisis isi, yaitu:
1. Menggambarkan karakteristik komunikasi dengan mengajukan pertanyaan: apa,
bagaimana, dan kepada siapa pesan itu disampaikan
2. Membuat kesimpulan-kesimpulan, seperti anteseden komunikasi, dengan
mengajukan pertanyaan mengapa pesan itu disampaikan, dan
Universitas Sumatera Utara
3. Membuat kesimpulan-kkesimpulan tentang konsekuensi komunikasi dengan
mengajukan apa efek-efek pesan tersebut.
Fungsi deskriftif dalam analisis isi mencakup identifikasi terhadap tema-tema
dan pola structural dalam suatu pesan, dan perbandingan isi pesan yang disampaikan
oleh komunikator yang berbeda atau sebaliknya pesan yang disampaikan oleh
komunikator yang sama dalam konteks yang berbeda. Fungsi inferensial adalah
mencakup penarikan kesimpulan tentang efek-efek yang mungkin ditimbulkan oleh
pesan tersebut dan menyimpulan norma-norma perilaku sosial yang direfleksikan oleh
pesan tersebut. Secara teknik Content Analysis mencakup upaya-upaya: klasifikasi
lambang-lambang yang dipakaidalam komunikasi, menggunakan kriteria dalam
klasifikasi, dan menggunakan teknik analisis tertentu dalam membuat prediksi.
Analisis isi didahului dengan melakukan coding terhadap istilah-istilah atau
penggunaan kata dan kalimat yang relevan, yang paling banyak muncul dalam media
komunikasi. Dalam hal pemberian coding, perlu juga dicatat dalam konteks mana istilah
itu muncul. Kemudian, dilakukan klasifikasi terhadap coding yang telah dilakukan.
Klasifikasi dilakukan dengan melihat sejauh mana satuan makna berhubungan dengan
tujuan penelitian. Klasifikasi ini dimaksudkan untuk membangun kategori dari setiap
klasifikasi. Kemudian satuan makna dan kategori dianalisis dan dicari hubungan satu
dengan lainnya untuk menemukan makna,arti, dan tujuan isi komunikasi itu. Hasil
analisis ini dideskripsikan dalam bentuk draf laporan penelitiansebagaimana umumnya
laporan penelitianPengertian dasar
Ada tiga konsep yang tercakup di dalam analisis isi. Pertama, analisis ini bersifat
sistematis. Hal ini berarti isi yang akan dianalisis dipilih menurut aturan-aturan yang
ditetapkan secara implisit, misalnya: cara penentuan sampel. Kedua, analisis isi bersifat
obyektif. Ketiga, analisis isi bersifat kuantitatif. Ada lima tujuan analisis isi, yaitu:
(Eriyanto, 2011 : 32-42)
1. Menggambarkan karakteristik dari pesan
2. Menggambarkan secara detail isi (content)
3. Melihat pesan pada khalayak yang berbeda
4. Melihat pesan dari komunikator yang berbeda
5. Menarik kesimpulan penyebab dari suatu pesan
Analisis isi sendiri tak pernah dijadikan dasar untuk membuat pernyataanpernyataan tentang efek-efek isi pada audien, misalnya: studi tentang film kartun di TV
mengklaim bahwa 80% isinya mendukung aspek komersial, yaitu mengajak membeli
susu, namun penemuan isi tidak boleh membuat si peneliti mengemukakan klaim atau
pernyataan bahwa anak-anak menonton film akan membeli susu tersebut.Temuantemuan dalam analisis isi tertentu dibatasi oleh kerangka kategori-kategori dan definisi
yang digunakan dalam analisis isi adalah kurangnya pesan-pesan yang relevan dengan
penelitian tersebut. Sedangkan tahap-tahap dalam analisis isi adalah sebagai berikut:
20
Universitas Sumatera Utara
1. Merumuskan pertanyaan penelitian atau hiotesis
2. Mendefenisikan populasi yang diteliti
3. Memilih sampel yang sesuai dari populasi
4. Memilih dan menentukan unit analisis
5. Menyusun kategori-kategori isi yang dianalisis
6. Membuat sistem hitungan
7. Melatih para pengkode dan melakukan studi percobaan
8. Mengkode isi menurut definisi yang telah ditentukan
9. Menganalisis data yang telah dikumpulkan
10. Menarik kesimpulan-kesimpulan dan mencari indikasi
Menurut Holsti (1969: 28), analisis isi adalah suatu teknik membuat kesimpulan dengan cara mengidentifikasi karakteristik-karakteristik pesan tertentu secara obyektif dan sistematis. Klaus Krippendorff mendefenisikan anaisis isi sebagai teknik penelitian dalam membuat kesimpulan-kesimpulan dari daa konteksnya. Berdasarkan dua defenisi diatas, maka ada dua fungsi analisis isi, yaitu: memberikan uraian yang sistematis dan dapat diuji tentang isi manifese dan laten suatu wacana naratif, dan menghasilkan
kesimpulan yang valid tentang konteks naratif yang berdasarkan isi deskriptifnya.
(Holsti 1969: 28) mengemukakan tiga fungsi utama analisis isi, yaitu:
1. Menggambarkan karakteristik komunikasi dengan mengajukan pertanyaan: apa,
bagaimana, dan kepada siapa pesan itu disampaikan
2. Membuat kesimpulan-kesimpulan, seperti anteseden komunikasi, dengan
mengajukan pertanyaan mengapa pesan itu disampaikan, dan
Universitas Sumatera Utara
3. Membuat kesimpulan-kkesimpulan tentang konsekuensi komunikasi dengan
mengajukan apa efek-efek pesan tersebut.
Fungsi deskriftif dalam analisis isi mencakup identifikasi terhadap tema-tema
dan pola structural dalam suatu pesan, dan perbandingan isi pesan yang disampaikan oleh komunikator yang berbeda atau sebaliknya pesan yang disampaikan oleh komunikator yang sama dalam konteks yang berbeda. Fungsi inferensial adalah mencakup penarikan kesimpulan tentang efek-efek yang mungkin ditimbulkan oleh pesan tersebut dan menyimpulan norma-norma perilaku sosial yang direfleksikan oleh pesan tersebut. Secara teknik Content Analysis mencakup upaya-upaya: klasifikasi lambang-lambang yang dipakaidalam komunikasi, menggunakan kriteria dalam klasifikasi, dan menggunakan teknik analisis tertentu dalam membuat prediksi. Analisis isi didahului dengan melakukan coding terhadap istilah-istilah atau penggunaan kata dan kalimat yang relevan, yang paling banyak muncul dalam media komunikasi. Dalam hal pemberian coding, perlu juga dicatat dalam konteks mana istilah itu muncul. Kemudian, dilakukan klasifikasi terhadap coding yang telah dilakukan.
Klasifikasi dilakukan dengan melihat sejauh mana satuan makna berhubungan dengan tujuan penelitian. Klasifikasi ini dimaksudkan untuk membangun kategori dari setiap klasifikasi. Kemudian satuan makna dan kategori dianalisis dan dicari hubungan satu dengan lainnya untuk menemukan makna,arti, dan tujuan isi komunikasi itu. Hasil analisis ini dideskripsikan dalam bentuk draf laporan penelitiansebagaimana umumnya laporan penelitian

Syarat Analisis Isi (skripsi dan tesis)

Analisis isi dapat dipergunakan jika memiliki syarat berikut.
1. Data yang tersedia sebagian besar terdiri dari bahan-bahan yang
terdokumentasi (buku, surat kabar, pita rekaman, atau naskah/manuscript).
2. Ada keterangan pelengkap atau kerangka teori tertentu yang menerangkan
tentang dan sebagai metode pendekatan terhadap data tersebut.
3. Peneliti memiliki kemampuan teknis untuk mengolah bahan-bahan/data-data yang dikumpulkannya karena sebagian dokumentasi tersebut bersifat sangat khas/spesifik.
(Merten dalam Ibrahim, 2009: 97)

Analisis Isi (skripsi dan tesis)

Analisis isi pada awalnya berkembang dalam bidang surat kabar yang bersifat
kuantitatif. Pelopor analisis isi adalah Harold D. Lasswell, yang memelopori
teknik symbol coding, yaitu mencatat lambang atau pesan secara sistematis,
kemudian diberi interpretasi (Subrayogo, 2001: 6).

Analisis isi (content analysis) digunakan untuk memperoleh keterangan dari
komunikasi yang disampaikan dalam bentuk lambang yang terdokumentasi atau
dapat didokumentasikan. Analisis isi dapat dipakai untuk menganalisa semua
bentuk komunikasi, seperti pada surat kabar, buku, film, dan sebagainya. Dengan
menggunakan metode analisis isi, maka akan diperoleh suatu pemahaman
terhadap berbagai isi pesan komunikasi yang disampaikan oleh media massa atau dari sumber lain secara obyektif, sistematis, dan relevan (Subrayogo, 2001: 6).
Analisis isi merupakan suatu teknik penelitian untuk menguraikan isi komunikasi yang jelas secara objektif, sistematis, dan kuantitatif (Berelson dalam Ibrahim, 2009: 97). Selain itu, analisis isi merupakan teknik penelitian yang ditujukan untuk membuat kesimpulan dengan cara mengidentifikasi karakteristik tertentu pada pesan-pesan secara sistematis dan objektif (Holsti dalam Ibrahim, 2009: 97).
Analisis isi adalah suatu teknik penelitian untuk membuat inferensi-inferensi yang dapat ditiru (repicable) dan sahih data dengan memperhatikan konteksnya. Sebagai suatu teknik penelitian, analisis isi mencakup prosedur-prosedur khusus untuk pemerosesan dalam data ilmiah dengan tujuan memberikan pengetahuan, membuka wawasan baru, dan menyajikan fakta (Subrayogo, 2001: 71).

Variabel aktif dan variabel atribut  (skripsi dan tesis)

Variabel aktif adalah variabel bebas yang dimanipulasi. Sebarang variabel yang dimanipulasikan merupakan variabel aktif. Misalnya peneliti memberikan penguatan positif untuk jenis kelakuan tertentu dan melakukan hal yang berbeda terhadap kelompok lain atau memberikan instruksi yang berlainan pada kedua kelompok tersebut atau peneliti menggunakan metode pembelajaran yang berbeda, atau memberikan imbalan kepada subyek-subyek dalam kelompok lain, atau menciptakan kecemasan dengan instruksi-instruksi yang meresahkan, maka peneliti secara aktif memanipulasi variabel metode, penguatan, dan kecemasan.
Variabel atribut adalah yang tidak dapat dimanipulasi atau kata lain variabel yang sudah melekat dan merupakan ciri dari subyek penelitian.  Perbedaan variabel aktif dan variabel atribut ini bersifat umum. Akan tetapi variabel atribut dapat pula menjadi variabel aktif. Ciri ini memungkinkan untuk penelitian relasi “yang sama” dengan cara berbeda

Variabel bebas dan variabel terikat (skripsi dan tesis)

Variabel bebas sering disebut independent, variabel stimulus, prediktor, antecedent. Variabel bebas adalah variabel yang mempengaruhi atau yang menjadi sebab perubahannya atau timbulnya variabel terikat. Variabel terikat atau dependen atau disebut variabel output, kriteria, konsekuen, adalah variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas. Variabel terikat tidak dimanipulasi, melainkan diamati variasinya sebagai hasil yang dipradugakan berasal dari variabel bebas. Biasanya variabel terikat adalah kondisi yang hendak kita jelaskan.
Dalam eksperimen-eksperimen, variabel bebas adalah variabel yang dimanipulasikan (“dimainkan”) oleh pembuat eksperimen. Misalnya, manakala peneliti di bidang pendidikan mengkaji akibat dari berbagai metode pengajaran, peneliti dapat memanipulasi metode sebagai (variabel bebasnya) dengan mengggunakan berbagai metode. Dalam penelitian yang bersifat tidak eksperimental, yang dijadikan variabel bebas ialah yang “secara logis” menimbulkan akibat tertentu terhadap suatu variabel terikat. Contohnya, dalam penelitian tentang merokok dan kanker paru-paru, merokok (yang memang telah dilakukan oleh banyak subyek) merupakan variable bebas, sementara kangker paru-paru merupakan akibat dari merokok atau sebagai variabel terikat. Jadi variabel bebas adalah variabel penyebab, sadangkan variabel terikat yang menjadi akibatnya.

Pengertian Variabel Penelitian (skripsi dan tesis)

Variabel merupakan sesuatu yang menjadi objek pengamatan penelitian, sering juga disebut sebagai faktor yang berperan dalam penelitian atau gejala yang akan diteliti. Menurut Kerlinger (2006: 49), variabel adalah konstruk atau sifat yang akan dipelajari yang mempunyai nilai yang bervariasi. Kerlinger juga mengatakan bahwa variabel adalah simbol/lambang yang padanya kita letakan sebarang nilai atau bilangan. Menurut Sugiyono (2009: 60), variabel adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya. Selanjutnya menurut Suharsimi Arikunto (1998: 99), variabel penelitian adalah objek penelitian atau apa yang menjadi perhatian suatu titik perhatian suatu penelitian. Bertolak dari pendapat para ahli di atas maka dapat disimpulkan bahwa variabel penelitian adalah suatu atribut dan sifat atau nilai orang, faktor, perlakuan terhadap obyek atau kegiatan yang mempunyai variasi tertentu yang ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.

Klasifikasi Variabel Berdasarkan Posisi dan Fungsinya dalam Penelitian (skripsi dan tesis)

 

Jika ditinjau dari segi posisi dan fungsi; hubungan atau pengaruh masing-masing variabel dalam konteks suatu penelitian, maka penelitian dapat dibedakan atas:

– Variabel Bebas

Variabel bebas atau dibeberapa buku ada yang menyebutnya stimulus/ prediktor/antecendent/ eksogen/independen Merupakan variabel yang mempengaruhi atau yang menjadi sebab perubahan atau timbulnya variabel dependen (terikat) (Sugiyono, 2009: 39)

– Variabel Terikat

Merupakan variabel yang dipengaruhi atau yang menjadi akibat karena adanya variabel bebas. Biasa juga disebut sebagai variabel dependen, output/kriteria/ konsekuen/endogen/.

– Variabel Kontrol

Merupakan variabel yang tidak dapat dimanipulasi dan digunakan sebagai salah satu cara untuk mengontrol, meminimalkan, atau menetralkan pengaruh aspek tersebut.

– Variabel Extraneous

Merupakan variabel di luar variabel yang diteliti dan mempengaruhi variabel terikat. Jadi dapat disimpulkan variabel extraneous adalah variabel bebas yang tidak dikontrol.

– Variabel antara

Dalam posisinya variabel antara terletak dalam rentang variabel bebas dan variabel terikat, tetapi tidak sama dengan variabel extraneous. Variabel antara terjadi dan berlangsung sebagai akibat adanya variabel bebas dan merupakan sebab utama terjadinya perubahan pada variabel terikat, namun kadang-kadang hubungan atau pengaruh variabel bebas tehadap variabel terikat bisa secara langsung kalau akibat variabel bebas yang dipilih tidak membutuhkan kegiatan perantara  dalam mempengaruhi variabel terikat. Sesuai dengan pendapat Trucman (1988) bahwa variabel antara merupakan variabel yang mempengaruhi hubungan antara variabel independen dengan variabel dependen menjadi hubungan tidak langsung dan tidak dapat diamati atau diukur.

– Variabel Anteceden

Secara teoritis fungsi variabel anteceden dalam penelitian sama dengan variabel antara yaitu untuk melacak hasil yang lebih baik dan tepat dalam rangkaian hubungan sebab akibat di antara variabel yang diteliti.  Letak perbedaannya menurut Rosenberg (1968) yaitu variabel antara berada di antara variabel bebas  dan variabel terikat dalam suatu urutan  sebab akibat, sedangkan variabel anteceden  mendahului variabel  bebas.

– Variabel Penekan

Apabila dari hasil analisa awal disimpulkan tidak ada hubungan antara variabel bebas dan variabel terikat, tetapi ketika variabel ketiga dimasukkan ternyata  hubungan itu menjadi tampak. Dalam kasus ini variabel ketiga tersebut menjadi penekan (supprissor variable).

– Variabel Penganggu

Merupakan kebalikan dari variabel penekan, apabila dalam analisis awal menunjukkan ada hubungan positif antara  variabel bebas dan variabel terikat, tetapi  apabila dimasuk variabel ketiga ternyata hubungan antara dua variabel tersebut  menjadi tidak nampak atau hubungannya menjadi negatif.  Dalam kasus ini variabel ketiga tersebut menjadi pengganggu (distorter variable).

Klasifikasi Variabel Berdasarkan Data (skripsi dan tesis)

Secara umum klasifikasi variabel berdasarkan data dapat dibedakan atas dua bentuk, yaitu:

a. Variabel Deskrit (Descrete Variable)

Merupakan variable kategorikal. Variabel kategorikal merupakan variabel yang pemilihannya dilakukan secara kategorikal dengan memperhatikan perbedaan kualitatif. Variabel ini tidak mempunyai angka pecahan. Jumlah kategori variabel bisa dua dan dapat pula lebih.

 

b.  Variabel Kontinu (Continuous Variable)

Merupakan variabel yang sering disebut sebagai variabel kuantitatif, yaitu variabel yang sinambung, yang memiliki nilai berhubungan atau ada dalam beberapa tingkatan (degree) yang sinambung dari “kurang kepada lebih)” serta dapat menerapkan angka (numeral) terhadap individu atau objek yang berbeda untuk menunjukkan berapa banyak variabel yang mereka miliki. Variabel ini sekurang-kurangnya mempunyai nilai tata jenjang, serta dapat dinyatakan dalam pecahan.

 

Metode analisis regresi linear dengan variabel moderating (skripsi dan tesis)

Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lain.

Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi istrinya. Dengan hadirnya seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel anak merupakan moderating antara rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh antara kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja, dan adanya kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap kinerja menjadi lebih meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak.

Metode analisis regresi linear dengan variabel moderating:

1. Multiple Regression Analysis (MRA)

Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 + b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima jika variabel X1 X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi multikolinearitas atau adanya korelasi yang tinggi antara variabel bebas dalam model regresi, sehingga menyalahi asumsi klasik. Hampir tidak ada model MRA yang terbebas dari masalah multikolinearitas, sehingga sebenarnya model ini tidak disarankan untuk dipergunakan.

  1. Absolut residual

Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari pada dengan metode MRA.

  1. Residual

Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual. Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan. Model ini terbebas dari gangguan multikolinearitas karena hanya menggunakan satu variabel bebas.

:

1. Multiple Regression Analysis (MRA)

Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 + b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima jika variabel X1 X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi multikolinearitas atau adanya korelasi yang tinggi antara variabel bebas dalam model regresi, sehingga menyalahi asumsi klasik. Hampir tidak ada model MRA yang terbebas dari masalah multikolinearitas, sehingga sebenarnya model ini tidak disarankan untuk dipergunakan.

  1. Absolut residual

Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari pada dengan metode MRA.

  1. Residual

Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual. Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan. Model ini terbebas dari gangguan multikolinearitas karena hanya menggunakan satu variabel bebas.

Uji Linearitas (skripsi dan tesis)

Uji linearitas dipergunakan untuk melihat apakah model yang dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear. Hubungan antar variabel yang secara teori bukan merupakan hubungan linear sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah elastisitas.

Jika ada hubungan antara dua variabel yang belum diketahui apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk memberikan adjustment bahwa hubungan tersebut bersifat linear atau tidak. Uji linearitas digunakan untuk mengkonfirmasikan apakah sifat linear antara dua variabel yang diidentifikasikan secara teori sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange Multiplier.

Uji Autokorelasi (skripsi dan tesis)

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya.

Uji autokorelasi hanya dilakukan pada data time series (runtut waktu) dan tidak perlu dilakukan pada data cross section seperti pada kuesioner di mana pengukuran semua variabel dilakukan secara serempak pada saat yang bersamaan. Model regresi pada penelitian di Bursa Efek Indonesia di mana periodenya lebih dari satu tahun biasanya memerlukan uji autokorelasi.

Beberapa uji statistik yang sering dipergunakan adalah uji Durbin-Watson, uji dengan Run Test dan jika data observasi di atas 100 data sebaiknya menggunakan uji Lagrange Multiplier. Beberapa cara untuk menanggulangi masalah autokorelasi adalah dengan mentransformasikan data atau bisa juga dengan mengubah model regresi ke dalam bentuk persamaan beda umum (generalized difference equation). Selain itu juga dapat dilakukan dengan memasukkan variabel lag dari variabel terikatnya menjadi salah satu variabel bebas, sehingga data observasi menjadi berkurang 1.

Uji Heteroskedastisitas (skripsi dan tesis)

 

Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians dari residual satu ke pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat kesamaan varians dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskedastisitas.

Deteksi heteroskedastisitas dapat dilakukan dengan metode scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID (nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar atau sebaliknya melebar kemudian menyempit. Uji statistik yang dapat digunakan adalah uji Glejser, uji Park atau uji White.

Beberapa alternatif solusi jika model menyalahi asumsi heteroskedastisitas adalah dengan mentransformasikan ke dalam bentuk logaritma, yang hanya dapat dilakukan jika semua data bernilai positif. Atau dapat juga dilakukan dengan membagi semua variabel dengan variabel yang mengalami gangguan heteroskedastisitas.

Uji Multikolinearitas (skripsi dan tesis)

Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu. Sebagai ilustrasi, adalah model regresi dengan variabel bebasnya motivasi, kepemimpinan dan kepuasan kerja dengan variabel terikatnya adalah kinerja. Logika sederhananya adalah bahwa model tersebut untuk mencari pengaruh antara motivasi, kepemimpinan dan kepuasan kerja terhadap kinerja. Jadi tidak boleh ada korelasi yang tinggi antara motivasi dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan dengan kepuasan kerja.

Alat statistik yang sering dipergunakan untuk menguji gangguan multikolinearitas adalah dengan variance inflation factor (VIF), korelasi pearson antara variabel-variabel bebas, atau dengan melihat eigenvalues dan condition index (CI).

Beberapa alternatif cara untuk mengatasi masalah multikolinearitas adalah sebagai berikut:
1. Mengganti atau mengeluarkan variabel yang mempunyai korelasi yang tinggi.
2. Menambah jumlah observasi.
3. Mentransformasikan data ke dalam bentuk lain, misalnya logaritma natural, akar kuadrat atau bentuk first difference delta.
4. Dalam tingkat lanjut dapat digunakan metode regresi bayessian yang masih jarang sekali digunakan.

Uji Normalitas (skripsi dan tesis)

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi normal. Jadi uji normalitas bukan dilakukan pada masing-masing variabel tetapi pada nilai residualnya. Sering terjadi kesalahan yang jamak yaitu bahwa uji normalitas dilakukan pada masing-masing variabel. Hal ini tidak dilarang tetapi model regresi memerlukan normalitas pada nilai residualnya bukan pada masing-masing variabel penelitian.

Pengertian normal secara sederhana dapat dianalogikan dengan sebuah kelas. Dalam kelas siswa yang bodoh sekali dan pandai sekali jumlahnya hanya sedikit dan sebagian besar berada pada kategori sedang atau rata-rata. Jika kelas tersebut bodoh semua maka tidak normal, atau sekolah luar biasa. Dan sebaliknya jika suatu kelas banyak yang pandai maka kelas tersebut tidak normal atau merupakan kelas unggulan. Pengamatan data yang normal akan memberikan nilai ekstrim rendah dan ekstrim tinggi yang sedikit dan kebanyakan mengumpul di tengah. Demikian juga nilai rata-rata, modus dan median relatif dekat.

Uji normalitas dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square, Skewness dan Kurtosis atau uji Kolmogorov Smirnov. Tidak ada metode yang paling baik atau paling tepat. Tipsnya adalah bahwa pengujian dengan metode grafik sering menimbulkan perbedaan persepsi di antara beberapa pengamat, sehingga penggunaan uji normalitas dengan uji statistik bebas dari keragu-raguan, meskipun tidak ada jaminan bahwa pengujian dengan uji statistik lebih baik dari pada pengujian dengan metode grafik.

Jika residual tidak normal tetapi dekat dengan nilai kritis (misalnya signifikansi Kolmogorov Smirnov sebesar 0,049) maka dapat dicoba dengan metode lain yang mungkin memberikan justifikasi normal. Tetapi jika jauh dari nilai normal, maka dapat dilakukan beberapa langkah yaitu: melakukan transformasi data, melakukan trimming data outliers atau menambah data observasi. Transformasi dapat dilakukan ke dalam bentuk Logaritma natural, akar kuadrat, inverse, atau bentuk yang lain tergantung dari bentuk kurva normalnya, apakah condong ke kiri, ke kanan, mengumpul di tengah atau menyebar ke samping kanan dan kiri.

Uji Asumsi Klasik (skripsi dan tesis)

Uji asumsi klasik adalah persyaratan statistik yang harus dipenuhi pada analisis regresi linear berganda yang berbasis ordinary least square (OLS). Jadi analisis regresi yang tidak berdasarkan OLS tidak memerlukan persyaratan asumsi klasik, misalnya regresi logistik atau regresi ordinal. Demikian juga tidak semua uji asumsi klasik harus dilakukan pada analisis regresi linear, misalnya uji multikolinearitas tidak dapat dipergunakan pada analisis regresi linear sederhana dan uji autokorelasi tidak perlu diterapkan pada data cross sectional.

Uji asumsi klasik juga tidak perlu dilakukan untuk analisis regresi linear yang bertujuan untuk menghitung nilai pada variabel tertentu. Misalnya nilai return saham yang dihitung dengan market model, atau market adjusted model. Perhitungan nilai return yang diharapkan dilakukan dengan persamaan regresi, tetapi tidak perlu diuji asumsi klasik.

Setidaknya ada lima uji asumsi klasik, yaitu uji multikolinearitas, uji heteroskedastisitas, uji normalitas, uji autokorelasi dan uji linearitas. Tidak ada ketentuan yang pasti tentang urutan uji mana dulu yang harus dipenuhi. Analisis dapat dilakukan tergantung pada data yang ada. Sebagai contoh, dilakukan analisis terhadap semua uji asumsi klasik, lalu dilihat mana yang tidak memenuhi persyaratan. Kemudian dilakukan perbaikan pada uji tersebut, dan setelah memenuhi persyaratan, dilakukan pengujian pada uji yang lain.

Regresi Linear Berganda (skripsi dan tesis)

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan umumnya adalah:
Y = a + b1 X1 + b2 X2 + …. + bn Xn.
Analisis regresi linear berganda memerlukan pengujian secara serempak dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Asumsi klasik tersebut meliputi asumsi normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas (akan dibahas belakangan).

Regresi Linear Sederhana (skripsi dan tesis)

Analisis regresi linear sederhana dipergunakan untuk mengetahui pengaruh antara satu buah variabel bebas terhadap satu buah variabel terikat. Persamaan umumnya adalah:
Y = a + b X.
Dengan Y adalah variabel terikat dan X adalah variabel bebas. Koefisien a adalah konstanta (intercept) yang merupakan titik potong antara garis regresi dengan sumbu Y pada koordinat kartesius.

Regresi Linear (skripsi dan tesis)

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering disebut variabel bebas, variabel independen atau variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel terikat atau variabel dependen.

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package For Service Solutions).

 

Koefisien Determinasi (skripsi dan tesis)

Koefisien determinasi (R-Square) adalah ukuran yang menunjukkan
seberapa besar variasi dalam data yang dapat dijelaskan oleh model regresi yang dibangun. Koefisien determinasi merujuk kepada kemampuan dari variabel bebas dalam menerangkan variabel terikatnya. Besarnya nilai koefisien determinasi pada model regresi logistik
ditunjukkan oleh nilai Mc Fadden, Cox and Snell, dan Nagelkerke R-Square.
(Rizki, 2016)
Pengujian koefisien determinasi dilakukan untuk melihat seberapa
besar variabel-variabel bebas mempengaruhi nilai variabel terikat. Menurut
Rizki (2016), suatu model dikatakan baik bila koefisien Nagelkerke lebih dari
70% yang artinya bahwa variabel bebas yang dibuat model mempengaruhi
70% terhadap variabel terika

Jenis-Jenis Data (skripsi dan tesis)

Data hasil penelitian dapat dikelompokkan menjadi beberapa kelompok.
Dalam melakukan pengelompokkan perlu didasarkan pada pengukuran yang
akurat. Menurut Siegel (1994) ada 4 skala pengukuran:
1. Skala nominal adalah pengukuran yang hanya untuk mengklasifikasikan
suatu objek.
2. Skala ordinal adalah pengukuran yang menunjukkan tingkatan. Seperti
sesuatu yang lebih disukai, lebih tinggi, lebih sulit, dan lain-lain.
3. Skala interval adalah pengukuran yang mempunyai segala sifat skala
ordinal. Disamping itu jarak antara dua angka pada skala interval diketahui
ukurannya.
4. Skala rasio adalah pengukuran yang mempunyai semua ciri pada skala
interval. Disamping itu memiliki suatu titik nol sejati sebagai titik asalnya

Analisis Cluster (skripsi dan tesis)

Menurut Bambang T.C, Analisis cluster Adalah analisis terhadap sekumpulan objek pemasaran yang disortir kedalam beberapa sub kelompok objek pemasaran agar dapat diketahui kesamaan antar sub kelompok tersebut (Shofyaningsih, 2006) Analisis cluster pada prinsipnya digunakan untuk mereduksi data yaitu proses untuk meringkas sejumlah variabel menjadi lebih sedikit. Pada risert pemasaran, cluster biasanya cluster digunakan untuk melakukan proses segmentasi sejumlah responden (konsumen) berdasarkan ciri-ciri sejumlah atribut yang ada. (Santoso, Tjiptono, 2002)

Dalam beberapa situasi penelitian mungkin peneliti perlu membagi-bagi individu, anggota dari sempel, atau anggota dari populasi kedalam beberapa kelompok, yang cirinya dapat dinyatakan dengan sebutan yang bermakna. Nama umum teknik-teknik pengelompokan individu atau subjek kedalam beberapa kelompok adalah analisis cluster atau analisis kelompok A Tujuan pengelompokkan adalah terbentuknya kelompok-kelompok individu sedemikian sehingga variasi antara subjek atau individu dalam kelompok sekecil mungkin, lebih kecil dari variasi antara individu-individu yang berbeda kelompok. Jadi kelompok yang terbentuk merupakan sub sempel yang mirip satu sama lain, apa yang tidak berdekatan menjadi anggota dari kelompok yang berbeda. Dikatakan juga bahwa keanggotaan dalam suatu kelompok ditentukan oleh kecocokkan dan kedekatan. Ukuran kecocokkan disebut koefisien asosiasi, sedang ukuran kedekatan disebut jarak. Ukuran kecocokkan digunakan untuk data dari variabel yang berskala nominal atau untuk data yang dimiliki oleh komponen kualitatif. Jarak yang digunakan untuk data yang bersifat matrik.

 

 

 

 

 

Analisis Faktor (skripsi dan tesis)

Analisis faktor pada prinsipnya digunakan untuk mereduksi data, yaitu
proses untuk meringkas sejumlah variabel menjadi sedikit dan  enamakannya sebagai faktor. Jadi, dapat saja dari 10 atribut tersebut dapat diringkas menjadi 3 faktor utama saja.(Santoso dan Tjiptono, 2001)
Proses analisis faktor mencoba menemukan hubungan (interrelationship)
antar sejumlah variabel-variabel yang saling independen satu dengan yang lain
sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal. (Santoso, 2002)
1. Penentuan Tujuan Analisis Faktor
Tujuan dari analisis faktor adalah sebagai berikut : (Santoso, 2002)
a. Data Summarization, yakni mengidentifikasi adanya hubungan antar
variabel dengan melakukan uji korelasi. Jika korelasi dilakukan antar
variabel (dalam pengertian SSPS adalah ”kolom”), analisis tersebut
dinamakan R Factor Analysis. Namun jika korelasi dilakukan antar
responden atau sampel (dalam pengertian SSPS adalah ”baris”), analisis
disebut Q Factor Analysis, yang juga populer disebut Cluster Analysis.
b. Data Reduction, yakni setelah melakukan korelasi, dilakukan proses
membuat sebuah variabel set baru yang dinamakan faktor untuk
menggantikan sejumlah variabel tertentu.
2. Penentuan Tipe dan Desain Analisis Faktor
Terdapat dua tipe analisis faktor, yaitu tipe R dan tipe Q. Tipe R
digunakan untuk mengekstrak variabel, sedangkan tipe Q dilakukan untuk
mengekstrak responden.
Desain Riset Analisis Faktor meliputi :
a. Pembuatan matriks korelasi
Matrik data mentah berukuran n x p (n objek dan p variabel) yang
berisi kuesioner diubah menjadi matrik korelasi. Dalam matrik korelasi,
variabel-variabel yang diukur mempunyai unit dan skala pengukuran yang
berbeda. Penggunaan matrik ini untuk menghilangkan perbedaan yang
diakibatkan oleh mean dan dispersi variabel.
b. Penetuan tipe dan jumlah variabel yang akan dianalisis
Variabel yang akan dipilih adalah variabel yang relevan dengan
penelitian yang dilakukan. Data mentah yang diperoleh merupakan hasil
pengukuran metrik. Dalam beberapa kasus, variabel dummy (berkode 0-1)
yang sekalipun dikategorikan nonmetrik, dapat digunakan. Jumlah
variabel pada setiap faktornya, diusahakan seminimal mungkin dengan
tetap mengandung sebanyak-banyaknya informasi yang dibutuhkan.
c. Penentuan jumlah sampel
Secara umum, jumlah sampel yang dianjurkan adalah 50-100
sampel (dalam pengertian SSPS adalah 50-100 baris). Atau bisa dengan
patokan rasio 10:1, dalam arti untuk satu variabel seharusnya ada 10
sampel. Dalam pengertian SSPS, hal ini berarti setiap 1 kolom yang ada
seharusnya terdapat 10 baris data sehingga jika ada 5 kolom, minimal
seharusnya ada 50 baris data. (Santoso, 2002)
3. Pengujian Asumsi
Sebelum masuk pada proses analisis faktor, terdapat asumsi-asumsi
dasar yang harus dipenuhi. Asumsi-asumsi yang harus dipenuhi untuk menilai
tepat atau tidaknya menggunakan analisis faktor tersebut adalah :
a. Asumsi korelasi yang meliputi
• Besar korelasi antar variable independent harus cukup kuat atau di atas
0,3.
• Besar korelasi parsial yaitu korelasi antar dua variabel dengan
menganggap tetap variabel lain, justru harus kecil atau mendekati nol.
• Uji hipotesis bahwa matriks korelasi adalah bukan matriks identitas,
dengan menggunakan Barlett’s Test of Sphericity. Nilai signifikasi
yang diperoleh Barlett’s Test of Sphericity harus lebih kecil dari 0,05
(sig < 0.05)
b. Asumsi ukuran kecukupan sampling yang diuji dengan Kaiser-Meyer-
Olkin (KMO) dan Measure of Sampling Adequency (MSA).
KMO merupakan indeks untuk membandingkan besarnya
koefisien korelasi amatan dengan koefisien parsial, yang berarti bahwa
besar koefisien korelasi keseluruhan variabel pada matriks korelasi harus
signifikan di antara paling sedikit beberapa variabel. Angka KMO
disyaratkan harus lebih dari 0.5.
Angka MSA diinterpretasikan dengan kriteria :
a. MSA = 1,0 = variabel tersebut dapat diprediksi tanpa kesalahan oleh
variabel lain.
b. MSA > 0,5 = variabel masih bisa diprediksi dan bisa dianalisis lebih
lanjut.
c. MSA ≤ 0,5 = variabel tidak bisa diprediksi dan tida bisa dianalisis
lebih lanjut atau harus dikeluarkan.
4. Pemilihan Metode Ekstraksi dan Penentuan Jumlah Faktor
Ekstraksi faktor bertujuan untuk menghasilkan sejumlah faktor dari
data yang ada. Terdapat dua pendekatan dalam mengekstraksi faktor, metode
Analisis Utama (Principal Component Analysis) dan metode Analisis Faktor
Umum (Common Factor Analysis). Dalam pemilihannya, perlu diketahui
lebih dahulu tipe-tipe variansi data. Total varians (total variance) terdiridari
tiga bagian, yaitu variansi umum (common variance), variansi unik atau
spesifik (specific variance), dan variansi error (error vaiance). Variansi umum
adalah variansi variabel yang dibagi dengan semua variabel yang ada.
Variansi spesifik adalah variansi yang dimiliki oleh variabel yang bersifat
reliabel secara spesifik dan tidak berhubungan dengan variabel lain.
Sedangkan variansi error adalah variansi yang berhubungan dengan ketidak
reliabel, yang terjadi dari proses pengumpulan data, error pengukuran dan
kesalahan acak.
Dalam menentukan jumlah faktor yang diinginkan sebagai hasil
ekstrak, terdapat beberapa kriteria, yaitu :
a. Kriteria Latent Root (Latent Root Criterion)
Hanya faktor-faktor yang memiliki latent root (eigenvalue) minimum 1
yang akan dipertahankan. Ini dapat berarti bahwa sebuah faktor dapat
dianggap sebagai faktor, bila paling sedikit dapat menjelaskan variansi
satu variabel atau setiap variabel menyumbangkan nilai satu pada total
eigenvalue. maka, hanya faktor dengan eigenvalue > 1 yang dianggap
signifikan.
b. Kriteria (Apriori Criterion)
Jumlah faktor ditentukan sendiri oleh peneliti karena peneliti sudah
mempunyai pengalaman sebelumnya tentang beberapa jumlah faktor.
Metode ini digunakan untuk menguji suatu teori yang sudah ada.
c. Kriteria presentase variansi (Percentage of Varience Criterion)
Presentase kumulatif total variansi tertentu diekstraksi dari factor-faktor
terpilih secara berurutan. Tujuannya untuk memastikan signifikansi
faktor-faktor terpilih. Dengan memastikannya terlebih dahulu diketahui
dengan pasti bahwa faktor-faktor tersebut dapat menjelaskan paling
sedikit sejumlah variansi.
d. Kriteria Scree Test ( Scree Test Criterion)
Meskipun semau faktor mengandung paling sedikit beberapa variansi
unik, tetapi pada dasarnya proporsi variansi unik dua factor (dan
sesudahnya) lebih besar dari faktor sebelumnya. Tujuannya untuk
mengidentifikasi jumlah maksimal faktor yang dapat diekstrak sebelum
sejumlah variansi unik mulai mendominasi struktur variansi umum. Pada
kurva latent root terhadap jumlah faktor, titik dimana kurva mulai
bergerak lurus merupakan indikasi jumlah faktor maksimum yang dapat
diekstrak.
e. Kriteria Responden (Heterogenity of Respondent)
Jika sampel heterogen pada paling sedikit satu bagian dari set variabel,
maka faktor pertama akan menjelaskan variabel-variabel tersebut secara
lebih homogen terhadap keseluruhan sampel.
5. Pemilihan Metode Rotasi dan Interpretasi Matrik Faktor
Jika faktor loading suatu variabel sama-sama cukup tinggi pada
beberapa faktor maka sulit untuk memutuskan ke faktor mana variabel
tersebut harus dimasukkan, sedangkan sasaran analisis faktor adalah agar
setiap variabel hanya masuk ke satu faktor saja. Untuk itu setelah ekstraksi,
faktor-faktor yang terbentuk perlu dirotasi. Tujuan rotasi adalah untuk
mengekstrimkan faktor loading variabel. Rotasi dilakukan dengan memutar
sumbu faktor, dari titik pusatnya menuju titik yang ingin dituju. Beberapa
metode rotasi, yaitu :
a. Orthogonal Rotation, dilakukan dengan cara merotasikan sumbu faktor
yang kedudukannya saling tegak lurus satu dengan lainnya, sehingga
setiap faktor saling bebas terhadap faktor lainnya karena sumbunya saling
tegak lurus. Rotasi Orthogonal masih dapat dibedakan menjadi :
1) Quartimax, dengan merotasi faktor awal hasil ekstraksi sehingga
diperoleh hasil rotasi dimana setiap variabel mempunyai faktor
loading yang tinggi di satu faktor dan sekecil mungkin pada faktor
lain.
2) Varimax (paling sering digunakan karena sering terbukti lebih baik
dalam menunjukkan perbedaan antar faktor ), dengan merotasi faktor
awal hasil ekstraksi sehingga diperoleh hasil rotasi dimana dalam
suatu kolom, nilai yang ada sebanyak mungkin mendekati nol. Ini
berarti, di dalam setaip faktor tercakup sesedikit mungkin variabel.
3) Equimax, mengkombinasi metode Quartimax dan Varimax.
b) Oblique Rotation, dilakukan dengan merotasikan sumbu faktor yang
kedudukannya saling membentuk sudut, dengan besar sudut rotasi
tertentu. Dalam hal ini, korelasi antara faktor masih diperhitungkan karena
sumbu faktor tidak saling tegak lurus satu dengan yang lainnya. Rotasi
Oblique masih dapat dibedakan menjadi :
1) Oblimax, merotasi faktor sehingga sejumlah faktor loading yang tinggi
dan rendah meningkat, dengan menurunkan faktor-faktor loading yang
berada dipertengahan.
2) Quartimin, meminimumkan jumlah produk pada struktur loading.
3) Covarimin, seperti varimax pada rotasi orthogonal, yaitu dengan
merotasi faktor awal hasil ekstraksi sehingga diperoleh nilai yang ada
dalam suatu kolom sebanyak mungkin mendekati nol.
4) Oblimin, mengkombinasi metode Quartimin dan Covarimin
Interpretasi matrik faktor dilakukan dengan mengelompokkan
variabel-variabel ke dalam faktor-faktor hasil. Dasar untuk memutuskan
apakah suatu variabel dimasukkan pada faktor 1, faktor 2, atau faktor lainnya
adalah faktor loadingnya. Sebelum dikelompokkan faktor loading harus
memenuhi kriteria signifikansi praktis dan signifikansi statistik. Kriteria
signifikansi praktis adalah faktor loading lebih besar dari 0.5, karena semakin
besar faktor loading semakin m udah menginterpretasikan faktor tersebut.
Kriteria signifikansi statistik dapat dilihat pada tabel 2.1, dibawah ini:
T
Langkah-langkah interpretasi matriks faktor, yaitu :
a. Memeriksa faktor loading terbesar untuk setiap variabel.
b. Mengidentifikasi faktor loading terbesar untuk setiap variabel.
c. Menggabungkan variabel ke dalam faktor. Apabila variabel dengan faktor
loading terbesar terjadi pada faktor 1, maka variabel tersebut digabungkan
ke dalam faktor 1.
d. Menghapus variabel apabila :
• Faktor loading variabel signifikansi pada beberapa faktor.
• Nilai komunalitas variabel lebih kecil dari 0.5.
e. Memberikan nama atau label pada faktor terbentuk yang mencerminkan
arti gabungan dari variabel-variabel penyusunnya.
6. Output Hasil Faktor sebagai Data mentah Analisis Multivariant lainnya
Hasil analisis faktor seringkali ditindak lanjuti pada analisis
multivariant lainnya, seperti regresi dan diskriminan. Yang akan digunakan
pada analisis lanjutan adalah faktor hasil ekstraksi yang bukan hanya
jumlahnya lebih sedikit dari variabel awal, tetapi sekaligus dapat berfungsi
sebagai variabel baru pada analisis lanjutan tersebut. Oleh karena itu,
sebelumnya faktor harus diberi nilai terlebih dahulu.
Terdapat tiga metode dalam menentukan nilai setiap faktor, yaitu :
a. Menggunakan satu variabel awal yang memeliki faktor loading terbesar
(disebut suggorate variable) untuk mewakili setiap faktor dalam analisis
lanjutan.
b. Menggunakan factor scores, untuk membuat satu atau beberapa variabel
yang lebih sedikit dan berfungsi untuk menggantikan variabel asli yang
sudah ada.
c. Menggunakan summated scales, dimana nilai setiap faktor adalah rata-rata
nilai semua variabel yang tergabung dalam faktor tersebut.

Validitas dan Reliabilitas (skripsi dan tesis)

Ketepatan pengujian suatu hipotesa tentang hubungan variabel penelitian
sangat tergantung pada kualitas data yang akan dipakai dalam pengujian tersebut (Singarimbun, 1989). Data penelitian yang didalam pengumpulannya sering kali menuntut pembiayaan, waktu dan tenaga besar, tidak akan berguna bila mana alat pengukur yang digunakan untuk mengumpulkan data penelitian tersebut tidak memiliki validitas dan reliabilitas yang tinggi. Suatu instrumen ukur yang tidak valid atau tidak reliabel akan memberikan informasi yang tidak akurat mengenai keadaan subjek atau individu yang dikenai test. Apabila informasi yang keliru tersebut, dengan sengaja atau tidak sengaja digunakan sebagai dasar pertimbangan dalam pengambilan suatu kesimpulan dan keputusan maka tentulah hal tersebut tidak akan merupakan kesimpulan atau keputusan yang tepat. Karena itu, supaya hasil penelitian dapat dipertanggungjawabkan secara ilmiah, maka informasi yang menyangkut validitas dan reliabilitas instrumen ukur harus disampaikan.
1. Validitas
Validitas berasal dari kata validity yang mempunyai arti sejauh mana
ketepatan dan kecermatan suatu instrumen ukur dalam melakukan fungsi
ukurnya (Azwar, 1992). Validitas menunjukkan sejauh mana suatu instrumen
ukur itu dapat mengukur apa yang ingin diukur. Suatu test atau instrumen
ukur dapat dikatakan mempunyai validitas yang tinggi apabila alat tersebut
menjalankan fungsi alat ukurnya, atau memberikan hasil ukur, yang sesuai
dengan maksud dilakukannya pengukuran tersebut. Test yang menghasilkan
data tidak relevan dengan tujuan pengukuran dikatakan sebagai test yang
memiliki validitas rendah. Dalam hal ini, faktor yang mempengaruhi validitas
adalah pewawacara, responden (yang diwawancarai), dan instrumen ukur
yang digunakan.
Validitas alat pengumpul data dapat digolongkan dalam beberapa
jenis, yaitu:
a. Validitas Konstruk (Construct)
Sebagai salah satu dari tiga metode yang ada, validitas konstruk adalah tipe
validitas yang menunjukkan sejauh mana tes mengungkap suatu trait atau
kontruk teoretik yang hendak diukurnya. Pengujian validitas konstruk
merupakan proses yang terus berlanjut sejalan dengan perkembangan
konsep mengenai trait yang diukur. Walaupun pengujian validitas konstruk
biasanya memerlukan teknik analisis statistika yang lebih komplek daripada
teknik-teknik yang dipakai pada pengujian validitas lainnya akan tetapi hasil
estimasi validitas konstruk tidak dinyatakan dalam bentuk suatu koefisien
validitas. Apabila korelasi yang ada signifikan, maka dapat dikatan bahkan
alat ukur tersebut valid.
Apabila koefisien korelasi untuk seluruh item sudah dihitung, maka
kita perlu angka minimal dari koefisien korelasi (rkritis) yang dapat dianggap
cukup tinggi sebagai indikator adanya konsistensi antara skor item dengan
skor keseluruhan. Nilai (rkritis) dapat dicari dari tabel. Jika ada tabel yang
tidak memenuhi syarat nilai koefisien korelasi yang ditetapkan, maka
pengujian diulang dengan menghilangkan variabel yang bersangkutan.
b. Validitas Isi (Content)
Dua hal yang penting dari validitas isi yaitu pokok-pokok yang
dicantumkan dalam suatu test perlu mewakili masalah yang akan diuji dan
pokok-pokok yang dicantumkan dalam suatu test seharusnya sesuai.
Pentingnya validitas isi perlu terutama apabila masalah yang diteliti sangat
luas.
c. Validitas Kriteria (Criterion-Related)
Validitas ini berkait dengan penelitian hubungan sistematis
(biasanya dalam bentuk koefisien korelasi) antara skor untuk skala
tertentu dengan skor lain yang diramalkan.
Langkah-langkah pengujian validitas meliputi :
1. Mendefinisikan secara operasional konsep yang akan diukur.
2. Melakukan uji coba skala pengukuran tersebut pada responden.
3. Mempersiapkan tabel tabulasi jawaban.
4. Menghitung korelasi antara masing-masing pertanyaan dengan skor
total dengan salah satu cara adalah menggunakan rumus teknik
korelasi product moment.
Nilai r yang diperoleh kemudian dibandingkan dengan nilai r pada tabel r
product moment. Pernyataan-pernyataan tersebut dapat dianggap valid bila
memiliki konsistensi internal, yaitu mengukur aspek yang sama. Apabila
dalam perhitungan ditemukan pernyataan yang tidak valid, kemungkinan
pernyataan tersebut kurang baik susunan katanya atau kalimatnya, karena
kalimat yang kurang baik dapat menimbulkan penafsiran yang berbeda.
2. Reliabilitas
Relaibilitas adalah indeks yang menunjukkan sejauh mana suatu
sistem ukur dapat dipercaya atau dapat diandalkan (Singarimbun, 1989). Bila
suatu instrumen ukur dipakai dua kali untuk mengukur konsep yang sama dan
hasil pengukuran yang diperoleh relatif konsisten, maka instrumen ukur
tersebut reliabel. Dengan kata lain, reliabilitas menunjukkan konsistensi suatu
instrumen ukur di dalam mengukur konsep yang sama.
Reliabilitas diartikan sebagai tingkat kepercayaan hasil suatu
pengukuran (Azwar, 1992). Reliabilitas memberikan gambaran sejauh mana
skor hasil pengukuran terbebas dari alat pengukuran (measurement error).
Pengukuran yang memiliki realibilitas yang tinggi disebut sebagai pengukuran
yang reliabel (reliable), yaitu dapat dipercaya.
Secara empirik, tinggi rendahnya realibilitas ditunjukkan oleh suatu
angka yang disebut koefisien reliabilitas. Pada awalnya, tinggi rendahnya
reliabilitas suatu test dicerminkan oleh koefisien korelasi antara skor pada dua
test yang dikenakan pada sekelompok individu yang sama. Semakin tinggi
koefisien korelasi berarti konsistensi antara hasil pengenaan dua test tersebut
semakin baik dan hasil ukur kedua test tersebut dikatakan semakin reliabel,
begitu juga sebaliknya. Disamping itu, walaupun koefisien korelasi dapat saja
bertanda negatif (-), koefisien reliabilitas selalu mengacu pada angka positif
(+), karena angka negatif tidak ada artinya bagi interpretasi reliabilitas hasil
ukur.

Metode Sampling (skripsi dan tesis)

Dalam suatu penelitian, jumlah keseluruhan unit analisis, yaitu objek yang
akan diteliti, disebut populasi. Secara ideal, sebaiknya kita meneliti seluruh
anggota populasi. Akan tetapi, seringkali populasi penelitian sangat besar
sehingga tidak mungkin untuk diteliti seluruhnya dengan waktu, biaya dan tenaga yang tersedia. Dalam keadaan demikian, maka penelitian dilakukan terhadap sampel, yaitu sebagian dari populasi yang telah memenuhi kriteria untuk diteliti.dengan meneliti sampel, diharapkan bahwa hasil yang diperoleh akan dapat menggambarkan sifat populasi yang bersangkutan. Pemilihan sampel untuk memperoleh data mengenai populasi merupakan prosedur yang mendasar dalam suatu penelitian. Keuntungan dari teknik sampling antara lain mengurangi biaya, mempercepat waktu penelitian dan dapat memperbesar ruang lingkup penelitian (Singarimbun, 1989). Akan tetapi, pemilihan sampel selalu mengakibatkan adanya perbedaan antara nilai yang sebenarnya (dalam populasi) dari variabel yang diteliti dengan nilai hasil observasi (dalam sampling), yang disebut error sampling.
Suatu metode pengambilan sampel yang ideal memiliki sifat-sifat sebagai
berikut (Singarimbun, 1989):
1. Dapat menghasilkan gambaran yang dapat dipercaya dari seluruh populasi
yang diteliti.
2. Dapat menentukan ketepatan hasil penelitian dengan menentukan
penyimpangan baku dari tafsiran yang diperoleh.
3. Sederhana dan mudah dilakukan.
4. Dapat memberikan keterangan sebanyak mungkin dengan biaya serendah
mungkin.
Pada dasarnya metode pengambilan sampel ada dua macam (Singarimbun,
1989), yaitu : pengambilan sampel secara acak (probability sampling) dan
pengambilan sampel secara acak (nonprobability sampling).
1. Pengambilan sampel secara acak
Pengambilan sampel secara acak (probability sampling) adalah
metode sampling yang setiap anggota populasinya memiliki peluang untuk
terpilih sebagai sampel dan bukan nol. Peluang setiap anggota populasi
tersebut dapat sama, dapat juga tidak. Pengambilan sampel secara acak, terdiri dari :
a. Pengambilan sampel acak sederhana (simple random sampling), adalah
suatu teknik pengambilan sampel dimana setiap anggota populasi
memiliki probabilitas terpilih yang sama. Apabila jumlah sampel yang
diinginkan berbeda, maka besarnya peluang besarnya tiap anggota
populasi untuk terpilih pun berbeda-beda pula, dengan mengikuti
perbandingan jumlah sampel terhadap jumlah populasi. Dua metode yang
dapat digunakan dalam pengambilan sampel ini adalah: metode undian
dan metode menggunakan tabel bilangan random.
b. Pengambilan sampel acak sistematis (Systemmatic Sampling), adalah
suatu teknik pengambilan sampel dimana unsur pertama saja dari sampel
yang dipilih secara random, sedangkan unsur selanjutnya dipilih secara
sistematis menurut pola tertentu. Pengambilan sampel acak sistematis
tidak dapat diterapkan pada populasi yang tersusun dengan urutan pola
tertentu dimana interval sampling mengikuti urutan pola tersebut.
c. Penganbilan acak terstratifikasi (stratified sampling), adalah suatu teknik
pengambilan sampel dimana terlebih dahulu dilakukan pengambilan
anggota populiasi kedalam kelompok-kelompok kemudian sampel diambil
dari setiap kelompok tersebut secara acak. Stratifikasi atau pembagian ini
dapat dilakukan brdasarkan ciri/karakteristik tertentu dari populasi yang
sesuai dengan tujuan penelitian. Pengambilan sampel terstratifikasi dapat
dibagi menjadi dua, yaitu proporsional dimana jumlah sampel yang
diambil adalah sebanding dengan jumlah anggota populasi dalam setiap
kelompok karena pertimbangan analitis.
d. Pengambilan sampel kelompok (cluster sampling), adalah suatu teknik
pengambilan sampel dimana sampel unitnya bukan individual melainkan
kelompok individual (cluster) berdasar ciri/ karakteristik tertentu.
Selanjutnya dari cluster-cluster yang ada, dipilih satu cluster secara acak,
kemudian diambil sampel secara acak dan cluster terpilih ini. Hal ini
dimungkinkan karena masing-masing cluster dianggap homogen sehingga
tidak diperlukan dilakukan pengambilan sampel pada semua cluster.
e. Pengambilan sampel secara bertahap (double sampling), adalah suatu
teknik pengambilan sampel yang dilakukan secara bertahap. Tahap
pertama dilakukan untuk mendapatkan informasi awal. Tahap selanjutnya
dilakukan wawancara ulang dengan tambahan untuk mendapatkan
informasi yang lebih detail.
2. Pengambilan sampel secara tidak acak
Pengambilan secara tidak acak (nonprobability sampling) adalah
metode sampling yang setiap anggota populasinya tidak memiliki peluang
yang sama untuk dipilih sebagai sampel, bahkan probabilitas anggota populasi
tertentu untuk terpilih tidak diketahui. Dalam pengambilan sampel secara
tidak acak, pemilihan unit sampling berdasarkan pada pertimbangan atau
penilaian objektif dan tidak pada penggunaan teori probabilitas. Pengambilan
sampel secara tidak acak terdiri atas:
a. Accidental sampling (Convenience Sampling) adalah suatu teknik
pengambilan sampel dimana sampel yang diambil merupakan sampel
yang paling mudah diperoleh atau dijumpai. Dalam hal ini, unit sampel
sangat mudah diakses, diukur, dan sangat bekerja sama sehingga teknik
sampling ini sangat mudah, murah dan cepat dilaksanakan.
b. Purposive Sampling (Judgmental Sampling) adalah suatu teknik
pengambilan sampel dimana pemilihan sampel dilakukan dengan
pertimbangan subjektif tertentu berdasarkan beberapa ciri/ karakteristik
yang dimiliki sampel tersebut, yang dipandang berhubungan erat dengan
ciri/ karakteristik populasi yang sudah dsiketahui sebelumnya. Sampel
yang purposif adalah sampel yang dipilih dengan cermat sehingga relevan
dengan penelitian.
c. Quota Sampling, adalah suatu teknik pengambilan sampel dimana sampel
diambil dari suatu sub populasi yang mempunyai karakteristikkarakteristik
tertentu dalam batasan jumlah atau quota tertentu yang
diinginkan.
d. Snowball Sampling, adalah suatu teknik pengambilan sampel yang sangat
sesuai digunakan untuk mengetahui populasi dengan ciri-ciri khusus yang
sulit dijangkau. Pemilihan pertama dilakukan secara acak. Kemudian
setiap responden yang ditemui diminta untuk menberikan informasi
mengenai rekan-rekan lain yang mempunyai persamaan kakteristik yang
dibutuhkan, sehingga diperoleh responden tambahan.

Pembuatan Kuesioner (skripsi dan tesis)

Dalam penelitian survey, kuesioner merupakan alat untuk mengumpulkan
data. Analisa data kuantitatif didasarkan pada hasil kuesioner tersebut. Sebuah kuesioner yang baik adalah kuesioner yang mengandung pertanyaan-pertanyaan yang diajukan sedemikian rupa sehingga tidak menimbulkan interpretasi yang lain dari renponden. Pertanyaan-pertanyaan kuesioner harus jelas dan mudah dimengerti untuk mengurangi kesalahan interpretasi responden dalam pengisian kuesioner.
Berdasarkan jenis pertanyaannya, kuesioner dibedakan menjadi empat
macam (Aaker, dalam Singarimbun, 1989), yaitu :
1. Pertanyaan tertutup
Pertanyaan tertutup adalah pertanyaan yang telah disertai pilihan
jawabannya. Responden hanya tinggal memilih salah satu jawaban yang
tersedia, dan tidak diberi kesempatan memberikan jawaban lain. Pertanyaan
tertutup dapat berupa pertanyaan pilihan ganda atau berupa skala.
2. Pertanyaan terbuka
Pertanyaan terbuka adalah pertanyaan yang membutuhkan jawaban
bebas dari responden. Responden tidak diberi pilihan jawaban, tetapi responden menjawab pertanyaan sesuai dengan pendapatnya.
3. Pertanyaan kombinasi tertutup dan terbuka
Pertanyaan kombinasi tertutup dan terbuka adalah pertanyaan yang
telah disediakan jawabannya tetapi kemudian diberi pertanyaan terbuka,
dimana pada pertanyaan tersebut responden bebas memberikan jawaban.
4. Pertanyaan semi terbuka
Pertanyaan semi terbuka adalah pertanyaan yang disediakan pilihan
jawabannya tetapi masih ada kemungkinan bagi responden untuk
memberiakan tambahan jawaban

Pengertian Pasar (skripsi dan tesis)

Pasar tediri dari semua pelanggan potensial yang memiliki kebutuhan atau
keinginan tertentu serta mau dan mampu dalam melakukan pertukaran untuk
memenuhi kebutuhan atau keinginan (Philip Kotler, 1995: 14).
Konsep pasar membawa kita kembali pada konsep pemasaran, dimana
pemasaran merupakan dimensi pertama dan utama dari perusahaan. Definisi dari pemasaran adalah proses sosial dan manajerial dimana individu dan kelompok mendapatkan kebutuhan dan keinginan mereka dengan menciptakan, menawarkan dan menukarkan produk yang bernilai satu sama lain (Philip Kotler, 1995: 15).
Ukuran suatu pasar tergantung pada jumlah pembeli yang berada dalam
pasar tersebut. Pembeli potensial memiliki tiga karakteristik pokok, yaitu
mempunyai minat, penghasilan dan akses. Berdasarkan ketiga karakteristik ini, ada lima level definisi pasar yaitu:
1. Pasar potensial (potential market), yaitu sekumpulan konsumen yang
memiliki tingkat minat tertentu terhadap penawaran pasar tertentu. Misalnya,
semua orang yang menyatakan berminat untuk membeli sebuah sepeda motor.
2. Pasar yang tersedia (available market), yaitu sekumpulan konsumen yang
memiliki minat, penghasilan, dan akses pada penawaran pasar tertentu. Dalam
pasar yang tersedia, konsumen yang memiliki kemampuan (daya beli) untuk
membeli sepeda motor. Selain itu hambatan akses juga teratasi, artinya sepeda
motor tersebut memang tersedia di wilayah konsumen tersebut berada.
3. Pasar tersedia yang memenuhi syarat (qualified available market), yaitu
sekumpulan konsumen yang memiliki minat, penghasilan, akses, dan
kualifikasi untuk penawaran pasar tertentu.
4. Pasar yang dilayani (served market atau target market), yaitu sebagian dari
qualified available market yang ingin dimasuki perusahaan. Misalnya,
produsen sepeda motor memutuskan untuk memusatkan perhatian pemasaran
dan distribusinya di pulau jawa, maka pulau jawa menjadi pasar yang
dilayani.
5. Pasar penetrasi (penetration market), yaitu sekumpulan konsumen yang
benar-benar telah membeli produk. Jadi, yang termasuk dalam pasar penetrasi
adalah mereka yang sungguh-sungguh telah membeli sepeda motor produsen
tersebut. (Tjiptono, 2001: 64)

Metode Pendugaan Parameter Principal Component Analysis (PCA) (skripsi dan tesis)

Secara sederhana, sebuah variabel akan mengelompok ke suatu faktor (yang
terdiri atas variabel-variabel yang lainnya pula) jika variabel tersebut berkorelasi dengan sejumlah variabel lain yang masuk dalam kelompok faktor tertentu. Ketika sebuah variabel berkorelasi dengan variabel lain, variabel tersebut berbagi varians dengan variabel lain tersebut, dengan jumlah varians yang dibagikan adalah besar korelasi pangkat dua (
2). Varians adalah akar dari standar deviasi, yakni jumlah penyimpangan data dari rata-ratanya (Santoso, 2012). Dengan demikian, varians total pada sebuah variabel dapat dibagi menjadi tiga bagian:
1. Common variance, yakni varians yang dibagi dengan varians lainnya atau
jumlah varians yang dapat diekstrak dengan proses factoring.
2. Specific variance, yakni varians yang berkaitan dengan variabel tertentu saja. Jenis varians ini tidak dapat dijelaskan dengan korelasi hingga menjadi bagiandari variabel lain. Namun varians ini masih berkaitan secara unik dengan satu  variabel.
3. Error variance, yakni varians yang tidak dapat dijelaskan lewat korelasi. Jenis
ini muncul karena proses pengambilan data yang salah, pengukuran variabel
yang tidak tepat dan sebagainya. Dari penjelasan tersebut di atas, dapat dikatakan jika sebuat variabel berkorelasi dengan variabel lain, maka common variance (disebut juga communality) akan meningkat. Proses common analysis hanya berhubungan denngan common variance, sedangkan proses component analysis akan mengaitkan semua varians tersebut. Pada umumnya, component analysis akan digunakan jika tujuan utama
analisis faktor adalah data reduction, dan beranggapan bahwa sejumlah specific variance dan error variance berjumlah kecil.
Principal component analysis menggunakan total varians dalam analisisnya.
Metode ini menghasilkan faktor yang memiliki specific variance dan error variance yang lebih kecil. Kalau ada beberapa faktor yang dihasilkan, faktor yang duluan dihasilkan adalah yang memiliki common variance terbesar, sekaligus specific dan error variance terkecil (Simamora, 2004).

 

Asumsi Analisis Faktor (skripsi dan tesis)

Prinsip utama dalam analisis faktor adalah korelasi, artinya variabel yang
memiliki korelasi erat akan membentuk suatu faktor, sedangkan variabel yang ada dalam suatu faktor akan memiliki korelasi yang lemah dengan variabel yang terdapat pada faktor yang lain. Karena prinsip utama analisis faktor adalah korelasi, maka asumsi dalam analiss faktor berkaitan erat dengan korelasi berikut:
a. Korelasi atau keterkaitan antarvariabel harus kuat.
Hal ini dapat diidentifikasi dari nilai determinannya yg mendekati nol. Nilai
determinan dari matriks korelasi yang elemen-elemennya menyerupai matriks
identitas akan memiliki nilai determinan sebesar satu. Artinya, jika nilai
determinan mendekati satu, maka matriks korelasi menyerupai matriks
identitas, dimana antar item/variabel tidak saling terkait karena matriks
identitas memiliki elemen pada diagonal bernilai satu, sedangkan lainnya
bernilai nol.
b. Indeks perbandingan jarak antara koefisien korelasi dengan koefisien korelasi
parsialnya secara keseluruhan harus kecil.
Hal ini dapat diidentifikasi dengan nilai Kiser Meyer Olkin measure of
sampling adequency (KMO). KMO merupakan sebuah indeks perbandingan
jarak antara koefisien korelasi dengan koefisien parsialnya secara keseluruhan.
Jika jumlah kuadrat koefisien korelasi parsial di antara seluruh pasangan
variable bernilai kecil dibandingkan dengan jumlah kuadrat koefisien korelasi,
maka akan menghasilkan nilai KMO yang mendekati satu. Nilai KMO yang
kecil menunjukkan bahwa analis faktor bukan merupakan pilihan yang tepat.
Untuk dapat dilakukan analisis faktor, nilai KMO diangggap cukup apabila
nilai KMO > 0,5.
c. Indeks perbandingan jarak antara koefisien korelasi dengan koefisien korelasi parsialnya secara keseluruhan harus kecil.
Hal ini dapat diidentifikasi dengan nilai Measure of Sampling Adequency
(MSA). MSA adalah sebuah indeks perbandingan jarak antara koefisien
korelasi dengan koefisien korelasi parsialnya secara parsial setiap item/variabel. Untuk dapat dilakukan analisis faktor, nilai MSA dianggap cukup apabila nilai MSA > 0,5. Apabila ada item/variabel yang tidak memiliki nilai MSA > 0,5, variabel tersebut harus dikeluarkan dari analisis faktor secara bertahap satu persatu.
d. Dalam beberapa kasus, setiap variabel yang akan dianalisis dengan
menggunakan analisis faktor harus menyebar secara norma

 

Langkah-langkah Analisis Faktor (skripsi dan tesis)

Menurut Suliyanto (2005), langkah-langkah dalam analisis faktor adalah
sebagai berikut:
a. Merumuskan masalah
b. Membuat matriks korelasi
Proses analisis faktor didasarkan pada matriks korelasi antara variabel yang satu dengan variabel-variabel lain, untuk memperoleh analisis faktor yang semua variabel-variabelnya harus berkorelasi. Untuk menguji ketepatan dalam model faktor, uji statistik yang digunakan adalah barletts test sphericity dan Kiser-Mayer-Olkin (KMO) untuk mengetahui kecukupan sampelnya.
1. Nilai KMO sebesar 0,9 adalah baik sekali
2. Nilai KMO sebesar 0,8 adalah baik
3. Nilai KMO sebesar 0,7 adalah sedang/agak baik
4. Nilai KMO sebesar 0,6 adalah cukup
5. Nilai KMO sebesar 0,5 adalah kurang
6. Nilai KMO sebesar < 0,5 adalah ditolak
c. Penentuan jumlah faktor.
Penentuan jumlah faktor yang ditentukan untuk mewakili variabel-variabel yang akan dianalisis didasarkan pada besarnya eigenvalue serta persentase total variannya. Hanya faktor yang memiliki eigenvalue sama atau lebih besar dari satu yang dipertahankan dalm model analisis faktor, sedangkan yang lainnya dikeluarkan dari model.
d. Rotasi faktor.
Hasil dari ekstraksi faktor dalam matriks faktor mengidentifikasikan hubungan
antar faktor dan variabel individual, namun dalam faktor-faktor tersebut banyak variabel yang berkorelasi sehingga sulit diinterpretasikan. Melalui rotasi faktor matriks, faktor matriks ditransformasikan ke dalam matriks yng lebih sederhana sehingga mudah diinterpretasikan. Rotasi faktor menggunakan prosedur varimax.
e. Interpretasi faktor.
Interpretasi faktor dilakukan dengan mengklasifikasikan variabel yang
mempunyai factor loading minimum 0,4 sedangkan variabel dengan faktor loading kurang dari 0,4 dikeluarkan dari model.
f. Penyeleksian surrogate variable.
Mencari salah satu variabel dalam setiap faktor sebagai wakil dari masing-
masing faktor. Pemilihan ini didasarkan pada nilai factor loading tertinggi.
g. Model Fit (ketepatan model)
Tahap akhir dari ananlisis faktor adalah mengetahui ketepatan dalam memilih
teknik analisis faktor antara principal component analysis dan maximum likelihood dengan melihat jumlah residual (perbedaan) antara korelasi yang diamati dengan korelasi yang diproduksi. Semakin kecil persentase nilai residual (dalam hal ini adalah nilai root mean square error = RMSE), maka semakin tepat penentuan teknik tersebut.

 

 Uji Ketepatan model Analisis Faktor (skripsi dan tesis)

Uji ketepatan model digunakan untuk melihat apakah faktor-faktor yang telah
terbentuk berdasarkan analisis faktor benar-benar telah valid. Ada beberapa cara untuk menguji ketepatan model dari faktor-faktor yang telah terbentuk, yaitu sebagai berikut:
1. Dengan membagi sampel awal menjadi dua sama besarnya. Apabila ada jumlah sampel ganjil, maka satu sampel harus dihilangkan atau dimasukkan kepada dua bagian sampel tersebut. Kemudian sampel yng telah dibagi dua dianalisis satu persatu. Apabila hasil analisis faktor antara sampel pertama dan sampel kedua tidak banyak perbedaan, faktor yang terbentuk dinyatakan baik.
2. Dengan melihat nilai perbandingan antara observed correlation dengan
reproduced correlations. Diharapkan perubahan matriks korelasi yang baru tidak jauh berbeda dengan matriks korelasi asal. Untuk itu, perlu dilakukan
perhitungan atas perubahan yang terjadi, yaitu dengan menghitung selisih nilai
koefisien korelasi dari matriks korelasi asal dengan koefisien korelasi dari
matriks korelasi baru. Jika nilai mutlak dari selisih tersebut melebihi nilai 0,05,
dimasukkan dalam kategori bahwa koefisien korelasi tersebut tidak sama
(berubah). Kemudian dihitung jumlah koefisien yang berbeda dan tergolong
sama. Jumlah relatif dari koefisien yang tergolong sama dijadikan indikator
ketepatan model. Model dikatakan baik apabila koefisien yang tidak berubah atau sama lebih banyak (> 50%) daripada yang tergolong berubah. Dalam
perkembangannya metode ini lebih banyak digunakan

 

Penamaan Faktor Yang Terbentuk (skripsi dan tesis)

Untuk menamai faktor yang telah dibentuk dalam analisis faktor, dapat
dilakukan dengan cara berikut.
1. Memberikan nama faktor yang dapat mewakili nama-nama variabel yang
membentuk faktor tersebut.
2. Memberikan nama faktor berdasarkan variabel yang memiliki nilai factor
loading tertinggi. Hal ini dilakukan apabila tidak dimungkinkan untuk
memberikan nama faktor yang dapat mewakili semua variabel yang membentuk faktor tersebut

Penentuan Jumlah Faktor (skripsi dan tesis)

Untuk menentukan banyaknya jumlah faktor yang terbentuk dalam analisis
faktor dapat dilakukan beberapa pendekatan berikut:
1. Penentuan berdasarkan apriori.
Dalam metode penentuan ini, jumlah faktor telah ditentukan sebelumnya oleh
peneliti.
2. Penentuan berdasarkan eigenvalue.
Untuk menentukan jumlah faktor yang terbentuk dapat didasarkan pada
eigenvalue. Jika suatu variabel memiliki eigenvalue > 1, dianggap sebagai suatu
faktor, sebaliknya jika suatu variabel hanya memiliki eigenvalue < 1, tidak
dimasukkan dalam model.
3. Penentuan berdasarkan scree plot.
Scree plot pada dasarnya merupakan grafik yang menggambarkan hubungan
antara faktor dengan eigenvalue, pada sumbu Y menunjukkan eigenvalue, sedangkan pada sumbu X menunjukkan jumlah faktor. Untuk dapat menentukan berapa jumlah faktor yang diambil, ditandai dengan slope yang sangat tajam antara faktor yang satu dengan faktor berikutnya.
4. Penentuan berdasarkan persentase varian (percentage of variance).
Persentase varian menunjukkan jumlah variasi yang berhubungan pada suatu
faktor yang dinyatakan dalam persentase. Untuk dapat menentukan berapa jumlah faktor yang diambil, harus memiliki nilai persentase varian > 0,5. Sedangkan apabila menggunakan kriteria kumulatif persentase varian, besarnya nilai kumulatif persentase varian > 60%.
Untuk mengetahui peranan masing-masing variabel dalam suatu faktor dapat
ditentukan dari besarnya loading variabel yang bersangkutan. Loading dengan nilai terbesar berarti mempunyai peranan utama pada faktor tersebut. Variabel yang memiliki nilai loading < 0,5 dianggap tidak memiliki peranan yang berarti terhadap faktor yang terbentuk sehingga variabel tersebut dapat diabaikan dalam pembentukan faktor

 

Jumlah Sampel Ideal Dan Jenis Data Untuk Analisis Faktor (skripsi dan tesis)

Secara umum, jumlah sampel dalam analisis faktor minimal 50 pengamatan.
Bahkan seharusnya ukuran sampel sebanyak 100 atau lebih besar. Biasanya ukuran sampel dalam analisis ini dianjurkan memiliki paling sedikit 5 kali jumlah variabel yang akan diamati, karena semakin banyak sampel yang dipilih akan mencapai patokan rasio 10:1, dalam arti untuk satu variabel ada 10 sampel (Hair, 2010). Dalam pengertian SPSS, hal ini berarti untuk setiap 1 kolom yang ada, seharusnya terdapat 10 baris data, sehingga jika ada 5 kolom (variabel), minimal seharusnya ada 50 baris data (sampel).
Data dalam analisis faktor minimal adalah interval, sehingga apabila data yg
diperoleh berupa data ordinal, harus ditransformasikan menjadi data interval,
misalnya dengan menggunakan metode successive interval (Suliyanto,2005)

Fungsi Analisis Faktor (skripsi dan tesis)

Terdapat 3 fungsi analisis faktor menurut Suliyanto (2005), diantaranya
adalah sebagai berikut:
1. Mengidentifikasi dimensi-dimensi mendasar yang dapat menjelaskan korelasi dari serangkaian variabel.
2. Mengidentifikasi variabel-variabel baru yang lebih kecil, untuk menggantikan variabel tidak berkorelasi dari serangkaian variabel asli yang berkorelasi.
3. Mengidentifikasi beberapa variabel kecil dari sejumlah variabel yang banyak
untuk dianalisis multivariat lainnya

 

Tujuan Analisis Faktor (skripsi dan tesis)

Pada dasarnya, tujuan analisis faktor adalah:
1. Data Sumarization, yakni mengidentifikasi adanya hubungan antar variabel
dengan melakukan uji korelasi.
2. Data Reduction, yakni setelah melakukan korelasi, maka dilanjutkan dengan
proses membuat sebuah variabel set baru yang dinamakan faktor untuk
menggantikan sejumlah variabel tertentu.
Tujuan umum dari teknik analisis faktor adalah menemukan suatu cara untuk
mereduksi informasi yang terkandung di dalam sejumlah variabel-variabel original ke dalam set variabel yang lebih kecil dari dimensi-dimensi gabungan dan baru. Untuk menemukan tujuan tersebut, ada 4 hal yang mendukung yaitu mengkhususkan unit analisis, mencapai ringkasan data atau pengurangan data, pemilihan variabel, dan menggunakan hasil analisis faktor dengan teknik-teknik multivariat yang lain (Hair, 2010).

Definisi Analisis Faktor (skripsi dan tesis)

Analisis faktor merupakan suatu teknik untuk menganalisis tentang saling
ketergantungan dari beberapa variabel secara simultan dengan tujuan untuk
menyederhanakan dari bentuk hubungan antara beberapa variabel yang diteliti menjadi sejumlah faktor yang lebih sedikit dari pada variabel yang diteliti. Hal ini berarti, analisis faktor dapat juga menggambarkan tentang struktur data dari suatu penelitian (Suliyanto, 2005).
Analisis faktor adalah suatu teknik interdependensi (interdependence
technique), dimana tidak ada pembagian variabel menjadi variabel bebas dan variabel tergantung dengan tujuan utama yaitu mendefinisikan struktur yang terletak di antara variabel-variabel dalam analisis. Analisis ini menyediakan alat-alat untuk menganalisis struktur dari hubungan interen atau korelasi di antara sejumlah besar variabel dengan menerangkan korelasi yang baik antara variabel, yang diasumsikan untuk merepresentasikan dimensi-dimensi dalam data (Hair, 2010)

Analisis Faktor Konfirmatori (CFA) (skripsi dan tesis)

Analisis faktor konfirmatori yaitu suatu teknik analisis faktor di mana secara apriori berdasarkan teori dan konsep yang sudah diketahui dipahami atau ditentukan sebelumnya, maka dibuat sejumlah faktor yang akan dibentuk, serta variabel apa saja yang termasuk ke dalam masing-masing faktor yang dibentuk dan sudah pasti tujuannya. Pembentukan faktor konfirmatori (CFA) secara sengaja berdasarkan teori dan konsep, dalam upaya untuk mendapatkan variabel baru atau faktor yang mewakili beberapa item atau sub-variabel, yang merupakan variabel teramati atau observerb variable.

Pada dasarnya tujuan analisis faktor konfirmatori adalah: pertama untuk mengidentifikasi adanya hubungan antar variabel dengan melakukan uji korelasi. Tujuan kedua untuk menguji validitas dan reliabilitas instrumen. Dalam pengujian terhadap validitas dan reliabilitas instrumen atau kuesioner untuk mendapatkan data penelitian yang valid dan reliabel dengan analisis faktor konfirmatori.

Analisis Faktor Eksploratori (EFA) (skripsi dan tesis)

Analisis faktor eksploratori atau analisis komponen utama (PCA = principle component analysis) yaitu suatu teknik analisis faktor di mana beberapa faktor yang akan terbentuk berupa variabel laten yang belum dapat ditentukan sebelum analisis dilakukan.

Pada prinsipnya analisis faktor eksploratori di mana terbentuknya faktor-faktor atau variabel laten baru adalah bersifat acak, yang selanjutnya dapat diinterprestasi sesuai dengan faktor atau komponen atau konstruk yang terbentuk. Analisis faktor eksploratori persis sama dengan anlisis komponen utama (PCA).

Dalam analisis faktor eksploratori di mana peneliti tidak atau belum mempunyai pengetahuan atau teori atau suatu hipotesis yang menyusun struktur faktor-faktornya yang akan dibentuk atau yang terbentuk, sehingga dengan demikian pada analisis faktor eksploratori merupakan teknik untuk membantu membangun teori baru.

Analisis faktor eksploratori merupakan suatu teknik untuk mereduksi data dari variabel asal atau variabel awal menjadi variabel baru atau faktor yang jumlahnya lebih kecil dari pada variabel awal. Proses analisis faktor eksploratori mencoba untuk menemukan hubungan antarvariabel baru atau faktor yang terbentuk yang saling independen sesamanya, sehingga bisa dibuat satu atau beberapa kumpulan variabel laten atau faktor yang lebih sedikit dari jumlah variabel awal yang bebas atau tidak berkorelasi sesamanya. Jadi antar faktor yang terbentuk tidak berkorelasi sesamanya.

Analisis Faktor (skripsi dan tesis)

Analisis faktor (factor analysis) adalah salah satu keluarga analisis multivariate yang bertujuan untuk meringkas atau mereduksi variable amatan secara keseluruhan menjadi beberapa variable atau dimensi baru, akan tetapi variable atau dimensi baru yang terbentuk tetap mampu merepresentasikan variable utama. Dalam analisis factor, dikenal dua pendekatan utama, yaitu exploratory factor analysis dan confirmatory factor analysis. Kita menggunakan exploratory factor analysis bila banyaknya factor yang terbentuk tidak ditentukan terlebih dahulu. Sebaliknya confirmatory factor analysis digunakan apabila factor yang terbentuk telah ditetapkan terlebih dahulu.

Asumsi mendasar yang harus digarisbawahi dalam analisis factor adalah bahwa variable-variabel yang dianalisis memiliki keterkaitan atau saling berhubungan karena analisis factor berusaha untuk mencari common dimension (kesamaan dimensi) yang mendasari variable-variabel itu.

Tujuan utama analisis faktor adalah untuk menjelaskan struktur hubungan di antara banyak variabel dalam bentuk faktor atau vaiabel laten atau variabel bentukan. Faktor yang terbentuk merupakan besaran acak (random quantities) yang sebelumnya tidak dapat diamati atau diukur atau ditentukan secara langsung. Selain tujuan utama analisis faktor, terdapat tujuan lainnya adalah:

  1. Untuk mereduksi sejumlah variabel asal yang jumlahnya banyak menjadi sejumlah variabel baru yang jumlahnya lebih sedikit dari variabel asal, dan variabel baru tersebut dinamakan faktor atau variabel laten atau konstruk atau variabel bentukan.
  2. Untuk mengidentifikasi adanya hubungan antarvariabel penyusun faktor atau dimensi dengan faktor yang terbentuk, dengan menggunakan pengujian koefisien korelasi antarfaktor dengan komponen pembentuknya. Analisis faktor ini disebut analisis faktor kofirmatori.
  3. Untuk menguji valisitas dan reliabilitas instrumen dengan analisis faktor konfirmatori.
  4. Validasi data untuk mengetahui apakah hasil analisis faktor tersebut dapat digeneralisasi ke dalam populasinya, sehingga setelah terbentuk faktor, maka peneliti sudah mempunyai suatu hipotesis baru berdasarkan hasil analisis faktor.

Regresi Linear Berganda (skripsi dan tesis)

Analisis regresi adalah hubungan yang didapat dan dinyatakan dalam bentuk persamaan matematik yang menyatakan hubungan fungsional antar variabel. Scalzo, Xu, Asgari, Bergsneider, dan Hu (2009 :967) menambahkan bahwa analisis regresi adalah sebuah tehnik statistika yang digunakan untuk menganalisis variabel input (X) dan variabel output (Y). Dalam hal ini, variabel output yang dimaksud dapat disebut sebagai variabel terikat (dependent). Sedangkan variabel input yang dimaksud disebut sebagai variabel bebas (independent). Variabel terikat dinotasikan dengan “Y”, sedangkan variabel bebas dinotasikan dengan “X”.

Berdasarkan bentuk kelinearan data, model regresi dikelompokkan menjadi dua macam, yaitu regresi linear dan regresi non linear. Suatu persamaan dapat dikatakan regresi linear apabila hubungan antara variabel independen dan variable dependen adalah linear. Sedangkan regresi dikatakan non linear apabila hubungan antara variabel independen dan variabel dependen tidak linear.

Sedangkan berdasarkan jumlah variabel bebas, regresi linear terdiri dari dua, yaitu regresi linear sederhana dan regresi linear berganda. Analisis regresi sederhana merupakan hubungan antara dua variabel yaitu variabel bebas dan variabel tak bebas.

Analisis regresi berganda merupakan hubungan antara 3 variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas dengan satu variabel tak bebas. Tujuan dari analisis regresi adalah untuk membuat perkiraan nilai suatu variabel terikat jika nilai variabel bebas yang berhubungan dengannya sudah ditentukan dan menguji hipotesis signifikansi pengaruh dari variabel bebas terhadap variabel terikat.

Regresi linear berganda adalah perkembangan dari regresi sederhana yang menjelaskan hubungan antara variabel terikat dengan lebih dari satu variabel bebas (Freund, Wilson, & Sa, 2006 : 73). Tujuan utama analisis regresi linear berganda sama seperti dengan regresi sederhana, yaitu menggunakan hubungan antara variable terikat (response) dan variabel bebas (factor) untuk memprediksi atau menjelaskan karakteristik dari variabel (Freund, Wilson, & Sa, 2006 : 73).

Rasio Solvabilitas (skripsi dan tesis)

Rasio Solvabilitas atau biasa sering disebut rasio leverage. Rasio
ini menunjukkan kemampuan perusahaan dalam memenuhi kewajiban
jangka panjangnya. Menurut Van Horne (2005) rasio leverage adalah rasio
yang menunjukkan sejauh mana perusahaan dibiayai oleh utang (dana
pihak luar). Semakin besar jumlah pendanaan yang berasal dari kreditor,
semakin tinggi resiko perusahaan tidak dapat membayar seluruh kewajiban
beserta bunganya. Bagi pemegang saham, semakin tinggi rasio leverage,
semakin rendah tingkat pengembalian yang akan diterima pemegang
saham karena perusahaan harus melakukan pembayaran bunga sebelum
laba dapat dibagikan kepada pemegang saham dalam bentuk deviden.
Rasio leverage yang menjadi fokus dalam penelitian ini adalah
Debt to Equity Ratio (DER). Debt to Equity Ratio (DER) adalah
perbandingan total hutang dengan total modal sendiri

Uji Hausman (skripsi dan tesis)

Uji Hausman digunakan untuk menentukan model yang sesuai antara fixed effects model atau random effects model. Statistik uji Hausman mengikuti distribusi chi-square dengan derajat bebas jumlah variabel bebas (k). Jika model estimasi regresi data panel yang terpilih adalah common effects atau fixed effects maka tahap yang akan dilakukan adalah pengujian untuk memilih estimator yang akan digunakan dengan melihat struktur varian-kovarians residual. Hal ini dilakukan untuk menentukan metode estimasi yang tepat
untuk digunakan dalam model apakah OLS, GLS, atau FGLS. Kemudian, setelah diperoleh model data panel terbaik serta metode estimasinya, dilakukan pemeriksaan asumsi klasik. Apabila metode estimasinya OLS, maka asumsi klasik yang harus terpenuhi adalah normalitas, homoskedastis, nonmultikolinieritas, dan nonautokorelasi. Jika metode estimasinya adalah GLS atau FGLS, maka asumsi yang harus terpenuhi adalah normalitas dan nonmultikolinieritas. Hal ini disebabkan metode GLS dan MLE mampu mengakomodasi masalah heteroskedas dan nonautokorelasi dalam model.

MULTIKOLINEARITAS (skripsi dan tesis)

Multikolinearitas adalah adanya hubungan linear yang sempurna di antara variabel yang menjelaskan model regresi. Untuk mengukur terjadinya multikolinearitas pada model regresi dilihat dari koefisien korelasi antara masing-masing variabel bebas. Apabila koefisien > 0,80, maka dalam model regresi terjadi multikolinearitas.

Apabila terdapat persoalan ini dalam sebuah teknik regresi, maka dapat mengakibatkan koefisien regresi tidak dapat ditentukan dan standar erornya tidak dapat didefinisikan. Selain itu jika kolinearitas tinggi tetapi tidak sempurna, estimasi dari koefisien regresi masih dimungkinkan, namun nilai standar erornya cenderung besar. Hasilnya, nilai populasi dari koefisien-koefisien tidak dapat diestimasi dengan tepat.

Uji Multikolinieritas (skripsi dan tesis)

Menurut Imam Ghozali (2011) uji multikolinieritas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel bebas (independen). Untuk menguji multikolinieritas dengan cara melihat nilai VIF
masing-masing variabel independen, jika nilai VIF < 10, maka dapat disimpulkan data bebas dari gejala multikolinieritas.